一种HTML文档的朴素贝叶斯分类算法

针对WWW的HTML(HyperTextMarkupLanguage)结构采用TFE表示,给出一种新的TFE实现方法,进而提出了一种改进的朴素贝叶斯分类算法,然后对该算法的准确性和有效性进行讨论.

基于粗糙集理论和朴素贝叶斯分类算法的汽轮发电机振动故障诊断

汽轮发电机组结构及振动的复杂性使其故障具有多层次性和随机性,以及故障信息不完整性等特点。对此,提出了一种基于粗糙集理论与朴素贝叶斯分类算法的汽轮发电机组振动故障诊断方法。通过粗糙集理论求取最小属性约简集,并在此基础上利用朴素贝叶斯分类算法诊断出故障概率最大的区,最后针对具体的故障设定值对该方法进行验证。实际算例结果表明,该方法能在故障信息不完整甚至丢失核心属性的情况下得到较好的诊断结果,提高了系统诊断的容错性。

基于朴素贝叶斯分类算法的数据库入侵检测系统

在网络信息安全体系中,数据库的安全保护最为关键,入侵检测系统(IDS)是目前较为理想的数据库安全工具。论文提出了一种数据库入侵检测方法,包含一种可反映同一个数据库事务中SQL语句的关联性的数据库日志数据结构,以及采用朴素贝叶斯分类算法(NBC)的机器学习算法与入侵检测算法。实验证明,论文提出的检测系统具备较高的准确率。

基于朴素贝叶斯分类算法的股指预测研究

预测大盘指数的涨跌幅度在股票投资中具有重要的意义。大盘指数的涨跌既与国家的宏观经济政策有关,也与大盘指数自身运行状态有关。结合朴素贝叶斯分类算法和股票大盘指数涨跌的影响因素建立了大盘指数分类预测模型,以上证指数为例进行了实验,结果表明分类预测模型有效,准确性较高。

基于朴素贝叶斯分类算法的学员流失预警应用研究

学员流失控制是软件技术培训学校工作中的一个突出问题。本文以某软件技术培训学校为例,研究基于朴素贝叶斯分类算法构建学员流失预警系统,实现数据导入、概率统计、数据挖掘及学员流失预警,为学校提供决策参考;并在文末提出了展望。

基于朴素贝叶斯分类算法的活跃网络结构挖掘

研究了利用朴素贝叶斯分类算法对电子邮件进行分类处理,引入了活跃网络和活跃度的概念,提出了犯罪组织通讯网络的描述算法以及组织结构的挖掘算法,实验证明了算法的有效性。

基于属性关联的朴素贝叶斯分类算法

针对传统朴素贝叶斯分类算法处理多维连续型数据时准确率较低的问题,提出基于属性关联的改进算法。通过高斯分割对属性类别不同的多维连续型数据集进行离散化处理,并使用拉普拉斯校准、属性关联和属性加权方法改进朴素贝叶斯分类过程。实验结果表明,与基于拉普拉斯校准或属性加权的改进算法相比,该算法能够提高分类准确率,且提升幅度在一定范围内随着属性数量的增加而增加,适用于多维连续型数据的分类。

朴素贝叶斯分类算法在大学生体质分析中的应用

基于大数据对大学生体质进行分类预测,有助于大学体育治理体系的建设,朴素贝叶斯模型是一种操作简单且性能较好的机器学习分类算法。基于朴素贝叶斯分类算法,采用广州商学院2014、2015年学生体测数据及其评分结果作为源数据,构建大学生体质分类器。应用此分类器可对大学生的体质状况实现一定概率意义上正确的判断,从而可以对体质存在隐患概率比较大的学生给出主动性预警,以便大学体育对学生进行群体性的体质判断、进行个性化的有效干预,从而促进学生健康发展,提高大学生整体体质水平。分类器模型用Python编码实现,最后用与训练数据不重叠的历史体质数据检测分类器的准确率,结果显示,基于朴素贝叶斯算法的体质分类器达到了78%的正确率。

