基于數(shù)據(jù)倉庫的分類分析研究.pdf

1、該文主要研究決策樹和神經(jīng)網(wǎng)絡模型.該課題是在課題組前期完成的HDC(highway Decision Center)數(shù)據(jù)倉庫平臺的基礎(chǔ)上進行的,在對CART決策樹進行了深入研究分析的基礎(chǔ)上,針對存在的問題對數(shù)學模型、算法等進行了若干改進,最終獨立開發(fā)了基于數(shù)據(jù)倉庫平臺的適合大數(shù)據(jù)量CART分類器.為了提高決策樹的執(zhí)行效率,該文還實現(xiàn)了建樹和修剪階段的合并.另外,該文對基于RBF網(wǎng)絡的分類器進行了深入研究.基函數(shù)的中心選取問題是RBF網(wǎng)絡

2、應用的關(guān)鍵因素,該文采用最近鄰學習算法確定基函數(shù)的中心,針對RBF網(wǎng)絡通常所采用的隨機選取半徑往往導致網(wǎng)絡訓練速度慢等問題,提出了基于樣本統(tǒng)計的中心選取方法.最后將此方法用于銀行信用卡信用度預測上,預測結(jié)果表明了該方法的有效性.該論文的組織結(jié)構(gòu)為:第一章為諸論,介紹了研究背景和分類分析研究領(lǐng)域國內(nèi)外的研究動態(tài),闡述了該文的主要研究內(nèi)容;第二章詳細敘述了CART分類器的原理,給出了建樹與修剪階段合并的算法;第三章描述了RBF神經(jīng)網(wǎng)絡分類器