首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 758 毫秒

1.  基于决策树方法的数据挖掘分析  被引次数:1
   侯宇  田静《华南金融电脑》,2009年第17卷第8期
   决策树方法因可以处理大量数据而在数据挖掘和数据分析中应用广泛。本文在描述了决策树方法的一般概念后建立了决策树模型,给出了具体的算法并对其进行了分析。结果表明,该算法可以准确地将数据分类,从而得到若干有价值的结论。    

2.  基于数据挖掘的会计舞弊识别问题研究综述  被引次数:1
   汪士果  张俊民《中南财经政法大学学报》,2011年第1期
   本文检索了近年来基于数据挖掘的会计舞弊识别方面的文献,归类比较挖掘数据、算法以及分类器评价方法和分类效果,为投资者、监管部门和审计师在舞弊识别中选用适当数据和挖掘技术及优化模型提供借鉴。现有研究多对舞弊和配对非舞弊样本进行有标签挖掘,特征值涵盖审计师数据、公司治理数据、财务报表数据、行业和交易数据多个类别。当前研究以反映舞弊三角的综合数据为主,比率数据比账户数据更有效,主要算法包括统计检验、回归分析、神经网络、决策树、贝叶斯网络、堆栈变量法等。其中,回归分析应用最为普遍,神经网络在识别效果和准确性方面总体上优于回归模型,模型辅助检测优于审计师无辅助检测。现有文献还缺乏无标签挖掘和时序数据挖掘研究。    

3.  基于多分类器的移动通信客户信息挖掘  
   钱慧如  徐从富《商场现代化》,2010年第10期
   移动通信领域中的客户信息挖掘是数据挖掘和商务智能领域中典型应用之一,具有较高研究意义和商业应用价值。在基于决策树的数据分类算法基础上,采用相异度计算原理进行分类,重点对移动通信客户是否可能成长为高价值客户的分类进行了研究。测试结果表明,本文所提出的组合分类方法是完全可行的。    

4.  决策树数据挖掘技术在项目冲突管理中的应用  
   何华成《经济师》,2009年第6期
   信息化项目的高复杂性、高风险性对项目的冲突管理提出了较高的要求,目前对信息化项目中的冲突管理研究较多集中于管理理念和理论分析层面,结合文化冲突特点的实证研究较少。决策树方法是数据挖掘及数据分析中广泛应用的技术,具有清晰直观、易于解释的优点。文章通过决策树C5.0算法进行文化冲突研究。通过对项目中六种冲突管理决策类型的分析,提供了依据冲突情景选择应对策略的分类决策方法.为我国企业在信息化项目中遇到的冲突问题,提供了应对方法,同时也扩展了数据挖掘决策树技术的应用领域。    

5.  浅析数据挖掘分类方法中的决策树算法  
   徐枫《商场现代化》,2010年第23期
   分类是数据挖掘、机器学习和模式识别中一个重要的研究领域。决策树分类是一种重要的数据分类技术,本文通过对对各种决策树分类算法的基本思想进行阐述,并分析比较了各种算法的主要特性,为使用者选择算法或研究者改进算法提供借鉴。    

6.  物流决策中决策树分类技术的应用研究  
   薛华  朱杰《商场现代化》,2012年第29期
   为提高物流企业的决策能力,本文提出将数据挖掘技术应用于物流决策,重点讨论了数据挖掘分类技术及其在物流决策中的功能,应用WEK软件J48算法,结合实例对物流决策中决策树分类技术的应用进行了分析研究。    

7.  决策树算法分析及其在实际应用中的改进  被引次数:1
   张林  张昊《铜陵学院学报》,2010年第9卷第6期
   决策树算法是数据挖掘常用算法之一,属于归纳学习方法的一种.它以样本为基础,主要用于分类和预测,其结果比较容易转换为分类规则.ID3算法是一种以贪心算法为核心的典型的归纳学习算法,它采用自顶向下的递归方式生成一棵决策树.ID3算法中使用的数据是理想情况下的数据,在实际应用中,数据在大多数情况下是不能满足算法在理想情况下要求条件,因而也就不能直接使用决策树算法进行分类.所以,在实际应用决策树算法之前,还需要先对数据进行一些处理或改进.    

