基于贝叶斯分类器的船舶型材优化设计

船舶结构轻量化设计对于提高船舶的运载能力和实现更大的经济效益具有重要意义,针对传统优化设计方法建立优化模型时约束条件无显式表达的问题,提出基于贝叶斯分类器的船舶型材优化设计方法。首先,依据贝叶斯理论和核密度估计方法构建贝叶斯分类器,然后利用贝叶斯分类器代替隐式约束函数进行求解,最后以T型材的优化设计问题为例进行验证,并将优化结果对比约束条件可显式表达情况下的求解结果进行分析。基于单约束条件的贝叶斯分类器目标函数偏差低于2%,基于多约束条件的贝叶斯分类器求解目标函数偏差在8%左右,且不同的贝叶斯分类器设计方法会对优化求解结果精确程度产生影响。使用贝叶斯分类器做出决策边界能代替实际边界进行优化求解,验证了贝叶斯分类器驱动求解器寻优的可行性,对解决约束条件无显式表达的问题提供了新思路。

基于贝叶斯分类器和回波物理特征的C波段雷达非气象回波识别方法和性能分析

天气雷达在观测过程中,通常会受到非气象因子的干扰,产生非气象回波,从而严重影响雷达定量降水估计的精度和短临降水预报的性能。本文使用陕西省西安、延安等7部C波段多普勒天气雷达的体扫观测,构建了基于贝叶斯分类器和回波物理特征的质量控制方法:首先人工提取每部雷达的降水回波、地物回波和晴空回波的反射率因子,并基于提取的不同类型雷达回波,分析了陕西省7部雷达不同类型雷达回波的反射率因子、反射率因子水平纹理、反射率因子沿径向的变化梯度、5 dBZ回波高度、反射率垂直梯度的变化特征,统计得到不同类型雷达回波对应特征量的概率密度分布函数;然后基于统计的概率密度分布函数建立贝叶斯分类器,对雷达回波进行初步识别;在此基础上,结合雷达回波物理特征设计了太阳尖峰识别方法、孤立点去除方法和回波空洞填补方法,进一步识别雷达回波;最后去除非气象回波,得到质量控制后的降水回波数据。利用2019年7~9月陕西省7部雷达的体扫观测数据,系统地分析了雷达质量控制方法的性能,同目前陕西省业务运行的雷达数据质量控制结果进行了对比分析,并使用HSS评分(Heidke skill score)评估了质量控制结果的准确率。结果表明,研发的基于贝叶斯分类器和回波物理特征的雷达质量控制方法能够较好地识别降水回波和非降水回波,识别效果优于业务使用结果,7部雷达数据质量控制结果的HSS评分均在0.75以上。

量子模糊朴素贝叶斯分类算法

以传统朴素贝叶斯算法为基础,研究并提出一种高效、准确的量子模糊贝叶斯分类算法。首先将“模糊集合理论+朴素贝叶斯理论”交叉融合,定义模糊先验概率、模糊条件概率,将朴素贝叶斯推广至模糊朴素贝叶斯,构建模糊贝叶斯模型;其次,将“模糊贝叶斯模型+量子计算”交叉融合,将模糊数据集量子化(编码到量子态上)并设计量子线路,提出一种量子模糊朴素贝叶斯分类算法;最后,将该算法应用到鸢尾花数据集。仿真实验表明,与传统朴素贝叶斯分类算法相比,该算法具有较高的分类效率和准确率。

基于贝叶斯分类的计算机类专业线上课程资源整合

随着计算机科学教育的线上化发展,有效整合线上课程资源成为提升教学质量的关键挑战,研究构建基于贝叶斯分类的模型,实现计算机类专业线上课程资源的优化整合。分析学生的学习行为数据,结合教学资源的动态特征来预测学生对不同资源的偏好,并据此提供个性化的资源推荐,通过这种方法加强学生的学习体验,提高资源利用效率,并最终促进学习成果的提升,为线上计算机科学教育领域的教学资源管理提供理论支持。

连续属性完全贝叶斯分类器的学习与优化

针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息,而依赖扩展又很难实现属性条件联合密度估计和结构学习协同优化的问题,文中在使用多元高斯核函数估计属性条件联合密度的基础上,建立了具有多平滑参数的连续属性完全贝叶斯分类器,并给出将分类准确性标准与区间异步长划分完全搜索相结合的平滑参数优化方法,再通过时序扩展构建了动态完全贝叶斯分类器.我们使用UCI机器学习数据仓库中连续属性分类数据和宏观经济数据进行实验,结果显示,经过优化的两种分类器均具有良好的分类准确性.

