基于改进CART算法的退役动力电池等级筛选方法

针对退役动力电池存在一致性差、等级筛选效率低的难题,提出了一种基于改进CART算法的退役动力电池等级筛选方法。首先,分析了传统CART算法的基本原理,为克服算法计算量大的缺陷,将Fayyad边界点判定定理与CART算法相结合,通过选取属性最优阈值点来减少计算量,提高分类效率;其次,基于代价复杂度后剪枝算法,采用交叉验证法对算法进行进一步优化;最后,将改进CART算法用于退役动力电池筛选分类,实验结果表明改进CART算法在保持较高准确率的情况下,可以有效提高退役动力电池的等级筛选效率。

基于CART算法的纳木措湖泊面积精确提取

为了能够更精确地提取到湖泊水体的范围,对比MLC、SVM和基于多特征的全新遥感影像CART决策树分类方法,对西藏自治区的纳木措湖泊进行自动提取研究.选择Landsat 8OLI卫星遥感影像数据作为数据源.将得到的不同特征的影像进行组合,组合成全新的多特征遥感影像.决策树方法具有结构清晰、快速、简单、有效的优点,而CART算法可以根据选取的训练样本获取节点和阈值,不需要反复试验来确定阈值,避免了基于传统专家知识方法的主观性,因此采用CART算法构建决策树模型对研究区域进行湖泊水体的提取.结果表明CART决策树方法总体精度为99.82%,Kappa系数为0.996,MLC总体精度为96.814%,Kappa系数值为0.929,SVM总体精度为98.045%,Kappa系数值为0.956,总体精度相较于SVM和MLC分别提高了3%、1.775%,Kappa系数提高了0.067、0.04.CART决策树、MLC、SVM所得到的湖泊面积分别为2009.43、2014.93、2026.9 km^(2),MLC和SVM得到的结果比CART决策树分类法存在更多的错分和漏分现象,主要是将山地中的阴影信息错认为是水体,CART决策树方法识别到的细小水体更加连续,对于湖泊边界识别的效果也更好.

基于CART算法的空间目标本体反演方法

针对预警中空间群目标反演精度不高、鲁棒性较差的问题,提出了一种基于分类回归树(classification and regression tree,CART)算法的空间目标本体反演方法。首先构建分类与回归决策树,并将空间目标的入射角、光谱辐射亮度、温度等特征数据作为决策树的输入;再基于基尼系数评估数据纯度,对目标在不同温度、不同入射角下的光谱辐射亮度进行分割;最后通过在每个节点处对数据集进行划分,实现对空间目标本体的有效反演。数值对比实验表明,3种典型空间目标的决策树模型反演结果与实际情况一致,验证了所提方法的有效性。

基于优化CART的交通事故严重程度影响因素分析

为深入剖析交通事故严重程度影响因素,实现交通事故主动预防、精准防控,选择车、路、环境等属性中显著性较高因素作为输入变量、以事故严重程度作为二分类输出变量,构建交通事故严重程度影响因素CART决策树模型,并选择CCP算法对模型进行优化求解。选择相对误差值、ROC曲线和AUC等作为评价指标验证模型的有效性,模型相对误差值仅为6.08%,AUC值为0.93。研究结果表明:在道路及交通环境方面,恶劣天气、塌陷路面、道路存在隐患、交叉口无信号控制等因素对交通事故严重程度影响较大;在车辆方面,大型货车发生较大及以上事故概率是其他车辆的4倍,上述因素应作为交通事故防控的重点。

