大数据环境下基于Spark的Bayes分类算法研究

随着大数据的爆发,如何提高算法的执行效率是大数据分类的研究热点,Spark是分布式并行计算框架,支持迭代数据流,该文对朴素贝叶斯文本分类算法作并行流式化处理,实验证明,并行流式化Bayes分类算法能有效提高大数据分类效率。

Android平台上属性约简贝叶斯优化Web Services分类选择算法研究

现在Web Services已经成为Internet上一个重要的服务组件,Web Services的特点使它完全适合于为无线通信设备提供服务。对于如何在资源有限的条件下快速选择满足服务质量(QoS)需求的Web Services,该文通过建立顶层QoS本体,提出一种属性约简贝叶斯优化Web Services分类选择算法。该算法能在短时间内提高对Web Services的分类选择效率,为用户提供高质量的搜索查询结果,并适用于智能手机运行平台。

Web Services属性RS约简贝叶斯分类算法研究

随着Web Services技术快速发展和应用,Web Services的分类成为应用的基础。提出分类前先对Web Services的WSDL文档进行处理,然后用粗糙集理论进行冗余属性约简,最后应用朴素贝叶斯分类器进行分类,实验表明,这样可以节省分类时间,提高Web Services分类的效率。