导读:本文包含了分析决策算法论文开题报告文献综述及选题提纲参考文献，主要关键词:决策树算法,高职院校成绩分析,应用
分析决策算法论文文献综述
梁利亭[1]（2019）在《决策树算法在高职院校成绩分析中的应用研究》一文中研究指出通过对学生的成绩进行分析,能够让高职院校在开展教学的过程中做出更准确的决策,本文首先总结进行成绩分析对高职院校教学的作用,介绍了决策树算法的具体内容,并对如何在高职院校的成绩分析当中使用决策树算法进行了分析。(本文来源于《湖北开放职业学院学报》期刊2019年22期）
武君[2]（2019）在《主成分分析对决策树算法精度的影响——基于创业企业风险识别的实证》一文中研究指出本文使用风投企业风险识别案例,用四种决策树算法,对比了提取主成分前后算法精度的变化。结果表明,提取主要成分后,四种算法中只有C5.0算法的精度获得了提高,而其他叁种算法提取主成分后的精度反而有所下降,并且C5.0算法在未提取主成分时的精度已高于其他叁种算法,可见在风险识别案例中先提取主成分再使用C5.0算法后精度较其他叁种算法高。(本文来源于《科技经济市场》期刊2019年11期）
韩存鸽[3]（2019）在《统计分析及决策树算法在高校就业指导中的应用》一文中研究指出对福建某高校二级学院2016年毕业生就业信息进行预处理,从统计分析、构建决策树模型两方面开展研究。在Weka中采用C4.5(J48)算法构建了决策树,根据分析及构造的决策树模型,从人才培养方案、奖励制度、在校学生的就业规划提出了相关建议,为就业指导部门和高校领导提供一定的决策帮助。(本文来源于《湖南工业大学学报》期刊2019年05期）
申彦博,袁洁,纪淑娟,张纯金[4]（2019）在《加权叁支决策增量软聚类算法及性能分析》一文中研究指出现有的增量聚类算法虽然解决了数据增量和类簇重迭问题,但在距离度量时没有考虑属性重要度不同,且普遍拥有较高的时间复杂度。针对以上问题,提出一种基于属性重要度的加权叁支决策增量软聚类算法(W-TIOC-TWD算法),将属性重要度考虑到距离度量中,弥补了现有算法在聚类过程中将所有属性的重要程度视为相等的不足。该算法还引入离群点概念,降低了算法的时间复杂度。基于人工数据集和UCI数据集的实验结果表明,W-TIOC-TWD算法的聚类准确率优于比较算法。(本文来源于《软件导刊》期刊2019年08期）
黄海燕,刘晓明,孙华勇,杨志才[5]（2019）在《聚类分析算法在不确定性决策中的应用》一文中研究指出为了更快地获取有用的决策信息,结合当下人工智能技术的发展新趋势,基于K-MEANS等聚类分析算法尝试性地对决策信息进行分析聚类。提出决策信息概念模型,以更好地表述决策信息,方便信息分析处理;结合具体数据实例,将聚类算法应用到不确定性决策中,实现对决策信息的分类推荐,方便快速挖掘关键信息,减少决策时间。最后,研究基于聚类分析算法的评价决策方法,提出聚类信息可用性指标,为度量决策信息中的聚类效果提供一种度量标准。(本文来源于《计算机科学》期刊2019年S1期）
胡明明[6]（2019）在《决策树算法在学生课程成绩分析中的应用研究》一文中研究指出随着数据挖掘领域的兴起,它在教育领域也已经得到了广泛的应用并取得了不错的成效,教育数据如学生的成绩数据、教学管理数据也更加受到关注和重视,人们开始意识到教育数据不能仅仅停留在存储、查询及简单的统计阶段,在实际教学中及时发现实际教学中存在的问题或影响因素已经成为了提高教学质量的关键,研究者们尝试运用不同种类的方法对教学数据进行评估和测量,进而发掘这些教育数据中潜在的有价值的信息以用于改进教学,促进学生的发展。本研究以我校2014级本科学生的师范类课程“现代教育技术应用”的成绩作为研究对象,将已有的数据及信息进行汇总,提出了研究预设,即学生的性别、学科性质、任课教师职称、班额设置、课程成绩中的各部分占比例成绩(考试成绩、平时成绩等)会对学生的成绩产生影响,运用决策树算法中的C4.5算法对这些数据进行数据挖掘,根据具体的研究需求构建了考试成绩、平时成绩与课程最终成绩,各部分占比例成绩与平时成绩,班额设置、性别、学科性质、任课教师职称叁个决策树模型以验证之前的研究预设,探究这五个因素会对学生的成绩产生什么样的影响,进而结合教学评价方面的知识有针对性地提出合理化建议,为教师及学生提供参考以最终达到提高学生的教育技术能力的作用,同时也为提高教学质量提供了数据支持。(本文来源于《哈尔滨师范大学》期刊2019-06-01）
