C4.5决策树算法的阈值自适应色谱峰研究与实现

变压器油色谱在线监测装置在长期运行过程中,存在峰位置偏移情况。针对这一现象,将C4.5决策树算法引入色谱峰定性领域。将峰高、峰宽、峰面积和峰中点位置作为色谱峰辨识的特征属性。利用决策树对于根结点选取时,采用二分法对连续属性进行离散化处理,得到特征属性的自适应阈值,达到数据正确分类的效果。利用色谱峰测试样本集Q 1至Q 6的6组数据对该算法进行测试,准确率达到95.23%,可有效避免因峰位的前后移动、峰形的扩展收缩导致的对气体色谱峰的误判和漏判现象。

一种改进的C4.5决策树算法

为了提高C4.5决策树算法的有效性,提出一种改进的C4.5决策树算法。结合粗糙集理论的属性约简算法和Fayyad边界点判定定理,对C4.5算法进行了改进,利用UCI数据集进行了实验。结果表明,改进的C4.5算法不仅提高了准确率,而且缩小了决策树规模,减少了分类时间。

基于Hadoop的C4.5决策树算法在心脏病诊断中的应用

大数据时代给心脏病诊断带来了新的挑战,传统的计算方法已无法满足心脏病诊断中海量健康数据的诊断分析工作。本文提出了一种基于Hadoop的分布式C4.5决策树算法,使用Map Reduce并行编程模式、HDFS分布式文件存储系统加快了C4.5算法的效率,将其应用在心脏病诊断中可以得出病人的分类模型。论文首先介绍了算法的设计思路,然后介绍了健康数据在算法中的分析实现过程,最后展示了基于该算法的系统界面。

云计算环境下基于C4.5决策树算法的智能变电站电力设备状态监测方法

为解决现有的智能变电站难以及时、有效地实现电力设备实时监测的问题,提出了一种面向智能变电站的电力设备状态监测方法。考虑到现有智能变电站电力设备数据量呈现指数增长,引入云计算运算模式,构建了基于Hadoop平台的MapReduce分布式处理系统。通过采用C4.5决策树算法实现了云计算,并基于MapReduce对算法进行改进。将并行算法作为核心优化Ha⁃doop平台的并行计算模式,实现数据的并行处理。实验结果表明,文中所提出的方法能够提升数据处理效率,增加电力设备故障诊断与识别的总体准确率,有效实现智能变电站电力设备的实时监测。

决策树C4.5连续属性分割阈值算法改进及其应用

结合Fayyad边界点原理提出一种新的连续值属性最佳分割阈值的选择算法。根据Fayyad连续值属性的最佳分割点总在边界点处的原理,只在连续属性分界点处的少数几个分割点中选择最佳分割阈值。构造并训练了改进C4.5分类器,将其应用于视频序列中的人车目标识别。实验结果表明:改进C4.5算法的计算量减少近20%,大大提高了决策树的生成效率,分类准确率也略有提高。

决策树C4.5算法在新疆维吾尔草药图像分类中的应用

目的:利用小波变换法提取新疆维吾尔草药图像的特征,对植物药图像进行分类研究。方法:此次研究选取新疆维吾尔草药图像200张,其中花类图像100张,叶类图像100张。对图像进行去噪、尺度归一化和空间转换等预处理。利用小波变换分别提取花类、叶类图像的特征向量,用类间距法获取具有较好的分类能力的特征量,使用决策树C4.5算法对特征的分类能力进行评价。结果:对得到的这些特征量,分别利用决策树C4.5算法和贝叶斯方法进行分类,决策树算法分类准确率达到了80.0%;贝叶斯方法分类准确率达到73.5%;结论:结果显示,采用小波变换提取的特征在对不同类型的维吾尔草药图像进行分类时,将最大类间距和决策树C4.5算法结合能达到一定的分类能力;因此,决策树分类算法可以在一定程度上对新疆维吾尔草药图像进行判别分类。

基于决策树C4.5算法的京津冀机场群航线网络优化

针对京津冀机场群发展不和谐的现状,从航班准点率、航空公司份额和功能定位的角度提出机场群航线优化原则,构建了以机场群总体效益最大化为目标的机场群航线网络优化模型,将决策树C4.5算法进行改进后应用于航线网络优化问题中,通过对比各方案损益值寻找最优解。结果表明,优化后京津冀机场群总体效益提高了8.21%,优化效果显著。

