朴素贝叶斯下新型建筑室内空调瞬态能耗预测

新型建筑通常具有较为复杂的结构,使得室内空调系统的能耗受到如建筑朝向、室内人员活动以及设备使用情况等因素影响,导致无法精准预测空调能耗。为此,提出新型建筑室内空调瞬态能耗朴素贝叶斯预测方法。采用K均值聚类(K-means clustering,K-Means)算法将新型建筑室内空调划分为除湿模式、制冷模式、通风模式、制热模式和自动模式,并分析影响空调瞬态能耗的因素,建立朴素贝叶斯预测模型,剔除空调瞬态能耗异常数据,输入至朴素贝叶斯预测模型中,实现新型建筑室内空调的瞬态能耗预测。仿真结果表明,所提方法可有效完成不同模式和运行时间下的瞬态能耗预测,与实际能耗之间的偏离程度较低,期望误差仅为2.31%,变异系数为4.76%,预测误差小。

基于微震监测和概率优化朴素贝叶斯的短期岩爆预测模型

岩爆是地下岩土工程中常见的地压灾害。为实时准确地预测岩爆,提出一种基于微震监测和概率优化朴素贝叶斯的短期岩爆预测模型。首先,以114组岩爆样本数据为基础,结合相关特征选择算法选取累计微震事件数、累积微震能量、累积微震视体积和累积微震能量率4项微震参数作为预测指标。其次,为最大程度地削弱朴素贝叶斯算法的条件独立性假设,采用指标相关重要性赋权法和相似度函数从属性赋权和实例赋权两方面优化条件概率,并针对条件概率赋权后可能引起的决策失衡问题,引入马氏距离补偿先验概率损失,进而提出一种带有条件概率加权和先验概率补偿机制的概率优化朴素贝叶斯算法预测岩爆烈度等级。最后,从模型评估、模型比较和工程验证3个方面检验模型的准确性和可靠性。研究结果表明,所提模型预测准确率为86.96%,预测性能优于其他机器学习模型,可为实际工程的岩爆预测提供科学依据。

基于四分位-MAD和朴素贝叶斯的风电数据处理方法

针对风电机组运行数据存在的异常和缺失问题,提出了一种基于四分位-MAD和朴素贝叶斯的风电数据处理方法.文中对实际风功率数据进行研究,分析风速-功率的分布特征,建立了四分位-MAD异常数据识别模型进行异常数据识别,并利用识别后的正常数据构造朴素贝叶斯分类器对剔除的异常数据和原始缺失数据进行补偿.仿真结果表明,所述异常识别方法能够有效识别不同分布类型的异常数据,采用所提补偿方法可以有效补偿数据且改善了数据完整性;经过上述方法处理后,风电功率的预测精度较数据处理前提高了17%,验证了所提方法的可行性和有效性,对风电场功率预测研究具有一定的现实应用价值.

基于时频域特征和朴素贝叶斯的滚动轴承故障诊断方法研究

【目的】为了解决滚动轴承故障特征提取困难、诊断性能偏低的问题,提出了一种基于时频域特征和朴素贝叶斯的故障诊断方法。【方法】首先,通过局部均值分解方法对原始振动信号进行处理,获得多个乘积函数分量。其次,基于原始振动信号和各个乘积函数分量,提取时频域特征,并采用主成分分析实现特征降维,获得低维敏感特征。最后,依据低维敏感特征集,结合朴素贝叶斯模型,实现对江南大学—机械工程学院滚动轴承数据集的分析。【结果】实验结果表明,该方法相较于传统朴素贝叶斯准确率高39.49%,相较于主成分分析准确率高5.94%,由此得出该方法对滚动轴承故障的诊断表现较好。【结论】对于传统的单一的故障诊断模型,基于时频域特征和朴素贝叶斯的故障诊断模型具有更高的准确率,解决了滚动轴承故障特征提取困难、诊断性能偏低的问题。

面向水质分类的分组降维核朴素贝叶斯模型

为提高贝叶斯模型在实际数据中处理相关性维度时的效率、精度,并保持其可解释性,本文提出一种改进的核朴素贝叶斯模型。首先通过关联规则挖掘相关维度子集,然后对这些子集进行降维处理,利用降维后的数据构建核朴素贝叶斯模型。实际应用的结果显示,该模型减少了降维对数据的影响,在保留有效信息的同时,提高了模型的可解释性。

一种应用于智能分诊的改进朴素贝叶斯方法

针对朴素贝叶斯分类方法(naive bayesian model,NBM)在应用于门诊智能分诊时,无法有效区分不同类型的症状涉及的疾病学科范围不同问题,提出了一种朴素贝叶斯分类方法的改进算法,引入IDF因子,为不同的症状类型提供相应的权重。首先,基于权威医疗文献,收集整理诊断学相关的语料作为训练数据集,然后,基于朴素贝叶斯分类方法计算先验概率、类条件概率,训练生成不同症状的IDF因子,最后,在进行分类判断时对不同的症状组合引入IDF因子,平滑不同类型症状的重要程度。在智能分诊准确性对比实验中,改进后的算法召回率提升约11%,明显高于朴素贝叶斯分类方法。

