朴素贝叶斯网分类器在认知诊断中的应用

朴素贝叶斯网分类器是贝叶斯分类器的一种,文章将其应用到现代教育测量的认知诊断分类中,对0,1计分下的认知诊断进行了实验,并与认知诊断中典型的分类方法进行了比较。实验结果表明,利用贝叶斯网分类器分类效果明显占优。

贝叶斯网络在用户信用评估中的应用研究

为了弥补传统朴素贝叶斯分类器在实际应用中代价不敏感的缺点,基于最小风险准则构建朴素贝叶斯模型和树增强朴素贝叶斯网模型,通过预先设置损失矩阵,分类器可以区分各种误判情形产生的代价,利用1 000条德国信用卡样本数据进行实验。研究发现,在以损失最小为导向的用户信用评估方面,基于最小风险准则构建分类器产生的总损失更小,综合性能更好;在分类性能上,简单的朴素贝叶斯模型可与复杂的基于爬山算法建立的贝叶斯网络模型相媲美;从整体经济效益看,朴素贝叶斯模型更胜一筹。

船舶溢油事故报告关键影响因子与行为偏好分析

为分析船舶溢油事故报告行为的影响因子和偏好,构建以环境因子和事故船方主体特征为自变量、报告选择为因变量的关系结构,从连通性、效率和效果3个角度完成了相关信息采集。基于调查问卷数据,分别利用Probit模型和贝叶斯网推理明确了影响事故报告行为的关键因子,基于ROC值对两个模型的预测精确度进行了评估,选择精确度较高的模型预测事故报告行为偏好。结果表明,在船工龄、职务、培训情况、溢油数量和事故时间会对溢油事故报告的具体行为偏好产生影响。

基于时态约束贝叶斯网的电信产品生命周期预测研究

针对通信企业多产品同时运营的特点,在获取通信市场发展阶段时态区间分布的基础上,构造带时态约束广义朴素贝叶斯网电信产品生命周期主值分类预测模型,并提出禁忌搜索-蚁群优化算法学习产品属性节点间有向边..在禁忌搜索过程中利用贝叶斯网MDL评分函数结构信息熵、模型复杂度度量交互影响,避免贝叶斯网学习陷入局部最优.在实证部分,应用多层交叉验证对产品运营数据进行测试,并对比NB网、TAN网分类法,结果表明:时态约束GNB网分类预测方法具有准确度高、稳定性好的优势,并能提供产品属性节点对产品生命周期主值预测影响程度实证分析手段,为电信产品生命周期预测研究提供了一种有效的新途径.

大学生就业类别与学业表现的关系模型

对大学生所学课程进行分组和投影得到一组隐藏变量,这些隐藏变量之间的相关性很小,可以视为相互独立,将它们作为就业类别结点的子结点,由此得到一个三层次的树型网络结构,网络参数使用EM算法学习获得。通过和朴素贝叶斯形式的就业模型的对比发现,该模型就业预测的准确率高于朴素贝叶斯网,而且受就业样本数量的影响较小。

Q矩阵在认知诊断测量中的应用研究

目前,已经有100多种认知诊断模型被开发出来,其中大多是基于Q矩阵的。Q矩阵在认知诊断测量中发挥着重要作用。DINA模型和朴素贝叶斯网分类器是两种围绕Q矩阵构建的认知诊断模型,通过分析两种模型中Q矩阵的构建过程及Q矩阵对两种模型的影响,研究Q矩阵在认知诊断测量中的应用。