基于决策树的水火弯板焰道点判定模型研究

目前,船体外板的制造主要是通过水火弯板工艺实现,而焰道的生成作为水火弯板工艺过程中的核心而备受关注。但由于钢材变化复杂,影响因子众多,难以得到有效的焰道。通过建立决策树模型来对钢板材料上的点进行对焰道点和非焰道点归类判定,进而得出可用于生成焰道的焰道点。实验表明,该模型对待测点的归类正确率达87.6%,能够对焰道点进行有效的判定和归类。     

建成环境对城市交通事故严重程度影响研究

针对城市交通事故分析中缺少建成环境因素的系统考虑,以密度、多样性、交通设计、可达性及公共交通临近度等5个维度表征建成环境,同时考虑个体行为、道路情况、事故类型及自然环境4个方面,运用机器学习算法建立融入建成环境因素对城市道路交通事故严重程度影响分析模型;并以重庆市某区的事故数据进行实证分析。研究结果表明：建成环境变量对事故严重程度有较大影响;从变量重要度排序来看,土地利用混合度(14.29%)、快速路及主干路密度(12.43%)、次干路及支路密度(11.54%)、人口密度(11.35%)与可达性(10.96%)的影响程度较高,累计重要度达60.57%;同时各变量与事故严重程度呈现出非线性关系。     

基于卷积和递归神经网络融合的交通状态指数预测

为提高交通状态指数预测精度,方便市民出行规划和提高相关机构管理预见性,创新研究了基于卷积和递归神经网络融合的交通状态指数预测模型.模型将卷积网络和递归网络进行了融合,由卷积神经网络层和递归神经网络层组成.该模型中的卷积网络能自动提取重要影响因子,同时递归网络能捕捉到前后时序特征,结果显示,得到的融合模型在交通状态指数预...     

基于多源数据的公交客流规模关联分析

分析公交客流规模的关联因素,梳理与公交客流规模有关的关联规则,有助于决策者把握整体态势、定义现状问题、细分问题类型。本文以深圳市为案例,以交通小区为分析单元,基于公交IC卡数据、人口数据、兴趣点数据、电子地图路径规划数据、微博签到数据等多源数据,从建成环境、人口密度、公交线网设施、交通可达性等维度,定量地表现影响公交客流规模的关联因素。通过构建决策树模型,揭示公交客流规模与关联因素间的映射关系,提取与公交客流规模有关的关联规则。研究结论为基于多源数据的公交客流规模评价方法提供了一种新的思路,也为公交线网规划提供了决策支持工具。     

基于改进的模糊决策树ETC系统客户欺诈分析研究

随着我国ETC系统的普及，对其进行管理成了急需解决的问题，因利用电子标签和智能卡进行欺诈的行为将给高速公路管理部门带来了极大的损失。介绍了一种改进的模糊决策二叉树模型。即采用最优分割熵方法确定最优割点来对数据模糊化，引入模糊数学中的不确定性理论，依据分类的不确定性建造树，生成规则，在此基础上利用规则匹配的方法检测任意的样本数据是否为欺诈数据。     

水泥混凝土路面修复对策选择方法

本文分析了水泥混凝土路面修复方式选择的过程，在大量调查基础上，筛选了12种水泥混凝土路面修复方式典型对策，分析了各种修复方式的技术适用性，提出了基于决策树的修复方式选择方法，这种方法较好地反映了工程师的经验，体现了较好的技术合理性，为路面修复方式的选择提供了依据。     

决策树法在施工合同管理中的应用

决策树法是投标决策阶段常用的一种定量分析方法，但在施工阶段应用较少，此文介绍它的操作原理，并举例阐述在项目实施阶段合同管理方面的应用。     

公交信息的乘客光环效应

光环效应是一种特殊的非理性心理现象，可利用其改善公交乘客的满意度.本文认为显著维度光环效应指标除了满足对总体满意度作用系数最大外，还应新增 3个基本特征，据此提出了一种新的基于多个特征的显著维度光环效应指标辨识方法，克服了单个特征有时错误识别的缺陷.基于 2017年武汉市公交乘客满意度数据，利用双因素和决策树法辨识潜在的显著维度光环效应指标，缩小辨识范围.利用各分项满意度指标的影响人群比例，评分均值与总体满意度关系，对总体满意度的作用系数，评分方差等精确辨识了显著维度光环效应指标. 研究发现，公交信息服务对 55.42%的乘客具有反向光环效应.改善公交信息服务可显著提高不满意乘客的满意度.     

数据挖掘技术在电信欠费客户流失中的应用

本论文针对xx电信客户流失中的欠费流失客户进行初探。先采用OLAP技术对整个欠费流失的主题进行分析,后应用数据挖掘中的聚类分析算法对欠费流失用户流失前5个月消费行为(话务量、收入、欠费金额)的趋势和年龄、在网时长进行分析,对所聚出类进行解释,最后采用决策树对离散化后的变量进行分析,以此得出结论。     

数据挖掘及其应用和发展

在介绍数据挖掘技术的基础上,讨论了数据挖掘的产生、定义、功能和可以挖掘的模式类型,讨论了数据挖掘的实施过程,分析并给出了实施有效挖掘的具体步骤,重点分析了其过程中的技术手段和核心环节。简要介绍了当前流行的数据挖掘系统,并且指出了现阶段数据挖掘技术的具体应用,最后提出了数据挖掘研究今后的发展趋势。