利用朴素贝叶斯模型进行多层网络链接预测

针对多层网络链接预测中层间信息融合的问题,提出了一种利用朴素贝叶斯模型的链接预测方法。该方法结合目标层的邻域信息和辅助层相对于目标层的全局信息进行链接预测。在目标层中,根据节点对的邻域信息,利用朴素贝叶斯模型计算其连接概率;在辅助层中,计算节点对在该层有边或无边时在目标层存在链接的概率。在真实数据和合成数据上的实验结果表明：该算法在正相关和负相关的多层网络中都有很好的预测性能。     

基于股票财务数据的贝叶斯网络的参数学习

研究了基于最大似然估计、贝叶斯估计与EM算法的贝叶斯网的参数学习.选取上市公司的10个股票财务变量构建贝叶斯网络,利用创建好的贝叶斯网络进行统计推断.对比最大似然估计和贝叶斯估计得到的参数值并展示EM算法不同迭代次数时的指数似然值,把EM算法得到的CPT表和最大似然估计的值相比较,对比较得到的结果进行归纳与分析.为基于不同算法的贝叶斯网络的参数学习提供了实证分析.     

常用数据挖掘算法的分析对比

当今社会,数据挖掘在商业领域和工业领域中所起的作用越来越大。但是随着科学技术的发展,知识也出现了爆炸式增长,在这种情况下,研究数据挖掘算法,以便根据不同的需求选择不同的数据挖掘算法,从而降低成本、提高效率成为一件刻不容缓的事。笔者对C4.5、K-means算法、贝叶斯算法、人工神经网络算法等常用的数据挖掘算法进行了研究探讨,希望能够为数据挖掘研究者们提供一些借鉴。     

数据挖掘的分析与探索

数据挖掘在越来越多的领域中得到广泛应用。本文主要描述数据挖掘的基本概念和过程,分析了传统数据挖掘技术和现代数据挖掘技术及其应用,以及数据挖掘的研究现状和未来的发展趋势。     

关于数据关联规则挖掘理论与数据算法的研究

在数据挖掘研究领域中,数据的关联规则占有重要研究地位和突出现实作用。本文论述了关联规则产生的背景,描述了关联规则的相关概念,并对Apriori挖掘算法进行了详细分析。     

一种基于数据不确定性的概念漂移数据流分类算法

隐私保护、数据丢失、网络错误等原因导致网络中大量数据存在不确定性.数据流系统中数据连续不断到达系统,故不能一次性获得全部数据,此外数据的概念特征经常发生变化.针对这种情况,构建了一个增量式分类模型来处理数据具有不确定性的隐含概念漂移的数据流分类问题.该模型采用非常快速决策树算法,在学习阶段使用霍夫丁边界理论迅速构建能处理数据不确定性的决策树模型;在分类阶段将加权贝叶斯分类器应用于决策树的叶子节点,以提高不确定数据分类的准确率;采用滑动窗口技术和替换树来处理数据流中的概念漂移现象.实验表明,无论对人工数据还是实际数据,该算法均有较高的分类准确率和执行效率.     

基于K-means聚类分析与偏相关分析的高考质量评价体系构建与实施

阐述了高考成绩中多学科间K-means聚类分析和偏相关分析的高考成绩分析方法,构建基于数据挖掘技术的高考质量评价体系分析方法,并利用齐齐哈尔市高考考生成绩数据进行评价体系分析,为高考质量评价方法提供了一种新的尝试.     

保护隐私的分布式朴素贝叶斯挖掘

目前,分布式隐私保护朴素贝叶斯挖掘算法仅考虑分布式参与方的局部数据隐私而忽略全局的数据隐私,故难以有效抵抗合谋攻击.为此,基于差分隐私、秘密共享、安全多方计算等技术,提出一种分布式隐私保护朴素贝叶斯新算法.该算法采用安全求和协议构建保护隐私的朴素贝叶斯协议,对参与方的局部数据进行隐私保护.利用差分隐私保护机制对全局学习得到的朴素贝叶斯分类模型进行隐私保护.针对可能存在的合谋攻击,基于秘密共享设计了随机选择协议,将添加Laplace噪声的参与者随机化,有效防御安全多方计算中的相邻节点合谋及多数节点合谋攻击,并在此基础上优化保护隐私的朴素贝叶斯挖掘算法.实验表明,该隐私保护算法具有良好的分类性能和扩展性.     

电感材料与电流限制相关性认知诊断模型研究

自我国加入《华盛顿协议》以后,国内各大高校更注重对学生能力的培养,因此对学生能力的评估也成为重点研究问题该文提出一种基于贝叶斯心理测量的方法对学生的能力进行科学评估工作分为三步：首先,以研究电感饱和对电流限制的影响为例,基于认知诊断模型搭建了熟练度模型、任务模型和证据模型其次,构架贝叶斯网络模型并基于等级反应模型（GRM）设置网络中间节点的条件概率最后,在贝叶斯网络分析软件Netica中对构建的贝叶斯网络模型进行仿真实验,以验证方法的正确性和有效性.     

