简介：分类在数据挖掘中是一项非常重要的任务，决策树方法是一种常用的方法。本文重点介绍了决策树建立的基本原理，对算法所面临的问题进行了阐述，为数据分类研究者提供借鉴．

简介：利用决策树算法了解消费者网络购物时的影响因素,有利于商家改进营销策略.采用随机抽样的方式对500名被试进行问卷调查.对影响消费者网络购物决策的因素建立分类回归树.结果表明,决策树可以有效地用于网络购物决策的分类预测;按重要性提取规则,消费者自身的网络购物经验对网络购物决策影响较大,消费者对网络购物的财务风险、隐私风险等风险感知因素也是预测网络购物决策的重要指标,除此之外商家提供的售后服务、界面操作的便利性以及消费者自身的特征也会在一定程度上反映购物决策.

简介：通过对多指标评判的分析,结合模糊评价方法的特点,论述了一种多指标模糊综合评判的混合决策算法.在模糊综合评判的取大取小算法的基础上,给出一种比较好的模糊综合评价的混合算法.

简介：借鉴成本敏感模型,综合考虑攻击和响应以及攻击目标等各方面的因素,提出基于最小代价响应决策算法,并对攻击和响应相关的因素进行了量化,与基于分类的响应决策算法相比,该算法具有更高的有效性、成功率和扩展性。

简介：针对多属性群组决策问题,文章提出一种专家权重与属性权重互调的自适应调整算法。经过实验对比分析发现,不考虑属性权重的排序结果和经过自适应算法得到的排序结果有一定差异,但只在局部起作用。这充分表明了专家权重与属性权重之间相互关联又相互制约的关系。

简介：摘要在机器学习与大数据飞速发展的21世纪，各种不同的算法成为了推动发展的基石.而作为十大经典算法之一的决策树算法是机器学习中十分重要的一种算法。本文对决策树算法的原理，发展历程以及在现实生活中的基本应用进行介绍，并突出说明了决策树算法所涉及的几种核心技术和几种具有代表性的算法模式。

简介：摘要：本文针对智能汽车的感知与决策算法进行研究，旨在提高智能汽车在复杂交通环境下的感知能力和决策准确性。我们综合分析了当前感知与决策算法的问题和挑战，并提出了一种基于深度学习和强化学习的综合算法，有效提升了智能汽车的感知和决策能力。通过实验验证，该算法在各项性能指标上取得了显著的改善。

简介：基于决策类划分多变量决策树是一种新型的决策树算法,该算法对训练集分区进行多变量决策运算后,可能取得多个决策逻辑规则。最优逻辑约简法则使用逻辑运算及选择运算构造出一种择优运算方式,以取得最优的逻辑约简规则,是对该算法的一种有效补充。实验证明该算法在取得最优决策逻辑规则方面效果明显,但在现实情况中可依据实际情况不同对引用此法则进行取舍。

简介：随着现实生活中数据集规模的不断增大,提出一个有效的分类算法势在必行。现今很多已有的算法是针对减少支持向量的数目来提高分类的效率,文章提出了一个基于决策树的支持向量机算法,旨在通过减少测试集的数目来提高支持向量机在测试阶段的分类速度。基于决策树的支持向量机算法的思想是利用决策树算出支持向量机的大致决策边界,决策树上含有单变量节点和SVM节点,支持向量机用来对靠近决策边界的重要的数据点进行分类,剩下的相对不重要的数据点用决策树对其进行快速分类。

简介：在分析现有选址模型的基础上，本文将MDHGF算法进行改进，建立基于MDHGF改进算法的物流中心选址决策模型。该模型的最大特点是将定性的研究方法和定量的研究方法有机结合，克服各自的缺点。在算法的改进过程中，本文主要是将成本因素单独提出，建立多目标线性规划模型，然后用启发式算法得出可行性方案。对可行性方案，在不考虑成本因素的情况下运用改进的MDHGF算法计算其它因素的综合评价值，然后再次考虑成本因素，借鉴指标满意度法对所得结果进行无量纲化处理，算出每个方案的综合得分，对方案进行排序，为决策者提供依据。

简介：属性约简是粗糙集理论的一个基本内容，是决策系统规则提取的一个有效手段，同时也是数据挖掘的一个重要方法。本文简要地介绍以国内为主的关于属性约简算法研究的若干进展情况，内容涉及属性约简的主要类型，核与属性约简算法以及最小属性约简的计算，并粗略地讨论今后发展的方向。

