收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于决策树的分类算法研究和应用

迟庆云  
【摘要】:面对信息时代海量数据的出现,如何有效利用海量的原始数据分析现状和预测未来,已经成为人类面临的一大挑战。由此,数据挖掘技术应运而生并得到迅猛发展。 数据挖掘是指从数据库中抽取隐含的、具有潜在使用价值信息的过程,是一种新型的数据分析技术,被广泛应用于银行金融、保险、政府、教育、运输等企事业单位及国防科研上。数据挖掘应用的普遍性及带来的巨大经济和社会效益,吸引了许多专家和研究机构从事该领域的研究。 数据分类是数据挖掘中一个重要的内容。分类存在很多方法,其中决策树归纳以其易于提取显式规则、计算量相对较小、可以显示重要的决策属性和较高的分类准确率等优点而得到广泛的应用。据统计,目前决策树算法是利用最广泛的数据挖掘算法之一,利用率高达19%。应用领域已由医疗到博弈论和商务等领域,是一些商业规则归纳系统的基础。 寻找新的构造决策树和简化决策树的方法一直是决策树技术研究的一个热点。SLIQ算法和SPRINT算法很好的解决了磁盘驻留数据太大以至于无法被内存容纳带来的问题。它没有采纳利用抽样或划分数据集来获得可容纳于内存的小树据的处理方法,而是采用了一种新的数据结构,直接在整个数据集上建立一棵决策树。但SPRINT、SLIQ等算法处理的训练集的大小都是固定的,来自稳定的环境,人为干预较少,忽视了数据的变化趋势。在现实生活中,数据集并不是稳定的,而是连续到来的。将现有的算法改进使其能够适应不断生长的训练集,生成一棵与旧树相关的树是十分有现实意义的。 本文的研究工作源于上述的背景,目的是对数据库知识发现进行深入的研究,探索数据挖掘中决策树的更新问题,以更好的应用于实际工作中,主要进行了以下的研究工作: 1、指出构造好的决策树的关键在于如何选择好的逻辑判断或属性,比较了信息增益、基尼指数属性选择度量方法的优缺点,探讨了将离散属性值组合计算基尼指数来构造二叉树的方法。 2、研究了决策树的几种生成算法和剪枝算法,比较了它们的优缺点,特别是针对可伸缩的SPRINT算法做了全面的分析。深入探讨了建树算法与剪枝算法的集成问题,即Public算法以及一个可应用于其它算法


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张丽;;数据仓库与数据挖掘[J];贵州民族学院学报(哲学社会科学版);2006年02期
2 陈勤富;米根锁;何江燕;;Rough Set理论在数据挖掘中的研究与应用[J];光盘技术;2008年09期
3 旷海兰,罗可,王樱;Rough Set理论在数据挖掘中的应用[J];衡阳师范学院学报;2005年03期
4 彭景芹,刘振明,赵可新;人工智能技术在配电自动化中的应用[J];微计算机信息;2005年08期
5 谢含;;知识发现法对图书馆参考咨询工作的影响[J];医学信息学杂志;2009年08期
6 郑建国,周明全,耿国华;智能数据挖掘理论体系研究[J];西安电子科技大学学报;2004年01期
7 刘洪江;;浅谈知识发现与统计学的异同[J];甘肃科技;2008年08期
8 薛珑;;知识发现和数据挖掘及其在客户关系管理中的应用[J];科学与管理;2007年04期
9 刘业政;杨善林;朱卫东;;知识发现的过程驱动策略[J];计算机科学;2001年09期
10 刘悦,李桂丽;数据库中关系规则的数据挖掘[J];鞍山钢铁学院学报;2002年05期
11 方凌云;网络环境下企业客户关系管理的应用研究[J];软科学;2004年01期
12 胡明晖,武化岩,胡明豪;数据挖掘技术及其在公共管理中的应用[J];中原工学院学报;2002年02期
13 杨炳儒;;知识发现领域的两大猜想[J];系统工程与电子技术;2007年07期
14 潘春花;;数据挖掘理论及挖掘过程浅析[J];科技信息;2009年04期
15 潘舒;吴陈;;基于遗传算法的关联规则挖掘[J];现代电子技术;2008年02期
16 杨江平;;知识发现及其在图书馆的应用研究[J];图书馆学研究;2008年07期
17 吴思竹;;数据挖掘和知识发现领域热点主题分析[J];情报杂志;2010年07期
18 杨洪波,陈军,阮雪榆;基于有限元仿真结果的知识发现[J];上海交通大学学报;2003年07期
19 熊朝松;统计学和数据挖掘的异同[J];科技广场;2005年06期
20 余肖生;周宁;张芳芳;;基于可视化数据挖掘的知识发现模型研究[J];中国图书馆学报;2006年05期
中国重要会议论文全文数据库 前10条