张小奇[7]（2019）在《基于决策树算法的教学管理数据分析》一文中研究指出随着高校招生规模的不断扩大,高校教学管理工作越来越繁重,积累的相关数据也越来越多,如何有效的利用这些数据,分析影响学生培养的因素,完善学生培养方式,是高校发展的关键。结合高校的教学数据,采用数据挖掘技术,将当前的教学管理数据转化成可供使用的信息,通过对数据的分析,挖掘影响学生成绩的内在因素,为高校学生培养方式的完善提供理论指导,为教学改革提供决策依据。研究结果表明,要提高高校教育教学水平,在课程安排上要结合培养专业的需求情况进行分析指导,对考试题目进行优化,改进教学方法、教学评价,依据学生成绩数据分析,指导学生培养中的理论和实践课安排,确定合适、合理的学生培养方案。(本文来源于《青岛大学学报(自然科学版)》期刊2019年02期）
黄超,廖玉芳,蒋元华,彭嘉栋[8]（2019）在《决策树算法在油茶种子含油率模拟及关键气象因子分析上的应用》一文中研究指出采用决策树算法对湖南省41个油茶样地2009～2017年的油茶种子含油率与气象因子进行诊断分析并挑选出关键指标,结果表明:基于所有时间段气象数据的CART算法拟合效果较好,平均相对误差为18.2%,油脂转化和积累高峰期20℃以上活动积温为最重要的决策因子;对不同时间段气象因子分别建模,平均相对误差在22.9%～25.4%,果实第一次膨大期、果实膨大高峰期、油脂转化和积累高峰期、果实成熟期、采后处理期的最关键气象因子分别为15℃以上活动积温、极端最高气温、20℃以上活动积温、最长连续无降水日数、降水日数。(本文来源于《江西农业学报》期刊2019年05期）
M.M.Hammer,L,L.Palazzo,A.L.Eckel,E.M.Barbosa,C.Y.Kong[9]（2019）在《磨玻璃样结节(GGN)随访治疗算法的决策分析》一文中研究指出目的使用决策分析模型评价磨玻璃样结节(GGN)病人的管理策略和治疗方案。材料与方法按照Lung-RADS建议,为100万名假定为GGN的随访病人开发(本文来源于《国际医学放射学杂志》期刊2019年02期）
武善锋,陆霞[10]（2019）在《基于决策树算法的体育课程分析与管理系统设计》一文中研究指出随着高校教学信息化建设的不断推进,体育课程的教学管理工作产生了大量的教学信息资源。为了对信息数据进行数据挖掘以便提高体育教学质量,提出决策树算法在体育课程分析与管理中的应用方案。首先对采用的数据挖掘方法——C4.5决策树算法进行分析;然后给出课程分析与管理系统的框架及其数据库设计;最后采用ASP.NET开发语言进行系统实现,数据库为SQL Server 2008,开发环境为Visual Studio 2010。测试结果显示,提出的体育课程分析与管理系统在运行时间、准确率方面表现良好,为提高体育课程管理的效率和质量提供了有力的数据支持。(本文来源于《现代电子技术》期刊2019年03期）
分析决策算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文使用风投企业风险识别案例,用四种决策树算法,对比了提取主成分前后算法精度的变化。结果表明,提取主要成分后,四种算法中只有C5.0算法的精度获得了提高,而其他叁种算法提取主成分后的精度反而有所下降,并且C5.0算法在未提取主成分时的精度已高于其他叁种算法,可见在风险识别案例中先提取主成分再使用C5.0算法后精度较其他叁种算法高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分析决策算法论文参考文献
[1].梁利亭.决策树算法在高职院校成绩分析中的应用研究[J].湖北开放职业学院学报.2019
[2].武君.主成分分析对决策树算法精度的影响——基于创业企业风险识别的实证[J].科技经济市场.2019
[3].韩存鸽.统计分析及决策树算法在高校就业指导中的应用[J].湖南工业大学学报.2019
[4].申彦博,袁洁,纪淑娟,张纯金.加权叁支决策增量软聚类算法及性能分析[J].软件导刊.2019
[5].黄海燕,刘晓明,孙华勇,杨志才.聚类分析算法在不确定性决策中的应用[J].计算机科学.2019
[6].胡明明.决策树算法在学生课程成绩分析中的应用研究[D].哈尔滨师范大学.2019
[7].张小奇.基于决策树算法的教学管理数据分析[J].青岛大学学报(自然科学版).2019
[8].黄超,廖玉芳,蒋元华,彭嘉栋.决策树算法在油茶种子含油率模拟及关键气象因子分析上的应用[J].江西农业学报.2019
[9].M.M.Hammer,L,L.Palazzo,A.L.Eckel,E.M.Barbosa,C.Y.Kong.磨玻璃样结节(GGN)随访治疗算法的决策分析[J].国际医学放射学杂志.2019
[10].武善锋,陆霞.基于决策树算法的体育课程分析与管理系统设计[J].现代电子技术.2019