期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于CART决策树算法的企业研发项目绩效评价研究 被引量:7
1
作者 程平 晏露 《财会月刊》 北大核心 2022年第24期30-37,共8页
在企业高质量发展背景下,研发是企业创新的源泉,但由于其复杂性和产出的不确定性,如何对研发项目进行科学、合理的绩效评价是企业需要解决的关键问题之一。以A企业为研究对象,首先在分析其研发项目绩效评价现状及存在的评价侧重点失衡... 在企业高质量发展背景下,研发是企业创新的源泉,但由于其复杂性和产出的不确定性,如何对研发项目进行科学、合理的绩效评价是企业需要解决的关键问题之一。以A企业为研究对象,首先在分析其研发项目绩效评价现状及存在的评价侧重点失衡、绩效考核主观性较强等问题的基础上,设计了研发项目绩效评价的流程和方法,并从项目投入、项目过程管理、项目产出以及项目预期效果四个方面建立了研发项目绩效评价指标体系;然后利用CART决策树算法构建了研发项目绩效评价模型;最后进行了模型的训练以及模型结果的分析,结果表明项目过程管理对A企业研发项目绩效评价结果的影响最大。 展开更多
关键词 cart决策算法 研发项目 绩效评价 高质量发展
在线阅读 下载PDF
基于CART决策树的双尺度流域单元地貌分类研究——以北回归线(云南段)地区为例 被引量:7
2
作者 张艳可 王金亮 +1 位作者 苏怀 程峰 《地理与地理信息科学》 CSCD 北大核心 2021年第2期84-92,共9页
针对当前单一地貌划分单元造成的分类结果破碎或漏分问题,该文引入双尺度流域单元划分方法,即采用两种不同大小流域单元的组合作为地貌划分基本单元,以提高地貌划分的细分性和完整性。以30 m ASTER GDEM数据为数据源,基于最佳地形因子组... 针对当前单一地貌划分单元造成的分类结果破碎或漏分问题,该文引入双尺度流域单元划分方法,即采用两种不同大小流域单元的组合作为地貌划分基本单元,以提高地貌划分的细分性和完整性。以30 m ASTER GDEM数据为数据源,基于最佳地形因子组合(高程、地势起伏度、坡度、坡度变率、光照模拟值)、双尺度流域单元、CART决策树算法,实现了北回归线(云南段)地区平原(2类)和山地(7类)共9类地貌的划分,双尺度流域单元划分的最佳流量阈值分别为500、2000。通过平均值、标准差、Moran′s I和人工判读结果对分类结果进行检验,发现基于CART决策树的双尺度流域单元地貌分类方法在北回归线(云南段)地区总体精度可达82.1%,Kappa系数为0.793,总体能够准确识别出研究区的地貌类型空间分布特征,是地貌类型划分的一种可行方法。 展开更多
关键词 ASTER GDEM 地貌划分 流域单元 cart决策算法 北回归线(云南段)
在线阅读 下载PDF
基于机器学习的大雾天气背景下特强浓雾本地化诊断研究 被引量:17
3
作者 史达伟 李超 +1 位作者 史逸民 张银意 《灾害学》 CSCD 北大核心 2018年第2期193-199,共7页
低能见度的大雾天气是造成许多交通事故的重要气象灾害。极低能见度的强浓雾预报预测是气象工作中的难点问题。利用连云港地区2014-2016年逐小时气象观测资料,选取大雾发生时次,基于机器学习中的多种算法对能见度低于50 m特强浓雾建立... 低能见度的大雾天气是造成许多交通事故的重要气象灾害。极低能见度的强浓雾预报预测是气象工作中的难点问题。利用连云港地区2014-2016年逐小时气象观测资料,选取大雾发生时次,基于机器学习中的多种算法对能见度低于50 m特强浓雾建立气象要素诊断模型。结果表明:基于CART决策树算法的诊断模型能够较为直观准确的对强浓雾进行诊断,并且该模型具有较高的泛化能力,利用约占研究样本75%的数据进行学习,模型的学习准确率为90.04%,剩余25%左右的样本数据对模型的泛化能力进行测试,测试准确率为82.25%;5种机器学习算法中LSVM算法对于特强浓雾的诊断模型测试效果最好,但算法可理解度较低、复杂度较高,不如CART算法易于使用。 展开更多
关键词 大雾 特强浓雾 机器学习 本地化 诊断模型 cart决策算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部