基于CART重要度排序和混合ELM模型的蒸散预测

准确地预测区域蒸散有助于区域水资源的合理利用,减少水资源浪费。为从多项气象因子中筛选出核心因子,构建少因子蒸散预测模型,高效精确预测蒸散,该研究在九大农业区选取23个典型站点,搜集降水量、日照时数等8个气象因子数据,使用分类回归树(classification and regression tree,CART)对气象因子进行重要度排序。基于排序结果,选取排序前3~5项气象因子,基于极限学习机(extreme learning machine,ELM)模型对蒸散进行预测。同时,使用遗传算法(genetic algorithm,GA),粒子群算法(particle swarm optimization,PSO),麻雀搜索算法(sparrow search algorithm,SSA)对ELM模型进行优化,并使用这3种优化算法(GA-ELM、PSO-ELM、SSA-ELM)构建少因子混合优化蒸散预测模型。结果表明:1)基于CART算法重要度排序结果,蒸散的主要影响因子依次是降水量、日照时数、平均本站气压、日最高气温、平均相对湿度。2)3种优化算法预测模型中,PSO-ELM模型的预测精度最高,23个站点的蒸散预测的均方根误差为6.608~22.077 mm/d,纳什效率系数为0.824~0.998,R2为0.908~0.995,平均绝对误差为5.075~16.677 mm/d。3)ELM模型在云贵高原区和四川盆地及周边地区有较好的适用性,3种优化算法在华南区和云贵高原区有较好的适用性,其中PSO-ELM模型的适用性最高。研究结果可为中国九大农业区域的作物需水量计算提供参考。

改进的CART算法在煤层底板突水预测中的应用

针对基于传统CART算法建立的煤层底板突水预测模型存在运行时间较长、准确率不高等缺点,介绍了一种改进的CART算法决策树模型,并将其用于煤层底板突水预测模型的建立。实验结果表明,采用改进的CART算法建立的煤层底板突水预测模型运行时间由1.041 1s减少到了0.612 5s,突水预测正确率由88.78%提高到了95.54%。

CART决策树的两种改进及应用

利用Fayyad边界点判定原理对CART决策树选取连续属性的分割阈值的方法进行改进,由Fayyad边界点判定原理可知,建树过程中选取连续属性的分割阈值时,不需要检查每一个分割点,只要检查样本排序后,该属性相邻不同类别的分界点即可;针对样本集主类类属分布不平衡时,样本量占相对少数的小类属样本不能很好地对分类进行表决的情况,采用关键度度量的方法进行改进。基于这两点改进构建CART分类器。实验结果表明,Fayyad边界点判定原理适用于CART算法,利用改进后的CART算法生成决策树的效率提高了近45%,在样本集主类类属分布不平衡的情况下,分类准确率也略有提高。

基于CART分类方法的期刊操纵引用行为识别建模研究

当前，一些学术期刊在利益的驱使下，通过大量自引和结成“互引同盟”的方式快速提高被引频次和影响因子等指标，影响了引文分析的公平性。基于此，本文首先利用数据挖掘中的CART分类算法构建期刊操纵引用行为的识别模型，设计了识别操纵引用行为的4个评价指标：白引率、被引年代分布、被引密度比和引用密度比。并采用国内某引文数据库中的50本综合性社会科学期刊作为实验样本，采集该期刊群2009年的引文数据作为训练数据集，2008年的引文数据作为验证数据集。最后，运用2010年的引文数据对期刊操控行为识别模型的有效性进行验证，实验结果证明，本文构建的分类模型可以有效地对期刊引用操纵行为进行识别。

基于CART算法的垃圾邮件过滤模型设计与实现

介绍分类与回归树(CART)算法在垃圾邮件过滤中的应用。首先对样本邮件进行文本预处理,并对正常邮件和垃圾邮件训练集进行训练,用CART算法建立单分类器模型,随后又采用Boosting思想组合CART算法建立多分类器模型。对比实验表明,基于CART算法的多分类器模型效果更好。

基于CART算法的夏季干旱预测模型研究及应用

利用标准化降水蒸散指数(SPEI)作为判断干旱是否发生的标准,基于数据挖掘方法中的CART算法探究夏季西太平洋副高北界、夏季西太平洋副高强度指数、准两年振荡(QBO)、东亚夏季风指数、夏季北大西洋涛动(NAO)、夏季太平洋年代际振荡(PDO)、厄尔尼诺指数等多项气候因子与干旱的关系,构造分类决策树,得到干旱预报规则集,从而建立干旱的预报模型。预报模型以各项气候因子为输入变量,是否干旱为目标变量。根据1955—2012年商丘月平均气温和月总降水资料计算出商丘夏季58 a的SPEI指数作为干旱判定指标;以同期的多项气候因子数据作为输入变量,随机选取46 a的数据得到7条分类规则集,分类准确率为86.96%。使用剩余12 a的数据验证,准确率高达91.67%。结果有力地证明了基于CART算法建立干旱预报模型的可行性、科学性、有效性以及与干旱研究理论的一致性,为干旱模型的研究及季节性预测提供了科学有效的新思路。

