一种基于贝叶斯方法的多分类器组合优化算法

提出了一种基于贝叶斯方法的多分类器组合优化算法和阈值改进方法。首先,计算分类器对各个类别的置信度。然后,以各分类器的置信度为先验概率,采用向量求和将各分类器的先验概率向量进行组合,得出最终输出向量,最后通过优化阈值提高综合分类器识别精度。在此后的实验数据表明:该算法具有方法简单、运算速度快、分类精度高等优点。     

基于形式概念分析的模式匹配算法

提出了一种基于形式概念分析的模式匹配的FCABSM方法,该方法由3部分组成:首先,以朴素贝叶斯文本分类算法为基础设计名称分类算法及描述分类算法,分类目标模式与待匹配模式的元素名以及元素描述,为模式间元素的匹配提供初始依据.其次,利用形式概念分析技术整合分类结果、元素类型信息以及约束信息,提高匹配精度.该阶段为待整合信息创建形式上下文、获取形式上下文中蕴涵的概念、确立概念间偏序关系及构建概念格.最后,以第二阶段的概念格为计算依据,引入基于结构的相似评估模型来计算出最终的匹配结果.实验表明,基于FCA的模式匹配方法的平均性能优于缺少FCA整合的直接匹配方法.     

浅析贝叶斯公式及其在概率推理中的应用

贝叶斯推理是在不完全信息下,对部分未知的状态利用主观概率估计或统计得到的先验概率,然后用贝叶斯公式对诱发某结果的最可能原因进行概率推理。本文通过例子介绍了贝叶斯公式的意义及其在概率推理中的应用。     

泊松分布下信息安全事件概率计算模型

从信息安全事件的概率分布规律出发,根据泊松分布的基本特征,通过数学证明了信息安全事件发生频数服从泊松分布,并采用国家互联网应急中心(CNCERT/CC)统计数据验证了这一理论结果.在此基础上,基于贝叶斯定理,建立了泊松分布下的信息安全事件概率计算模型.根据泊松分布的概率质量函数,计算了信息安全事件发生频数的先验概率分布;通过构建似然函数调整先验概率分布,得到信息安全事件发生频数后验概率分布;最后,采用CNCERT/CC统计数据验证了该模型的可行性和有效性.     

网络留言分类中贝叶斯复合算法的应用研究

Bayes算法在已知先验概率与条件概率的情况下进行模式分类,待分样本的分类结果取决于各类域中样本的全体,但实际上类别总体的概率分布和各类样本的概率分布函数是不确定的。为了解决上述问题,提出了一种基于SVM-EM算法的Bayes算法,首先利用非线性变换和结构风险最小化原则将流量分类问题转化为二次寻优问题,然后要求EM算法对Bayes算法要求条件独立性假设进行填补,最后利用Bayes算法进行网络留言分类,提高了分类的准确性和稳定性。     

一种基于贝叶斯网络的威胁估计方法

为有效处理地面战场威胁估计问题,提出了一种基于贝叶斯网络的威胁估计方法。根据专家知识建立贝叶斯网络模型,通过匹配算法实现态势估计记录与贝叶斯网络中态势节点的匹配,并根据证据可信度及先验概率动态实现态势节点的概率赋值,利用Pearl消息传播算法计算威胁等级节点各取值的概率值,最终获得威胁等级决策。针对一个简化的贝叶斯网络模型,采用该方法进行了不同先验概率及态势下威胁等级的仿真评估,所得结论与人工判定结论基本吻合,表明该方法可有效地应用于地面战场威胁估计领域。     

基于多反馈累积综合的新闻图像检索方法

通过分析新闻图像检索的应用特点,提出了一种多反馈、累积的图像检索方法．在贝叶斯分类模型的基础上,构造图像特征的分类方法,进一步得到图像的分类概率;设计多个反馈指标上的概率综合公式及先验概率的累积修正方法．实验结果表明,所提出的算法是有效的,并具有较好的性能．     

一种基于朴素贝叶斯分类法的空间分类算法

 空间分类是空间数据挖掘的重要分支,寻找高效的空间分类算法是空间分类研究的重要方向.在空间对象的邻接图及朴素贝叶斯分类法的基础上提出一个新的空间分类算法,该算法对空间对象进行分类时,既考虑了待分类对象的属性对分类的影响,又考虑了其空间邻接对象对它分类的影响.该算法的计算复杂度不高,分类的正确性好.     

一类受开关函数控制的最快检测问题

提出一类受开关函数控制的最快检测问题.建立了转变时刻的先验概率受当前状态控制的概率模型,并使用最优停止理论结合贝叶斯方法,给出了该模型下最快检测的停止方法.使用该方法进行了计算机仿真,给出了虚警概率和平均延时的仿真结果.结果表明,该方法原理正确,拓展了贝叶斯最快检测方法的适用范围.      