基于深K近邻和朴素贝叶斯分类算法的肿瘤诊断

本文试图将深k近邻和朴素叶贝斯分类算法来解决肿瘤诊断的问题。肿瘤现在已经成为我国乃至世界范围内的常见病和多发病,尽早诊断和治疗对肿瘤患者的未来至关重要。异型性是肿瘤异常分化在形态上的表现。肿瘤细胞异型性小,与正常组织相似,分化和低恶性。肿瘤细胞异型性大,与正常组织相似度小,分化程度低,恶性程度高。区别这种异型性的大小是诊断肿瘤,确定其良性、恶性的主要组织学依据,但最大的问题在于准确诊断存在困难。本文从概率的角度,结合深K近邻与朴素贝叶斯分类算法开展研究,对尽可能准确的诊断提出合理的算法。

结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法

高光谱遥感可以得到更精确与丰富的遥感信息,因此涵盖了各国家的航空、航天以及小范围的地面观测的多个层级与环节,在对地观测遥感领域占有不可取代的地位。但高光谱数据集往往非常庞大,且包含冗余信息,为后续处理带来了不便。该研究选用拉普拉斯特征映射对高光谱数据降维与特征提取,并提出了一种权重朴素贝叶斯分类算法。通过奖励权重的方法对经典朴素贝叶斯分类器进行了改进,利用公开数据对算法进行验证,判别地物信息准确率达到92.7%,相比于传统方法有了大幅度的提高。

基于贝叶斯分类算法的木马程序流量识别方法

针对传统计算机杀毒产品对木马程序识别问题上存在的资源消耗和杀毒滞后问题,结合网络流量的分类算法提取各种应用服务流量的特征属性,文章采用朴素贝叶斯分类算法对网络中木马程序流量进行识别。这种方法可以在一定程度上解决现有计算机杀毒产品资源消耗和杀毒滞后的问题。实验结果表明,对于网络中处在待机状态下的木马程序产生的数据流识别效果明显,只需较少量的训练样本即可获得较高的识别率。

基于贝叶斯算法的网页木马检测技术研究

网页木马已成为互联网最大的安全威胁.在研究网页木马行为特征、木马监控技术的基础上,利用网页木马与正常网页的区别,提出了将链接分析技术应用于网页木马检测的方法,将朴素贝叶斯分类算法应用于网页木马的检测,给出了基于贝叶斯算法的网页木马检测系统模型的设计方案,包括管理模块、网页代码分析模块、网页木马进程创建监控模块,以及网页木马行为监视等模块的实现方法.通过实验测试,验证了所设计的检测模型的有效性.

朴素贝叶斯算法的MapReduce并行化分析与实现

朴素贝叶斯方法是一种高效的分类算法,但在处理海量数据时由于内存和I/O等资源的局限,该算法的效率受到极大影响。文中针对朴素贝叶斯分类算法特点,给出了基于MapReduce编程模型的实现朴素贝叶斯分类算法的方法。训练集内文件被分割进行处理,核心处理过程由MapReduce完成,Map函数完成对训练文件的解析,Reduce函数完成类别属性和特征属性知识库的构建。实验主要比较了传统算法和改进并行算法的性能,结果表明:在大数据量的情况下使用Ma-pReduce并行化的朴素贝叶斯算法具有良好的执行效率与较高的扩展性。

基于贝叶斯分类算法的方剂歌诀学习系统设计与实现

目的:方剂学习是中医传承的一个重要环节,为了更好地利用现代技术传承中医文化,把传统中医歌诀和现代计算机技术相结合,采用文字、图像等多媒体手段进行表达,制定方剂君臣佐使关联查询规则。方法:采用朴素贝叶斯分类算法对方剂中的君臣佐使信息进行统计分类,设计的方剂歌诀学习系统通过互联网、微信、手机App等方式进行转播。结果:朴素贝叶斯分类算法可以很好地把不同种类的方剂通过方药君臣佐使概率关联起来,帮助学习者实现方剂君臣佐使关联学习的目的,并有助于研究者发现方药中君臣佐使组合的某种规律。结论:探讨了朴素贝叶斯对方剂歌诀数字化信息查询组合方法,对中医方剂的学习起到了积极的作用。