基于频繁项集挖掘的贝叶斯分类算法

朴素贝叶斯分类器是一种简单而且高效的分类学习算法,但是它所要求的属性独立性假设在真实世界应用中经常难以满足.为了放松属性独立性约束以提高朴素贝叶斯分类器的泛化能力,研究人员进行了大量的工作.提出了一种基于频繁项集挖掘技术的贝叶斯分类学习算法FISC(frequent item sets classifier).在训练阶段,FISC找到所有频繁项集并计算可能用到的概率估值.在测试阶段,FISC对于测试样本包含的每个项集构造一个分类器,通过集成这些分类器来给出预测结果.实验结果验证了FISC的有效性.

贝叶斯分类在入侵检测中的应用研究

根据分类技术建立入侵检测模型的思路,构造了一个基于贝叶斯分类的入侵检测原型系统。为了解决该方法存在的训练数据集问题,本文改进了现有的贝叶斯分类算法,提出了利用未标记数据提高贝叶斯分类器性能的方法。实验表明,这种方法取得了很好的效果。

基于特征加权的朴素贝叶斯分类器

朴素贝叶斯分类器是一种广泛使用的分类算法,其计算效率和分类效果均十分理想。但是,由于其基础假设“朴素贝叶斯假设”与现实存在一定的差异,因此在某些数据上可能导致较差的分类结果。现在存在多种方法试图通过放松朴素贝叶斯假设来增强贝叶斯分类器的分类效果,但是通常会导致计算代价大幅提高。该文利用特征加权技术来增强朴素贝叶斯分类器。特征加权参数直接从数据导出,可以看作是计算某个类别的后验概率时,某个属性对于该计算的影响程度。数值实验表明,特征加权朴素贝叶斯分类器(FNVNB)的效果与其他的一些常用分类算法,例如树扩展朴素贝叶斯(TAN)和朴素贝叶斯树(NBTree)等的分类效果相当,其平均错误率都在17％左右;在计算速度上,FWNB接近于NB,比TAN和NBTree快至少一个数量级。

基于贝叶斯分类的公路交通事件分类方法研究

高速公路监控员的主观因素往往导致交通事件现场救援组织标准的不一致,进而降低了交通事故应急响应的效率。文中提出了一种基于贝叶斯分类的交通事件分类方法。该方法使用贝叶斯算法对交通事件数据进行分类并得到每个分类的概率,通过引入条件概率,改进传统的人为判断得出救援方案的分类方法,在一定程度上降低了人为主观判断对交通事件现场救援效率的影响。实验结果表明,该方法对交通事件的分类与实际情况相符。

基于最优朴素贝叶斯分类器的个人信用预测

文中主要研究了朴素贝叶斯分类器算法及其优化算法在个人信用预测上的应用,提出了一种基于最大后验概率熵的最优朴素贝叶斯分类器并用在个人信用的预测上.思想是以训练集中样本在不同朴素贝叶斯分类器上的后验概率熵作为反馈信息,从训练样本中选取部分最优样本,抛弃部分含有噪音的样本,作为最优的朴素贝叶斯分类器.用新算法在德国信用数据上用十字交叉验证的方法进行了实验,并同朴素贝叶斯分类器(naive Bayesian classifier,NBC)和支持向量机(support vector machine,SVM)预测结果进行了对比.实验表明该分类器的预测准确率好于朴素贝叶斯分类器,效率好于支持向量机.

灵活的增强朴素贝叶斯分类器

提出了一种新颖的基于最小描述长度(Minimum Description Length,MDL)准则的灵活的增强朴素贝叶斯分类器(Flexible Augmented Naive Bayesian classifier,FAN)算法.该算法能够根据数据集自适应地匹配从朴素贝叶斯分类器(Naive Bayesian classifier,NB)到树增强朴素贝叶斯分类器(Tree Augmented NaiveBayesian classifier,TAN)的网络结构,且保持了TAN计算简单和鲁棒性的特点.在UCI数据集上用分层交叉验证的方法对NB、TAN、FAN算法进行测试,实验结果表明FAN算法具有良好的分类精度.

完全贝叶斯分类器在经济数据分类中的应用

针对贝叶斯分类器分类强关联属性导致分类准确率下降的问题,提一种完全贝叶斯分类器合理利用属性间的依赖关系优化贝叶斯分类器,对参数进行动态调整组合,同时合理剔除无关属性.采用国内外知名数据库提供的数据,通过与其他分类器的对比实验,证明了完全贝叶斯分类器在宏观与微观经济数据分类中都获得了较好的分类效果.