简介：ID3算法是示例学习中建立决策树的一种重要的方法．介绍了ID3决策树算法的基本思想，讨论了ID3决策树算法中的难点和不足．结合实例给出了利用信息增益度法来改进ID3算法的详细过程．

简介：本文作者从实际应用出发，对现存数据挖掘决策树分类方法进行了研究，并应用到系统当中，实现了决策支持模块。关键词数掘挖掘；决策树算法；改进；实现中图分类号TP301.6文献标识码A文章编号1007-9599(2010)04-0000-02DataMiningDecisionTreeImprovement&ImplementationXiaYan,ZhouXiaohong,WangDong（ChangchunTechnologyCollege,Changchun130033,China）AbstractTheauthorstudiedonexistingDataMiningdecisiontreeclassificationmethodbasedonthepracticalapplication,andappliedtothesystem,achievedadecisionsupportmodule.KeywordsDataMining;Decisiontreealgorithm;Improve;Achieve随着数据库技术的不断发展及数据库管理系统的广泛应用，数据库中存储的数据量急剧增大，在大量的数据背后隐藏着许多重要的信息，如果能把这些信息从数据库中抽取出来，将会产生重要的作用。因此，数据挖掘涉及的学科领域逐渐扩大，数据挖掘的方法也在不断地改进和提高。分类在数据挖掘中是一项非常重要的任务，分类算法可以分为决策树分类算法、遗传算法、神经网络方法、K-最近邻分类算法等。这里，以疾病防控与儿童免疫管理系统中决策支持子系统的开发过程为例，对决策树分类算法的改进及在实际中的应用进行阐述。一、数据选取和数据预处理在本系统中，以预防接种中遇到异常反应后记录的“异常反应调查表”中的数据为例进行说明。具体实现过程详细说明首先输入训练集，由于在真实的SQLServer数据库当中，为了降低存储要求和减少存储时间，并非真正存储每个数据项的属性值，而是用存储数字来对应相应的意义，如在数据库的数据表中，“性别”字段中“1”代表“男”、“2”代表“女”，反应到程序页面时再映射回原来的值，为了说理清晰又限于篇幅，这里只将所有数据集中有代表性的十几组数据作为分类模型创建的输入训练集。表1判断是否需要计划外加强免疫的属性表儿童编号月龄出生状态常住地上次注射后反应是否需要计划外加强免疫0405102<=2正常产城市无不良反应否0405495<=2正常产农村无不良反应否0401342>5正常产城市无不良反应是04054352…5正常产城市轻度反应是04065342…5非正常产城市重度反应是04072342…5非正常产农村重度反应否0401544>5非正常产农村重度反应是0408519<=2正常产城市轻度反应否0404566<=2非正常产城市重度反应是04035472…5非正常产城市轻度反应是0401534<=2非正常产农村轻度反应是0405856>5正常产农村轻度反应是0409533>5非正常产城市无不良反应是04053442…5正常产农村轻度反应否二、生成决策树对训练集的每一个属性，计算其信息增益。以“月龄”属性为例，每个结点中的正反例的个数分别为［2，3］、3，2、4，0，分别计算如下info2，3==0.971；info3，2==0.971；info4，0=0；计算信息熵E(月龄)＝＝0.693；计算该属性的信息增益量，选取信息增益最大的属性为节点，按该属性的值划分数据集合Gain(月龄)=Info(9，5)-E(月龄)=0.940-0.693=0.247；同理，对“注射反应”属性、“出生状态”属性、“常住地”属性都可计算每个结点的正反例的个数（由于篇幅有限，不作计算）。通过对各属性信息增益的计算结果，选择“月龄”属性作为根节点，然后划分“月龄<=2”的所有可能性。计算当“月龄<=2”时，“注射反应”、“出生状态”、“常住地”的信息增益值Gain(注射反应)=Info(2，3)-E(注射反应)=0.971-0.4=0.571；Gain(出生状态)=Info(2，3)-E(出生状态)=0.971-0=0.971；Gain(常住地)=Info(2，3)-E(常住地)=0.972-0.951=0.020；同理考虑“月龄>5”的情况，由于“月龄>5”时，各个节点都是纯节点，所以不再划分。三、产生决策规则遍历决策树，输出叶结点类属性值，用IF—THEN形式表达为IF(月龄2…5AND注射反应=无)THEN(类别＝是)IF(月龄2…5AND注射反应=轻)THEN(类别＝是)IF(月龄2…5AND注射反应=重AND出生状态＝正常产)THEN(类别＝是)IF(月龄2…5AND注射反应=重AND出生状态＝非正常产AND常住地=城市)THEN(类别＝否)IF(月龄2…5AND注射反应=重AND出生状态＝非正常产AND常住地=农村)THEN(类别＝是)……依此类推，共可产生十三条规则。四、决策支持子系统的分析用上述基于决策树的分类算法所得到的模型生成的规则来预测测试集中的未知数据属于哪一类，并通过该模型的测试结果与实际情况相吻合的准确率来判断该决策树是否有效。首先，用整个数据集中2/3的数据作为训练集按照基于决策树的分类算法来建立模型，生成一棵决策树。然后，用余下的1/3的数据作为测试集，通过创建的模型进行预测，并将预测结果和实际值进行比较。如果准确率达到或超过事先确定的阈值，则可以认定该模型对于数据分类是有效的，能够在实际中应用；反之，则认定该模型的分类效果不好，需要按以上步骤来重新判断，直到分类准确率达到预定的阈值为止。在本系统中，经过测试预测准确率已达到87%，在可以接受的范围内，所以算法是有效、可行的。参考文献1陈文伟,黄金才.数据仓库与数据挖掘.人民邮电出版社,20042王万森.人工智能原理及应用.电子工业出版社,20003范明,孟小峰.数据挖掘——概念与技术.机械工业出版社,2001作者简介夏琰（1980-），女，吉林长春人。长春职业技术学院信息技术分院，教师，讲师，硕士，研究方向为计算机应用。

