一种新的模糊决策树模型及其应用

模糊决策树是决策树在模糊环境下的一种推广,虽然其表示形式更符合人类的思维,但在构造时会增加预处理的工作量和创建树时的开销。基于这种情况,提出了一种混合算法,算法保留了较少属性值的Shannon熵,计算多属性和连续属性值模糊化后的模糊熵。将该算法应用于滑坡数据的挖掘中,得到了更易于理解的决策树和有效的规则,与传统算法的性能比较也证明了该算法的有效性。     

一种基于模糊化决策树的分类算法

提出了一种基于模糊化决策树的自适应分类算法.介绍基于决策树的分类算法,指出训练样本分布不均匀或树剪枝操作都可能引起分类规则的不完全,导致分类出现"盲区".引入决策树的模糊化方法及分支(规则)激活度的概念,给出一种新的自适应分类算法.并用实例分析表明,该算法不仅解决了分类规则不完全的问题,而且也提高了决策树分类的精度及分类结果的可解释性.     

一种新的基于加权模糊规则自适应神经-模糊推理

提出了一种基于加权模糊规则的新的推理机制,并将这组加权模糊规则及相应推理机制映射成了一个模糊神经网络,其中加权模糊规则中的(局部和整体)权重恰好对应于神经网络的连接权.通过新改进的BP算法训练此神经网络后,可学习得到加权模糊规则的权重近似优值.模拟实验说明,训练后得到权重,用本文提出的新的推理机制可以一定程度上提高推理精度.     

一种基于离散度的决策树改进算法

在数据挖掘中,决策树方法是一个重点研究方向．很多学者从不同角度对ID3算法进行改进和优化,提高了分类的效率和速度．本文从离散度的角度,对ID3算法进行改进．实验表明,利用改进后的算法挖掘分类规则,不仅提高了分类的正确率,而且非常高效．     

基于模糊概念相似性与模糊熵度量的模糊分类算法

在AFS(axiomatic fuzzy set)理论框架下,提出了一种基于模糊概念相似性与模糊熵度量的分类算法.模糊分类规则的前件通过概念聚合得到,一种基于模糊概念相似性与模糊熵度量的概念选择函数指导聚合过程;然后,利用剪枝算法对得到的模糊规则集进行剪枝,得到最终的分类规则集.用8组来自UCI数据库的数据集作为实验数据对算法进行验证,并与7种经典分类方法进行比较.实验结果表明该算法能得到较高的分类精度,分类结果明显优于参照的分类方法.     

一种改进的决策树学习算法

为提高C4.5算法的准确率引进一个平衡度系数,其大小由决策者依靠先验知识或领域知识确定,在特定环境下人工协调了各属性信息增益率,用改进后的算法构造出的决策树进行分类更为准确、合理.并通过实例分析对改进前后的算法进行了比较,证明改进算法的有效性.     

一种新的决策树组合优化算法

数据分类是数据挖掘中的一个重要课题,研究各种高效的分类算法是数据挖掘的重要问题之一.本文对了GAAA算法进行改进提出了一种新组合优化算法,将其应用到分类规则的优化问题,采用遗传算法生成信息素分布,利用蚂蚁算法求精确解,优势互补,有效地节省了计算时间,并优化了生成的分类规则.实验结果表明:该算法可以有效克服停滞,提高搜索效率,有效地挖掘出最优的分类规则集.     

一种新的加权关联规则增量更新算法

考虑事务数据库D长度不变、项目集I发生变化并且带有权重时的关联规则挖掘问题,提出了一种针对项目集增加的加权关联规则更新算法,解决了增加项目集的加权关联规则更新问题,与对新数据库重新运行算法相比,其运行效率有显著提高.     

决策树与模糊决策树的比较

对决策树与模糊决策树的异同进行了比较分析.模糊决策树是决策树在模糊环境下的一种推广 ,它作为一种知识表示形式更符合人类的思维.     

一种改进的决策树分类算法研究

传统的ID3决策树算法存在诸多不足,如计算效率低、多值偏向等,对此,提出了属性值空缺、多值属性的选择以及属性选择标准方面的改进方案,并将加权熵和简化熵引入决策树算法以改进传统ID3算法.实验结果表明,改进后的算法在整体性能方面较目前广泛应用的ID3算法有更优秀的性能表现.     

园林植物花果期与城市照明关系 ———基于重庆主城区园林照明植物花果期调查

针对城市照明会影响植物花果期物候的变化,提出园林植物与照明关系的研究;利用跟踪观测的方法,记录被照植物生长环境,计算被照射植物的花期及生长季,并与文献记载植物花果期进行比较,研究夜景照明与园林植物花期果期的关系;得出人工光照是影响绿化植物花期与果期的直接因素,园林植物花期可作为人工光照对植物物候影响指示器;受人工光源照射的园林植物花期变化相对明显,展叶期变化也相对明显,乔木花期对人工光照反应较为弱;落叶植物花期对人工光照敏感,夜间光照下落叶乔木果期提前,花期延长;园林植物花果期对 LED 白光、黄光光谱照射较为敏感;指出得出深入对城市光环境与绿化植物花果期影响的研究,可有效掌握受人工光照下的园林植物花果期的变化规律,对预测园林植物生长、保护生态环境、指导园林夜景建设有重要的意义。     

园林植物光合节律对夜间光照响应的研究

针对夜间光照会对植物光合节律造成影响,提出了园林植物光合节律对城市夜景照明光照响应的研究;利用园林植物学与建筑光学的研究方法,选择城市夜景照明夜间光照常用的5种LED(Light Emitting Diode)光源光谱的3个光照强度进行园林植物实验;利用生物仪器监测园林植物白天与夜晚的净光合速率、气孔导度、蒸腾速率等光...     

