导读:本文包含了单变量决策树论文开题报告文献综述及选题提纲参考文献，主要关键词:决策树,Iris,数据集,决策树
单变量决策树论文文献综述
黄俊南[1]（2019）在《基于新型多变量决策树算法的Iris的演算过程》一文中研究指出基于决策类划分的决策树算法用于较少的训练数据量推导有效已被验证,故选取较大数据集推演该算法并获取对应的多变量表达式。结果表明算法在较大数据量的数据集上同样有效,且表达式的规则覆盖范围并不小于数据量小的训练集。(本文来源于《新乡学院学报》期刊2019年09期）
黄俊南[2]（2019）在《基于新型多变量决策树算法人为二义性数据冲突的一种解决方案》一文中研究指出针对现实世界同等数据与人为变换数据可能产生二义性冲突的情况,提出了一种解决二义性冲突的方案.为选用的数据集进行离散化方式处理,设定初始取值点并变换数据,循环执行新型多变量算法获取冲突数据,补充取值点重划数据区域直至没有二义性数据.这种二义性冲突解决方案快速便捷且易于理解,是对新型多变量算法在此方面的一种有效补充.(本文来源于《宁夏师范学院学报》期刊2019年04期）
黄俊南[3]（2019）在《基于决策类划分多变量决策树天气户外运动分析实例》一文中研究指出使用决策类划分的新型多变量决策树算法,对选用的东南沿海天气与户外运动相关典型数据进行决策分析,简便有效地构造出相关决策树.验证了算法的有效性、准确性和高效性,同时提出了简单的优化数据方法,也证明了新算法的内敛性.(本文来源于《太原师范学院学报(自然科学版)》期刊2019年01期）
黄俊南[4]（2018）在《决策类划分的多变量决策树实例运算与优化分析》一文中研究指出基于决策类划分的多变量决策树算法是一种新型的多变量算法。选取较复杂的实例构建训练集,并用新算法构造决策树,验证算法可行性和便捷性。从优化算法和比配分析两细节入手,有效地提升了算法的准确度,进一步降低了算法的时间复杂程度。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2018年05期）
张宇,包研科,邵良杉,刘威[5]（2018）在《面向分布式数据流大数据分类的多变量决策树》一文中研究指出分布式数据流大数据中的类别边界不规则且易变,因此基于单变量决策树的集成分类器需要较大数量的基分类器才能准确地近似表达类别边界,这将降低集成分类器的学习与分类性能.因而,本文提出了基于几何轮廓相似度的多变量决策树.在最优基准向量的引导下将n维空间样本点投影到一维空间以建立有序投影点集合,然后通过类别投影边界将有序投影点集合划分为多个子集,接着分别对不同类别集合的交集递归投影分裂,最终生成决策树.实验表明,本文提出的多变量决策树GODT具有很高的分类精度和较低的训练时间,有效结合了单变量决策树学习效率高与多变量决策树表示能力强的优点.(本文来源于《自动化学报》期刊2018年06期）
张宇,包研科,邵良杉[6]（2018）在《基于信息熵和几何轮廓相似度的多变量决策树》一文中研究指出现有的多变量决策树在分类准确性与树结构复杂性两方面优于单变量决策树,但其训练时间却高于单变量决策树,使得现有的多变量决策树不适用于快速响应的分类任务。针对现有多变量决策树训练时间高的问题,提出了基于信息熵和几何轮廓相似度的多变量决策树(IEMDT)。该算法利用几何轮廓相似度函数的一对一映射特性,将n维空间样本点投影到一维空间的数轴上,进而形成有序的投影点集合;然后通过类别边界和信息增益计算最优分割点集,将有序投影点集合划分为多个子集;接着分别对每个子集继续投影分割,最终生成决策树。在八个数据集上的实验结果表明,IEMDT具有较低的训练时间,并且具有较高的分类准确性。(本文来源于《计算机应用研究》期刊2018年04期）
高军,侯广松,孟会增,吴翠娟[7]（2016）在《基于主成分分析的多变量决策树在接线方式识别建模工程化实用化应用探讨》一文中研究指出本文提出一种用于电网接线方式识别的工程化实用化技术,该技术基于主成分分析的多变量决策树,利用机器监管学习的决策树原理,建立电力系统接线方式智能识别软件结构。采用决策树的思想训练接线方式特征模型样本,生成分类器,实现了未知情况下的接线方式识别,且能够不断进行接线方式特征模型学习,对新出现接线方式进行精准的分类识别。(本文来源于《电子测试》期刊2016年12期）
