基于信息增益总体竞争的决策树分裂属性选择算法

提出了一种能在一定程度上避免决策树陷入局部最优的分裂属性选择算法：总体竞争.该方法考虑了候选属性在总体学习样本上的分类能力,以此通过各候选属性的相互竞争,确定决策树增长过程中的分裂属性.以Iterative Dichotomizer 3（ID3）算法为对照的实验数据表明,该方法能以较小的代价获得较高的决策树准确率.     

基于决策树的农业气象灾害等级预测模型

在讨论数据挖掘技术的基本概念、决策树方法的基础上,结合牡丹江地区部分县区风雹灾害数据样本,采用决策树C4.5分类算法,建立了农业气象灾害等级决策树预测模型。通过该预测模型可预测各地直接经济损失程度,为该领域的数据挖掘提供了合理的挖掘模式,并得出了有效的分析结论。     

基于信息决策树分支剔除的传感器资源调度

针对低轨星座对高速运动目标连续跟踪的传感器调度问题，将传感器调度的长时信息增量模型描述为信息决策树，并通过分支剔除技术搜索最优解，提出一种基于信息决策树分支剔除的传感器调度方法.仿真实验表明，长时信息增量有效克服了短时信息增量过于频繁调度的问题，且决策树分支剔除的引入大大降低了长时信息增量最优搜索的运算量.     

基于信息增益法选取柔鱼中心渔场的关键水温因子

西北太平洋海域是我国鱿钓渔船重要的作业渔场之一。影响渔场的环境因子是渔业海洋学的重要研究内容,它有助于理解渔场形成机理和指导渔业生产。根据1998-2008年的8-10月在北太平洋海域（150°E~170°E）不同水层的温度和我国鱿钓船的生产资料,对柔鱼作业渔场分布及其与不同水层(海表面、55 m、105 m) 的温度、水温垂直结构(0~55 m和55~105 m)进行分析,并利用信息增益技术计算作业次数对应的各分类属性的信息增益值。结果表明,8-10月中心渔场的最适海表面温度呈现季节性变化,55 m水层和105 m水层最适温度在9月份相对较低,而对应的0~55 m的温度梯度较大。信息增益值结果表明,影响中心渔场的关键水温因子依次是0~55 m水层温度梯度、55 m水层温度、海表面温度、105 m水层温度和55~105 m水层温度梯度。     

基于信息增益技术的影响渔场环境因子的选定

在渔场分析中,需要确定影响中心渔场的海洋关键环境因子,通过建立模型对中心渔场进行预测.海洋关键环境因子的选取直接影响着预测模型的精确度.文中利用信息增益技术,通过计算北太平洋150°以西海域柔鱼的产量和CPUE(单船平均日产量)对海洋环境中的垂直温度因子(即5 m、45 m、95 m、205 m水层的温度,以及5～45 m、45～95 m、95～205 m水层的垂直梯度)的信息增益值,获得其中影响渔场分布的关键环境因子.分析结果显示:关键环境因子是5 m水层温度、45 m水层温度、95 m水层温度、205 m水层温度和95～205 m温度梯度.K-S检验表明,利用信息增益技术得到的各个关键环境因子是适合的.     

基于遗传算法的组合数据预处理技术

针对现实世界中数据的杂乱性、冗余性和不完整性而提出了一种基于遗传算法的组合数据清理方法.利用这种方法,使得数据在挖掘之前具有更好的完整性和一致性,可以提高数据挖掘模式的总体质量和减少实际挖掘所需要时间.以学生成绩作为试验对象进行了分析和研究,有效地去除了数据中的噪声,试验结果证明了此方法的可行性和有效性.     

基于"3S"技术的通河县土地利用变更调查方法研究

"3S"技术具有快速、准时地采集、存储管理、更新、分析、应用数据的能力,可在较短时间内利用较少的人力、财力掌握资源的基本情况."3S"技术的集成系统构成了动态的对地观测体系,特别是高分辨率遥感技术和GIS的快速发展,为土地利用更新调查提供了坚实的技术支撑.为保持县级土地利用数据的现实性,本文以通河县为例,研究了在"3S"技术支持下的土地利用更新调查方法.     