基于贝叶斯分类算法的用户评论数据挖掘系统设计

随着人工智能和大数据的蓬勃发展,传统的现场购物的方式已经被颠覆,电子购物逐渐成为人们生活不可或缺的一部分。电子购物不仅方便了消费者,而且电商平台也可以获得海量的非结构化文本数据,如商品描述、用户评论、用户咨询等,进而实现商品优化。但是电商平台所获得的信息繁冗复杂,数据量大且夹杂大量无效信息,如何从其中高效提取有效信息成为电商平台发展的掣肘所在。基于这一关键问题,一种全新的数据挖掘系统被提出。以某知化妆品为案例,通过Python爬取其购物评论,利用WordCloud制作词云,从词云图捕捉客户对商品的满意度以及客户对商品的主要关注点。随后基于朴素贝叶斯分类算法对评论进行类别训练,并提取好差评评论中的敏感词汇,进而找到商品改进的突破点。

基于朴素贝叶斯算法的网络教学平台响应时间研究

随着高等院校信息化水平的高速发展,网络教学平台重要性日趋显著。本文分析某高校网络教学平台服务响应时间的影响因素,并针对服务器性能、数据库连接池优化、是否采用服务器缓存、是否集群部署四分类变量,对平台响应时间进行性能测试。随机选择测试数据集中80%数据作为朴素贝叶斯分类算法测试数据,并对20%数据进行响应时间预测。根据朴素贝叶斯分类器后验概率,获取每个状态分类特征对类的贡献率。实验表明,优化Windows服务器性能配置、引入服务器缓存技术、采用数据库连接池Druid、采用集群方式部署,能够有效缩短网络教学平台响应时间。

基于IKMNB分类算法在入侵检测中的应用

针对当前入侵检测中存在检测率低,误检率和漏报率高的问题,提出了一种基于K-means聚类的贝叶斯分类算法(IKMNB)。用改进的K-means聚类算法对原始数据集中的完整数据进行聚类,然后计算缺失数据集中的每条记录与k个簇中心之间的近似度距离,把记录归属为距离最近的一个簇,使得该记录的缺失值被相应簇中的属性值填充,最后运用贝叶斯分类算法对处理后的完整数据集进行分类。通过仿真实验验证了该算法与朴素贝叶斯算法相比提高了检测率,降低了误检率和漏报率。

一种简单的流式数据动态分类算法

针对篮球比赛中各项流式数据,利用数据流的概念离散化预处理并结合改进的朴素贝叶斯分类算法及阈值方法,在有限的内存中设计出一种动态的分类挖掘,即设立最小有用信息阈值删除垃圾信息;在信息属于可用信息的情况下,利用阈值从连续的数据流中对数据进行分类并发现新类.实验表明该方法的正确性和有效性.

一种新的微博短文本特征词选择算法

针对微博短文本有效特征较稀疏且难以提取,从而影响微博文本表示、分类与聚类准确性的问题,提出一种基于统计与语义信息相结合的微博短文本特征词选择算法。该算法基于词性组合匹配规则,根据词项的TF-IDF、词性与词长因子构造综合评估函数,结合词项与文本内容的语义相关度,对微博短文本进行特征词选择,以使挑选出来的特征词能准确表示微博短文本内容主题。将新的特征词选择算法与朴素贝叶斯分类算法相结合,对微博分类语料集进行实验,结果表明,相比其它的传统算法,新算法使得微博短文本分类准确率更高,表明该算法选取出来的特征词能够更准确地表示微博短文本内容主题。

基于加权贝叶斯的小学英语个性化资源推荐

在小型的自适应学习系统中,学习资源的个性化推荐是实现自适应学习的关键内容之一。为了更好地进行个性化资源推荐,本文采用朴素贝叶斯分类算法构建了个性化资源推荐模型,并针对算法中条件独立性假设与模型实际应用相悖的问题,对原算法进行加权改进。通过在UCI标准数据集对该加权算法进行理论验证,并将其应用于小学英语自适应学习系统的个性化资源推荐模型中进行系统实验。实验结果表明:提出的加权算法在分类精准度上准确率有所提高,基于该加权算法的模型在个性化资源推荐满意度上也有所提升。因此,我们认为在小学英语自适应学习系统中,基于加权朴素贝叶斯分类算法的个性化资源推荐模型能够更好地解决小样本条件下以学习者为中心的个性化学习资源推荐的问题。