导读:本文包含了决策树分类模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:决策树,模型,算法,植被,分指数,地表水,相关性。
决策树分类模型论文文献综述
吕红梅,李栩滨[1]（2019）在《基于决策树模型分类多时相早稻信息提取研究》一文中研究指出决策树模型分类算法为早稻遥感分布信息的获取提供技术方法。研究直接利用归一化植被指数计算,配合卫星影像纹理分析,逐步剔除非耕地的信息,得到耕地的初步分类结果;再结合多时相归一化植被指数和地表水分指数曲线等综合判析,进一步区分出早稻和其他作物。通过相关资料的验证,早稻的用户精度达到了87.50%,生产者精度为85.71%,总体精度达到了93.50%,Kappa系数为0.823,证实该方法在提取早稻信息的可靠性、准确性,也为后期水稻产量的预估提供科学决策依据。(本文来源于《福建地质》期刊2019年02期）
章轶立,魏戌,聂佩芸,申浩,虞鲲[2]（2019）在《基于SMOTE算法和决策树的绝经后骨质疏松性骨折分类模型建构》一文中研究指出目的构建符合北京、上海两地40～65岁女性人口学特征的危险因素和中医症状相结合的骨质疏松性骨折早期风险预测工具。方法本研究采用注册登记式研究的方法 ,于2009年3-8月在北京市东城区及上海市徐汇区收集的1 823例40～65岁女性骨质疏松症高危人群的危险因素及中医症状信息,进行连续3年的登记观察。采用SMOTE过抽样算法平衡数据,基于决策树模型筛选与骨质疏松症骨折有关的危险因素及中医症状,并建立骨质疏松性骨折风险评估工具。结果本研究选择C4.5算法作为预测模型建立工具。首先筛选出对绝经后骨质疏松性骨折高危患者发生脆性骨折的危险因素,然后建立预测模型。由于样本量较小,在节点的设置中采用交叉验证,Mode选用Expert,修剪纯度设为75,采用全局修剪。根据此生长和修剪规则,所建立分类树模型共包括5层,共19个结点,共筛选出6个解释变量。各指标按重要程度从大到小依次为骨密度、目眩、肉类、生产次数、视物模糊和乏力。经过逐层各影响因素的分类,最终骨折人群比例占13%。对该预测模型预测概率绘制受试者工作特征曲线,结果显示曲线下面积为0.871(95%CI=0.8226-0.9211)。结论初步建立了基于北京、上海人口学特征40～65岁女性骨质疏松性骨折分类模型。(本文来源于《中国骨质疏松杂志》期刊2019年01期）
王俊,张海洋,赵凯旋,刘刚[3]（2018）在《基于最优二叉决策树分类模型的奶牛运动行为识别》一文中研究指出针对奶牛行为分类过程中决策树算法构建主观性强、阈值选取无确定规则,易导致分类精度差的问题,该文提出一种基于最优二叉决策树分类模型的奶牛运动行为识别方法,首先选取描述奶牛腿部叁轴加速度数值大小、对称性、陡峭程度、变异程度、不确定性及夹角的24个统计特征量,其次通过构建ROC(receiver operating characteristic,ROC)曲线获得各统计特征量的最佳行为类别分组方式及最优阈值,然后利用信息增益作为最优二叉决策树划分属性的选择标准,最终构建最优二叉决策树分类模型对奶牛运动行为进行分类识别。试验结果表明,该分类模型能够有效区分奶牛的站立、平躺、慢走、快走、站立动作、躺卧动作6种运动行为,平均准确率、平均精度、平均F1值分别为76.47%、76.83%、76.57%,相较传统的ID3(iterative dichotomiser 3,ID3)决策树算法分别高5.71、5.4和5.61个百分点,分别高于K-means聚类算法7.51、8.02和7.77个百分点,优于支持向量机算法6.77、6.72和6.57个百分点。该方法可为提高奶牛行为分类精度提供有效的理论支撑。(本文来源于《农业工程学报》期刊2018年18期）
李钰通[4]（2018）在《决策树分类模型预测网站热度》一文中研究指出网站热度是评价一个网站商业价值的重要指标,预测网站热度可以对网站的发展起到指导性作用。本次研究中,我们利用已有的网站数据训练评估决策树分类模型,对网站的热度进行智能预测。本文中首先介绍了决策树分类算法及算法的并行化研究;然后,阐述了决策树分类模型预测网站热度的实验过程;最后,对本次研究做出总结。(本文来源于《电子世界》期刊2018年14期）
李源源[5]（2018）在《基于决策树分类和多元拟合的项目定价规律模型》一文中研究指出本文针对"拍照赚钱"APP中任务定价的问题建立了决策树分类和多元优化拟合模型。首先,用Excel和SPSS等软件将相关数据做适当的预处理;然后,利用ARCGIS和MATLAB软件编程,做出任务点密度等和价格的关系图,直观分析其中任务未完成的原因。其次,通过建立决策树分类模型和多元拟合模型,从直观模型运用MATLAB编程求解。最终得出项目定价规律并分析其任务未完成的原因。(本文来源于《中国高新区》期刊2018年02期）
