摘要：目的 为挖掘大众对产品造型意象认知的机理,提出了一种将粗糙集理论和决策树技术相结合的产品造型意象设计方法。方法 首先,在感性工学理论的基础上,获取产品造型设计要素和感性评价数据,并运用粗糙集理论来构建知识表达系统;其次,对决策表属性进行约减,保留贡献值较大的属性,删除冗余属性;最后,通过AAID算法计算得到各个设计要素的重要度排序,在此基础上构建决策树,并通过读树提取相关设计规则。结果 以地铁列车头型设计为例进行研究,得到了影响感性意象“前卫的-过时的”核心设计要素,通过决策树提取到9条设计规则,结果验证了该方法的适用性和有效性。结论 通过对粗糙集理论和决策树技术的探究和应用,提出了地铁列车头型设计思路。研究结论可为其他城市轨道交通工具的产品造型意象设计提供参考依据,丰富轨道交通工具领域的产品创新设计方法。

摘要：光电容积脉搏波(photoplethysmography,PPG)在可穿戴和智能健康设备中具有重要的应用价值。然而,PPG信号在采集过程中由于不可避免的耦合运动产生干扰段,导致信号质量降低。面向PPG信号干扰段实时检测问题,该研究分析PPG信号干扰段产生原因及波形特征,对相邻波峰间的脉搏波数据提取7个特征,并利用双样本Kolmogorov-Smirnov检验来选择显著变化的特征,最后训练决策树模型对干扰段信号进行实时检测。设计实验,采集20名在校大学生的PPG信号构成实验数据集。实验结果表明,所提出方法的平均准确率为(94.07±1.14)%,比常用的干扰段检测算法的准确率和实时性更高。

摘要：农产品供应链稳定对保障市场供应、稳定需求、扩大居民消费需求具有重要意义.新兴技术的应用可以提高农产品供应链的价值,降低传统供应链的风险.因此,本文在机器学习算法的基础上,将贝叶斯算法融入决策树模型,建立了一种用于农产品供应链风险评估预测的模型.首先,基于贝叶斯算法设计了用于风险划分的决策树模型.然后,使用随机变量的权重构建决策树模型用于风险预测评估.最后,将决策树模型应用于农产品供应链(APSC),提出了APSC管理框架,帮助决策者进行评估分析,以降低农产品供应链风险.实验结果表明,对比模型预测风险的性能达到90%左右,而本文提出的模型可以达到95%左右,证明其具有较高的预测准确性.敏感性分析证实,该模型对市场变化具有较高的灵敏度,可以帮助决策者更好地评估农产品供应链风险并及时调整供应链机制.

摘要：本文利用决策树分类算法,设计了一款新型计算机网络入侵检测系统,分别对系统结构、模块功能进行了设计,并从数据获取、数据预处理两个方面给出了此种入侵检测系统的实现方法。通过实验测试了此系统的检测效率及准确率,验证结果表明,利用决策树分类算法构建的计算机网络入侵检测系统可以准确、高效检测出各种类型的入侵行为。

摘要：分层教学是满足不同学生群体的学习需求最有效的教学模式,根据学生学习能力不同,对学生进行精准分类是成功实施分层教学的关键。该文以液压与气动技术课程设计与实验课程为例,分析了影响学生课程设计能力的主要因素,根据支撑本课程的知识体系和培养目标,确定了学生的分类属性,采用决策树智能算法,以往届学生的数据为样本,建立了决策树分类模型,并分析了模型的有效性。

摘要：针对就业创业资源信息分类数据收敛性差、分类准确率低的问题,设计了一种新的就业创业资源信息分类系统。系统硬件利用CAN总线控制器控制接口管理逻辑、时序逻辑和错误管理逻辑等同时工作。整合网络组织模式和P2P网络模式,与客户端建立连接,选用ADuC832混合信号单片微控制器采集就业创业资源信息,实现深入挖掘。确定信息节点增益,建立就业创业资源信息分类决策树,实现信息分类。实验结果表明,系统收敛性最终可达到99%以上,且就业创业资源信息分类准确率更高,具有较强的实际应用效果。

摘要：为了降低暖通空调运行异常识别结果中的噪声,引进决策树算法,以某数据中心为例,开展暖通空调运行异常识别方法的设计研究。通过传感器、仪表和监控系统等工具进行暖通空调运行工况的感知,以此为依据,实现数据中心暖通空调运行数据的采集与预处理;将不同格式、不同来源的数据进行转换和整合,实现基于决策树的元数据特征提取与类别划分;对相同类别的数据进行空间聚类处理,实现数据聚类与异常数据识别。结果表明,使用设计方法进行数据中心暖通空调运行异常识别,能将识别结果中的噪声控制在相对较低的数值。

摘要：针对海量数据中存在的造假与欺诈问题,文中提出了一种基于数据挖掘与改进决策树的数据分析算法来识别其中的异常数据。该算法将主成分分析法与改进决策树算法C4.5相结合,利用数据挖掘技术对海量数据进行预处理,并提取重要特征,通过加入信息增益率的改进决策树算法C4.5识别出异常数据。在海量医疗财务数据中进行的实验仿真结果表明,所提算法的准确率达到了96.91%,且其对数据的预处理操作也使算法的识别速度提升了1.25 s。同时还对各种机器学习算法与数据挖掘技术进行了对比,进而证明了该文算法的识别准确率最高,且与SVM算法相比提升了10.8%。

摘要：由于现有煤炭废气排放影响评价大多采用定性分析方法,缺乏定量的评价模型,导致评价结果不够客观与精确,本文研究基于决策树的煤炭企业废气排放影响评价,以煤炭企业废气中6种主要污染物的排放浓度作为排放影响评价指标,基于决策树构建一个预测分类模型,根据废气排放影响指标与污染程度等级之间的映射关系,预测出废气排放的污染程度,实现煤炭企业废气排放影响的定量评价。实验结果表明,设计方法下煤炭企业废气排放影响评价结果的G-mean值为0.983,反映了该方法预测分类性能优越。

摘要：案例教学法如何较好地应用于机器学习等数据分析类课程,一直是数据科学等专业课程教学研究的热点问题。对此,基于一项电信业调查数据,尝试对机器学习课程中决策树模型进行案例教学研究。首先,结合案例教学目标和案例背景,对课前准备、时间安排和教学内容等课堂教学方面进行了整体性设计研究;其次,从案例数据描述统计分析、特征选择、决策树模型建立和实证结果分析等方面,对案例教学的数据分析过程进行了系统阐释;最后,根据案例实证结果解读,归纳总结出了电信流失客户的基本特征,得出了具有一定应用价值的案例研究结论,为取得案例教学的良好成效奠定了基础。