基于SPRINT分类算法的异构分布式数据挖掘研究

分类算法是数据挖掘领域最重要的技术之一。随着网络的迅猛发展,分布式环境的日益普遍,分布式数据挖掘已成为近年来数据挖掘中的热点问题。针对目前的数据库多为异构式分布,提出利用SPRINT算法来进行分布式环境下的分类研究。先简要介绍了SPRINT算法,然后针对具体实例,详细探讨了分站点的预处理、计算最佳分裂、中心站点的决策树生成等几个阶段以及具体的算法设计实现过程。

SPRINT算法的改进

引出了纯区间的概念后,提出了一种基于纯区间归约的数值型属性处理方法对SPRINT算法进行改进。该方法将属性值域用等宽直方图的方法划分为多个区间,对纯区间进行归约,对非纯区间进行精确计算,保证了分裂精度,减小了计算量。

SPRINT算法及其改进方法

分类是数据挖掘中重要的研究课题。文章介绍了SPRINT分类算法。为了提高该算法在海量数据库中分类的总体效率,笔者提出了两种处理离散属性的新方法,这些方法能明显减少求最佳分割点的运算量,提高算法的执行速度。

基于Hadoop平台的SPRINT算法的分析与研究

传统的决策树算法在单机平台上处理海量数据挖掘时,容易受到计算能力和存储能力的限制,所以存在耗时过长、容错性差、存储量小的缺点.而拥有高可靠性和高容错性的Hadoop平台的出现为决策树算法的并行化提供了新的思路.本文设计和实现了一种基于Hadoop平台的并行SPRINT分类算法.实验结果表明:基于Hadoop平台的SPRINT分类算法比没有进行并行化的SPRINT算法具有较好的分类正确率、较低的时间复杂度和较好的并行性能,并且能明显提高算法求最佳分裂点时的执行速度.

基于改进北部苍鹰算法的垂直斗式提升机减速器优化

垂直斗式提升机是一种固定装置的机械输送设备,具有输送能力强、提升高度高、运行平稳可靠、寿命长等优点。减速器是垂直斗式提升机的关键部件,为高效获得减速器的最优解,提出一种冲刺决胜策略改进的北部苍鹰优化算法。采用压力容器和悬臂梁两个经典非线性约束工程算例对改进北部苍鹰算法进行性能验证,结果表明,改进北部苍鹰算法具有良好的收敛速度。在此基础上,对垂直斗式提升机减速器进行优化设计,结果减速器的中心距由初始的720 mm减少为680.16 mm,减少了5.33%。说明改进北部苍鹰优化算法可以作为一种高效的优化算法求解实际工程问题。

基于云计算的SPRINT算法研究

决策树是数据挖掘中非常重要的一种技术,常用来做数据分析和预测。传统的决策树算法在处理海量数据挖掘时,受到CPU和内存的限制,导致算法存在消耗时间过长,容错性差,存储量小的缺点。面对海量数据的处理,云计算在这方面具有非常多的优势。针对决策树中优秀的SPRINT算法,首先对SPRINT算法进行了优化,然后为了让优化后的算法更好地应用于云计算,对算法实现了并行化。传统的SPRINT算法在生成决策树时,会发生多值偏向问题,在生成一个节点时,通过计算两层的Gini指数来降低多值偏向的影响。在算法并行化时,通过将数据分发到各个处理器执行,然后进行汇总处理,从而减少算法执行的总时间。实验结果表明:基于云计算平台的SPRINT改进算法具有更好的分类正确率,同时算法的执行速度也得到了明显的提高。

基于SPRINT分类算法挖掘保险业务数据中的风险规则

提出利用SPRINT算法对保险业务数据进行风险分析.针对医疗保险业务,详细介绍了SPRINT算法的预处理、计算最佳分裂、执行分裂的具体设计实现过程,并得出一些实用的风险规则.

改进SPRINT算法及其在分布式环境下的研究

通过引入一种动态数据结构,解决了SPRINT算法使用多个属性列表存储数据、占用过多系统资源、需创建哈希表对属性列表进行分割以及节点分割处理相对复杂的问题,并探讨了改进算法在分布式环境下的工作过程.实验结果表明,改进的算法减少了属性列表占用的存储空间以及分割节点操作所需的时间.

改进的SPRINT算法及其在体质数据分析中的应用

为了能够利用常规测试数据快速准确地确定人体体质状况,引入了纯区间的概念,并提出了一种趋势选择方法,在此基础上提出基于趋势选择的SPRINT算法(TESTSPRINT)。利用该算法可以根据身高、体重、握力等基本测试数据快速建立人体体质状况决策树,为快速确定人体体质健康状况提供依据。实验和理论分析结果均表明,提出的TESTSPRINT算法可以有效为分析人体体质健康状况提供决策依据,具有较高的准确性,并且时间和空间开销较原SPRINT算法小。

SPRINT算法中寻找连续属性分割点方法的改进

文章针对SPRINT算法中的寻找连续属性最佳分割点计算量大的问题,改进了寻找连续属性最佳分割点的方法。改进后的方法可减少候选分割点的数目,从而减少计算量和计算时间。

SPRINT分类算法的改进

在数据挖掘中分类是一个重要的研究方向,SPRINT算法是分类算法中很著名的算法。分析了SPRINT算法存在的不足和可以改进的地方。提出一种提高SPRINT算法建树速度的新方法。

