导读:本文包含了决策树学习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,算法,信息,机械波,航次,算子,增益。
决策树学习论文文献综述
李维奇,石本改[1]（2016）在《决策树学习的智能机器人控制方法研究》一文中研究指出随着人类社会的不断进步与现代科技的飞跃发展,智能机器人也成为人工智能科技领域所研究的重要方向。要使得智能机器人具备同人类一样能够自主获取探究知识的能力,这也成为了智能虚拟工作中的关键性内容。本文便从决策树学习的内涵入手,并对其智能机器人的控制方法作出具体探究,以期为各位读者朋友提供参考。(本文来源于《科学家》期刊2016年10期）
郭朝伟,张中炜[2]（2015）在《基于决策树学习的柱状二极管表面缺陷检测系统设计》一文中研究指出研究对象为柱状二极管,管体表面分布着白色文字和极性环。通过光学原理设计出能够减弱反光、打亮侧面的光学平台。同时,从对象分割、特征提取和决策树分类器叁方面讲述视觉软件系统的设计流程:针对文字与缺陷ROI相混的情况,先利用笔画宽度转换(SWT)分割文字,剩下的连通ROI即是缺陷ROI;针对缺陷特征,提出平均灰度、环状度、边缘方向直方图和LBP四项特征值;最后利用决策树分类器对缺陷ROI进行分类,缺陷ROI识别率接近100%,缺陷ROI分类正确率达到92.3%,取到了较好的识别和分类效果。(本文来源于《微型机与应用》期刊2015年06期）
李庭洋,栾新,彭正洪[3]（2013）在《决策树学习算法在交通方式选择模型中的应用》一文中研究指出主要阐述了决策树学习算法在交通方式选择模型中的应用.在基本决策树的基础上,使用随机森林组合学习算法来建立交通方式选择模型,以Bagging预测方法和CART算法为主,以随机特征选择和"投票"方法为辅,并相互融合,结合具体实例详细介绍该模型的建立,从数据的选择到整个森林中树的数目和每个结点处抽取的候选属性的个数调整,并对模型进行了相应的评估.实验结果表明,随机森林预测精度高,且对噪声数据具有较强的稳健性,采用决策树学习算法得出的规则在交通方式选择的分析中具有较好的实用价值.(本文来源于《武汉大学学报(工学版)》期刊2013年03期）
许晴,李凡长[4]（2013）在《上下文决策树学习算法及其在机械波图像中的应用》一文中研究指出机器学习技术在现代各种数据分析中是备受关注的有效方法之一,目前已在众多领域得到广泛应用。文章以目前较为流行的决策树学习为重点,介绍了决策树学习的几个较为成熟的算法,并将相应算法应用到机械波图像分析中,提出了5点、7点与11点上下文决策树学习算法。通过实验验证该处理方法是有效的。(本文来源于《合肥工业大学学报(自然科学版)》期刊2013年02期）
叶萌[5]（2011）在《决策树学习研究综述》一文中研究指出决策树分类学习算法是使用广泛、实用性很强的归纳推理方法之一,在机器学习、数据挖掘等人工智能领域有相当重要的理论意义与实用价值。在详细阐述决策树技术的几种典型算法以及它的一些常见问题后,介绍了它在工程上的实际应用,最后提出了它的研究方向以及它所面临的问题和挑战。(本文来源于《黑龙江科技信息》期刊2011年34期）
赵慧琴[6]（2010）在《基于一般广义熵及非平衡割点搜索的决策树学习》一文中研究指出分类问题是机器学习领域最重要的学习问题之一,而决策树学习算法又是一种典型的分类学习算法。近几年来,对离散值和连续值属性决策树学习算法的研究和改进都已经取得了很大的进展。对于连续值属性的决策树学习算法,学者们提出了多种不同的属性选取标准,但到目前为止,这些选择标准只是处于分析各自的优缺点、比较优劣性的阶段,而没有对多种属性选择标准的共性进行研究。基于此研究现状,本论文主要做了以下叁方面的贡献:本文首先根据已有的决策树属性选取标准—信息熵和Gini-Index所共有的特性,给出了一般广义熵函数的定义,并在此基础上提出了一种新的基于分割一般广义熵的连续值属性的决策树属性选取标准。其次,针对连续值属性决策树产生过程中计算的时间复杂度较大的缺点,我们引入了非平衡割点的概念,并通过严格的数学证明给出割点和非平衡割点的关系,即使分割一般广义熵极小化的割点一定是非平衡割点。这一结论表明在连续值属性决策树的产生过程中,平衡割点处的分割一般广义熵不需要计算。理论和实验分析均表明,对于那些训练规模较大,属性取值较多并且平衡割点相对较多的数据集来说,非平衡割点的引入大大减少了分割一般广义熵的计算次数,提高了算法的效率。最后,运用数理统计中假设检验的方法证明了用一般广义熵函数作为决策树的属性选择标准进行建树,在一定的显着性水平下,它们对数据集的扩展能力没有显着差异。(本文来源于《河北大学》期刊2010-05-01）