基于朴素贝叶斯算法的电力数据合规风险智能监督方法

针对现有电力数据合规风险监督方法召回率、查准率较低,误报率较高等问题,研究引入朴素贝叶斯理论,提出并设计了一种电力数据合规风险智能监督方法。首先对电力数据进行采集及预处理,然后针对预处理后的电力数据完成电力数据合规风险特征提取,最后引入朴素贝叶斯算法,构建电力数据合规风险评估模型,实现对电力数据合规风险的智能监督。实验结果表明,应用所提方法后召回率在92%~95%,查准率高于93%,误报率仅为2%,优于对比方法,可对电力数据合规风险进行准确评估,具有较高的应用价值。

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。

基于朴素贝叶斯的配电终端数据联合分层加密

为完善配电终端数据密文模板,缩短配电终端数据加密耗时,提出了基于朴素贝叶斯的配电终端数据联合分层加密算法。根据朴素贝叶斯模型建立决策树组织,联合已输出的配电终端数据求解挖掘深度指标的具体数值,完成对配电终端数据的处理。按照数据分层标准,创建密钥文本模板,再通过计算加密系数的方式,实现基于朴素贝叶斯的配电终端数据联合分层加密。对比实验结果表明,在朴素贝叶斯模型的作用下,配电终端数据输出量达到9×109MB时,所需加密时长仅为27.3 ms,利用该方法定义密文模板的完善程度明显更高,加密耗时较短。

基于朴素贝叶斯模型的电子证照用证智能推荐

数字政务是数字政府建设中的重要组成部分,研究电子证照智能服务有助于数字政务改革。结合朴素贝叶斯模型与某省政务数据构建用证预测模型,并对模型的有效性进行检验。结果表明:法人类型高频办件前10种组合占全部组合的49.46%,远高于个人类型政务服务事件;全省范围内个人用证、法人用证推荐准确率分别可达到53.22%、68.51%,按地市构建模型能够有效提升准确率,部分区域准确率最高可达96.24%;缩小判定政务服务事件先后关系时间窗口,推荐准确率明显降低。研究结果表明了研究方法的有效性,有关方法和结论对提升政府效能具有支撑参考作用。

基于朴素贝叶斯的医院信息安全态势感知系统设计

医院信息安全态势感知系统在受到网络攻击时,数据的分析处理存在过拟合情况,系统的信息分析能力存在不足。为此,设计基于朴素贝叶斯的医院信息安全态势感知系统。以原有的感知系统整体架构作为基础,在数据采集部分设计输入保护环节,并重新规划数据采集步骤;利用朴素贝叶斯设计分类模型,感知医院信息安全态势类别,根据医院信息分布特点与态势评估因素计算态势评估值,结合态势类别实现对医院信息安全完整的感知。实验结果表明:所设计系统能够保证信息的完整度在90%以上,信息增益明显,有效提高了该系统的信息分析能力。

基于距离相关系数的局部实例加权朴素贝叶斯文本分类算法

朴素贝叶斯算法具有简单高效的特点,被广泛应用于文本分类。方法要求属性之间满足条件独立性假设,然而该假设在现实中很难满足。同时,随着大数据时代到来,文本数据呈现非线性结构的特点,经典朴素贝叶斯算法拟合效果不高。为解决以上问题,本文提出了一种基于距离相关系数的局部实例加权朴素贝叶斯分类算法。首先,计算属性和类别的距离相关系数,并将其作为属性权重嵌入到文档距离测度中,构建一种新的距离度量方法;其次,测算训练样本和测试样本的距离,进行实例选择和实例加权,构建局部实例加权贝叶斯文本分类器;最后,利用WEKA平台上的15个文本数据集对算法性能进行实验比较。结果表明新提出的算法在分类精度上均优于三种经典的朴素贝叶斯文本分类器。

融合朴素贝叶斯和偏好程度的学习资源数据实时推荐系统

在数字化学习资源的建设和应用过程中,内容特征动态变化明显,推荐系统很难保证实时准确地向用户推荐需要的数据。针对这一情况,提出融合朴素贝叶斯和偏好程度的学习资源数据实时推荐系统。在硬件设计上,根据移动终端的使用特点,设计视频资源采集与传输模块,语音输入输出及音频处理模块,为用户提供多样化的资源和资源检索路径。在软件设计上,依据用户的学习资源信息、交互信息和行为信息,构建学习资源关联模型,实现关联资源检索,与此同时,对学习资源分类并打分,利用目标函数获得打分结果,取高分资源并通过移动终端实现对用户的实时推荐。测试结果表明:设计系统推荐集排序准确率在90%以上,且推荐命中率高,该系统在实际项目中具有较高的实用性。