8.  决策树算法分析及其在实际应用中的改进  
   张林  张昊《铜陵财经专科学校学报》,2010年第6期
   决策树算法是数据挖掘常用算法之一,属于归纳学习方法的一种。它以样本为基础,主要用于分类和预测,其结果比较容易转换为分类规则。ID3算法是一种以贪心算法为核心的典型的归纳学习算法,它采用自顶向下的递归方式生成一棵决策树。ID3算法中使用的数据是理想情况下的数据,在实际应用中,数据在大多数情况下是不能满足算法在理想情况下要求条件,因而也就不能直接使用决策树算法进行分类。所以,在实际应用决策树算法之前,还需要先对数据进行一些处理或改进。    

9.  数据挖掘技术在企业人力资源管理中的应用  
   漆昊晟  欧阳群《企业经济》,2012年第1期
   在经济全球化和知识经济主导的趋势下,人力资源管理在提高企业竞争力、建立核心竞争优势中将扮演更为重要的角色。文章在分析目前企业人力资源管理中存在的局限性的基础上,引入了数据挖掘技术,描述并介绍了数据挖掘技术原理和实现数据挖掘的基本过程,选择采用了决策树分类算法,将决策树模型用于人力资源管理中,获得了成功的应用。    

10.  浅析ID3算法原理及应用  
   邹良颖《华南金融电脑》,2008年第16卷第12期
   数据挖掘在科研和商业应用巾正发挥着越来越重要的作用。分类器是数据挖掘的一种基本方法,决策树是一种最重要的分类器。本文主要讨论决策树的核心算法ID3算法和决策树算法的应用。    

11.  基于数据挖掘的特约商户差别分析  
   杨涛  张成虎《商业研究》,2009年第6期
   随着刷卡消费的日益普及,银商之间矛盾的凸显,如何在大量的数据挖掘中分析特约商户的特点,为制定合理的交换费成为亟待解决的问题。应用数据挖掘中决策树算法来分析特约商户,通过对数据挖掘方法以及ID3算法进行数据处理,发现应用决策树算法对特约商户差别分析能为金融机构进行差别定价提供有益的帮助。    

12.  一种归纳算法的研究与改进  
   李国刚  李艳  李云红《河北工业科技》,2009年第26卷第5期
   机器学习是人工智能应用的一个重要研究领域,分类算法是数据挖掘中的一种重要技术,决策树学习是其中常用的一种方法,本文针对目前在机器学习和数据挖掘领域中普遍采用的典型的决策树分类算法ID3算法存在的缺点提出了一种基于统计理论的统计归纳SIA分类算法,该算法以概率统计学的理论为基础,利用实例中提供给人们的统计规律的信息进行划分归类,从而简化了决策树的剪枝和优化过程,并通过Delphi实现该算法进行仿真试验,具有准确性高,分类速度快的特点。    

13.  数据挖掘算法在债务管理中的应用  
   吴文豪《科技转让集锦》,2011年第12期
   决策树算法是数据挖掘领域的核心分类算法之一,ID3算法镕4是最为经典的决策树算法。本文以ID3教据挖掘算法在债务管理中的应用为例,验证了算法的性能。    

14.  基于决策树技术的信息化项目文化冲突研究  
   刘云枫  何华成《中国会计电算化》,2009年第21期
   企业在信息化项目实施的各个环节中普遍存在各种各样的冲突.对冲突进行有效识别,依据冲突类型选择合适的对策.是降低项目风险、实现项目效益的关键。信息化项目的高复杂性、高风险性对项目的冲突管理提出了较高的要求.目前对信息化项目中的冲突管理研究较多集中于管理理念和理论分析层面。结合文化冲突特点的实证研究较少。决策树方法是数据挖掘及数据分析中广泛应用的技术。具有清晰直观、易于解释的优点。本文通过决策树C5.0算法,尝试运用数据挖掘技术进行文化冲突研究。通过对项目中6种冲突管理决策类型的分析,提供了依据冲突情景选择应对策略的分类决策方法。实验证明,该方法可行。本研究为我国企业在信息化项目中遇到的冲突问题。提供了应对方法,同时也扩展了数据挖掘决策树技术的应用领域。    

