Forecasting Model of Agro-meteorological Disaster Grade Based on Decision Tree

Based on the discuss of the basic concept of data mining technology and the decision tree method,combining with the data samples of wind and hailstorm disasters in some counties of Mudanjiang region,the forecasting model of agro-meteorological disaster grade was established by adopting the C4.5 classification algorithm of decision tree,which can forecast the direct economic loss degree to provide rational data mining model and obtain effective analysis results.

基于剪枝处理的多源异构数据双挖掘仿真

多源异构数据可能来自不同领域、不同格式和不同质量的数据源,处理难度较大,针对多源异构数据难以精准挖掘的问题,提出基于决策树分类的多源异构数据挖掘算法。构建决策树划分数据属性,对初始决策树实施剪枝处理,得出多源异构数据属性集,提取出多源异构数据因子,获取粗略的数据挖掘结果。再使用深度学习算法进一步挖掘出其余数据中残存的多源异构数据,并对原始多源异构数据集实施二次挖掘,将粗细挖掘结果整合后实现多源异构数据挖掘。实验结果表明,所提算法的F1值较高,泛化误差较低,数据挖掘性能较强。

基于改进SPRINT分类算法的数据挖掘模型

为解决目前数据挖掘模型分类时间长、挖掘准确率不高的问题,提出基于改进决策树分类算法(SPRINT)的数据挖掘模型。先采用最大-最小规范化公式完成原始数据线性变换,利用改进后的SPRINT分类算法按照输入数据特性进行分类,使用协同过滤技术生成与数据相近的属性集,计算数据属性相似度,生成语义规则集,为用户提供更优的数据服务。选取某公司营销数据集作为样本进行对比实验,结果表明,与对比模型相比,所提出的数据挖掘模型分类时间更短,挖掘准确率更高,能为用户提供更优质的数据服务。

基于负荷点相似的地区短期负荷预测新方法

提出了一种基于相似点的地区短期负荷预测新方法并形成了基于该算法的专家支持系统,该系统可定量地考虑气象信息、小水电、工作日类型等负荷相关因素。采用该系统对某基荷较小的地区电网进行负荷预测,结果说明了本文算法的正确性和有效性。基于本文算法而编制的软件系统即将投入实际应用。

基于增量式遗传算法的粗糙集分类规则挖掘

从规则获取和优化两个方面研究了基于遗传算法(GA)的增量式粗糙集分类规则挖掘方法.通过研究决策表和决策规则系数,建立了基于粗糙集表示和度量的知识理论,将GA和粗糙集分类规则挖掘算法相结合,在保持原有知识完备的前提下,利用GA对以增量形式获得的分类规则进行优化,获取最优分类规则.试验结果表明,执行增量式GA所需时间较执行一般GA所需时间要少,可有效完成分类规则优化的任务,同时还可提高分类的精度,使分类结果具有更好的可理解性.

基于决策树的遗传算法在数据挖掘领域的应用

论文详细阐述了基于决策树的改进的遗传算法的编码技术和相关遗传算子的操作;同时强调说明了相对于当前数据挖掘领域的数据分类算法,论文中的新分类方法在从海量数据库中全局优化搜索分类规则集所显示出它的优越性。最后,通过实例比较结果,证实论文中算法切实可行,有较高搜索效率。

DBMiner数据挖掘平台及其应用

数据挖掘是智能信息处理的重要工具。介绍ＤＢＭｉｎｅｒ数据挖掘平台的组成和原理，提出了多重知识模型的分层数据挖掘方法。基于综合衡量准则的决策树生成算法改善了生成决策树的结构和分类精度，基于遗传算法的ｎ维空间优化参数的搜索算法。该数据挖掘平台已应用于多个应用领域均取得满意结果，介绍了在多元合金材料预报和家庭远程医疗监护方面的应用。

用实数编码的遗传算法构造斜决策树

决策树方法是一种通过构造决策树来发现训练集中分类知识的数据采掘方法,其核心是如何构造决策树,构造决策树的关键是找出表示内部节点的最佳扩展属性[1].扩展属性有单属性和联合属性,由单属性形成的扩展属性集小,可以容易地找出最佳扩展属性,构造单元树的速度快,但是生成的单元树规模大,并可导致子树复制、一个属性的多次测试等;用联合属性作为扩展属性,生成的多元树规模小,能有效地克服单元树存在的问题,因此,多元树的构造受到许多研究者的重视.多元树中研究得最多的是斜决策树,它的内部节点为线性联合属性,寻找最佳线性联合属性的过程是不断优化属性系数的过程,优化系数的方法有爬山搜索法[2,3]、模拟退火法[4]等.

一种基于变精度粗糙集的C4.5决策树改进算法

针对C4.5决策树构造复杂、分类精度不高等问题,提出了一种基于变精度粗糙集的决策树构造改进算法。该算法采用近似分类质量作为节点选择属性的启发函数,与信息增益率相比,该标准更能准确地刻画属性分类的综合贡献能力,同时对噪声有一定的抑制能力。此外还针对两个或两个以上属性的近似分类质量相等的特殊情形,给出了如何选择最优的分类属性作为节点的方法。实验结果证明,该算法构造的决策树在分类精度和规模上均优于C4.5算法。

一种新的基于遗传算法的数据分类方法

当前分类算法还存在诸如伸缩性不强、可调性差、缺乏全局优化能力等问题 .通过构造完全分类规则集 ,设计了一种有效的遗传编码方法 ,使得遗传算法的各种优良特性在数据分类中得到充分的运用 ,从而提出了一种新的数据分类算法 .新算法有效提高了数据分类的准确性 ,较好克服了当前存在的缺点 .最后 ,给出了实验结果 。