夏明星,胡正华,张涛[7]（2010）在《基于决策树学习的航运企业优势航次知识发现》一文中研究指出优势航次即为航运企业根据自身情况善于营运控制的航运任务类型。首先分析了航次优势知识的挖掘对象,即影响航运企业运营的航次任务特征因素,然后将决策树学习的CLS算法与C4.5算法应用到航次优势知识的发现中,最后选取了部分航次案例数据进行实证。(本文来源于《物流科技》期刊2010年03期）
汤文菊,周勇[8]（2009）在《基于决策树学习的陶瓷原料的判别方法》一文中研究指出本文利用数据挖掘中C5.0决策树模型判别分析法建立陶瓷原料分类模型,探讨陶瓷原料的分类方法,研究结果表明:经该模型计算所得的分类结果和实际情况相吻合。该方法有助于在配方过程中遴选陶瓷原料,可在生产过程中应用和推广。(本文来源于《办公自动化》期刊2009年22期）
李瑞,魏现梅,黄明,梁旭[9]（2009）在《一种改进的决策树学习算法》一文中研究指出为提高C4.5算法的准确率引进一个平衡度系数,其大小由决策者依靠先验知识或领域知识确定,在特定环境下人工协调了各属性信息增益率,用改进后的算法构造出的决策树进行分类更为准确、合理。并通过实例分析对改进前后的算法进行了比较,证明改进算法的有效性。(本文来源于《科学技术与工程》期刊2009年20期）
孙淮宁,胡学钢[10]（2009）在《一种基于属性贡献度的决策树学习算法》一文中研究指出文章提出一种基于属性贡献度的决策树算法ICD,该算法利用信息熵理论构建基于样本类别信息分布确定的属性贡献度函数模型,从属性选优上消除了多值属性选择的偏向,将ICD算法与ID3、C4.5算法进行实验对比,数据结果表明该算法具有良好的性能。(本文来源于《合肥工业大学学报(自然科学版)》期刊2009年08期）
决策树学习论文开题报告
（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：
研究对象为柱状二极管,管体表面分布着白色文字和极性环。通过光学原理设计出能够减弱反光、打亮侧面的光学平台。同时,从对象分割、特征提取和决策树分类器叁方面讲述视觉软件系统的设计流程:针对文字与缺陷ROI相混的情况,先利用笔画宽度转换(SWT)分割文字,剩下的连通ROI即是缺陷ROI;针对缺陷特征,提出平均灰度、环状度、边缘方向直方图和LBP四项特征值;最后利用决策树分类器对缺陷ROI进行分类,缺陷ROI识别率接近100%,缺陷ROI分类正确率达到92.3%,取到了较好的识别和分类效果。
（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。
决策树学习论文参考文献
[1].李维奇,石本改.决策树学习的智能机器人控制方法研究[J].科学家.2016
[2].郭朝伟,张中炜.基于决策树学习的柱状二极管表面缺陷检测系统设计[J].微型机与应用.2015
[3].李庭洋,栾新,彭正洪.决策树学习算法在交通方式选择模型中的应用[J].武汉大学学报(工学版).2013
[4].许晴,李凡长.上下文决策树学习算法及其在机械波图像中的应用[J].合肥工业大学学报(自然科学版).2013
[5].叶萌.决策树学习研究综述[J].黑龙江科技信息.2011
[6].赵慧琴.基于一般广义熵及非平衡割点搜索的决策树学习[D].河北大学.2010
[7].夏明星,胡正华,张涛.基于决策树学习的航运企业优势航次知识发现[J].物流科技.2010
[8].汤文菊,周勇.基于决策树学习的陶瓷原料的判别方法[J].办公自动化.2009
[9].李瑞,魏现梅,黄明,梁旭.一种改进的决策树学习算法[J].科学技术与工程.2009
[10].孙淮宁,胡学钢.一种基于属性贡献度的决策树学习算法[J].合肥工业大学学报(自然科学版).2009
论文知识图
