分类树

摘要： 为了优化公路货运通道线形设计,降低货车事故概率,将车速、圆曲线半径、纵坡坡度、超高横坡度、硬路肩宽度、圆曲线加宽、路面附着系数、车型(载重货车、铰接列车)作为风险因素,利用PC-Crash软件开展事故模拟试验;通过二元Logistic回归分析筛选显著性风险因素,构建货运通道路侧事故概率预测模型;根据概率模型预测结果,借助“累计频率曲线法”思想,给出路侧事故潜在多发点和路侧事故多发点概率阈值,提出了货运通道路侧事故多发路段判别方法;针对路侧事故多发路段,利用分类树CART(classification and regression tree)算法,开展货运通道线形优化设计研究。结果表明:显著性风险因素对路侧事故影响的重要度由大到小依次为车速、圆曲线半径、路面附着系数、车型、硬路肩宽度、纵坡坡度和超高横坡度;对于圆曲线半径R≤400 m、运行速度60 km/h

摘要： 研究根据2016—2017年在山东近海进行的四个季节的渔业资源底拖网调查和胃含物分析数据,应用分类树和生态位重叠指数法等,研究了该海域高眼鲽(Cleisthenes herzensteini)、黄鮟鱇(Lophius litulon)和小眼绿鳍鱼(Chelidonichthys spinosus)3种主要底层鱼类的食物组成及其营养-空间二维生态位的重叠情况,并分析环境因素对其摄食习性的影响,旨在为该海域渔业资源的可持续利用和科学管理提供基础资料。研究发现,这3种底层鱼类均主要以虾类和鱼类为食,属于底栖动物食性。3种鱼类的摄食习性存在一定的差异,可以通过构建分类树将其进行区分。通过CCA分析发现,这3种鱼类的摄食习性受不同的环境因素影响,其中高眼鲽的摄食习性主要与其体长有关,随着体长的增加,高眼鲽会摄食更多的鱼类和虾类;小眼绿鳍鱼的摄食主要与季节有关,不同季节小眼绿鳍鱼摄食鱼类和虾类的比例不同;而黄鮟鱇的摄食主要受空间分布的影响,高纬度的黄鮟鱇摄食更多的虾类,而随着经度的增加,黄鮟鱇会摄食更多的鱼类。黄鮟鱇的营养生态位和空间生态位宽度均最高,而其余两种鱼的营养和空间生态位宽度相对较小。山东近海这3种鱼类的营养生态位重叠指数都较高,但是空间生态位重叠指数较小,在一定程度上可以缓和它们之间的种间竞争。

摘要： 目的用分类树模型对实验室指标预测重症手足口病(HFMD)的效果进行评价。方法共选取2013—2018年4—6月于郑州大学附属儿童医院感染性疾病科住院治疗的100例HFMD患儿(其中重症50例为病例组,轻症50例为对照组),收集患儿的相关实验室检查指标,采用CHAID分类树建立模型以预测重症HFMD的发生风险,之后在对该模型的价值进行评价时,评价指标包括索引图、错分概率Risk值及ROC曲线。结果模型共4层,共13个节点,共筛选出CD19^(+)、α-羟丁酸脱氢酶(α-HBDH)、CD4^(+)/CD8^(+)、S100、谷草转氨酶共5个解释变量;其中在该模型中最重要的预测因素是CD19^(+)。模型错分概率Risk值为0.220。结论分类树模型不仅可以对重症HFMD的发生风险进行有效的拟合,亦可以对变量间的交互作用进行筛选。

摘要： 目的 基于分类树模型对2型糖尿病(T2DM)发病风险进行研究,并评价其应用价值.方法 选取2017年7～10月在桂林医学院附属医院体检部的体检者10361例,进行横断面调查,包括一般问卷调查、体格测量、实验室检测及肝脏超声检查.采用分类树模型筛选T2DM的危险因素.并利用增益图、交叉验证法和受试者工作特征曲线对该模型进行评价.结果 分类树模型筛选出4个解释变量,分别为年龄、非酒精性脂肪性肝病(NAFLD)、三酰甘油(TG)和高血压,其中年龄为最主要的影响因素.该模型重替代估计量和交叉验证估计量分别为0.060和0.061,标准误差均为0.002,受试者工作特征(ROC)曲线下面积为83.5％,模型预测效果较好.结论 分类树模型可以有效拟合T2DM发病风险预测模型,年龄、NAFLD、TG和高血压是主要的影响因素.