决策树优化选择下城市交通出行特征研究

文中对基于决策树优化选择下城市交通出行特征进行研究,通过研究城市交通出行方式,缓解城市交通出行压力。基于决策树算法基本理论,构建决策树模型,选取城市交通出行特征作为分类依据,运用C4.5决策树算法对城市交通出行数据进行分类,根据分类后各个不同特征叶子节点对上层子节点的总占比进行城市交通出行特征优化选择分析,并在“Occam's razor”的基础上,利用重新引入法提出优化方法,解决C4.5决策树算法存在的过度拟合问题,提升城市交通出行方式分析效果。实验结果表明,该方法可有效分析城市交通现有出行特征,指导城市交通规划,依据该方法的分析结果对早高峰线路进行优化后,有效减少了长距离拥堵路段,同时避免了严重阻塞路段的产生。

基于改进决策树算法识别LCD产品质量影响因素

影响液晶显示器(Liquid Crystal Display,LCD)产品合格率的因素众多,在诸多因素中找出影响产品质量的关键因素,是一个有价值的研究领域。采用基于关联规则的C4.5决策树算法对LCD生产数据进行挖掘,该方法首先挖掘出对合格率有影响的关联因素作为新属性,再对所有的新属性生成决策树模型,进而找到影响生产的关键属性。基于关联规则的C4.5决策树算法考虑了联合影响的因素,更深层地挖掘潜在的质量影响因素,同时降低属性的冗余度。实验表明该算法为企业质量管理的改进提供决策支持。

隐私保护的分布式决策树分类算法的研究

针对分布式决策树构造过程中的隐私保护问题,引入安全多方计算方法设计了可以保护隐私的分布式C4.5决策树分类算法。该算法适用于数据集垂直分布和水平分布两种情况,同时提出了一种新的隐私保护程度的度量方法。实验结果证明设计的隐私保护分布式决策树分类算法不仅很好地保护了原始数据不泄露,同时保持了较高的分类精度。

基于C4.5算法的遥感影像分类

随着城市化进程的加快,湿地对整个生态系统的可持续发展具有重要的意义。以洪泽湖湿地为研究区,集合TM影像的光谱信息和纹理信息构建空间数据库,获取训练样本,并从训练样本集中获取分类规则;然后利用C4.5算法构建决策树,并基于知识规则推理得到遥感影像分类结果;最后将分类结果与传统的最大似然法进行比较分析。实验表明,基于C4.5算法得到的分类结果的分类总精度为91.9701%,其分类总精度结果明显高于传统的最大似然法的80.0885%;同样,前者的分类结果的Kappa系数为0.900 3,也远远高于最大似然法的0.746 5。

基于PCA的决策树算法在心脏病诊断中的应用

主成分分析(Principal Component Analysis,PCA)可以处理大量过程参数间的关系与变化,排除次要因素,提取主要因素。文章将主成分分析和决策树C4.5算法相结合,提出一种心脏病诊断预测的新方法,该方法采用PCA方法对影响心脏病诊断的众多变量进行降维处理,减少了预测模型的输入量,消除输入数据间的相关性,用C4.5算法建立心脏病诊断的预测模型。经实验证明有效的提高了C4.5算法的分类正确率,提高了心脏病诊断的正确率。

基于C4.5和随机森林算法的中医药院校毕业生就业预测应用研究

中医药院校的就业渠道较窄,就业压力较大。如何精确预测就业困难学生,提供帮扶,使其早日就业是高校非常重要的一项工作。本文基于C4.5决策树算法,生成就业判定决策树,确定就业的重要影响因素,并预测就业情况。并进一步使用随机森林算法提高就业预测正确率。本文结合两种方法为中医药类高校毕业生工作就业预测提供了一种新方法,具有一定的实际应用价值。