基于决策树改进CART算法的ANFIS结构辨识技术

针对自适应神经模糊推理(ANFIS)系统的结构辨识问题,提出了基于决策树的改进CART算法。改进算法引入了递归最小二乘估计器,对线性模型可降低计算量,并采用模糊技术处理不连续边界问题。由于隐含权值归一化,该算法能够快捷地对自适应神经模糊推理系统进行结构辨识。通过辨识仿真,表明了该技术辨识速度快,简捷方便,为ANFIS的结构辨识提供了行之有效的途径。

基于CART算法的煤与瓦斯突出判别分析

基于分类回归决策树(CART)算法,考虑影响煤与瓦斯突出的主要因素,建立了煤与瓦斯突出判别的CART模型。模型选择瓦斯压力、瓦斯放散初速度、煤的破坏类型、坚固性系数和垂深作为煤与瓦斯突出的判别指标体系,选取国内典型煤与瓦斯突出矿井的突出数据建立模型样本训练库,利用k-折交叉验证方法寻找最优树,并提取优化后的突出规则,最后将提取的规则对实例进行验证。研究表明,该模型简单有效,可以作为煤与瓦斯突出判别分析的一种辅助方法。

决策树模型在临床研究数据分析中的应用

决策树模型是一种有监督的机器学习方法,分类规则通常采取IF-THEN形式,分析结果常以树形图呈现,具有可解释性强、易于理解的优势,在灾害预测、环境监测、临床诊疗决策等领域均有广泛的应用。本文从决策树模型概念入手,介绍了决策树模型的一般构建步骤、分类与回归树(classification and regression tree,CART)决策树模型在临床研究数据分析中的应用,并应用SPSS软件示例CART决策树模型的构建过程和实现方法,以期为临床研究者采用决策树模型进行数据分析提供参考。

基于决策树算法办公室内空气质量评估方法

针对办公室内长期空气不流通、大气污染严重的情况,设计了基于决策树算法的办公室内空气质量评估算法。应用非线性红外NDIR空气浓度分析技术,分析不同气体的光谱波长,有效地评估空气中各气体的浓度;采用基于决策树算法的CART算法,针对数据中基尼值的不同,构建最优分类树和回归树,实现对气体数据的分类和预测;最后采用生物酶包裹降解技术有效快速地降解空气中的污染物,实现室内空气的安全健康。经过试验验证,设计的空气质量评估算法具备绿色环保、高能效和短周期等优点,对空气中污染物综合治理率高达98%。

基于CART和PU算法的矿石矿物的智能识别

由于矿石矿物的分布范围广,矿石数量巨大,使矿石矿物难以被识别。矿石矿物的形成类型受外力影响,导致矿体中不同部位的构成元素不同,而形成的矿石矿物种类不同。某些矿石中适用于工业生产的元素较少,在开采的过程中会导致回收率低,不能为工业所利用。这种矿石矿物的开采浪费人力物力,使用智能矿石矿物智能识别算法识别出适合开采的矿石矿物将有助于提高矿石矿物开采利润。使用基于CART和PU学习算法的矿石矿物的智能识别,研究适合开采矿石矿物的识别问题,首先从获取的数据中进行样本制作,然后使用PU学习算法针对数据中没有负向样本标注的问题进行负向样本标注,得到完整的样本数据。最后使用样本数据对CART算法进行训练,得出CART算法分类器。通过实验得到基于CART算法和PU学习算法模型的准确率为89.45%,对比ID3算法和C4.5算法得到较为准确的识别结果。