任务驱动数据挖掘方法的提出及在低阻油层识别中的应用

为了解决数据挖掘算法的高效性、工具智能性与所获取知识无效性之间的矛盾,同时使所获取知识能有效地解决地层评价领域中的各种疑难问题,提出任务驱动数据挖掘方法。结合数据挖掘的概念和技术,阐述了任务驱动数据挖掘的概念和基本原理,分为建立数据仓库、数据预处理、选择特征子集、形成模型、模型评估、模型修正和模型发布等7个部分,是一个循环迭代的过程,直到构建能有效解决目标任务的预测模型为止。并以低阻油层的识别为例,详述整个分析处理过程,结合决策树形成的白盒模型和支持向量机构建的黑盒模型综合识别目标区的低阻油层,获得了准确率大于90%的识别效果。

基于遗传算法的决策树组合方法及在CRM的应用

针对客户关系管理中的客户分类问题,提出一种基于遗传算法的多重决策树组合分类方法.组合分类方法将概率度量水平的多重决策树并行组合,组合算法中采用遗传算法优化连接权值矩阵,并且采用客户信用等级评定的仿真数据对该方法进行测试和评估.实验结果表明,该组合分类方法比单个决策树及其他组合方法具有更高的分类精度,并在保持分类结果良好可解释性的基础上优化了分类规则.

决策树算法在农业气象灾害统计中的应用

分析了决策树分类算法中的ID3算法和C4.5算法,在论述分类挖掘的基础上分析了决策树分类挖掘系统的建立思想、步骤及算法,并把这两种算法应用到优化农业气象灾害统计的实验中,研究了决策树算法在气象灾害导致的直接经济损失评估中的应用,实验结果证明了该方法的可行性。

数据挖掘技术在客户获取策略中的应用

对于客户获取策略中客户反应行为模式分析,从数据挖掘技术的角度可以归结为分类问题·依据组合分类方法的思想,提出一种基于遗传算法的多重决策树组合分类方法来提高分类的准确性和精确度·该组合分类方法将以概率度量水平的多重决策树进行并行组合,采用遗传算法优化连接权值矩阵·在仿真分析中采用二元反应行为模式的客户反馈仿真数据对该组合分类方法进行测试和评估·实验结果表明,在保持分类结果良好可解释性的基础上相比于单个决策树方法,该组合分类方法具有更高的分类精度,并优化了分类规则·

用遗传算法改进的BP神经网络剪枝算法来优化决策树模型

决策树是一种有效的分类方法,但在构建决策树模型的过程中,常常会出现模型过度拟合的现象。利用基于BP神经网络的决策树剪枝算法(BP-Pruning)进行软剪枝处理,然后根据BP-Pruning的一些不足,提出一种改进算法,简称GBP-Pruning算法。该算法通过引入遗传算法来训练BP-Pruning算法模型中的权值和阈值,从而克服了BPPruning算法上的不足,最后验证了GBP-Pruning算法的可行性。

基于数据挖掘的信用分类技术

以提高信用等级评价的质量为目的,介绍了数据挖掘技术的基本过程.以企业贷款的信用分类为研究背景,具体研究了业务理解、数据理解、数据准备、建模、评估和发布的实现环节.在建模过程中,采用决策树为分析模型,对经典的C4.5算法进行了改进.将改进算法运用在企业贷款的信用分类中,并将其效果与经典的C4.5算法的结果进行比较,结果表明该算法对于企业信用分类这样的复杂系统,在准确度与决策树结构上具有一定程度上的改善,能够提高信用等级评价质量.

基于遗传算法的多属性模糊决策树的优化

决策树是数据挖掘中的一种高效方法,但是当训练数据的属性很多时,构建的决策树的规模会随属性个数增加而指数级增长,进而会产生海量的规则。针对该问题,提出了一种基于遗传算法的优化方法。首先根据信息增益利用轮盘赌方法选取若干组属性,构建多棵决策树,然后利用遗传算法对多棵决策树进行组合,并最终形成规则集。最后给出了实验结果,证明了该方法的可行性和有效性。

数据挖掘中改进的C4.5决策树分类算法

针对传统C4.5决策树分类算法需要进行多次扫描,导致运行效率低的缺陷,提出一种新的改进C4.5决策树分类算法.通过优化信息增益推导算法中相关的对数运算,以减少决策树分类算法的运行时间;将传统算法中连续属性的简单分裂属性改进为最优划分点分裂处理,以提高算法效率.实验结果表明,改进的C4.5决策树分类算法相比传统的C4.5决策树分类算法极大提高了执行效率,减小了需求空间.

C4.5算法在城建档案催交管理中的应用

决策树作为一种数据挖掘分类算法,不仅可以根据现存的数据库信息得出分类规则,而且可以通过友好的图形界面进行结果展示.城建档案馆在档案催交管理工作中,收集了大量的数字化信息,文中运用C4.5算法针对催交信息构造决策树,并利用生成的决策树辅助城建档案馆进行档案的催交管理.

基于决策树的农业气象灾害等级预测模型

在讨论数据挖掘技术的基本概念、决策树方法的基础上,结合牡丹江地区部分县区风雹灾害数据样本,采用决策树C4.5分类算法,建立了农业气象灾害等级决策树预测模型。通过该预测模型可预测各地直接经济损失程度,为该领域的数据挖掘提供了合理的挖掘模式,并得出了有效的分析结论。