基于决策树与二分分割算法的BP神经网络在赤潮等级预测中的应用研究

针对赤潮灾害等级预测难的现状,提出了一种基于C4.5决策树与二分分割算法优化的BP(反向传播)神经网络赤潮等级预测模型。该模型针对传统BP神经网络输入参数难以选择和隐含层节点数量难以确定的问题,通过决策树分类获取最优的属性组合,来解决输入参数难以选择的问题;通过"二分分割算法",来解决隐含层节点数难以确定的问题。实验结果表明,该模型在青岛近海海域赤潮灾害等级预测中,预测结果的均方根误差(RMSE)小于传统BP神经网络的预测误差,并且在网络训练时间上有所缩短,预测精度上有所提高,能够获得良好的预测结果,可为赤潮等级预测提供新的解决方法。

基于决策树算法的Landsat 8 OLI影像海岸类型自动识别方法

针对基岩、人工、砂质和淤泥质海岸四种海岸类型,采用数据挖掘算法中的C4.5决策树算法对Landsat 8OLI多光谱影像数据进行分析。首先得出4种海岸类型中所包含的海水、陆地、植被、养殖区、淤泥、沙滩六种地物的识别规则;然后利用不同海岸类型所包含的地物类型差异,分别提出了基岩、人工建筑、人工养殖、沙滩、淤泥五种海岸类型的自动识别规则。实例验证结果表明,对于地物特征明显的人工海岸和基岩海岸,我们提出的海岸类型自动识别方法的精度可达到100%,而对于光谱相近的淤泥质海岸和人工养殖海岸其识别精度较低,大于80%。

基于并行C4.5算法的民机质量数据决策指导

民机设备系统每天都在产生大量的质量数据信息。随着时间的推移及数据量的积累,传统离散制造业的数据统计分析已经无法对这些庞大的质量数据进行有效地处理分析。为了解决这一问题,并挖掘出数据之间的隐含规律,提出了一种有效的数据挖掘方法。该方法通过集成决策树C4.5并行算法完成质量数据分析。分析结果展示了该分析方法的正确性、有效性和价值性。

决策树算法在学生成绩分析中的应用

在信息化建设高速发展的高校,越来越多的工作依赖于信息化。数据挖掘能够将隐藏在大量信息背后的有用信息提取出来,所以它在高校信息化建设中使用越来越广泛。高校中大量的学生成绩只用于简单的数据操作,不利于教师准确分析学生学习情况,管理者准确掌握教学质量,学生准确完善学习方法。通过数据挖掘中决策树C4.5算法对学生成绩建立决策树模型可以改变这些问题。

基于决策树方法的车辆油耗估计模型

车辆油耗是道路建设后评价的重要指标之一,同时也是道路路面设计、加油站选址、路径选择等问题的决策依据.传统的车辆油耗估计主要采用回归建模的方式,本文基于决策树数据挖掘方法给出了一种车辆油耗的估计模型.首先,利用主成分分析法获取影响车辆油耗的关键因素;其次,基于改进的C4.5决策树构建车辆油耗估计模型;最后,结合1组高速公路场景下车辆油耗的典型样本数据,对本文模型进行验证,通过对车辆油耗预测值与真实值的误差分析,表明本文模型的有效性和实用性.

基于决策树优化的BP神经网络在海参养殖产量预测中的应用

刺参Apostichopus japonicus养殖产量的影响因素很多,难以预测。本研究设计一种基于C4.5决策树优化的BP(反向传播)神经网络刺参养殖产量预测模型,该模型针对传统BP神经网络输入参数难以选择、收敛速度慢、易陷入局部极小等问题,通过决策树分类获取最优的属性组合,来解决神经网络输入参数难选择的问题,再结合"二分分割算法"确定隐含层节点数,构建基于C4.5决策树反向传播神经网络(DT-BPNN)预测模型,以山东省刺参养殖年产量为例进行检测实验。结果表明,该模型预测刺参养殖产量结果的均方误差(MSE)小于传统BP神经网络和灰色GM(1,1),网络训练时间缩短,预测精度提高,获得了良好的预测结果,可为海参养殖产量预测提供新方法。

基于决策树的司机驾驶行为研究

司机驾驶行为是影响车辆能耗的重要因素之一。为准确分析司机驾驶行为,文章首先利用灰色关联分析对驾驶行为参数进行关联性分析,用于提高模型的性能;然后结合C4.5决策树算法,建立司机驾驶行为模型,并运用实际运营数据进行训练和测试。结果表明,利用该模型能够准确地分析司机驾驶行为,为驾驶行为分析提供有效依据。