基于特征加权贝叶斯神经网络的微博异常账号检测

准确检测出微博的异常账号对净化网络环境有着至关重要的作用。为了更精确地检测出微博异常账号,提出一种基于特征加权贝叶斯(Weighted Native Bayesian,WNB)优化贝叶斯神经网络(Bayesian Neural Network,BNN)的微博账号检测模型。首先从微博账号中提取出多个行为特征,并且将行为特征进行归一化处理,然后对微博账号的行为特征建立贝叶斯神经网络模型进行检测,并采用WNB对神经网络的权值进行优化,以求获得最佳的检测效果。实验结果表明,基于特征加权贝叶斯神经网络的检测模型较采用贝叶斯神经网络时检测精度有了明显提高,所提出的检测模型具有较高的检测精度。

基于眼部信息融合的疲劳驾驶检测的研究

由于驾驶员疲劳驾驶产生的事故量增多,对驾驶疲劳检测的研究越发重要。通过研究目前驾驶疲劳检测的现状与发展趋势,以驾驶员个体为单位,通过AdaBoost算法对于驾驶员眼部进行特征提取,通过垂直投影法区分驾驶员是否配戴眼镜,进而对眼部进行识别。并基于特征加权贝叶斯算法将眼部疲劳参数PERCLOS值,眨眼频率以及闭眼时长这3个参数进行融合,驾驶员眼部疲劳状态进行综合判断,在MATLAB平台上进行仿真实验,对实验结果进行分析可以发现融合后的特征更能体现是否发生疲劳,一但疲劳采取语音报警提示。

基于学习方式对Hadoop作业调度的改进研究

随着并行计算、分布式计算和网格计算技术的发展,云计算作为一种新的模型被提出来,发展极为迅速。Hadoop作为一个开源的云计算系统,得到了广泛的运用。作业调度是Hadoop平台的核心问题之一,通过对Hadoop中已有调度算法的了解和分析后,基于学习的方式,利用过去的节点历史记录和作业属性来不断地改进作业调度;应用了基于特征加权的朴素贝叶斯分类器算法来改进任务的分配调度,并通过实验进行了验证,结果表明它对任务分配调度执行效率有一定的提高。