简介：要针对决策树ID3算法复杂的对数运算以及属性取值多向依赖的缺陷，提出了一种改进的CEID3算法。该方法引入粗糙集论中属性重要度和关联度的概念，并依据这两个概念对决策树ID3算法进行有效改进。仿真结果表明，新算法简化了运算使得终形成的决策树更加符合实际需求。

简介：   摘要：在现代信息化作战环境下，作战决策的智能化和高效性成为提高作战效率的关键。本研究基于智能编组的理念，提出一种新型的作战决策模型，并针对该模型设计了相应的算法。首先，根据作战任务需求和作战环境，以智能化的方式组织参与作战的力量；然后，基于多目标优化理论，构造了作战决策模型；接着，设计了一种全局最优解算法来求解该模型，并对其进行了详细的计算复杂性分析。研究结果表明，通过智能编组方式对作战资源进行优化配置，可以显著提高作战效率和执行效果，明显优于传统的决策模型。这一成果可为军事决策提供理论参考和实践指导。

简介：虚拟机动态迁移算法要求在不中断对外实时服务的条件下迁移虚拟机资源,同时要求宕机时间非常短、迁移操作对用户透明。要达到迁移算法的目标,在不同的应用场景下选择合适的迁移算法至关重要。本文提出一种虚拟机动态迁移决策算法,通过分析不同虚拟机动态迁移算法的性能,基于虚拟机负载特征,决策出最优迁移性能的算法。实验结果表明,该算法能够针对不同的负载类型准确地选择最优的迁移算法,相对主流的预拷贝迁移算法能够有效减少迁移时间和停机时间。

简介：电网企业当前面临的客户风险主要体现在客户拖欠电费及偷窃电两方面。为降低电力客户在拖欠电费方面的风险,文章在分析了引起电力客户拖欠电费原因的基础上,深入挖掘分析客户缴费、欠费行为,设计了欠费风险识别相关的关键影响变量,运用决策树算法建立了客户欠费风险识别模型,进行客户欠费风险预测。利用该模型,针对高风险客户提前采取相应策略和措施,可改变以往事后欠费管理的被动局面,实现降低电力客户欠费风险的目的。

简介：摘要电网企业的主要经营利润来自于电费回收。结合电力客户的基本属性信息，关联不同类型用电客户的缴欠费行为，对客户欠费风险进行预测，便于电网公司针对不同风险等级客户提前制定差异化的电费催缴策略和防范措施，缩短企业的电费回收周期，有效降低经营压力。

简介：利用遗传算法求解装备调拨中的路径优化问题和运输装载问题,并利用MATLAB进行了实例仿真,对装备调拨的辅助决策具有积极的意义.

简介：决策树是数据挖掘分类问题算法中一种性能较好的算法，本文主要研究自决策树在数据挖掘中应用以来存在问题，主要是可扩展性问题。综述了国内外针对此问题所提出的解决方法，以及分析了改进算法的优缺点，以便有利于对决策树关键问题，即扩展性问题的研究。同时本论文中所研究的算法的思想也有助于数据挖掘中其它领域解决大数据集问题。