1 郝丽;刘乐平;;健康心理学研究与数据挖掘[A];江西省抚州市社科联论文集(2002-2003)教育文化类[C];2003年
2 李英;李武;王浣尘;;基于Agent的空间数据挖掘系统模型[A];2003中国控制与决策学术年会论文集[C];2003年
3 代广珍;徐超;;基于Web的数据挖掘研究综述[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
4 郭学军;陈晓云;;粗集方法在数据挖掘中的应用[A];第十六届全国数据库学术会议论文集[C];1999年
5 徐慧;;基于Web的文献数据挖掘[A];第十七届全国数据库学术会议论文集(技术报告篇)[C];2000年
6 孙迎;;医院信息的数据挖掘与方法研究[A];中华医学会第十次全国医学信息学术会议论文汇编[C];2004年
7 薛晓东;李海玲;;数据挖掘的客户关系管理应用[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(下册)[C];2004年
8 王洪肖;刘威;于贺玲;;基于XML技术的WEB数据收集模型的研究[A];低碳经济与科学发展——吉林省第六届科学技术学术年会论文集[C];2010年
9 郭建文;黄燕;印鉴;杨小波;梁兆辉;;建立中风病“阴阳类证”辨证规范的数据挖掘研究[A];中华医学会第十三次全国神经病学学术会议论文汇编[C];2010年
10 薛鲁华;张楠;;聚类分析在Web数据挖掘中的应用[A];北京市第十三次统计科学讨论会论文选编[C];2006年
中国博士学位论文全文数据库 前10条
1 杨小兵;聚类分析中若干关键技术的研究[D];浙江大学;2005年
2 孙丽;工艺知识管理及其若干关键技术研究[D];大连交通大学;2005年
3 胡志坤;复杂有色金属熔炼过程操作模式智能优化方法研究[D];中南大学;2005年
4 刘革平;基于数据挖掘的远程学习评价研究[D];西南师范大学;2005年
5 刘寨华;基于临床数据分析的病毒性心肌炎证候演变规律研究[D];黑龙江中医药大学;2006年
6 王川;基因芯片数据管理及数据挖掘[D];中国科学院研究生院(上海生命科学研究院);2004年
7 王涛;挖掘序列模式和结构化模式的精简集[D];华中科技大学;2006年
8 朱正祥;领域驱动知识发现方法研究[D];大连理工大学;2010年
9 郭斯羽;动态数据中的数据挖掘研究[D];浙江大学;2002年
10 李旭升;贝叶斯网络分类模型研究及其在信用评估中的应用[D];西南交通大学;2007年
中国硕士学位论文全文数据库 前10条
1 朱红;基于人才认知的数据挖掘研究[D];昆明理工大学;2002年
2 迟庆云;基于决策树的分类算法研究和应用[D];山东师范大学;2005年
3 李长源;关联规则挖掘算法研究[D];哈尔滨工程大学;2005年
4 陶妍艳;基于知识发现的房地产企业客户信息分析研究[D];武汉理工大学;2006年
5 唐志军;基于分布式概念格的知识发现研究[D];合肥工业大学;2005年
6 周俊临;自适应自组织映射网络在模式识别中的应用研究[D];电子科技大学;2005年
7 杜金刚;数据挖掘在电信客户关系管理及数据业务营销中的应用[D];北京邮电大学;2010年
8 谢友辉;数据挖掘技术及在机车故障诊断中的应用[D];中南大学;2004年
9 赫英广;数据挖掘在铁路货运营销决策支持系统中的研究与应用[D];湖南大学;2005年
10 卫祥;概念格的分布式构造方法研究与实现[D];合肥工业大学;2008年
中国重要报纸全文数据库 前10条
1 李开宇 黄建军 田长春;把“数据挖掘”作用发挥出来[N];中国国防报;2009年
2 陈志楠;挖掘“不为人知的艺术”[N];科技日报;2009年
3 华莱士;“数据挖掘”让银行赢利更多[N];国际金融报;2003年
4 记者 晏燕;数据挖掘让决策者告别“拍脑袋”[N];科技日报;2006年
5 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
6 张立明;数据挖掘之道[N];网络世界;2003年
7 中圣信息技术有限公司 李辉;数据挖掘在CRM中的作用[N];中国计算机报;2001年
8 田红生;数据挖掘在CRM中的应用[N];中国经济时报;2002年
9 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
10 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978