基于SPRINT分类算法进行医学预后分析的研究与应用

SPRINT算法是一种具有良好扩展性且能实现并行处理的数据分类方法,可以方便地从算法生成的决策树提取规则。在使用海量医学数据库进行预后分析中,它是值得推荐的一种研究方法。对该算法进行了深入研究,并在预后分析中进行了应用,对于类似医学信息处理有启发意义。

一种基于SPRINT决策树算法的终端管理平台的用户分群方法

网络融合大势所趋,管理和服务海量异构终端的终端管理平台应运而生。这个过程中所产生的大量用户信息值得人们去研究和发掘。如何利用已有的信息去推广新的应用和服务,如何精准的找到用户群体是本文的目标。采用SPRINT决策树算法,可以很快的实现海量数据的信息挖掘,达到用户分群的目的。

一种基于SPRINT的判定树分类算法

分类算法的研究一直是数据挖掘领域的一个热点。本文在介绍了目前判定树分类算法状况的基础上,着重分析了目前较为流行的SPRINT算法,并对该算法的数据结构进行了改进,提出一种新的算法NS,使得分类的速度及可扩充性得以提高。这一改进算法在一个银行决策支持系统(DSS)中得到实现,取得了很好的效果。

基于模糊PID控制的采摘机器人行走系统设计

为了提高采摘机器人行走系统翻越较小障碍物的能力,提升复杂作业环境下机器人行走的稳定性,在行走系统中引入了动力响应智能控制系统。系统利用PID控制器和模糊算法,在检测到障碍物时自动确定是否可以翻越障碍物。如果可以翻越,则会产生一个较大的翻越障碍物的动力,使机器人可以顺利行进,而无需绕行。采用ADMAS软件对系统的性能进行了测试,结果表明:在遇到障碍物后,机器人可以顺利地产生动力响应,从而顺利翻越障碍物,进而提高了采摘机器人对行走环境的适应能力。

基于混合遗传神经网络的百米跑成绩预测方法

在遗传算法(GeneticAlgorithm)与BP(BackPropagation)网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法,并把这种方法用于运动员百米跑成绩预测。与BP算法和LM(LevenbergMarquardt)算法相比,基于混合遗传算法的神经网络不仅有较快的学习速度和较好的学习精度,而且网络的泛化能力(GeneralizationAbility)得到了很大提高。

一种基于Hadoop架构的并行挖掘算法研究

基于Hadoop架构,提出一种并行的决策树挖掘算法实现大数据集间的知识挖掘。通过MapReduce并行编程模式实现Hadoop架构下SPRINT并行挖掘算法的频繁项集,解决了大数据集挖掘效率低下,时间消耗量大的问题。SPRINT算法通过对原始数据集进行划分,并将分块数据发给不同Map进程并行计算,使系统存储和计算资源得到有效利用,运用MapReduce各计算节点将挖掘结果数据汇聚,减少中间结果数据量,使并行挖掘时间显著减少。SPRINT算法并行化实验表明,Hadoop架构下的SPRINT并行挖掘算法具有良好的可扩展性和集群加速比。

迷宫机器人走迷宫算法仿真设计

根据目前比较热门的迷宫机器人走迷宫问题,介绍了一种基于控制核心为STM32F407的迷宫机器人走迷宫的算法仿真设计.对于大部分现有迷宫算法不能保证迷宫机器人快速准确地找到指定目标的问题,提出了一种基于改进人工势场法与洪水算法结合的迷宫搜索规划算法.提出的算法增强了迷宫机器人对未知迷宫环境的判断与决策能力,能够准确地实现迷宫路径搜索与路径规划问题,提高搜索冲刺效率,保证了迷宫搜索的时效性与稳定性,实现性能更好的搜索冲刺算法.同时,算法简单容易实现,摆脱了一般算法用时长且执行复杂的缺点.通过数学建模与分析,将该算法应用于实际迷宫机器人实验平台,证明此算法的可行性与时效性.

一种可蓝牙通讯的微型迷宫机器人

为解决传统迷宫机器人不能在线调试的缺陷,设计了一款具有蓝牙通讯在线调试功能的微型迷宫机器人。机器人基于嵌入式ARM Cortex-M3内核,能在复杂迷宫中自由行走,记忆路径并能根据优化算法选择一条从起点到终点的最优路径。系统硬件由电源模块、传感器模块、电机及驱动模块、蓝牙无线发送接收模块和微控制器单元组成。软件重点在电机控制算法和迷宫算法,运用PID算法实现电机速度和位置的控制,采用假想算法实现迷宫机器人的迷宫搜索。实际测试表明,设计的迷宫机器人速度更快、更稳定,能进行连续快速转弯和斜线冲刺;假想算法剔除大量无用的迷宫信息,大大提高了搜索效率。

接触网定位点智能识别方法

将一定距离内接触网拉出值检测数据视为由线路公里标和拉出值组成的2值图像。首先,对拉出值曲线进行变换降噪处理,以降低接触线相邻点拉出值的差值对角点检测时轮廓支撑域选取的影响;然后,采用基于滑动矩形的角点检测方法,利用拉出值在大部分定位点处都具有以线路中心线的垂线为左右对称的特性,忽略拉出值曲线上被测点邻域内的夹角变化,仅考虑垂直方向上存在的角点,初步检测出候选定位点;最后,在提取所有候选定位点特征属性向量的基础上,基于SPRINT决策树算法,采用随机森林算法对其进行分类,智能识别正确定位点,并对此方法进行试验验证。结果表明:定位点智能识别方法可以识别正确的定位点,且在保证性能的前提下具有较高识别精度。