向红艳,金明[8]（2015）在《基于多变量决策树交通事件持续时间预测模型》一文中研究指出基于粗集理论和决策树方法,建立了交通事件持续时间的多变量决策树预测模型。通过分析交通事件的属性特点,运用粗集理论中的属性约简方法,确定了交通事件的核心属性;运用等价关系相对泛化原理构造了多变量组合检验,并根据变量依赖度确定了最优变量组合;以多变量组合判据代替单变量判据建立了决策树模型,利用决策树高度和节点样本数对树的规模进行控制,优化了决策树结构。实例应用表明,该模型对交通事件持续时间的分类和预测能力较强,预测精度较高。(本文来源于《重庆交通大学学报(自然科学版)》期刊2015年03期）
黄俊南[9]（2015）在《基于决策类划分的新型多变量决策树算法》一文中研究指出基于不可分辨关系、复合运算、集合运算和逻辑运算等集合论概念,构造一种新型的多变量决策树算法。该算法包括5个步骤:依据决策属性值划分出决策类;利用决策类之间条件属性集相交判断二义性条件属性值;利用决策类各条件属性值域的不同判断独立决策条件属性值;利用决策类自身条件属性集进行复合运算,获得多变量决策方法;使用或运算符(∨)连接各个部分的决策规则以取得完整的决策规则。以决策树典型训练集(气象信息系统)为例进行验证,其结果表明,该算法行之有效。通过时间复杂度的分析结果表明,该算法较之粗糙集算法更优,而且不亚于ID3算法。(本文来源于《西华大学学报(自然科学版)》期刊2015年03期）
黄俊南[10]（2015）在《基于决策类划分多变量决策树算法的最优逻辑约简法则》一文中研究指出基于决策类划分多变量决策树是一种新型的决策树算法,该算法对训练集分区进行多变量决策运算后,可能取得多个决策逻辑规则。最优逻辑约简法则使用逻辑运算及选择运算构造出一种择优运算方式,以取得最优的逻辑约简规则,是对该算法的一种有效补充。实验证明该算法在取得最优决策逻辑规则方面效果明显,但在现实情况中可依据实际情况不同对引用此法则进行取舍。(本文来源于《榆林学院学报》期刊2015年02期）
单变量决策树论文开题报告
（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：
针对现实世界同等数据与人为变换数据可能产生二义性冲突的情况,提出了一种解决二义性冲突的方案.为选用的数据集进行离散化方式处理,设定初始取值点并变换数据,循环执行新型多变量算法获取冲突数据,补充取值点重划数据区域直至没有二义性数据.这种二义性冲突解决方案快速便捷且易于理解,是对新型多变量算法在此方面的一种有效补充.
（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。
单变量决策树论文参考文献
[1].黄俊南.基于新型多变量决策树算法的Iris的演算过程[J].新乡学院学报.2019
[2].黄俊南.基于新型多变量决策树算法人为二义性数据冲突的一种解决方案[J].宁夏师范学院学报.2019
[3].黄俊南.基于决策类划分多变量决策树天气户外运动分析实例[J].太原师范学院学报(自然科学版).2019
[4].黄俊南.决策类划分的多变量决策树实例运算与优化分析[J].齐齐哈尔大学学报(自然科学版).2018
[5].张宇,包研科,邵良杉,刘威.面向分布式数据流大数据分类的多变量决策树[J].自动化学报.2018
[6].张宇,包研科,邵良杉.基于信息熵和几何轮廓相似度的多变量决策树[J].计算机应用研究.2018
[7].高军,侯广松,孟会增,吴翠娟.基于主成分分析的多变量决策树在接线方式识别建模工程化实用化应用探讨[J].电子测试.2016
[8].向红艳,金明.基于多变量决策树交通事件持续时间预测模型[J].重庆交通大学学报(自然科学版).2015
[9].黄俊南.基于决策类划分的新型多变量决策树算法[J].西华大学学报(自然科学版).2015
[10].黄俊南.基于决策类划分多变量决策树算法的最优逻辑约简法则[J].榆林学院学报.2015