实际应用的需求对大数据挖掘的推动

实际应用、大数据、挖掘算法和处理平台4个要素的紧密结合构成了大数据挖掘的核心.根据大数据的特征,分析相关案例,指出实际应用的真实需求才是大数据挖掘的目标.大数据挖掘的价值体现必须结合应用数据和与应用匹配的算法,在数据处理平台的支持下,将挖掘到的知识或模型去指导实践.     

基于贝叶斯网络的Peer-to-Peer识别方法

网络业务分类与识别是网络管理、网络规划和安全的必要途径,而Peer-to-Peer (P2P)流量由于采用伪装端口、动态端口以及应用层加密,已成为业务分类与识别的主要难点. 该文提出了P2P业务的精确识别方法,通过对流统计特性的分析,提取相关特征属性,应用遗传算法选取最优特征属性子集,并采用贝叶斯网络机器学习方法识别P2P流量. 实验表明Ｋ2,TAN和BAN能有效快速地识别P2P业务,分类精度高达95%以上,很大程度上优于朴素贝叶斯分类和BP神经网络方法. 同时该系统具有可扩展性,能够识别未知的P2P流量,并适用于实时分类识别环境.     

气候变化对中国海上能源通道安全的影响与风险评估

针对气候变化背景下海洋环境响应及其对海上能源通道安全的可能影响和潜在风险,引入了风险分析理论和模式识别方法,对中国海上能源通道安全的海洋环境气候变化响应和风险进行了研究. 基于可获取的历史数据资料及政府间气候变化专门委员会第5次报告中的气候变化情景预估,引入贝叶斯网络方法对当前及未来不同气候变化情景下海上能源通道安全风险进行了评估建模,旨在为应对气候变化和保障中国能源通道安全提供决策参考.     

基于属性值贡献率的朴素贝叶斯改进算法

朴素贝叶斯分类是一种简单高效的方法.但是当属性独立性假设不成立时,有可能导致待测样本类别判断错误;且当待测样本到各类别的概率相同时,无法判断该样本类别,从而影响了它的分类准确率.本文提出基于属性值贡献率的朴素贝叶斯改进算法,利用待测样本的各个属性值在各类别的总贡献率判别该样本的类别.在蘑菇数据实验结果表明,该算法能有效提高分类的准确率.     

一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法

为了增强图像分割技术的准确性并优化图像分割技术的细节分割效果,提出了一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法。将OTSU算法中依据图像灰度特征选取的图像中的前景和背景通过属性加权朴素贝叶斯算法进行分类处理,计算图像中前景和背景的概率,训练该模型以获得最佳阈值进行图像分割处理,优化图像分割的效果。利用无人机航拍采集的图像数据进行实验,结果显示基于属性加权朴素贝叶斯算法的OTSU图像分割方法优化了图像的分割效果,较完整地展示了分割后的图像细节,具有较好的应用价值。     

基于Bayes估计的一般原则及在平方损失下的简单应用

讨论了求Bayes估计一般方法的理论依据,给出一种新的证明途径.并进一步给出了平方损失下,二项分布参数以Beta分布为先验分布时的Bayes估计以及正态均值在正态先验分布下的Bayes估计.     

平方损失下逆威布尔分布参数的Bayes估计

在平方损失下,讨论逆威布尔（IW）分布参数的Bayes估计,并证明所给出的参数Bayes估计是可容许的．     

熵损失下逆高斯分布参数倒数的Bayes估计

在熵损失函数下研究逆高斯分布参数倒数的Bayes估计并且讨论了多层Rayes估计并证明该参数的Bayes估计是可容许的．     

贝叶斯框架下泊松分布参数倒数的估计

在给定的一组泊松样本下,研究了泊松分布参数倒数的贝叶斯估计问题,得到了它的贝叶斯估计的精确形式,并讨论了它的可容许性,最后给出了它的贝叶斯置信下限的表达式以及最大后验区间估计的精确形式．     

心理状态数的Bayes推断

本文利用两种先验分布对心理状态数进行了Bayes推断 ,分别给出了C的后验分布、条件期望估计和最大后验估计 ,讨论了在无信息先验条件下 ,Bayes估计的优点及如何处理C的区间估计和假设检验问题     

一种支持分布式数据流处理的双层重叠网络模型

讨论了分布式数据流处理的需求以及重叠网络的特点。在Chord模型的基础上,提出了一种支持分布式数据流处理的双层重叠网络模型,并给出了构建模型的有效算法,最后通过应用验证了该模型的有效性.