基于TensorFlow的决策树算法实现及其在监狱假释鉴别上的应用开题报告

1. 研究目的与意义

tensorflow 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。

节点（nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。

它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个cpu（或gpu），服务器，移动设备等等。

2. 国内外研究现状分析

tensorflow是相对高阶的机器学习库，用户可以方便地用它设计神经网络结构，而不必为了追求高效率的实现亲自写c 或cuda代码。

它和theano一样都支持自动求导，用户不需要再通过反向传播求解梯度。

其核心代码和caffe一样是用c 编写的，使用c 简化了线上部署的复杂度，并让手机这种内存和cpu资源都紧张的设备可以运行复杂模型（python则会比较消耗资源，并且执行效率不高）。

3. 研究的基本内容与计划

（1）研究内容一、介绍1.tensorflow介绍（发展、特征、价值等）2.tensorflow当前研究概况二、研究的材料与方法1.tensorflow部署2.决策树算法3.监狱犯人相关信息三、结果与分析四、结论（2）研究计划3.1-3.19 搭建tensorflow的环境，收集监狱犯人相关信息。

3.20-4.20 编写决策树代码，使用小型服务器，实验和测试程序。

4.20-5.1 整理数据，分析结果。

4. 研究创新点

tensorflow原来是google的机器智能研究中心的google brain小组为了进行机器学习和深度神经网络开发的，但是这个系统足够普适用于更广阔的领域。

google希望tensorflow能够成为交换研究成果和使用机器学习开发产品的开放标准。

本研究课题：基于tensorflow的决策树算法实现(1) 基于tensorflow利用python语言实现对机器学习决策树算法的编程。