摘要：该文介绍了利用特征的概率分布进行树分类器的设计。采用了二叉链表表示法来组织决策树的结构，并提出一种分类界面的选取算法以划分特征空间。这种设计已成功地运用在一个工件识别系统中。

摘要：为了提高“C语言程序设计”课程的教学效果,本文采用2020学年度该课程教学中学生的课程学习数据以及期末考试成绩数据作为样本数据,采用决策树分类算法构造决策树分类器,并利用该决策树分类器对2021学年度该课程前期阶段学生的学习数据进行分类,来预测2021学年度学生该课程的考试通过情况,根据预测结果,对分类结果为不合格的学生在后期课程的教学中加强专项辅导,同时根据分类结果为不合格的学生所占的比例,适当调整教学方案,因材施教。

摘要：针对电网总调调度数据信息量剧增,导致信息披露系统的数据信息处理性能较差的问题,构建了一种电网总调调度信息披露不平衡性数据处理模型。通过数据清洗、数据标准化以及数据平衡化对不平衡性数据进行预处理,利用基于人工蜂群算法提取数据特征,构建决策树分类器,并组合成随机森林模型,实现不平衡性数据处理。以红水河水库日来水数据为例,对数据进行不平衡数据处理,结果表明,与对比方法相比,应用该文构建的模型,水库日来水数据的不平衡数据处理结果更好,得到的水库日来水数据趋势更为准确,并能够有效预测未来的日来水情况。

摘要：针对目前电能质量扰动定位与识别困难的问题,提出了基于多特征量的电能质量复合扰动识别方法。该方法将EEMD、改进TK能量算子、Hilbert变换、扩展Prony算法相结合得到信号主要特征量,确定各特征量阈值,设计了决策树分类器进行快速的扰动识别,避免了因训练样本不足引起的较大误差,在较大程度上缩短了识别时间。选取包括10种复合扰动在内的17种扰动信号进行仿真验证,仿真试验结果表明,该方法识别率高,抗噪能力强,可同时适用于单一和复合电能质量扰动信号的识别。

摘要：在信息理论的基础上有效提取信号的熵特征是信号特征提取的方式之一。在熵理论的基础上,提出了基于小波熵的特征提取算法,实现对频率调制信号的类内识别。设计决策树分类器,对不同信噪比下的4种待识别通信信号进行分类。仿真结果表明:基于小波熵理论的特征提取算法能够有效提取不同信号特征,并利用决策树分类器,通过设定阈值进行分类,识别率高,有利于信号的类内识别,具有广泛的应用价值。

摘要：提出了一种对经符号成形的数字通信信号进行调制方式自动识别的方案,该方案将数字已调信号的瞬时特征与功率谱特性相结合,设计了一组对信号信噪比不敏感的特征参数。通过提取经升余弦滤波成形的2FSK等六种常用的数字调制信号的5个特征参数,分别采用决策树和神经网络分类器进行调制方式自动识别。仿真表明,当信噪比为11dB时,采用决策树分类器对除2ASK外的5种信号的识别率在95%以上,神经网络分类器此时对所有信号的识别率达到了98%以上,证明了该方案的有效性和可行性。