摘要：基于数据挖掘技术构建了在线学习行为评估系统。利用c4.5算法挖掘学生在线学习行为与学习效果的历史数据,建立“学习行为—效果”模型。用此模型评估未来学生的在线学习状况,给出形成性评估的成绩。通过测试,评估结果较准确,教师和学生的认可度达90%以上。系统的应用为在远程教学环境下客观、公正、合理的评估学生在线学习提供了有效方法和手段。

摘要：针对网络恶意软件威胁日益严重等问题,研究了恶意软件常采用的通信方式———隧道技术,并提出了一种基于c4.5的HTTP隧道检测算法。该算法采用决策支持树算法c4.5提取网络流特征字段,根据特征字段生成训练数据建立HTTP隧道分类的决策树检测模型,采用该分类模型检测HTTP隧道流,为检测恶意软件提供依据。实验结果表明,与同类算法相比,该算法不依赖样本空间的分布,能准确地检测HTTP隧道流,具有良好的有效性和稳定性。

摘要：基于特征相似度的论文元数据抽取算法与传统的DOM树方法相比,提高了论文元数据的抽取成功率。但论文元数据的抽取效率却不高,而论文元数据的抽取与蜘蛛的论文爬取是同时进行的,对元数据的抽取有实时性要求,因此影响了论文数据量的增加。经过比较研究,利用决策树中的c4.5算法对特征相似度算法进行改进,论文元数据的抽取成功率提高了2%,抽取效率提高了62%。

摘要：随着社会发展,人们生活方式的变化,疾病也伴随而来。针对这一情况优质的医疗服务已必不可少了。因此基于BP_K-c4.5算法设计了一款高血脂辅助诊断系统。本系统理论基础是:首先用BP神经网络算法对数据集进行特征选择,然后构建K-c4.5分类预测模型。由于BP神经网络算法具有强自适应、容错性和自组织性等优点,综合改进后的分类预测模型降低了算法的复杂度,增强了算法的稳定性。实验结果表明改进后的算法具有较高的分类精度和效率。基于改进的算法设计的高血脂辅助诊断系统,能很好地辅助医疗进行诊断,给医护人员带来便利。

摘要：页面分类是Web信息处理的一个基础性问题,而页面分类算法是页面分类中设计实现分类器的理论基础.在页面分类算法领域,目前最典型的分类算法包括决策树算法、贝叶斯算法、KNN算法等.笔者讨论了这几种典型的分类算法的理论基础,分析了每个算法的优缺点,最后,笔者给出了一种基于c4.5算法的Web页面分类器的实现过程.

摘要：在GIS局部放电模式识别研究中,为解决传统决策树方法中只针对单一特征及有限模式进行学习而导致决策树结构复杂、预测准确率不高、对噪声数据的抗干扰能力差等问题,提出综合多类特征的AdaBoost决策树识别方法。设计实验并通过超高频方法采集GIS中高压导体毛刺放电、悬浮电极放电、气隙放电、微粒放电及手机、灯光干扰信号,从p-q-n图谱的统计分布、q-t图谱的矩分布、q-n图谱的Weibull分布三个不同角度提取特征,研究单一及综合形式的特征对c4.5决策树及AdaBoost决策树的识别效果的影响。实验及现场检测的识别结果表明综合三类不同特性的特征并通过AdaBoost方法生成决策树,能有效优化决策树的识别性能,提高决策树的时间和空间效率。

摘要：为解决传统冷链物流过程信息判异效率低、历史数据不完善等问题,设计一种基于统计过程控制(SPc)的冷链物流环境监控系统。根据下位机采集的环境数据特点,利用c4.5决策树制定物流阶段分类规则,结合统计过程控制思想建立适于冷链物流的环境分析方法。在此基础上利用LabVIEW软件开发监控平台,借助云数据库实现数据存储,提高数据共享水平。测试结果表明,该系统物流阶段定位准确、环境数据判异效率高、具有较强的反演品质变化能力。

摘要：针对农作物病虫害诊断过程中缺失值会降低分类精度的问题,分析数据集缺失值的填充问题,提出结合贝叶斯理论的决策树分类算法。在分类模型基础上,通过贝叶斯方法预测并填充缺失值对c4.5决策树算法进行改进,用c4.5决策树算法对病虫害分类诊断。将此方法和c4.5算法在不同数据集上进行测试比较,验证了该算法的有效性。

摘要：对入侵检测的现状进行了分析,并以决策树方法为例子,介绍了数据挖掘技术在入侵检测中的应用。在对c4.5算法的基本流程进行描述的基础上,结合入侵检测中获取的数据集,利用c4.5算法实现对数据的分类,并进行了规则的提取,结合数据结构中查找算法的思想对加快规则库匹配方法上提出了改进意见。对决策树方法今后将会面临的问题进行了分析和阐述,并指明了今后的研究方向。

摘要：针对当前决策树算法较少考虑训练集的嘈杂程度对模型的影响,以及传统驻留内存算法处理海量数据困难的问题,提出一种基于Hadoop平台的不确定概率c4.5算法——IP-c4.5算法。在训练模型时,IP-c4.5算法认为用于建树的训练集是不可靠的,通过用基于不确定概率的信息增益率作为分裂属性选择标准,减小了训练集的嘈杂性对模型的影响。在Hadoop平台下,通过将IP-c4.5算法以文件分裂的方式进行MapReduce化程序设计,增强了处理海量数据的能力。与c4.5和完全信条树(ccDT)算法的对比实验结果表明,在训练集数据是嘈杂的情况下,IPc4.5算法的准确率相对更高,尤其当数据嘈杂度大于10%时,表现更加优秀;并且基于Hadoop的并行化的IP-c4.5算法具有处理海量数据的能力。