基于NaiveBayes模型的贵州制造业绩效评价的分类研究

本文将NaiveBayes模型引入到贵州省制造业绩效评价的分类中,收集2014~2017年贵州省制造业529份经审计无保留意见财务报表数据,结合国家年度公布的《国家企业绩效评价标准值》,分别对盈利能力、营运能力、偿债能力三个方面财务能力下的绩效因子进行分段量化。通过财务报表科目构造一系列的变量,建立企业绩效评价的财务能力分类模型,探索制造业的绩效评价内容与财务报表其他科目之间的关系。在Accuracy和AUC评价准则下,通过模型训练和实证分析结果表明NaiveBayes模型的表现优于logistic回归模型,BP神经网络,二分类SVM以及决策树。

基于搜索的短文本分类算法研究

针对传统分类算法在处理短文本时的不足,提出了一种基于搜索的NaveBayes文本分类方法。该分类方法对文本数据集规模、文档长度、类别数量、分布等情况综合考虑,对朴素贝叶斯算法进行改进,将搜索技术应用到了文本分类领域。该分类算法能够更好地适用于微博、微信、短信、短语评论等短文本分类领域。并且在分类算法、分类器构造和评估3方面进行了详细的介绍。实验证明,基于搜索的文本分类器对于短文本有更好的分类效果。

基于Naive Bayes算法的大豆病害诊断研究

介绍了Naive Bayes算法的基本理论。以UCI数据库中的大豆数据集为实例,研究了Naive Bayes算法在大豆病害诊断中的应用。试验结果表明,Naive Bayes算法的预测精度优于决策树C4.5算法和最近邻INN算法。

用Naive Bayes方法协调分类Web网页

WWW上的信息极大丰富 ,如何从巨量的信息中有效地发现有用的信息 ,是亟待解决的问题 ,而 Web网页的正确分类正是其中的核心问题 .针对超文本结构中的结构特征 ,提出了用 Naive Bayes方法协调分别利用超文本页面中的文本信息和结构信息进行分类的方法 .经实验验证 ,与只用单种方法对超文本进行分类的方法相比 ,综合分类法有效地提高了分类的正确率 .

结合上下文多维度声学特征组的汉语重音检测

基于ASCCD朗读语篇语料库,结合上下文多维度声学特征组,并采用NaiveBayes分类器对汉语重音进行检测.NaiveBayes分类器对当前音节的相关声学特征及上下文的相关特征进行建模,这种分类方法充分利用了当前音节及上下文的特性.实验结果证明该声学特征组在ASCCD朗读语篇语料库上能够得到80.7%的汉语重音检测正确率.

基于大数据分析的文本智能识别系统的研究

根据软件工程的基本原理在Ubuntu操作系统环境下使用Eclipse开发工具,设计并实现了基于Hadoop系统架构的NaiveBayes算法文本分类系统。系统将大量中文文本数据集存储在分布式文件系统HDFS上,通过MapReduce并行计算模型和Ansj中文分词库对中文数据集进行分词,采用TF-IDF算法进行文本特征抽取,最后基于Spark并行计算框架和NaiveBayes算法对特征数据集进行模型训练,得到文本分类模型,将文本分类服务集成到Web页面。系统基本实现了文本的正确分类。

煤矿工作面残余瓦斯含量预测

煤层预抽后残余瓦斯含量过高致使工作面回采过程中瓦斯突出及瓦斯涌出现象频发,存在极大瓦斯爆炸、火灾等隐患.为有效控制煤层预抽后工作面残余瓦斯含量,以林华煤矿为例建立9#煤层预抽后工作面残余瓦斯含量预测模型.在粗糙集等理论基础上利用Weka软件,通过SVM分类机、BP神经网络和NaiveB ayes分类器,分析验证各因素对残余瓦斯含量的影响,获得12组待测样本预测结果的准确率;随之进行详细精度,混淆矩阵和节点错误率分析,得出SVM分类机在瓦斯残余含量的预测上最为精准;最后通过MATLAB软件实现PSO算法对SVM的优化,提高预测精准度,得出最终预测结果.