Hadoop平台下基于朴素贝叶斯算法的心脏疾病预测方案

应用分布式存储、计算技术和朴素贝叶斯算法,构建心脏病预测模型方案。首先搭建Hadoop完全分布式平台,结合Python语言和MapReduce编程框架构建朴素贝叶斯分类器。此外,用MapReduce实现对算法并行化以提升分析效率。以2020美国CDC数据集作为心脏病数据集,在测试集中算法准确率达到88.52%,且经验证该方案能够在实际使用中成功预测是否患心脏病。此方案准确率较高且具备高可扩展性、分布式存储和计算、容错性等优势,形成了一种可靠、高效和低成本的解决方案。

基于朴素贝叶斯的网络舆情话语生态分析

进入互联网时代,各网络平台逐渐成为人们述说己见(网评)的重要阵地,而这些网评时时夹杂着各种情绪偏激、内容低俗等语言信息,从语言生态学角度来分析,这是典型的话语生态失衡的表现。对此相关网络监管部门有必要实时监督,及时处理,进行反馈并加以引导。文章以弹幕评论这一新兴的短小语言信息为研究对象,利用网络爬虫数据挖掘技术采集B站弹幕评论数据,用Pandas库和正则表达式等技术完成数据清洗,在朴素贝叶斯分类基础上,利用Jieba库实现分词,运用情感分析进行研判,得到舆情话语生态分析的主要语料,在此基础上筛选出负面情绪的弹幕语料进行生态话语分析。实验基于朴素贝叶斯对案例内容分类并加以训练,可得到评价分类与预测结果,实验表明,该系统稳定可靠,具有良好的效果。

基于朴素贝叶斯算法的微博垃圾信息自动识别系统

贝叶斯算法是一种利用数学概率来计算可能性的算法,被广泛用于各种分类器,其将所有事件都假设为相互独立的事件,从而降低算法难度。文中设计并实现了一种基于朴素贝叶斯算法的微博垃圾信息自动识别系统。该系统基于MyEclipse8.6工具,采用Java语言进行开发,首先使用爬虫程序对微博评论区内容进行抓取,并以txt格式保存评论区内容以备后续训练使用,随后采用MMAnalyzer算法进行中文文本分词,提取文本特征,最后使用朴素贝叶斯分类器进行分类。实验结果表明,基于朴素贝叶斯算法的分类器设计简单、使用方便且正确率较高,是一种具有良好前景的初级分类器。

基于因子分析朴素贝叶斯方法的新闻文本分类

新闻文本分类是对网络新闻进行管理的有效途径。朴素贝叶斯方法为新闻文本分类的常用方法,在文本特征维度较高时,该方法的条件独立性假设难以成立,会导致分类效果欠佳。本文提出了因子分析朴素贝叶斯分类模型,并对复旦大学文本语料库中的新闻文本进行分类,同时将结果与朴素贝叶斯、多项Logistic回归模型和决策树方法进行比较。实验结果显示,因子分析朴素贝叶斯模型的分类准确率达84%,效果最优。

基于主成分分析的朴素贝叶斯噬菌体病毒蛋白分类

噬菌体病毒蛋白质分类是生物信息学热点问题之一。对朴素贝斯分类中的特征独立性假设以及病毒蛋白质特征提取问题,提出一种结合伪氨基酸组成(PAAC)和k间隔氨基酸组成(CKSAAP)的混合特征提取法,且将主成分分析朴素贝叶斯分类模型(PNBC)应用于噬菌体病毒蛋白分类问题。实证分析表明,相比于朴素贝叶斯和支持向量机模型,主成分分析朴素贝叶斯模型分类准确率达80%,效果最优。

基于加权朴素贝叶斯的护理教学系统设计

为提高护理教学个性化教学效果与学习管理质量,该研究采用加权朴素贝叶斯算法作为核心技术手段。设计基于加权朴素贝叶斯的护理教学系统,系统设计包括算法优化、系统架构构建、软件功能模块开发及用户界面和交互设计。在加权机制设计中本研究细致地探讨了权重分配方法,以期在处理学习内容推荐与学习管理时,能更准确地反映学生学习需求与偏好。结果表明,通过加权朴素贝叶斯算法优化护理教学系统能显著提升内容推荐准确性与学习管理有效性,可为护理教育领域提供了一种新智能化教学解决方案。

高中数学建模探究——基于朴素贝叶斯的手写体数字识别技术

数学模型搭建了数学与外部世界联系的桥梁,是数学应用的重要形式.数学建模是应用数学解决实际问题的基本手段,也是推动数学发展的动力,是应用数学解决实际问题的一个根本途径.《普通高中数学课程标准(2017年版)》中,明确了数学建模是六个数学核心素养之一,并明确了数学建模的基本要点表现为:发现和提出问题,建立和求解模型,检验和完善模型,分析和解决问题.该过程的实施逐渐改进了传统教师的授课方式,引导学生真正独立思考和自主学习,体会数学与实际应用的紧密联系,并培养学生的创新能力和综合素质.因此本文以建模的过程作为基本导向,引导学生发现与探究人工智能领域相关问题.