贝叶斯概率与元胞自动机的非线性转换规则

利用朴素贝叶斯分类器(NBC)、高斯径向基函数和离散模型获取城市CA模型的非线性转换规则,提出NBC—CA模型,并将该模型应用于深圳市1988-2010年城市演变的动态模拟中。研究结果表明,所提出的CA模型能反映复杂城市系统的非线性、不确定性特点,模型模拟的结果要比传统MCE方法模拟精度高。NBC—CA模型中的径向基参数可解释不同空间变量的作用下,城市发展的集中区域以及空间变量对城市发展的影响范围,能够反映城市发展的模式和特征。     

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.     

一种基于加权核Fisher准则的朴素贝叶斯分类器

利用加权核Fisher准则,给出一种朴素贝叶斯分类器的改进算法。该算法通过寻找使类与类最大分离的最优投影矩阵,将样本数据进行投影变换,再利用朴素贝叶斯分类器对新样本进行分类。将该方法应用于双酚A生产过程在线监测数据集的分类中,仿真结果表明,相比于单纯朴素贝叶斯分类器,该分类算法具有更好的分类性能。     

一种基于概率粗糙集模型的图像语义检索方法

针对目前图像数据信息量大、检索不易和人们对图像检索习惯于对图像概念语义进行检索的难题,本文将概率粗糙集理论和图像的语义标注技术引入图像的信息检索中,提出了一种基于朴素贝叶斯理论和概率粗糙集模型的图像语义信息检索模型.首先,针对图像库中的图像构造精确标注词空间,并通过朴素贝叶斯理论对图像进行精确标注和模糊加权标注.将概率...     

朴素贝叶斯算法和SVM算法在Web文本分类中的效率分析

为分析对比朴素贝叶斯算法和SVM算法在Web文本分类中的效率及其适用的范围,构建了一个Web分类系统,此分类系统将已分类的Web网页作为训练集,利用分类算法构建Web分类器,通过Web测试集评价两类算法在Web文本分类中的性能体现,为Web文本分类算法选择提供一定的参考依据.     

一种改进的特征选取方法

从人工分类的角度看,标题、摘要及关键词中的词条对于文本分类具有更重要的作用,在特征选取中低DF值的词条可能更能代表文本的类别信息。针对以上两个问题,本文提出了基于类别核心词的特征选取方法。首先,从标题、摘要及关键词中提取类别核心词;然后。通过加权方式,强化它们在特征选取中的作用;最后在朴素贝叶斯分类方法上进行实验。实验结果表明,提出的方法能够有效提高中文文本的分类准确率。     

基于人类线粒体基因功能网络的线粒体蛋白功能预测

本研究旨在利用生物信息学的方法建立高可信度线粒体基因清单,通过整合14个全基因组和线粒体水平的异质组学证据,利用朴素贝叶斯模型建立了线粒体基因功能网络,然后基于此网络预测线粒体相关KEGG pathway新的组件,确定部分线粒体基因功能.本研究预测得到78个线粒体相关KEGG pathway新的组件.     

一种基于相对特征的文本分类算法

针对文本分类问题,将朴素贝叶斯分类与自组织特征映射网络分类相结合,提出了基于相对特征的文本分类算法.该算法具有很快的速度和较高的准确率,从而为构建高效的搜索引擎提供支撑.     

基于卡尔曼滤波改进压缩感知算法的车辆目标跟踪

针对传统的基于压缩感知技术的目标跟踪算法存在的跟踪漂移问题，提出了一种采用改进压缩感知算法和卡尔曼滤波方法相结合的车辆目标跟踪算法. 首先，通过传统压缩感知目标跟踪算法识别出本帧目标存在概率最大的区域得到观测值； 其次，利用卡尔曼滤波预测本帧的跟踪轨迹得到预测值，通过卡尔曼滤波增益系数对预测值与观测值进行修正，获得最终目标跟踪结果； 最后，在修正后的目标区域周围进行正负样本采样以实现朴素贝叶斯分类器更新，进而实现目标跟踪轨迹的实时更新. 通过实验室试验以及野外实测验证了所提方法的可行性，相较于基于压缩感知技术的目标跟踪算法，本文所提方法的跟踪结果平均误差分别降低了48%和89%，跟踪轨迹更加趋近车辆真实运动轨迹.     

基于修正小波变换插值-TAN的雷达降水粒子分类

对于双偏振天气雷达在获取数据分辨率较低情况下的降水粒子分类问题, 提出一种双偏振体制天气雷达下基于修正小波变换插值-树扩展朴素贝叶斯(tree augmented naive Bayesian, TAN)的降水粒子分类方法。首先，需要在原雷达偏振参量数据分辨率比较低的情况下进行修正小波变换插值处理，以获得较高分辨率的雷达偏振参量数据。然后，基于互信息理论利用离散化的高分辨率偏振参量数据进行TAN网络结构和参数训练，得到可用于降水粒子分类的TAN网络。最后, 将高分辨率的雷达偏振参量数据带入到最终获得的TAN网络中以实现降水粒子分类。对实测数据的处理结果表明, 对于低分辨率雷达偏振参量数据, 所提方法可以取得较好的降水粒子分类结果。