摘要： 针对目前长距离引水工程在运行管理过程中存在的监测和检测数据异构、数据种类繁多、管理不规范、效率低下等问题,通过对多源数据种类及获取方式进行分析,构建了基于分类树的数据管理体系,并结合数据库技术,对数据库表结构进行设计,实现对多源数据的优化分类管理。基于此设计了基于B/S架构的长距离引水工程运行期多源数据管理系统,该系统严格按照数据管理体系进行设计,层次明确、结构严谨,方便了系统用户对数据进行统一、高效的管理,为引水工程运行期多源数据管理提供了一种新的解决方法。目前该系统已在某引水工程中投入使用,运行效果良好。

摘要： 对待发布轨迹数据进行抑制处理可以有效降低用户隐私泄露的风险,在传统方法中,对数据集进行全局抑制处理使其满足LKC-隐私模型的方法降低了轨迹数据的可用性,因此,本文提出一种面向轨迹数据发布的优化抑制差分隐私保护算法(OSDP),该算法首先对轨迹数据集的最小违反序列中的点进行有效局部抑制判断,根据抑制优先得分决定抑制顺序,更新最小违反序列集,达到降低轨迹数据集中频繁序列损失率、轨迹序列损失率的目的.其次根据更新最小违反序列集后的轨迹数据敏感信息,建立分类树并向叶子节点中添加拉普拉斯噪声来提高待发布数据的安全性.实验表明,相较于其他算法,本文提出的OSDP算法降低用户隐私泄露风险的同时有效减少了数据损失率,提高了数据可用性.

摘要： 目的 应用分类树方法构建糖尿病肾脏疾病(DKD)发病风险模型,并评价其应用价值.方法 选择2017年2月至2020年8月在南京中医院确诊的285例糖尿病患者,其中DKD患者76例(DKD组)、单纯糖尿病患者209例(对照组),比较两组患者临床资料与DKD之间的相关性,采用单因素、多因素Iogistic回归方法分析DKD的相关影响因素.采用卡方自动交互检测分类树算法建立DKD发病风险的预测模型;采用收益图、索引图、错分概率评价模型的应用价值.结果 DKD发病风险的分类树模型包括3层,共8个结点;共筛选出糖尿病病程、体质量指数、收缩血压、糖化血红蛋白(HbAlc)4个解释变量,其中最重要的预测因素为HbAlc.模型的错分概率为0.149,模型的拟合效果较好.结论 分类树模型不仅能有效预测DKD的发病风险,还可以分析变量间的交互作用.控制长期糖尿病患者的体重、血糖和血压将有助于防控DKD的发生风险.

摘要： 目的 应用分类树构建产后盆底功能障碍性疾病(PFD)发生风险的预测模型,评价盆底表面肌电筛查的应用价值.方法 选取2017年1-12月在南京医科大学附属妇产医院产后检查的975例产妇作为调查对象,进行问卷调查、临床检查和盆底表面肌电筛查.采用分类树模型CRT法建立产后PFD的预测模型,并应用增益表、增益图、索引图、交叉验证法和受试者工作特征曲线对模型准确性进行评价.结果 产后PFD分类树预测模型共4层5个解释变量(分娩方式、慢肌平均值、快肌最大值、盆底肌力、前静息值).预测结果显示,阴道分娩且慢肌平均值≤13.65μV时,产后PFD的发生率88.8％;而剖宫产且快肌最大值>36.85μV时产后PFD的发生率51.8％.分类树模型预测的ROC曲线下面积(AUC)为68.2％(95％CI:0.643～0.722).结论 盆底表面肌电筛查在预测产后PFD的发生中有一定价值.阴道分娩且慢肌平均值≤13.65μV时易出现产后PFD,而剖宫产且快肌最大值>36.85μV时产后PFD的发生率明显降低.