基于粗糙集理论的贝叶斯网络分类算法

面对生活中数据信息量大的问题,常使用粗糙集对数据进行知识约简,消除数据中冗余的部分。但大多数研究没有考虑约简后对原有分类的影响;常使用的朴素贝叶斯算法又难以获得其先验概率。基于上述问题,本文提出了一种基于粗糙集的贝叶斯分类算法：首先利用粗糙集中决策属性和条件属性之间的依赖关系,进行属性约简,消除冗余的数据,然后通过贝叶斯算法对约简后的数据进行知识挖掘,最后通过对故障源数据的对比分析。该方法既避开了朴素贝叶斯算法对先验概率的要求,又使得数据分类和预测能力有了明显提升。     

电力系统暂态安全分析中动态等值的新方法

提出一种电力系统发电机动态等值的新方法 ,采用模式聚类的方法对发电机的摇摆曲线分类 ,将模式识别与专家系统相结合 ,为电力系统的动态等值提出一种新的思路 ,对用直接法进行电力系统暂态稳定定量分析具有重要意义     

将Kohonen网络用于估计O－D矩阵的算法研究

Ｏ－Ｄ矩阵通常被看成常数．本文将它作为随机矩阵来研究．在Ｏ－Ｄ矩阵有几种可能取值的假设下，用神经网络中的Ｋｏｈｏｎｅｎ网络及相应的竞争学习算法，估计了Ｏ－Ｄ矩阵的值，并用模拟数据作了验证．结果表明，该算法不仅可以估计Ｏ－Ｄ分布的数值．还可以将交通流量按Ｏ－Ｄ分布的不同来分类，从而为交通控制和交通规划的研究提供了有效的途径．     

基于Bayes推广理论的市场预测研究

Bayes方法是一种有效的预测手段,它能够把主观估计和客观估计结合起来,并能随着资料的不断增加而调整预测,使得市场预测更加精确。介绍了Bayes推广理论的基本方法,把Bayes推广理论应用于市场预测,并给出了具体的算例。     

基于多分类器结合的IKONOS影像城市植被类型识别

采用多分类器结合的方法对城市植被进行分类.首先,以分割获得的城市植被分布斑块为处理基元,在不同特征空间中采集不同的样本,通过ISODATA、马氏距离、最大似然、人工神经网络和专家系统法进行分类,并计算各分类结果的关联程度和各植被类型识别的先验概率;然后利用专家投票的大多数规则对分类结果组合,未分类的对象按照先验识别概率最高的结果归类.精度评价表明:多分类器结合方法显著提高了信息识别的能力;采用多分类器结合的方法比单个分类器获得的最高分类精度提高5.5%,Kappa系数提高7.4%;Z统计值均为负,且均通过95%的置信水平检验.     

基于离心法引发的气液两相环状流的数值模拟及流量测量研究

用数值模拟方法研究了水平管内气液两相流经过旋流叶片这种离心原件的流动特点。入口为段塞流,空气为主相,水为次相。研究在离心力作用下给气液相分布和流型转变带来的影响。模拟结果表明段塞流经过离心原件后流型转变为环状流;且环状流的液膜相对比较均匀。实验引进了3D打印技术,试制了旋流叶片,并开展了气液两相流实验研究,采用多普勒流速仪测量,通过对液膜速度分布曲线积分即可获得液相质量流量。实验取得了良好的结果,误差基本都在10%以内。实现了管内相分离和流量的非介入式测量,为气液两相流计量提供了指导意义。     

基于尾项加权的自适应文本分类方法研究

基于朴素贝叶斯分类框架,通过添加尾项值对部分严重扭曲的分类结果进行调整,达到提升分类器性能的目的.方法通过增量式自适应学习分类模式,根据历史结果,判断分类器分类质量,进而确定尾项添加区间,对明显产生分类扭曲的区间结果自适应添加尾项补偿,调整分类结果.在Trec05,Trec06,Trec07,Ceas08数据集上的对比实验表明,改进算法在accuracy,Macro F1两个指标上均比朴素贝叶斯分类器和bagging朴素贝叶斯分类器显著提高,且方法简单易行.     

Fuzzy数合成运算应用于图象分类

提出了一种图象有监分类的新方法.该方法基于图象的特征因子对于图象的类别的模糊性,因而可以用一个隶属函数来表示.根据模糊数的合成运算,考虑到全部特征后,给出图象隶属于所有的类的可能分布.若选定某一阈值λ_α进行截取,就可能确定出该图象属于某类的最大可能性.实例表明用该方法对图象进行的分类与用最小距离分类得出的结果一致.     

二项分布的几种经验Bayes估计方法

讨论了4种二项分布的经验贝叶斯估计,并通过实例比较了这4种方法的优缺点.其中参数化方法缺点是要注意先验分布的选择;最小熵方法的缺点是只能采用数值解法;线性经验贝叶斯方法的优点是不需求出先验分布,结果简明,便于应用,缺点是需要估计局限于样本x的线性函数;条件期望法的优点是不必考虑先验分布的类型、参数等,只需要有充分多的“经验”样本.     

基于信息优化融合的煤矿井下环境安全监测技术

针对传统的传感器监测矿井环境存在评判可靠性低、数据单一的缺点,提出一种基于多参数、两级信息优化融合的安全监测方案.该方法综合了瓦斯、粉尘、CO、风速、温度对矿井环境的影响,利用多传感器采集其参数,首先用Bayes理论对剔除了疏忽误差的同质数据源进行一级融合,形成矿井环境特征向量,然后用灰色理论进行灰色关联度分析的二级融合,根据融合后的关联度判断环境安全等级,实现对矿井环境监测参数的优化和整合.研究表明,该方法充分利用多种有效监测数据,既实现了同质数据源的优化,又从整体上考虑了异质数据源的互补性,提高了监测系统的可靠性、全面性.