-
题名基于C5.0决策树分类算法的ETM+影像信息提取
被引量：32
- 1
-
-
作者
温兴平
胡光道
杨晓峰
-
机构
中国地质大学数学地质遥感地质研究所
南京信息工程大学环境科学与工程学院
-
出处
《地理与地理信息科学》
CSCD
北大核心
2007年第6期26-29,共4页
-
基金
国土资源大调查基金项目(2003024002)
-
文摘
利用C5.0决策树算法对ETM+影像进行信息提取,通过与其他分类方法提取结果的对比,得出C5.0决策树分类算法精度较高。大气校正与数据融合可明显提高分类精度,利用经过NDVI、NDBI、缨帽变换处理后的影像组合数据进行信息提取可进一步提高分类精度。研究发现,C5.0决策树算法用未处理的资料生成决策树的效果较差,而经大气校正和数据融合后计算出NDVI、NDBI及缨帽变换的前3个分量的组合数据生成的决策树深度最小,并且分类精度最高。
-
关键词
c5.0决策树算法
ETM+遥感影像
信息提取
-
Keywords
c5. 0 decision tree algorithm
ETM＋ remote sensing image
extracting information
-
分类号
TP75
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名改进的C4.5算法在期货数据挖掘中的研究
被引量：6
- 2
-
-
作者
陈磊
何国辉
-
机构
五邑大学计算机学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第11期161-166,共6页
-
基金
国家自然科学基金(No.61372193)
广东省自然科学基金(No.S2013010013311)
广东省特色创新类项目(No.2015KTSCX145)
-
文摘
在利用现有C4.5算法构建期货预测决策树时,往往出现预测准确率低的弊端,导致预测模型很难使用,为此提出了一种面向期货数据的C4.5-K算法。该算法的主要思想是通过在C4.5算法中引进新的参数K,调整属性度量标准信息增益率的取值范围,进而构建决策树预测模型进行预测。通过实验表明,该改进算法能有效提高期货预测能力。
-
关键词
C4.5算法
决策树
期货预测
数据挖掘
-
Keywords
C4. 5 algorithm
decision tree
futures prediction
data mining
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名隐私保护的分布式决策树分类算法的研究
被引量：4
- 3
-
-
作者
申艳光
邵慧
张永强
-
机构
河北工程大学信息与电气工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2010年第8期3070-3072,共3页
-
基金
河北省教育厅科学研究计划项目(2009421)
河北省自然科学基金资助项目(F2008000752)
-
文摘
针对分布式决策树构造过程中的隐私保护问题,引入安全多方计算方法设计了可以保护隐私的分布式C4.5决策树分类算法。该算法适用于数据集垂直分布和水平分布两种情况,同时提出了一种新的隐私保护程度的度量方法。实验结果证明设计的隐私保护分布式决策树分类算法不仅很好地保护了原始数据不泄露,同时保持了较高的分类精度。
-
关键词
分布式数据挖掘
隐私保护
安全多方计算
C4.5决策树算法
垂直分布
水平分布
-
Keywords
distributed data mining
privacy preserving
secure multi-party computation
C4. 5 decision-tree algorithm
vertically distributed
horizontally distributed
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名C4.5算法在大豆致病性分析中的应用
被引量：1
- 4
-
-
作者
赵阳
陆静
-
机构
南京农业大学工学院
-
出处
《河北农业科学》
2007年第6期96-98,共3页
-
文摘
介绍了一种决策树C4.5算法的构建方法及其步骤,并将决策树应用于大豆致病分析,由Weka系统实现后得到有一定实用价值的决策树。
-
关键词
决策树
C4.5算法
大豆
致病性
-
Keywords
decision tree
C4. 5 algorithm
Soybean
Pathogenicity
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名数据挖掘在生产过程质量管理中的应用
被引量：7
- 5
-
-
作者
宋建聪
戴青云
付品欣
钟润阳
-
机构
广东工业大学信息工程学院
香港大学工业与制造系统工程系
-
出处
《现代制造工程》
CSCD
北大核心
2013年第9期12-16,共5页
-
基金
国家自然科学基金项目(61074146)
广东省现代信息服务业发展专项资金扶持项目(GDEID20101S065)
广东省教育厅项目(gjhz1005)
-
文摘
针对离散型制造业生产过程的产品质量管理只注重事后处理,缺少对质量数据做进一步分析的情况,采用事先预警的管理理念,利用决策树C4.5算法,对大量生产加工与检验数据进行数据挖掘,建立一种生产过程质量分析模型。该模型结合生产过程产品质量关键影响因素,为质量管理提供数据支持。采用该算法对某公司制造数据的挖掘结果进行分析发现,所建模型提高了产品质量,降低了生产的不合格率,为企业持续改进质量提供决策支持。
-
关键词
质量管理
数据挖掘
决策树
C4
5算法
-
Keywords
quality management
data mining
decision tree
CA. 5 algorithm
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