基于证据距离和模糊熵的加权证据融合新方法

证据的不确定性从根本上影响到融合结果,目前证据理论中还没有完善的不确定性度量方法。针对D-S证据理论在合成高冲突证据时会得到有悖常理的结果的问题,许多学者提出了修正证据源的改进方法,但是这些方法大多没有考虑到证据的不确定性问题。模糊熵方法是一种非常有效的模糊性(不确定性)的测度方法。考虑到证据的不确定性,本文提出一种新的基于证据距离和模糊熵的加权证据融合方法,该方法利用模糊熵方法计算各个证据的不确定度系数,修正基于证据距离的各证据源的权重,得到各证据源的综合权重。实验结果证明了本文方法的有效性。     

基于加权判决信号的判决反馈盲均衡新算法

判决反馈常数模盲均衡算法(CMADFE),在均衡的起始阶段,由于眼图未睁开,容易引起判决器的误判,导致收敛速度慢。为了减小误判的影响,在迭代初期把判决信号加权后送入反馈滤波器中,当均衡一段时间后再把判决信号不需加权直接送入反馈滤波器,从而得到加权的CMADFE算法。计算机仿真表明,加权的CMADFE算法提高了收敛速度,且均方误差亦有所减小。     

模糊权值网络最小生成树问题研究

针对边权值为梯形模糊数的模糊权值网络,提出一种求解该网络最小生成树问题的新算法.该算法首先基于梯形模糊结构元加权排序思想,将梯形模糊数转化为其加权特征数进行排序;然后利用经典的Dijkstra算法求解转化为边权值确定的网络的最小生成树问题,即得该模糊权值网络的最小生成树;最后对算法的复杂度进行分析,并通过算例验证了算法的有效性.     

多概念学习的决策树MNID算法

决策树归纳法ＩＤ３是人工智能机器学习中发展较快的一种归纳学习算法,而目前的ＩＤ３及其改进算法亦因各种问题限制了其在工程中的应用。基于决策树归纳学习算法示例学习最优化的理论,用在多概念学习条件下对多特征属性值进行分组聚类实现优化的方法,导出了定义在多概念窨上的决策树归纳学习算法ＮＭＩＤ。这种新算法对工程技术领域普遍存在的多概念学习问题,有较好的应用价值。     

基于决策树的排序学习算法

基于一个修改了的决策树的分裂规则,得到了具有直观解释的排序算法,并给出了相关理论证明.实验结果表明,该算法优于感知机类和序回归类算法.     

基于Rough集的决策树算法

针对基于Rough集的经典分类算法值约简算法等不适合大数据集的问题，提出了基于Rough集的决策树算法。采用一个新的选择属性的测度——属性分类粗糙度作为选择属性的启发式，该测度较Rough中刻画属性相关性的测度正区域等更为全面地刻画了属性分类综合贡献能力，并且比信息增益和信息增益率的计算更为简单。采取了一种新的剪枝方法——预剪枝，即在选择属性计算前基于变精度正区域修正属性对数据的初始划分模式，以更有效地消除噪音数据对选择属性和生成叶节点的影响．采取了一种与决策树算法高度融合的简单有效的检测和处理不相容数据的方法，从而使算法对相容和不相容数据都能进行有效处理。对UCI机器学习数据库中几个数据集的挖掘结果表明，该算法生成的决策树较ID3算法小，与用信息增益率作为启发式的决策树算法生成的决策树规模相当。算法生成所有叶节点均满足给定最小置信度和支持度的决策树或分类规则，并易于利用数据库技术实现，适合大数据集。     

基于决策树的流数据分类算法综述

流数据是一种有别于传统静态数据的新的数据形态,随着时间的推移而不断产生,而且富含变化.流数据分类是数据挖掘的研究分支,用于发现数据中隐含的模式并实现数据的类别划分,通常将每一个类别称作概念.将传统决策树算法引入流数据分类,针对流数据的特征提出特定的分类算法,是流数据分类的一个主要研究分支.为了全面介绍基于决策树的流数据分类算法,首先,简要概述数据挖掘及主要任务、决策树及其主要算法、流数据及其主要特性;然后,按照算法是否考虑概念漂移问题,将现有工作划分为包含概念漂移的流数据分类算法和不含概念漂移的流数据分类算法两大类,分别介绍每一类算法的主要算法流程、优缺点和典型应用;最后,指出基于决策树的流数据分类的进一步研究方向.     

基于环境舒适度的8种园林植物光合特性研究

基于环境舒适度的温湿度变幅条件下,利用LI—6400XT便携式光合测定仪,对北京市居住区绿地中常见的国槐、银杏、垂柳等8优势树种进行了光合特性的测定。结果表明:温湿度的变化对8种园林植物的光合速率、蒸腾速率、气孔导度和胞间CO_2浓度有明显的影响,但是光合特性各指标对温湿度变化的适应性各不相同:在湿度一定的情况下,大多数植物的光合速率、蒸腾速率、气孔导度、胞间CO_2浓度随着温度的升高呈单峰曲线;其四种特征值的最高峰值大多出现在温度25℃,湿度在60%~80%左右的组合水平条件下。在温度一定的情况下,大多数植物的光合速率、蒸腾速率、气孔导度、胞间CO_2浓度随着湿度的升高没有明显的变化规律。但可以看出湿度在60%~80%水平对大多数树种来说四种光合特征值均影响较大。经温度与湿度的双因素统计分析结果表明:大多数树种在温度25℃,60%~80%的湿度水平下时光合特征值显著高于其它几个水平值,且超过60%以上的树种两种因素的交互作用显著。