摘要： 目的 了解自2015年以来中国各省市脑卒中发病情况并进一步探讨其危险因素之间的交互作用.方法 基于中国健康与营养调查2015年数据,选取年龄、户口类型、受教育情况、省份等变量和吸烟、饮酒、体育运动偏好等数据构建多因素Logistic模型和分类树模型,探讨当前中国脑卒中的发病情况及其危险因素之间的交互作用.结果 当前中国居民脑卒中总体发病率为1.4％(1386/10万),地理位置上脑卒中发病率最低的是重庆市,最高是河南省,其次是湖北省和上海市.多因素非条件Logistic回归分析显示,性别、年龄、工作、高血压、糖尿病、心肌梗死、睡眠时间、省份是主要危险因素.χ2自动交互检测分类树模型显示:高血压是脑卒中发病的首要危险因素,年龄、工作、工作类型、吸烟、睡眠是脑卒中发病的重要影响因素.结论 高血压、心肌梗死、糖尿病、睡眠时间、工作等与中国居民脑卒中发病关系重大,另外脑卒中的防治工作要结合人口学、社会经济学特征和健康相关行为有针对性地开展.

摘要： 针对当前深基坑工程设计与管理过程中多源头、多形式的混合施工信息无法有效地结合在一起,以及传统的深基坑监测数据可视化方式单一的问题,开发出一种基于混合数据分类树的深基坑CAD系统.首先结合工程构件的特点,对深基坑进行了参数化建模;根据工程实际需要,将多种数据可视化方法与深基坑的监测数据相结合;利用分类树将深基坑的混合数据加以整合呈现.通过施工实例验证了基于混合数据分类树的深基坑CAD系统的有效性与实用性.从结果可以看出该系统可以直观展示深基坑施工场景与监测数据,帮助施工者更加方便地掌握、管理施工过程.

摘要： 以聚合釜聚合物质量估计为目标，提出了一种基于分类树的组合支持向量机的建模方法。在利用分类树的过程中提出了一种基于样本特征的分类方法，对划分出的子集分别建立单一支持向量机，然后将其建立组合支持向量机模型。仿真结果表明，以聚合釜聚合物质量估计为目标，提出了一种基于分类树的组合支持向量机的建模方，基于分类树的组合支持向量机具有更高的预测精度。

摘要： 轴系故障一直是困扰电力生产的主要问题,基于专家系统的轴系故障诊断方法由于存在知识获取困难、诊断精度不高的问题而没能得到普遍的推广应用.本文提出了基于归纳学习的分类树构造方法,本方法可以同时处理符号型数据和数值型数据,并且很容易的将分类树转化为诊断规则.进一步分析了基于分类树归纳的诊断规则抽取方法对噪声的容忍能力,在不同噪声类型和噪声规模下,发现属性约简和剪枝技术都能有效的提高诊断规则的泛化性能.为实现故障诊断系统的自学习提供了可行的途径.

摘要： 在数字图书馆中应用分类树实现中图分类法能够给用户和存储带来很多方便,而且实现起来也比较容易.

摘要： 探讨影响广州市中老年人群脑卒中发病的主要因素以及交互因素,应用分类树法构建脑卒中风险预测模型.结论表明广州中老年人群吸烟和饮酒、重体力活强度过高、高血压患者、坐位时间过长缺乏运动锻炼者等因素会加大脑卒中发生概率，通过模型可初步预测发病概率，进而指导采取针对性干预措施。本研究在探索危险因素的主效应和交互作用以及对疾病发生概率的预测有比较好的效果，可以拓展到其他慢性病的交互项探索研究当中。

摘要： 随机森林(Random Forests Algorithm,RFA)是一种包含多个分类树的组合分类器,其特点是在形成分类器的过程中能够对特征参量的重要性进行评估.论文将随机森林算法应用于某型坦克变速箱振动信号的特征选择中,采用了3类36个60维的特征样本集,选择产生了5个重要特征参量,采用k-近邻法对降维后的特征样本集进行分类,状态识别正确率最高达100%.

摘要： 因台湾地区肇事案件不断增加,再者事故发生后导致之人身伤害、法律争议、损害赔偿等问题，与当事者对自身权益保障日益重视,导致申请鉴定案例持续增加,因此为避免鉴定委员会人力不足与鉴定准则不一之问题，故运用所建置之数据库及人工智能方法开发两车事故碰撞鉴定支持系统。该系统可依据鉴定案例之属性值,自动输出判定肇事责任之信息,便于鉴定委员进行鉴定作业时之参考,藉以提升肇事鉴定之判中率。本决策支持系统所引用数据库之案例共计有2634件复议会与车鉴会鉴定结果一致之案例,并分成三种事故碰撞类型,分别为汽车对汽车、汽车对机车以及机车对机车等类型,分别以数据之80％进行模式训练及20％加以验证,并获得分类树有71.92％之验证判中率,以及类神经网络之67.17％之总平均判中率。rn 最后透过Visual Basic.net进行接口撰写开发,提供友善界面下点选变量选项,并输出分类树、类神经网络之预测结果,输出数据含整体数据库相关类型之百分比,做为使用者于事故鉴定参考之用。