迟翕幻[6]（2017）在《决策树多元分类模型预测森林植被覆盖》一文中研究指出一个区域的环境因素决定了它适合种植的植被类型。在森林的培育中,种植适宜各区域环境特征的植被种类至关重要。本文提出使用决策树多元分类模型预测森林植被类型,为育林工作提供强有力的指导和帮助。首先,介绍了研究中使用的决策树分类算法,阐述了算法的并行化研究;然后,利用已有数据和算法进行实验分析,使用最优模型预测各区域适宜生长的植被类型;最后,得出结论,并展望未来的研究工作。(本文来源于《电子制作》期刊2017年24期）
徐雷,Geoff,I,Webb,Francois,Petitjean,张阳[7]（2018）在《基于动态集成决策树的多类别时间序列分类模型》一文中研究指出针对以往时间序列分类技术忽略了数据间自相关性对算法影响的不足,通过对传统决策树算法进行扩展,提出了序列熵和序列对信息增益的概念,并以此构建针对时间序列的决策树(time series decision tree,TSDT)。在此基础上,以TSDT为基分类器,通过动态分类器集成技术,提出了时间序列动态集成分类算法(En-TSDT)。在UCR数据集上的实验表明,与目前应用最广泛的1NN-DTW分类器相比,En-TSDT克服了时间序列数据的自相关性对分类算法的影响,具有更好的分类性能和鲁棒性。(本文来源于《计算机应用研究》期刊2018年06期）
李燕平[8]（2017）在《基于决策树的学生成绩分类模型的教学评估系统》一文中研究指出随着互联网技术的飞速发展以及高校师生信息化程度的不断深入提高,对学生成绩进行管理、统计、对比等简单的信息处理方式已经难以满足学生和学校在实际校园生活中的需要。在人工智能广泛应用于各领域的当下,基于数据挖掘技术的学生各方面情况预测的研究已经成为当今国内外高校信息管理领域研究的热点。学者们通过各个不同的角度,运用不同的数据挖掘算法,对各种学生各种行为特征信息进行预处理,提出了对教育相关的各方面状态进行预测的不同研究成果。但是,哪类数据挖掘算法比较适合高校信息化管理的提高,大数据分析技术在哪些方面可以帮助高校进行学生管理,如何将数据挖掘算法应用于学生管理中并且得到有效的应用,现有的学生信息化数据如何用到学生的未来情况预测中去,这些问题都有待进一步研究。本文在已有研究成果的基础上,从高校现有信息化建设的实际情况出发,做了如下几个方面的研究:首先,对决策树算法进行比较分析,通过实验验证了不同决策树算法在成绩预测领域的准确率和适用性,提取学院现有信息化系统中关于学生兴趣、学生习惯、课后复习情况、出勤率、教师职称、教学态度、教学方法等相关特征,对数据进行预处理得到一个比较合理的数据集,将各个决策树算法应用到学生成绩预测中,运用十折交叉验证法验证该算法的性能,实验结果表明改进的C4.5算法对学生成绩预测具有比原始C4.5算法以及其他几个决策树算法更高的准确率,并且在不同维度的属性作为训练集的情况下表现出更好的鲁棒性。其次,基于前一部分的决策树学生成绩预测模型,应用面向对象的思想,集成高校现阶段的各个信息化系统,进行了系统架构、建模设计、数据库结构设计等方面的设计,以B/S架构初步实现了教学评估系统,对现有学生信息进行处理,预测学生未来成绩,对高校教学工作和教学评估具有一定指导作用。最后,本文还对上述主要工作进行了总结,指出由于时间关系和与其它系统的对接客观因素原因,课题中在选择更多和学生成绩相关属性信息方面的不足以及还未涉及研究和教学评估指标也密切相关的师资队伍建设、教学档案、教学条件等指标的挖掘分析。今后将进一步完善系统,延伸到综合应用关联规则算法、决策树算法、聚类算法等对学生心理、学生一卡通的消费、使用情况进行研究以期用分析结果为困难学生实现精准帮扶。(本文来源于《福州大学》期刊2017-06-01）