基于CART算法的PVC压延设备状态诊断方法研究

PVC压延设备保持正常工作状态是整个生产过程能否顺利进行重要前提。针对现有的PVC压延设备运行状态的诊断需求,本文提出了一种基于CART算法的工业设备状态诊断方法,该方法通过计算基尼系数建立诊断模型。同时,针对单CART树容易出现过拟合现象且分类精度不高的问题,引入提升(Boosting)方法。通过构建多个CART树并进行加性组合,提高诊断模型分类精度。通过实例测试,加性组合后的诊断模型在工业设备故障识别上正确率为88.37%,AUC值为0.90,判决速度为0.15 ms/条,可以应用于PVC压延设备生产状态的实时诊断。

基于CART决策树的双尺度流域单元地貌分类研究——以北回归线(云南段)地区为例

针对当前单一地貌划分单元造成的分类结果破碎或漏分问题,该文引入双尺度流域单元划分方法,即采用两种不同大小流域单元的组合作为地貌划分基本单元,以提高地貌划分的细分性和完整性。以30 m ASTER GDEM数据为数据源,基于最佳地形因子组合(高程、地势起伏度、坡度、坡度变率、光照模拟值)、双尺度流域单元、CART决策树算法,实现了北回归线(云南段)地区平原(2类)和山地(7类)共9类地貌的划分,双尺度流域单元划分的最佳流量阈值分别为500、2000。通过平均值、标准差、Moran′s I和人工判读结果对分类结果进行检验,发现基于CART决策树的双尺度流域单元地貌分类方法在北回归线(云南段)地区总体精度可达82.1%,Kappa系数为0.793,总体能够准确识别出研究区的地貌类型空间分布特征,是地貌类型划分的一种可行方法。

基于数据挖掘CART算法的区域夏季降水日数分类与预测模型研究

夏季降水日数的准确预测,对于保障农业、运输业、电力等行业的有序进行具有重要现实意义.利用连云港市气象局提供的1951—2012年夏季降水数据对连云港地区的降水日数特征进行分析,难以直观地发现夏季降水日数随时间分布的规律.为进一步探索降水日数的发生规律,结合国家气候中心网站提供的多种气候因子数据,基于CART决策树算法构建了连云港地区夏季降水日数是否偏多与是否偏少的分类与预测模型.该模型可以发现在多种气候因子不同条件下,夏季降水日数是否偏多(偏少)的规律,模型的分类与预测都具有良好的效果.利用52 a的数据样本训练模型,模型的训练准确率为90. 38%(86. 54%),再用剩余10 a数据样本检验模型,测试准确率为80%(80%),并且得到规则集,方便气象业务人员使用以及决策服务人员参考.同时,为降水日数的预测提供了数据挖掘的新思路.

基于CART决策树的复杂生产过程质量预测方法研究

针对复杂生产过程,提出了基于CART决策树的质量预测方法,该方法具有较高的准确率和较强的自学习能力。利用CART决策树可以对复杂生产过程中经过参数识别的组合数据进行质量预测模型的构建,进行复杂质量信息的回归分类和规则的提取,发现海量的质量数据中存在的一致性规律。对陶瓷管生产过程进行关键参数识别和模型构建的结果表明,CART决策树方法能胜任陶瓷管生产质量的预测。

黑臭水体遥感识别CART模型构建与应用

以河北省廊坊市为研究区,根据黑臭水体光谱性质,基于CART模型提出一种改进的模糊决策树黑臭水体遥感识别方法。研究数据表明:黑臭水体与一般水体在可见光及近红外波段存在光谱差异,R_(rs)(R)-R_(rs)(B)、R_(rs)(R)-R_(rs)(G)以及R_(rs)(B)+R_(rs)(G)+R_(rs)(R)可以较好地区分两类水体;根据叶子节点隶属度进行黑臭水体提取(黑臭水体<0.5,一般水体>0.5),其中隶属度为1或0的节点定义为置信区,其余节点为模糊区;提取结果总体精度达到84.78%,其中置信区为92.85%,模糊区为72.23%。该方法在实现高精度提取黑臭水体的同时,通过定义置信区和模糊区可有效降低人工核查,实现更为高效的工程应用。