摘要： 网络带宽的激增对网络入侵检测系统(NIDS)的检测速度提出越来越高的要求。分类算法作为一种有效降低数据包待匹配规则集的方法,其效率对后继检测算法影响重大。研究了适用于GIDS的经典分类算法Hicuts和针对它的修改升级算法Picuts,针对Picuts没有考虑报文域的特征对于分类树的影响的缺点提出了基于最大属性熵的分类树本地优化策略和新的分类树生成算法MaxFeatureEntropy。最大属性熵策略从理论上保证减小决策树高度。采用开源的snort1.8.7的规则集作为实验数据,结果表明:当每结点包含规则数阀值等于6时,其空间消耗只有Hicuts的10﹪,是Picuts的60﹪,速度上较之Hicuts提升了44.4﹪,较之Picuts提升了20﹪。

摘要： 本文对个人信用理论的发展及内涵进行了简要的概括总结,对个人信用评分模型的统计学方法、运筹学方法和人工智能技术方法进行了归类.并着重对信用评分模型的Logistic回归方法、分类树方法和神经网络方法进行了比较研究.最后得出了分类树模型比Logistic回归模型有更好的分类效果,在三个模型中稳健性最好;神经网络模型的精确度性最高,比另外两个模型的性能更好更强,但模型的稳健性不是很好,在信用评分应用质量方面只对信用极好或极差的客户有所保证.

摘要： 本文研究了企业信用评估中模型问题.以商业企业为例,阐述了基于BP神经网络的信用评估模型的原理,通过建立指标体系,讨论基于BP神经网络的评价模型的实现,对模型的不足进行了分析,并提出改进建议.

摘要： 本文研究了企业信用评估中模型问题.以商业企业为例,阐述了基于BP神经网络的信用评估模型的原理,通过建立指标体系,讨论基于BP神经网络的评价模型的实现,对模型的不足进行了分析,并提出改进建议.

摘要： 本发明公开一种决策树生成方法及设备、基于决策树的报文分类方法及设备。该决策树生成方法包括：将原始规则集中的规则转化为决策树的范围数组；由根节点开始，采用多比特前缀与HiCuts算法结合的方式裁剪，直到每一节点的规则数小于预设值。该基于决策树的报文分类方法包括：提取报文中的源、目的IP地址，并将其转换为决策树查询数组；由根节点开始查找，根据裁剪的维及裁剪的次数进行依次查找，直到获得叶子节点；将报文查询数组与叶子节点中的规则进行比较，获得与该报文匹配的规则。本发明通过采用比特前缀与HiCuts结合生成决策树，减少了该决策树的深度，使得基于该决策树进行查找时既提高了查询效率，而且还节省了内存的占用空间。

摘要： 基于决策树分类和故障码分类的车辆远程诊断与备件检索的方法，属于信息检索领域，由于不同的备件在主组号相同的情况下，分组号仍有差异，为了能够解决精确匹配备件的问题，技术要点是：对故障码识别和分类；解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车身类型、发动机变速箱类型；对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信息，并建立索引，形成诊断知识库；创建语言模型，建立细胞词库，在所述细胞词库中切词检索细胞词，并排列所述细胞词，利用决策树模型的决策分类，形成故障码对应工项的诊断数据库；将诊断数据库与诊断知识库关联，并建立主键；效果是：可在获取故障码后，快速找到常见故障的解决方案和对应备件、工项。

摘要： 本发明提供了一种基于分类决策树的内容发布智能分类方法，属于内容管理系统和数据挖掘领域。所述方法应用的系统通用架构包括：内容数据采集模块、分类策略模块、分类决策树训练模块；所述方法结合机器学习的监督学习方法，将内容管理系统中已有的内容信息作为训练数据集合，并利用此训练数据集合基于决策树学习算法生成分类器；所有发布内容都基于相同的发布途径，发布后由所述分类器根据发布内容的特征值判断该发布内容的类型，从而完成整个发布过程。本发明改善了内容发布的用户体验。发布后内容的类别由系统判断，而非用户选择，发布流程更加智能化。

