發(fā)布時間：2018-03-14 02:36

  本文選題：C4.5算法　切入點：決策樹　出處：《蘭州交通大學》2015年碩士論文　論文類型：學位論文

【摘要】：隨著各行業(yè)信息化的日益普及,所產(chǎn)生的數(shù)據(jù)量激增,但是卻出現(xiàn)了“數(shù)據(jù)海量,知識貧乏”的局面。數(shù)據(jù)挖掘為解決這個問題提供了新的契機。數(shù)據(jù)挖掘是從大量的、復雜的、隨機的數(shù)據(jù)之中提取有價值信息和知識的過程。在這個過程之中,對數(shù)據(jù)進行分類是數(shù)據(jù)挖掘研究領域比較重要的課題。目前用于分類的方法有很多種,比較經(jīng)典的有決策樹算法、遺傳算法、關聯(lián)規(guī)則、神經(jīng)網(wǎng)絡、粗糙集方法等。決策樹算法因其分類準確率高、容易理解等優(yōu)點被人們廣泛應用。而C4.5算法是決策樹算法中最為典型的算法之一,它不僅繼承了CLS、ID3等算法的優(yōu)點,而且對其部分缺陷進行了優(yōu)化,使其在數(shù)據(jù)挖掘研究領域被眾多研究者所廣知。但是C4.5算法也存在某些缺陷。比如在決策樹構造的過程中,需要對數(shù)據(jù)集進行多次的排序和順序掃描,因而導致算法的低效以及過度分支等問題。鑒于此,本文針對C4.5算法存在的缺陷進行了優(yōu)化,并以地質調查項目信息管理系統(tǒng)中已有的項目數(shù)據(jù)為基礎,利用改進的C4.5決策樹,挖掘出項目投入和項目最終成果之間的關系,為決策者提供了決策依據(jù)。本文的主要研究內容包括:(1)CLS算法、ID3算法和C4.5算法的性能分析和比較。通過比較經(jīng)典算法的特點和優(yōu)勢,為改進C4.5算法提供理論基礎;(2)C4.5算法的改進。針對C4.5算法的缺點,提出一種高效的改進C4.5算法;(3)利用改進C4.5算法,在地質調查項目管理可視化系統(tǒng)中進行數(shù)據(jù)挖掘應用。本文的主要創(chuàng)新點有:(1)提出了一種基于SQL的高效C4.5決策樹算法的實現(xiàn)方案,并引入容錯率的概念進一步提高了算法的執(zhí)行效率;(2)利用優(yōu)化后的C4.5算法對地質調查項目數(shù)據(jù)進行數(shù)據(jù)挖掘,并將數(shù)據(jù)挖掘的結果應用于地質調查項目管理可視化系統(tǒng)之中。本文的研究成果對于決策樹算法的研究者和使用者有著重要的參考意義,為地質調查項目的管理者和決策者提供了決策的理論依據(jù)。
[Abstract]:With the increasing popularity of information technology in various industries, the amount of data generated has increased sharply, but there has been a situation of "massive data and poor knowledge". Data mining provides a new opportunity to solve this problem. The process of extracting valuable information and knowledge from complex, random data. In this process, data classification is an important topic in the field of data mining. The classical decision tree algorithm, genetic algorithm, association rule, neural network, rough set method and so on. The C4.5 algorithm is one of the most typical algorithms in the decision tree algorithm, which not only inherits the advantages of CLSN ID3 algorithm, but also optimizes some of its defects. It is widely known by many researchers in the field of data mining, but C4.5 algorithm also has some defects. For example, in the process of constructing decision tree, data sets need to be sorted and scanned several times. In view of this, this paper optimizes the C4.5 algorithm and makes use of the improved C4.5 decision tree based on the existing project data in the geological survey project information management system. The relationship between the project input and the final results of the project is excavated, which provides the decision basis for the decision makers. The main research contents of this paper include the performance analysis and comparison of the two algorithms, I. e. In order to provide a theoretical basis for improving C4.5 algorithm, an efficient improved C4.5 algorithm is proposed to improve C4.5 algorithm. Data mining is applied in the visualization system of geological survey project management. The main innovation of this paper is to put forward an implementation scheme of efficient C4.5 decision tree algorithm based on SQL. The concept of fault-tolerant rate is introduced to further improve the efficiency of the algorithm. The optimized C4.5 algorithm is used for data mining of geological survey project data. The results of data mining are applied to the geological survey project management visualization system. The research results in this paper have important reference significance for the researchers and users of decision tree algorithm. It provides a theoretical basis for decision-making for the managers and decision makers of geological survey projects.
【學位授予單位】：蘭州交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：P622;TP311.13