一种基于特征点检测和信息增益的视觉显著性提取方法

提出一种新的基于两阶段框架的显著性提取方法.在第一阶段,使用颜色增强的Harris特征点检测算法和邻域扩展规则得到图像的粗略显著性区域;在第二阶段,首先经由独立成份分析从预先决定的显著性区域提取出稀疏特征,然后根据提出的信息增益方法确定显著性,图像某点的信息增益定义为以该点为中心的圆形邻域局部熵和环域局部熵的差.最后经过与两种代表性的流行检测算法在人眼跟踪数据库上进行实验对比,验证了所提出方法的有效性以及能够在性能和计算复杂度之间折衷的灵活性.     

施工方案的多目标层次优选决策的研究

层次分析法应用于多目标评价决策，是一种十分有效的定性与定量分析有机结合的方法。本文应用层次分析法对多目标施工方案的决策进行了研究，通过建立判断矩阵，并进行一致性检验，进而得出最优方案。     

基于先验信息的先验分布选择方法研究

借鉴了从参数空间中估计恰当参数的解决方法, 运用于在参数的可选先验类中选择合理先验的问题中, 并借助于贝叶斯分析的相关理论建立了基于先验信息的先验选择方法.     

基于农村信息化建设的信息消费问题研究

随着农村信息化建设的深入,农村信息消费发展迅速.该文分析了农村信息化建设对信息消费发展的影响,在此基础上提出了完善农村信息化建设,促进信息消费的具体措施.     

基于对数熵最优小波包基树的图像编码压缩研究

图像的能量主要集中在高频部分,传统的小波变换图像编码压缩方法主要侧重低频信号,而把高频部分看为不重要的信息,这就导致图像的细节失真。考虑到图像能量分布情况,提出以对数熵为代价函数,选择最优小波包树的图像编码压缩方法,仿真结果表明这种方法不仅可以提高的压缩比,而且重构的图像效果比较好。     

基于多光谱影像和专家决策法的作物分类研究

[目的]探讨基于多光谱影像和专家决策法的作物分类,验证利用单时相多光谱影像区分农作物的可行性。[方法]以呼伦贝尔地区典型农业种植区为研究区,根据野外实测光谱数据,寻找区分研究区主要作物大麦、小麦、油菜的最佳时间,根据作物波谱特征,采用决策树方法,结合光谱角度制图（SAM）等光谱匹配方法,开展了作物分类研究。[结果]利用8月上旬获取的LandsatTM影像,在对影像进行几何校正、大气校正的基础上,构建决策树,成功提取了小麦、大麦、油菜、种植草场的种植信息,分类总体精度达到86.90%,Kap-pa系数达到0.831 1。[结论]以典型时相的多光谱影像为数据源,应用决策树方法提取作物类型信息,具有较好的应用前景。     

基于神经网络的立木枝干测量方法研究

通过神经网络算法完成实现摄像机标定,并将标定方法应用到立木枝干的测量上,实现立木枝干尺寸测量的自动化.该方法包含3个主要步骤:首先是通过图像预处理提取特征点,其次针对树木特点提出改进型神经网络摄像机标定算法,最后对测量方法进行验证并对误差进行分析.结果表明,此方法的测量精度能达到0.1mm,测量误差为±1.40 mm,满足作业要求.     

基于决策树的土地利用分类方法研究

以新疆乌鲁木齐市部分区域为研究区,利用主成分分析法对Spot-5影像进行数据压缩,运用灰度共生矩阵对第一主成份进行纹理信息提取,分析Landsat-7影像的光谱特征值及NDVI和NDBI特征值,确定各类地物的综合阈值,最后运用决策树分类法对Landsat-7影像进行分类.将分类结果与最大然法分类结果相比较,结果表明,决策数分类较最大似然法分类的精度提高了5.66; ,Kappa 系数提高了7.89; .说明决策树分类能够灵活、有效运用纹理等辅助信息,更好地区分光谱特征相似的目标地物,具有更高的准确性.     

基于信息快速读取方法的亳州中药共享物流平台的构建

目前亳州中药的共享物流平台构架层级划分混乱,导致物流资源的调配效率很低,为此构建基于信息快速读取方法下的亳州中药共享物流平台.应用信息快速读取方法 ,对共享物流平台架构的层级进行划分,构建共享物流平台架构,该架构包含应用层、用户层、表现层以及数据层和感知层.整合共享物流资源信息,共享亳州中药物流资源信息.通过平台运作剔...