首页> 中文学位 >决策支持系统中的模型选择研究——决策树分类算法
【6h】

决策支持系统中的模型选择研究——决策树分类算法

代理获取

目录

文摘

英文文摘

声明

绪论

第一章 决策支持系统概述

1.1决策支持系统的定义、产生与发展

1.2决策支持系统的功能

1.3决策支持系统的体系结构

1.3.1人机交互子系统

1.3.2数据库子系统

1.3.3模型库子系统

1.4决策支持系统中的模型问题

1.5本章小结

第二章 决策模型介绍

2.1模型的定义

2.2模型的用途

2.3模型的分类

2.4模型选择

2.4.1模型选择的分类

2.4.2模型选择的步骤

2.4.3模型结构选择

2.5本章小结

第三章 决策树分类算法综述

3.1决策树介绍

3.1.1决策树的描述

3.1.2决策树的生成过程

3.1.3决策树分类算法的性能评价

3.2常见决策树分类算法介绍

3.2.1 ID3算法

3.2.2 C4.5算法

3.2.3 SLIQ算法

3.2.4 SPRINT算法

3.2.5几种常见算法的比较

3.3本章小结

第四章 C4.5算法的研究

4.1 C4.5算法描述

4.2属性选择标准的改进

4.3算法构建流程

4.4算法数据结构

4.5算法实例分析

4.6算法实现

4.7本章小结

第五章 决策模型的建立与评估

5.1系统总体构架

5.2模型的建立过程

5.2.1问题定义

5.2.2数据收集

5.2.3数据预处理(清洗、提取、转换、加载)

5.2.4模型的建立

5.2.5决策规则的生成

5.3模型评估

5.3.1决策树选择属性分析

5.3.2决策树规则分析

5.3.3决策树性能分析

5.4本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢

展开▼

摘要

随着计算机科学与技术的发展,计算机被应用到各行各业。决策支持系统(DecisionSupport System,简称DSS)越来越被人们重视,决策支持系统的模型系统也同样受到人们越来越多的重视。
   早期决策支持系统的模型系统将模型作为数据或子程序存储,并采用类似数据管理的办法对模型进行管理。随着决策问题日益复杂化和支持知识处理的需要,这种简单的模型系统已不能适应新的决策需求。
   近年来,在模型选择方法和模型选择知识处理等方面取得了一些进展。但因为模型选择是一个比较困难的问题,至今这方面的成果还很有限,绝大多数研究成果还不能实现自动模型选择,而是依靠专家经验进行选择。基于这种情形,研究模型的自动选择具有一定的理论价值和深远的意义。
   本文对典型决策树分类算法进行研究后,针对规则生成方法对决策树算法进行了改进。在属性的信息熵和信息增益的计算公式中加入一个根据专家的先验知识和领域知识而定义的平衡度系数,将其加权和变为加权和与系数的和,从而可以增加某些属性的信息熵,相应的降低其他属性的信息熵。用改进后的决策树算法建立的决策树比原决策树更紧凑、简单,这不但可以加快决策树的生长,而且可以得到结构比较好的决策树,以便从中挖掘出更有价值的规则信息。
   文章最后通过建立某大型超市决策模型对改进后的决策树算法进行实例分析,并依据UCI公共数据库中的4个标准数据集为数据源,对建立的决策树模型进行了模拟仿真测试。实验证明,改进算法在基本上不改变原来算法预测精度的基础上,建立的决策树模型更紧凑、简洁。减少了决策者的劳动量,更易于被决策者们所采用。最后总结本次研究所取得的成果,提出不足与待改进的部分,供以后继续研究。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号