导读:本文包含了半随机决策树论文开题报告文献综述及选题提纲参考文献，主要关键词:数量经济学,个人信用评估,决策树,随机森林
半随机决策树论文文献综述
兰军,严广乐[1]（2018）在《基于迭代自适应随机决策树的个人信用评估模型研究》一文中研究指出信用评估是商业银行控制和防范信贷风险的关键途径.决策树模型较好的直观解释性使其成为当前个人信用评估中的常用模型,但决策树模型存在容易导致过拟合且预测精度有限的问题.通过在决策树模型算法中引入类随机森林随机有放回的抽样模式,运用机器自动循环迭代寻求最优树的建模思想,建立了自适应最优C5.0决策树个人信用评估模型.该模型具有快速收敛特征变量、较好的泛化能力和高预测精度的特点,在实证分析中对商业银行个人信用评估模型质量提升带来比较明显的改进效果.(本文来源于《经济数学》期刊2018年03期）
孙刚,周华平,孙克雷[2]（2014）在《基于改进的随机决策树的煤矿安全评价方法》一文中研究指出煤矿监测数据实质是一种数据流,煤矿安全评价可以看作是数据流的分类,分类的标识为安全和不安全。在随机决策树模型的基础上,使用Hoeffding Bounds不等式与信息熵确定分割点,代替用随机选择方法确定分割点。实验结果表明该方法对数据流分类具有更好的分类精度,为煤矿安全评价提供了一种新的实用方法。(本文来源于《阜阳师范学院学报(自然科学版)》期刊2014年02期）
胥海威,杨敏华,韩瑞梅,王振兴[3]（2011）在《用随机决策树群算法进行高光谱遥感影像分类》一文中研究指出高光谱影像具有丰富的光谱信息,与全色、多光谱影像相比能更好地进行地面目标的分类识别.该文对决策树分类算法的优劣进行分析,引入随机决策树群算法,对青海省祁连县Hyperion高光谱影像和IRS-P6影像数据进行实验,使用子空间划分和光谱距离进行降维后,分别采用支持向量机、神经网络、最大似然法进行分类,并与随机决策树群算法分类结果进行比较.结果表明,该算法表现最优且无需降维预处理,可广泛应用于高光谱遥感领域.(本文来源于《应用科学学报》期刊2011年06期）
胥海威,何宽[4]（2010）在《改进随机决策树群算法在监督分类中的应用》一文中研究指出通过添加树平衡系数、设定节点不纯度和区分样本类型,对现有的随机决策树群算法进行了改进,提出了改进的随机决策树群算法。以广东省龙门县土地覆盖的ALOS遥感影像为研究对象,利用改进的随机决策树群算法对研究对象进行遥感监督分类,并将研究结果同传统的最大似然分类方法的结果进行对比,发现分类总体精度从81.46%提高至92.45%,Kappa系数达0.9091。改进的随机决策树群算法考虑了极不均衡决策树、节点不纯度和训练样本区分对随机决策过程运行效率的影响,可有效提高遥感分类效率和分类精度。(本文来源于《地理与地理信息科学》期刊2010年06期）
刘雪静,冀俊忠[5]（2009）在《浅谈随机决策树》一文中研究指出该文介绍了随机决策树分类模型及如何启发式选择随机决策树的深度及棵树,通过实验证明了该算法的有效性和高效性。(本文来源于《电脑知识与技术》期刊2009年25期）
李培培[6]（2008）在《基于半随机多决策树模型的数据流概念漂移发现研究》一文中研究指出网络等信息技术的迅速发展和广泛应用产生了大量的数据流,如:超市交易记录、网络搜索请求、电信通话记录等。这些数据流中隐含着丰富的有价值的知识亟待挖掘。分类算法研究作为数据挖掘的一个重要分支,针对数据流的分类规则挖掘研究课题在信用卡欺诈,网络入侵发现等领域具有重要的应用价值。然而,由于数据流具有快速性、无限性、连续性、多变性等特征,特别是其中隐含的概念漂移现象使得大多数传统的分类算法因需要多遍扫描数据库以及存储全部数据,而不再适用。因此,研究高效的数据流分类知识发现算法成为重要的研究课题。本文主要针对数据流的分类问题开展了以下工作的研究:(1)概述了数据流的定义、特点、应用领域、理论基础及其数据处理方法;介绍了概念漂移问题的定义、分类、度量标准等内容;总结与分析了数据流及其概念漂移问题的现状,对未来研究进行了展望。(2)针对传统决策树挖掘算法,在处理数据流时所存在时空性能的局限,提出基于随机决策树模型的半随机化多决策树的增量式分类算法SRMTDS。该算法利用Hoeffding边界不等式,采用启发式方法确定连续属性结点的分割阈值,同时引入朴素贝叶斯方法判断叶子结点类别标识。分析与实验表明,与经典算法VFDTc相比,该算法的空间性能和抗噪能力有显着提高,分类精度有所提升,并且在处理属性维度较大的连续型数据库时,其时间性能也有明显的优势。(3)针对数据流概念漂移问题,以半随机决策树模型为基础,提出处理数据流概念漂移问题的增量式分类算法SRMTCD。该算法采用训练窗口与测试窗口的双滑动窗口机制,利用Hoeffding边界不等式设定噪音与漂移的区分阈值,选择一定的分类函数计算分类错误率对模型进行周期性检测。分析与实验表明,与经典算法CVFDT相比,该算法在保证分类精确度优势的前提下,时间性能与抗噪性能显着提高。(本文来源于《合肥工业大学》期刊2008-04-01）
