决策的信息准则

本文推广了[1]文所提出的加权熵,定义了一种新的信息量——加权信息增益,并将它作为决策准则应用在决策分析中,文中讨论了这种信息量的性质及作为决策准则的合理性。

电网调度通信网恶意入侵行为的自动化监测

为了提高电网调度通信网恶意入侵行为监测效率,避免蠕虫、病毒等恶意入侵行为给电网调度通信网带来的严重威胁,提出基于数据挖掘技术和机器学习算法的电网调度通信网恶意入侵行为自动化监测方法。使用行为字节序列表示恶意入侵行为特征,利用变长N-gram滑动窗口提取恶意入侵行为特征,采用加权信息增益的过滤类特征选择算法,进行恶意入侵行为特征降维,运用所得特征训练朴素贝叶斯分类器,实现电网调度通信网恶意入侵行为的自动化分类监测。实例测试结果表明:本文方法的恶意入侵行为漏报率低于45%;本文方法计算的正常行为特征值介于0.1~0.3之间,最大特征值为0.26,恶意入侵行为及其变种行为的特征值均高于0.7;监测的不同类型恶意入侵行为数量始终低于20;对不同恶意入侵行为的捕获时间均保持在10 min以内。以上数据证明,本文方法提高了恶意入侵行为监测效率,能够减少入侵行为对电网调度通信网的恶意破坏。

一种改进的决策树算法及其应用

在以往的铝电解生产中,出铝量往往多由人工经验来决定。为提高决策的科学化程度,提出了一种改进的决策树生成算法加权ID3,并将其应用于铝电解生产中出铝量的设定。针对ID3算法存在的问题,利用历史数据来计算条件属性的权重,提出了加权信息增益的概念,并基于加权信息增益来构造决策树。实验结果表明,所提出的方法具有较好的效果。

决策树ID3算法的一种改进算法

首先对决策树ID3算法基本原理及主要不足进行了简要分析,然后针对其主要不足即分裂属性选取过程中的多值偏向问题,通过引入一种修正函数对其加以改进,同时又提出了一种独立性假设。理论分析和实验结果表明：改进算法在一定程度上不仅较好地弥补了多值偏向的最大不足,而且还大大简化了算法计算过程,在提高分类准确度的同时也明显加快了决策树构建速度。