段建峰[9]（2017）在《基于决策树模型的高分影像分类研究》一文中研究指出近年来随着航天遥感卫星技术的不断发展,使得遥感影像的光谱、空间及时间分辨率都得到大大提高。特别是高分影像的出现,使得从遥感影像中提取地物信息成为基础数据获取的重要手段。但如何准确的识别高分影像中的地物信息,是当前遥感影像地物识别分类技术中面临的一个热点问题。传统的基于影像像元的分类方法中,主要依据统计学相关理论对不同地物的光谱特征进行统计分析进而实现分类,若将其应用在高分影像中,会出现“同物异谱,异物同谱”现象,往往难以达到理想的地物识别分类效果。本文研究了基于决策树模型的面向对象影像地物识别分类技术。面向对象的分类是以影像中多个像素的集合为分析目标,突破传统的影像分类中以单个像元为分析单元的局限性。基于像素集合为分析目标可以充分考虑地物对象多方面的特征,例如影像的光谱特征、形状特征及纹理特征等,借助决策树模型统计得到不同地物的分类特征,构建特征空间并运用不同分类器进行影像分类研究。本研究以额敏县阔什比克良种场的多源融合影像作为数据源,借助ENVI、eCognition、ArcGis等数据处理工具进行如下研究:(1)对多源融合影像的多尺度最优分割参数进行了详细的分类对比实验,通过对多尺度分割中分割的尺度、波段权重、形状因子及紧致度等参数的实验对比,最终通过目视效果确定了研究区影像的多尺度最优分割参数。(2)通过决策树模型统计不同地物的分类特征,将不同地物的分类特征构建特征空间集,运用K最近邻分类器与CART决策树分类器进行分类对比实验,实现多尺度下地物对象信息的分类。(3)将面向对象的分类结果与传统的最小距离分类结果分别进行精度评价,得出面向对象的分类精度明显好于传统的分类方法得到的分类结果。(本文来源于《新疆大学》期刊2017-05-31）
张涛[10]（2017）在《基于决策树模型的农户产权抵押贷款分类的实证研究》一文中研究指出基于西部农户产权抵押贷款试点地区所获得调研数据,以农户贷款意愿为目标,农户户主特征、家庭特征等8个因素为自变量,建立决策树分类模型,以为农村金融机构提供有价值的农户分类规则。结果表明:农户家庭人口、土地面积、户主受教育程度等7个因素的不同水平取值可以组成10个不同属性的分类规则,并且分类模型能获得较佳的准确性及精确性,模型具有较佳的预测能力。模型结果对农村金融机构制定相关金融支持政策起到积极的作用。(本文来源于《陕西农业科学》期刊2017年04期）
决策树分类模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的构建符合北京、上海两地40～65岁女性人口学特征的危险因素和中医症状相结合的骨质疏松性骨折早期风险预测工具。方法本研究采用注册登记式研究的方法 ,于2009年3-8月在北京市东城区及上海市徐汇区收集的1 823例40～65岁女性骨质疏松症高危人群的危险因素及中医症状信息,进行连续3年的登记观察。采用SMOTE过抽样算法平衡数据,基于决策树模型筛选与骨质疏松症骨折有关的危险因素及中医症状,并建立骨质疏松性骨折风险评估工具。结果本研究选择C4.5算法作为预测模型建立工具。首先筛选出对绝经后骨质疏松性骨折高危患者发生脆性骨折的危险因素,然后建立预测模型。由于样本量较小,在节点的设置中采用交叉验证,Mode选用Expert,修剪纯度设为75,采用全局修剪。根据此生长和修剪规则,所建立分类树模型共包括5层,共19个结点,共筛选出6个解释变量。各指标按重要程度从大到小依次为骨密度、目眩、肉类、生产次数、视物模糊和乏力。经过逐层各影响因素的分类,最终骨折人群比例占13%。对该预测模型预测概率绘制受试者工作特征曲线,结果显示曲线下面积为0.871(95%CI=0.8226-0.9211)。结论初步建立了基于北京、上海人口学特征40～65岁女性骨质疏松性骨折分类模型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
决策树分类模型论文参考文献
[1].吕红梅,李栩滨.基于决策树模型分类多时相早稻信息提取研究[J].福建地质.2019
[2].章轶立,魏戌,聂佩芸,申浩,虞鲲.基于SMOTE算法和决策树的绝经后骨质疏松性骨折分类模型建构[J].中国骨质疏松杂志.2019
[3].王俊,张海洋,赵凯旋,刘刚.基于最优二叉决策树分类模型的奶牛运动行为识别[J].农业工程学报.2018
[4].李钰通.决策树分类模型预测网站热度[J].电子世界.2018
[5].李源源.基于决策树分类和多元拟合的项目定价规律模型[J].中国高新区.2018
[6].迟翕幻.决策树多元分类模型预测森林植被覆盖[J].电子制作.2017
[7].徐雷,Geoff,I,Webb,Francois,Petitjean,张阳.基于动态集成决策树的多类别时间序列分类模型[J].计算机应用研究.2018
[8].李燕平.基于决策树的学生成绩分类模型的教学评估系统[D].福州大学.2017
[9].段建峰.基于决策树模型的高分影像分类研究[D].新疆大学.2017
[10].张涛.基于决策树模型的农户产权抵押贷款分类的实证研究[J].陕西农业科学.2017
论文知识图