李楠,胡学钢,王东波[7]（2007）在《基于改进随机决策树的入侵检测模型研究》一文中研究指出随着计算机技术和Internet技术的迅猛发展和广泛应用,计算机网络安全问题日益突出和复杂。入侵检测技术作为一种网络技术对网络安全起着重要的作用,将数据挖掘引入到入侵检测中使其可以适应海量数据的环境,同时,提高了自适应和自学习能力。本文提出了一种基于改进随机决策树RDT的入侵检测模型,针对RDT模型处理连续属性的不足,开展了基于密度聚类的连续属性离散化方法的研究。实验证明了将改进的RDT用于入侵检测可以快速的检测出入侵对象,有较好的时空性能、较低了误报率和漏报率,可以准确地提取入侵模式和用户特征,提高了检测的效率,具有很强的可扩展性和环境适应性。(本文来源于《计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集》期刊2007-08-01）
胡学钢,李楠[8]（2007）在《基于属性重要度的随机决策树学习算法》一文中研究指出文章提出一种基于属性重要度的随机决策树构造算法ASRDT,该算法利用粗糙集理论计算每个属性的属性重要度,提升重要属性的影响因子,使得建树过程中随机选择属性时,不同属性之间的区分度得以体现,从而显着提高了算法的抗干扰能力,使ASRST在保持原有RDT算法优点的基础上,更具有良好的分类准确率及稳定性。(本文来源于《合肥工业大学学报(自然科学版)》期刊2007年06期）
赵晓峰,叶震[9]（2007）在《基于加权多随机决策树的入侵检测分类算法》一文中研究指出传统的决策树分类方法(如ID3和C4.5),对于相对小的数据集是很有效的。但是,当这些算法用于入侵检测这样的非常大的、现实世界中的数据时,其有效性就显得不足。采用了一种基于随机模型的决策树算法,在保证分类准确率的基础上,减少了对系统资源的占用,并通过对比实验表明该算法在对计算机入侵数据的分类上有着出色的表现。(本文来源于《计算机工程与应用》期刊2007年18期）
赵晓峰,叶震[10]（2007）在《基于加权多随机决策树的入侵检测模型》一文中研究指出传统的决策树分类方法(如ID3和C4.5)对于相对小的数据集是很有效的。但是,当这些算法用于入侵检测这样的非常大的数据时,其有效性就显得不足。采用了一种基于随机模型的决策树算法,在保证分类准确率的基础上,减少了对系统资源的占用,并设计了基于此算法的分布式入侵检测模型。最后通过对比试验表明该模型在对计算机入侵数据的分类上有着出色的表现。(本文来源于《计算机应用》期刊2007年05期）
半随机决策树论文开题报告
（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：
煤矿监测数据实质是一种数据流,煤矿安全评价可以看作是数据流的分类,分类的标识为安全和不安全。在随机决策树模型的基础上,使用Hoeffding Bounds不等式与信息熵确定分割点,代替用随机选择方法确定分割点。实验结果表明该方法对数据流分类具有更好的分类精度,为煤矿安全评价提供了一种新的实用方法。
（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。
半随机决策树论文参考文献
[1].兰军,严广乐.基于迭代自适应随机决策树的个人信用评估模型研究[J].经济数学.2018
[2].孙刚,周华平,孙克雷.基于改进的随机决策树的煤矿安全评价方法[J].阜阳师范学院学报(自然科学版).2014
[3].胥海威,杨敏华,韩瑞梅,王振兴.用随机决策树群算法进行高光谱遥感影像分类[J].应用科学学报.2011
[4].胥海威,何宽.改进随机决策树群算法在监督分类中的应用[J].地理与地理信息科学.2010
[5].刘雪静,冀俊忠.浅谈随机决策树[J].电脑知识与技术.2009
[6].李培培.基于半随机多决策树模型的数据流概念漂移发现研究[D].合肥工业大学.2008
[7].李楠,胡学钢,王东波.基于改进随机决策树的入侵检测模型研究[C].计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集.2007
[8].胡学钢,李楠.基于属性重要度的随机决策树学习算法[J].合肥工业大学学报(自然科学版).2007
[9].赵晓峰,叶震.基于加权多随机决策树的入侵检测分类算法[J].计算机工程与应用.2007
[10].赵晓峰,叶震.基于加权多随机决策树的入侵检测模型[J].计算机应用.2007