15.  数据库技术中的决策树ID3的改进算法分析  
   张俊海《经济技术协作信息》,2008年第9期
   决策树是建立在信息论基础之上,对数据进行分类挖掘的一种方法。决策树方法精确度比较高,结果容易理解,效率也比较高,因而比较常用。至今已经提出了决策树的很多算法,通过分析己知的分类信息得到一个预测模型。本文介绍了经典ID3算法,并在指出传统ID3算法的弊端的基础上,提出了结合ID3算法的优化算法。    

16.  决策树挖掘技术在医学上的应用  被引次数:1
   陈健《福建商业高等专科学校学报》,2009年第2期
   决策树是一种用树枝状展现数据受各变量的影响情况的分析预测模型,根据对目标变量产生效应的不同而制定分类规则,它是建立在信息论基础之上对数据进行分类的一种方法.由于这种方法实现了数据规则的可视化,其输出结果容易理解,精确度较好,效率较高,因而较常用.通过分析决策树理论的数据预处理、生成决策树、导出决策规则及测试等问题,在ID3算法基础上提出基于卡方测试的前剪枝算法,并将其运用于医疗系统的手术诊断数据表的数据挖掘分析过程中,所得到的实验结果与专家诊断结果基本吻合,取得了较好的实际应用效果.    

17.  基于序列决策的成绩分析系统研究  
   赵书慧《中国高新技术企业评价》,2009年第10期
   文章通过对数据挖掘技术的相关分析与比较,提出了序列决策的分析方法,将数据挖掘与统计分析相结合,从海量成绩数据中提取隐藏于其中的有用信息,从而科学指导教学,提高教学管理水平。序列决策是指:采用模糊聚类算法对数据进行分组;采用基于决策树的分类方法,对成绩分析库中数据进行挖掘,生成学生成绩决策树,采用基于总结规则的统计分析方法,进行模型准确性评估。    

18.  数据挖掘分类技术在电信网络风险预警中的应用  
   王恒《价值工程》,2013年第19期
   决策树和人工神经网络是数据挖掘分类任务中两项重要技术,各具特点,对不同的数据类型应采用不同的算法进行相应的研究应用。为了深入地说明各自的特点,根据决策树C5.0算法以及人工神经网络的BP网络模型的原理,按照数据挖掘的标准过程,应用SPSS Clementine作为工具对电信网络风险进行了预警,并对结果进行了比较研究,验证了两种数据挖掘分类技术的一些性能差异。本文分析了数据挖掘技术中常用的决策树和神经网络两种算法,为以后对电信网络风险预警提供了一种研究角度和方法。    

19.  信用卡客户的分类研究  
   张培强《生产力研究》,2011年第4期
   随着时代的发展,各行各业的数据都在成倍的增长,数据挖掘技术可以帮助人们从大量数据中发现有用的信息。文章将决策树分类算法引入到商业银行个人信用卡客户信用度的数据挖掘,在对原始数据进行预处理的基础上,采用ID3算法计算训练样本集中各个属性,建立一颗信用度评价决策树,对信用卡客户实现了较好分类。    

20.  基于数据挖掘技术的信用卡客户的信用评价  
   王明哲《商场现代化》,2007年第22期
   本文以对商业银行信用卡历史客户数据为研究对象,介绍了数据挖掘方法中决策树C4.5算法和关联规则Apriori算法的应用,并通过weka软件进行实证分析,从而为银行信用卡客户信用程度评定提供了决策支持。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号