基于决策树的数据挖掘算法在空气质量评估中的应用

摘要

空气质量评估是人类保护自然资源、兼顾环境与效益、合理控制污染排放及预防严重污染事件发生的重要评估手段。其中空气质量评估算法则是空气质量评估中的关键。
　　 目前常用的空气质量评估算法有空气污染指数法、模糊综合评价法、欧几里得贴近度法等。但这些算法中存在单因子评价、指数范围的人为因素、指数值界限过于清晰等缺点，在日常使用中还是存在评估的误差。本课题综合分析国内外研究现状，在探讨空气质量评估常用方法的基础上提出结合决策树算法的评估方法。它基于ID3算法多值偏向的特点和属性相似度的决策树具有少值偏向的特点，并将两者结合起来，在选择测试属性时采用属性相似度作为校正系数的信息增益计算方法对空气质量进行评估。
　　 本文结合某市空气质量的具体数据进行仿真实验，分析实验结果表明改进的算法对于决策树的建立和规则的生成，在分类的效率和正确性上都有显著的提高。基于决策树的空气质量评估算法，不仅能指导研究人员正确地分析和掌握空气中污染物的迁移变化规律，而且具有良好的社会经济效益与应用前景。

目录

文摘

英文文摘

声明

第1章绪论

1.1选题的背景和意义

1.1.1研究背景

1.1.2研究意义

1.1.3国内外研究现状

1.2决策树算法的应用前景

1.3本文的研究内容及其组织结构

1.3.1本文研究内容

1.3.2本文组织结构

第2章空气质量评估方法

2.1空气污染指数法

2.1.1分指数的计算

2.1.2确定空气污染指数

2.1.3空气质量评定

2.2聚类分析法

2.2.1基本原理

2.2.2模糊聚类分析法

2.2.3灰色聚类法

2.3欧几里德贴近度法

2.3.1数学模型

2.3.2评价过程

2.4模糊数学法

2.4.1模糊数学模型的建立

2.4.2实例应用分析

2.5粗糙集法

2.5.1粗糙集的基本概念

2.5.2粗糙集评估过程

2.6本章小结

第3章决策树分类算法研究

3.1分析方法分类

3.2数据挖掘算法

3.3常见的分类方法

3.3.1 贝叶斯方法

3.3.2神经网络方法

3.3.3决策树方法

3.4决策树生成基本算法

3.4.1决策树描述

3.4.2常见的决策树方法

3.4.3决策树问题分析

3.5本章小结

第4章基于决策树处理的方案设计

4.1基于决策树处理方案设计

4.2数据采集

4.3特征属性提取

4.4算法改进

4.4.1属性相似度

4.4.2信息熵

4.4.3一般的决策树生成规则

4.4.4改进的决策树算法

4.5本章小结

第5章实验过程与结论分析

5.1算法验证

5.2算法实验流程

5.2.1利用ROSETTA软件实验

5.2.2 ID3算法仿真

5.2.3改进算法仿真

5.3实验结果

5.4实验分析

5.5本章小结

第6章总结与展望

6.1论文总结

6.2展望

致谢

参考文献

攻读学位期间的研究成果