摘要： 本发明公开一种决策树生成方法及设备、基于决策树的报文分类方法及设备。该决策树生成方法包括：将原始规则集中的规则转化为决策树的范围数组；由根节点开始，采用多比特前缀与HiCuts算法结合的方式裁剪，直到每一节点的规则数小于预设值。该基于决策树的报文分类方法包括：提取报文中的源、目的IP地址，并将其转换为决策树查询数组；由根节点开始查找，根据裁剪的维及裁剪的次数进行依次查找，直到获得叶子节点；将报文查询数组与叶子节点中的规则进行比较，获得与该报文匹配的规则。本发明通过采用比特前缀与HiCuts结合生成决策树，减少了该决策树的深度，使得基于该决策树进行查找时既提高了查询效率，而且还节省了内存的占用空间。

摘要： 本申请提供了一种基于分类决策树模型的分类方法、装置、电子设备、计算机可读存储介质及计算机程序产品；应用于第一参与方设备，方法包括：获取第二参与方设备发送的分类决策树模型中目标叶子节点的标识；基于目标叶子节点的标识、分类决策树模型中叶子节点的标识和相应分类类别评分的映射关系，得到目标叶子节点对应的分类类别的评分；对评分进行隐私保护处理，得到相应的扩展评分；将扩展评分发送至第三参与方设备，以使第三参与方设备对至少两个第一参与方设备发送的扩展评分进行融合处理，得到待分类数据对应的分类结果并返回至第一参与方设备；接收并输出待分类数据对应的分类结果。通过本申请，能够提高分类预测的准确率。

摘要： 本发明公开了一种分类树构建方法及基于该分类树的数据处理方法，分类树构建包括以下步骤：1)初始化分类树；2)遍历结点，判断是否可分；3)计算分裂属性；4)进行结点分裂，记录分裂信息；5)标记叶子结点；6)分类树的生长。常规的分类树只支持离散型和连续型的特征属性，本发明提出分类树构建方法，使之能够支持向量型的特征属性，从而对样本数据进行更为准确的分类预测。

摘要： 本发明提供了一种对象识别设备、分类树学习设备、该对象识别设备的操作方法和该分类树学习设备的操作方法。该对象识别设备可包括：输入单元，接收作为输入的表示将被分析的对象的深度图像；以及处理单元，通过使用分类树从深度图像识别该对象的可见对象部分和隐藏对象部分。

摘要： 本发明公开了一种基于分类树和判定树的图形化的需求分析及测试用例生成方法，具体包括：绘制分类树：基于用户需求识别测试对象，利用分类树对被测对象的输入、输出空间进行分类并逐层分解，直至分解到用于参数组合的最小单元，并对每个最底层的参数选取用于后续参数组合的代表值；绘制判定树：基于用户需求对分类树拆分出的参数间的业务逻辑关系以树形结构方式表示；设定参数分组和组合强度，将组合参数进行分组，并设置不同分组内的组合强度同时定义组间的默认组合强度；采用测试需求分析结果及正交优化算法生成测试用例；该方法在测试设计阶段：基于测试需求分析结果智能生成测试用例，极大的提高了测试需求分析与测试设计的关联性。

摘要： 本申请提出了一种基于分类树构造的细粒度图像多分类方法，涉及计算机视觉技术领域，其中，该方法包括：收集多分类图像数据，划分为训练集和验证集；基于训练集和验证集构造多类别的二叉树拓扑结构；在二叉树的每个非叶结点训练二分类模型；获取待预测的图像数据，输入到二叉树结构中逐层二分类直至叶结点，得到图像对应的最终类别。采用上述方案的本申请能够降低细粒度多分类的难度从而提高分类精度。

摘要： 本发明公开了一种基于条件分类树的法律判决文书多分类方法、装置和终端，方法包括以下步骤：S1、先验信息抽取：抽取能对数据集进行粗粒度划分的先验信息，形成特征域；S2、文本聚类：基于能对数据集进行粗粒度划分的先验信息进行聚类操作，得到初始类别；S3、基于特征域生成叶节点；S4、对一篇未知文本f进行分类时，首先根据贝叶斯概率模型将其归入某个初始类别，然后通过分类树推断其具体所属类别。本发明通过先验知识将复杂的多分类任务转化为二分类任务的组合，在分枝过程中确定最优划分方式使分类器数量最小化，通过这种方式减小由于待分类类别增加而对分类效果带来的不良影响。