基于RSSI的贝叶斯垃圾邮件过滤算法

针对现有贝叶斯算法应用于垃圾邮件过滤时,贝努利模型精度低、不能区分文本特征重要性、多项式模型计算量大、无关特征项浪费计算时间、对出现次数少的特征项反应敏感等缺点,提出RSSI(remove similar and sensitive items)特征模型。通过计算并比较特征项出现的频率,去除无关和敏感特征项,减小运算量,增加正确率,减少过拟合。Matlab仿真结果表明,与现有的朴素贝叶斯算法(nave Bayes)和支持向量机(support vector machine,SVM)等算法相比,RSSI算法能显著减少分类时间,降低合法邮件被误判的概率。

一种基于EFT的数据中心运维无阈值告警方法

目前企业数据中心监控平台一般通过人工经验设置阈值的方式进行监控项告警,其无法反映监控项数据的波动变化,因此容易造成漏报和误报,无法满足实时业务告警需求。对此提出一种基于EFT(Energy,Fluctuation,Time)的特征提取方法,即从监控项时序数据的能量、波动和时间三个方面提取特征,并且将随机森林算法引入至监控项告警模型中。实验结果表明,提出的基于EFT特征提取的无阈值告警模型表现良好,准确率高达95%以上,可满足实时业务告警需求,提高告警准确性。

未知环境中移动机器人的环境探索与地图构建

研究了未知环境中移动机器人同时进行环境探索和地图构建问题.基于实时获取的激光传感器数据,设计了具有避障功能的环境探索策略,并对候选观测点的产生和评估方法进行了改进,使选择出的候选点能同时兼顾信息增益的最大化与环境信息的完整性,保证了环境探索的连续性和遍历性.在环境探索基础上,提出了以增长神经气网络的网络节点作为拓扑网络节点的环境地图模型,该模型利用神经气网络的增长特性,通过不断增加新的拓扑网络节点来对机器人周围未知环境的整体性知识进行抽取与表达,构建出了易于机器人理解的环境地图.仿真试验验证了本文所提方法的有效性.