贝叶斯分类器在手写数字分类识别中的应用

手写体数字识别技术是一种非常重要的技术,将带来巨大的社会效益和经济效益。但是到目前为止,对手写数字进行识别的准确率仍需要进一步提高。针对这种情况,本文提出了一种基于贝叶斯分类器的手写体数字分类识别方法,能够有效识别书写规范的数字。

贝叶斯分类技术在高校教师教学质量评价中的应用

高校进行教师教学质量评价是提高教师教学质量,确保教育品质的重要手段。然而目前很多高校对教师教学质量的评价主要是给出一个结论,而对影响教师教学质量的主要因素并没有进行分析。根据高校教师教学质量评价中存在的不足和问题,将贝叶斯分类技术应用于高校教师教学质量评价体系中。讨论了贝叶斯分类的定义和方法,介绍了朴素贝叶斯分类器,并给出具体的数据分类实例,利用过去已有的教学质量评价的经验数据进行实验。实验结果表明贝叶斯分类具有较好的分类性能和较高的分类精度,贝叶分类技术用于教师教学质量评价完全可行。通过贝叶斯分类对教师教学质量进行合理评价,克服人为因素对评价结果的直接影响,为以后的教学质量评价提供合理科学的技术支持。

以特征值关联项改进贝叶斯分类器正确率

朴素贝叶斯分类器建立在其数据"特征值之间相互条件独立"的基础上,而在实际应用中该假设难以完全成立。针对这种现象提出一种算法,即通过寻找对产生错误分类影响最大的特征值,并依此特征值的关联项对数据项扩充,在此基础上对扩充项添加权重,以达到提升分类器精度的效果。最后对权重的大小加以论证,实验分析了不同大小的权重对分类器正确率的影响。实验结果表明,添加关联项扩充训练集,可以有效提升贝叶斯分类器的正确率。

基于三对角矩阵的完全贝叶斯分类器研究

针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息、而对其进行依赖扩展中的高阶协方差矩阵的求逆和行列式运算又非常困难等问题,将三对角矩阵和多元高斯函数相结合,建立连续属性完全贝叶斯分类器,并在三对角矩阵中引入平滑参数,通过对平滑参数的调整来实现分类器的优化。使用UCI数据的实验结果显示,经过优化的连续属性完全贝叶斯分类器具有良好的分类准确性。

基于贝叶斯分类器的简历筛选模型

现代社会网络招聘兴起,为社会、企业节省了不少物力、人力、财力,但如何快速、简捷地从众多的电子简历中找出符合要求的简历又是一个让人头疼的问题。文中在贝叶斯网络的基础上,分别从朴素贝叶斯分类器和TAN分类器角度,构建一个基于贝叶斯分类器的电子简历筛选模型,并通过实验验证该模型对电子简历进行分类时的准确率和查全率,且引入一个新的评价指标f同时考虑准确率和查全率,得出没有属性变量相互独立限制的TAN分类器具有较好的分类效果的结论。

用Matlab语言建构贝叶斯分类器

文本分类是文本挖掘的基础与核心,分类器的构建是文本分类的关键,利用贝叶斯网络可以构造出分类性能较好的分类器。文中利用Matlab构造出了两种分类器:朴素贝叶斯分类器NBC,用互信息测度和条件互信息测度构建了TANC。用UCI上下载的标准数据集验证所构造的分类器,实验结果表明,所建构的几种分类器的性能总体比文献中列的高些,从而表明所建立的分类器的有效性和正确性。笔者对所建构的分类器进行优化并应用于文本分类中。

一种有效率的关系朴素贝叶斯分类算法

关系朴素贝叶斯分类算法对于目标关系表和背景关系表中不同的记录关联方式采用不同的策略,灵活运用连接和元组ID传播技术,高效地实现了将背景关系表中的信息加入到目标关系表中一起考虑来进行分类,提高了分类正确率。该算法采用关系数据库的数据表示方式,解决了传统的朴素贝叶斯算法不能支持关系数据库的问题。

混合树增广朴素贝叶斯分类模型

树增广朴素贝叶斯分类算法(TANC)虽然降低了朴素贝叶斯分类算法(NBC)的条件独立性约束,但是该模型同时又要求每个条件属性结点(除树的根结点外)都有两个父结点,这种限制同样降低了分类的正确率。因此,提出了一种基于粗糙集理论的混合树增广朴素贝叶斯分类模型(MTANC)。通过在UCI数据集上的仿真实验,验证了该方法的有效性。