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：在数据集中挖掘频繁模式是数据挖掘研究的关键环节之一。在过去，很多的努力都集中在独立数据的挖掘上。然而，现实世界中许多实体之间总会保持着千丝万缕的关系。如何获得这些关系的频繁模式，已逐渐成为近年来研究的一个目标，我们将它称之为频繁结构的挖掘。在数据挖掘中，一个重要的方法是关联规则挖掘。它被用来发现频繁出现在数据库事务中的项集；另一个重要的方法是序列挖掘，它的任务是去寻找一个项集的序列。这些挖掘任务都被称为频繁模式的挖掘。

简介：摘要树与图是两种重要的数据结构，而树可以说是一种特殊的图，它的两两结点之间存在唯一简单路径。利用其特殊性质，人们创造了许多算法来处理数据结构问题和程序调用问题。而树与图的遍历算法也是数据结构中重要的算法之一。本文从树与图的概念出发，简单的介绍了树与图的主要存储方式，并重点对二叉树的简单遍历算法、哈夫曼树的生成和图的深度优先遍历及广度优先遍历做出了介绍。

简介：判定树归纳基本算法是判定树生成的核心算法，有着广泛的应用。针对判定树归纳算法容易出现局部最优化，即早熟现象这一缺陷，运用平均信息增益的方法对该算法进行了改进．把平均信息增益最大的值作为选择测试属性的标准，仿真试验也表明了改进后算法的优越性。

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：只有一个顶点度是大于2的一棵树叫做似星树,记作S=S(n_1,n_2,…,nΔ),S_1=S(m_1,m_2,…,m_Δ_1-1)和S_2=S(n_1,n_2,…,n_Δ_2-1)用一条路P_l把S_1和S_2的最大度点v,u连接起来得到的图形称为双似星树,记作G(l,S_1,S_2).用η(G)表示图G的零度(零度是指图G的谱中零特征值的个数).本文给出了似星树和双似星树的一个零度算法,并证明了这是一个好算法.

简介：增强现实领域中跟踪技术是一个很重要的研究课题，其中特征点的实时匹配是跟踪算法的关键之一，而跟踪算法中传统的匹配方法复杂，对跟踪的实时性影响较大。为此，应用尺度不变特征变换（SIFT）方法提取SIFT特征，采用基于KD树的最近邻搜索算法实现特征点匹配，可降低算法的复杂度，从而提高跟踪算法的实时性。

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：本文绘出了形象、直观、易理解的求最小生成树的一个算法，并对算法的正确性进行了证明。

简介：摘要本文对传统的XML文档树模型和树路径模型算法进行了研究，在准确率、召回率和平均时间消耗上进行了比较，对两模型算法的特点和不足进行了总结。

简介：3　平衡二叉树的插入算法的实现 ,}}…4　平衡二叉树的删除算法的实现 ,为了得到平衡二叉树的插入算法

简介：概称句的形式刻画涉及到知识表达和常识推理，由人工智能研究首先提出。之后出现了多种类型的理论，对于更为合理的概称句形式刻画方案的探讨也仍在继续。Delgrande首先开始用条件句逻辑处理概称句，并由Asher、Morreau和Boutilier等继续发展，其要点是将“鸟会飞”理解为“正常情况下鸟会飞”，毛翊继而提出双正常解读，将“鸟会飞”理解为“正常情况下，正常的鸟会飞”。以此前工作为基础，周北海提出概称句是揭示概念内涵的句子，“鸟会飞”表示的是“鸟”这一概念的内涵有“会飞”这一内涵项。

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：利用最小生成树的性质,先找出一些在生成树中应保留的边,再去掉一些无用的边的思想方法,最后得到一个求最小生成树的算法.其时间复杂度与kruskal算法接近,对于稀疏图,其性能更优越.

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：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。

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.