1) decision tree division
决策树划分
1.
This optimization method of feature weight based on decision tree division can optimize feature weight of data sets with hybrid attributes.
应用决策树方法来获取混合属性数据点集的"规则聚类区域",利用"异类子聚类相离,同类子聚类相近"的原则来交替优化有序属性和无序属性的权重,提出了基于决策树划分的特征权重优化方法。
2) decision tree analysis
决策树分析
1.
Fault tree analysis was applied to identify the hazard events that might lead to turbidity violation in the waterworks,and decision tree analysis was also applied to determine the critical control points(CCPs) for turbidity c.
应用故障树分析技术识别了水厂中可能导致浊度超标的潜在危害,应用决策树分析技术确定了水厂浊度控制的关键控制点,建立了关键控制点和质量控制点的关键限值、监控系统以及纠偏措施,并分析了对验证程序以及文件和记录保存系统的要求。
3) decision tree classification
决策树分类
1.
In this paper,a set of optimized textures was chosen,which was used to classify the high spatial resolution remote sensing image based on decision tree classification(DTC) combined with multiscale texture data.
通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。
2.
In this research, three different types decision tree classification (UDT, MDT and HDT) are present.
基于决策树分类算法在遥感影像分类方面的深厚潜力 ,探讨了 3种不同的决策树算法 (UDT、MDT和HDT)。
4) decision tree
决策树分类
1.
A method of classifying users using decision tree technique was presented in the paper, which realized users classification according to their access patterns through processing Web session file, signing class and classifying users using decision tree, so that personalized recommendation and guide can be done for different users, and E-Services quality was improved.
提出了一种应用决策树分类技术进行用户分类的方法 ,通过对 Web会话文件的处理、赋予类标记及决策树分类过程 ,实现了根据访问模式对用户的分类 ,以便个性化推荐和指导能够针对不同类别的用户进行 ,从而提高 E- Ser-vices中个性化服务的质量 。
2.
Then the decision tree classification,the maximum likelihood method in the surveillance classification in practice and the precision comparison in the land.
TM遥感影像能获取丰富的地面信息,适合于大面积的宏观监测,文章利用分层分类的方法提取南京江宁区土地利用信息,获得了土地利用变化图,并对土地利用分类方法中的决策树分类和监督分类方法中的最大似然法在实践中的应用和精度比较进行了探讨,最后结合GIS空间分析方法对分类的结果图进行比较分析,并分析其变化的原因。
6) decision classifying tree
决策分类树
1.
These binary classifiers are seen as the nodes of decision tree, and construct a decision classifying tree.
根据手写体金融汉字的特点,利用核聚类方法将原始样本特征映射到高维特征进行聚类分组,对每一组使用一个支持向量机二值分类器进行分类,并用这些二值分类器组成决策树的结点,构成一个决策分类树。
补充资料：决策树
分子式：
CAS号：
性质： 一种可用于处理多阶段决策问题的决策图。由于这种图形似树枝，故称为决策树。它由决策点，方案技，概率点(又称状态点)，概率枝(又称状态枝)顺序延伸而成，最右端是益损值见图（图暂缺）。决策时，从右至左，先算出各个概率点的益损期望值，并分别标注在各概率点上。然后对各概率点(即方案)的益损期望加以比较，即选出最大的益损期望值并标注在决策点的上方、与最大期望值相应的即为最优方案，然后决定解的去留，直到最后找到选好解。
CAS号：
性质： 一种可用于处理多阶段决策问题的决策图。由于这种图形似树枝，故称为决策树。它由决策点，方案技，概率点(又称状态点)，概率枝(又称状态枝)顺序延伸而成，最右端是益损值见图（图暂缺）。决策时，从右至左，先算出各个概率点的益损期望值，并分别标注在各概率点上。然后对各概率点(即方案)的益损期望加以比较，即选出最大的益损期望值并标注在决策点的上方、与最大期望值相应的即为最优方案，然后决定解的去留，直到最后找到选好解。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条