【相似文獻】

相關期刊論文 前10條

1 鄒汪平;;一種基于網(wǎng)絡安全控制的蜂群算法應用研究[J];吉林師范大學學報(自然科學版);2013年04期

2 郭毅可;韓銳;;云計算中的彈性算法:概要和展望[J];上海大學學報(自然科學版);2013年01期

3 劉江華;戴新喜;白似雪;;基于模式矩陣的P_Matrix算法[J];南昌大學學報(理科版);2007年05期

4 胡俊鵬;;基于雙向選擇的蟻群相遇算法的優(yōu)化[J];湖北民族學院學報(自然科學版);2013年01期

5 張麗;;關聯(lián)規(guī)則挖掘算法的研究[J];赤峰學院學報(自然科學版);2013年02期

6 吳秋峰;尹海東;孟翔燕;;基于和積和最大積的信念傳播算法的收斂性分析[J];數(shù)學的實踐與認識;2011年09期

7 趙吉東;;蟻群算法的改進策略研究[J];中國科技信息;2012年12期

8 胡森森;周賢善;;一種改進蟻群算法的研究[J];長江大學學報(自科版);2006年10期

9 王恒娜;趙曉靜;;基于屬性覆蓋的關聯(lián)規(guī)則挖掘算法[J];安慶師范學院學報(自然科學版);2007年03期

10 曹建軍;刁興春;李凱齊;邵衍振;;基于進化強度的蟻群算法過程性能評價[J];解放軍理工大學學報(自然科學版);2013年01期

相關會議論文 前10條

1 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會——2004年學術年會論文集[C];2004年

2 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會2004年學術年會論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進的Apriori算法的研究[A];廣西計算機學會2012年學術年會論文集[C];2012年

4 王東鋒;王軍民;陳英武;;模糊定性仿真理論研究與算法實現(xiàn)[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

5 趙唯;;晶粒度評級的改進算法[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 劉啟文;;可擴展的圖形學算法演示系統(tǒng)的研究[A];’2004計算機應用技術交流會議論文集[C];2004年

7 佘智;蔣泰;朱延生;;基于Type C協(xié)議的防沖突改進算法[A];廣西計算機學會25周年紀念會暨2011年學術年會論文集[C];2011年

8 朱紹文;趙培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

9 楊霞;;新的基于啟發(fā)式蟻群算法的QoS路由算法[A];廣西計算機學會2009年年會論文集[C];2009年

10 陳黎飛;姜青山;董槐林;;基于圖形輪廓的快速聚類算法[A];第二十三屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2006年

相關博士學位論文 前10條

1 鐘永騰;基于近場MUSIC算法的復合材料結構健康監(jiān)測研究[D];南京航空航天大學;2014年

2 劉燕;入侵雜草優(yōu)化算法在陣列天線綜合中的應用[D];西安電子科技大學;2015年

3 單美靜;求解非線性實代數(shù)系統(tǒng)的混合算法研究[D];華東師范大學;2008年

4 邱劍鋒;人工蜂群算法的改進方法與收斂性理論的研究[D];安徽大學;2014年

5 潘磊;若干社區(qū)發(fā)現(xiàn)算法研究[D];南京大學;2014年

6 陳俊波;頻繁閉合項集挖掘算法及應用研究[D];浙江大學;2009年

7 陸楠;關聯(lián)規(guī)則的挖掘及其算法的研究[D];吉林大學;2007年

8 范洪博;快速精確字符串匹配算法研究[D];哈爾濱工程大學;2011年

9 寇曉麗;群智能算法及其應用研究[D];西安電子科技大學;2009年

10 劉維;生物序列模式挖掘與識別算法的研究[D];南京航空航天大學;2010年

相關碩士學位論文 前10條

1 安世勇;命題邏輯中隨機3-SAT問題算法研究[D];西南交通大學;2015年

2 畢曉慶;油氣探礦權競爭性出讓系統(tǒng)設計與實現(xiàn)[D];中國地質大學(北京);2015年

3 王明明;鐵路大機與線路固定設施間距檢測算法研究[D];西南交通大學;2015年

4 李靜;基于視頻圖像序列的運動目標檢測與跟蹤算法研究[D];寧夏大學;2015年

5 劉貝玲;基于天地圖的租房平臺開發(fā)及其關鍵技術研究[D];西南交通大學;2015年

6 曹海鋒;IDS中串匹配臭算法并行優(yōu)化研究[D];西安建筑科技大學;2015年

7 周攀;基于蟻群算法的山區(qū)高速鐵路隧道火災應急疏散最優(yōu)路徑研究[D];西南交通大學;2015年

8 張路奇;基于改進蟻群算法的WSN路由協(xié)議的研究[D];中國地質大學(北京);2015年

9 王曉晨;入侵雜草優(yōu)化算法的應用與改進[D];長安大學;2015年

10 信琴琴;手勢控制和識別算法研究[D];閩南師范大學;2015年

，

本文編號：1609225