多阶段聚类-朴素贝叶斯的异常检测

针对异常检测手段用来标定数据集中明显的不同于其他数据的对象,提出多阶段聚类旨在解决噪声数据的引入和缺失属性样本的处理,并改变传统的贝叶斯分类的被动学习为主动学习的方式来构造性能优越的分类器。在数据预处理阶段,利用密度聚类滤去噪声点,密度聚类的输出作为下一阶段的K-means聚类的输入,提高了K-means的分类准确率。K-means负责对缺失属性的样本进行处理。在分类阶段,利用adaboost学习算法优化朴素贝叶斯分类器,使其获得较好的分类效果。     

信息价值风险分析的熵-Bayes决策模型

分析了 Bayes决策中存在的局限性及其原因 ,并将熵理论应用于 Bayes决策 ,修正了 Bayes决策模型 ,得到进行 Bayes决策后验预分析的一个充要条件 ,提高了 Bayes决策的准确度.     

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。     

一种改进的朴素贝叶斯分类器在文本分类中的应用研究

文本分类是数据挖掘领域中重要的研究分支.通过对自适应遗传算法和朴素贝叶斯分类器的研究,提出一种基于自适应遗传算法的朴素贝叶斯分类算法.将该算法应用于中文文本分类中,可以生成最优贝叶斯分类器及最优属性集合,提高分类精度.     

判别分析法在环境质量评价中的应用

孙成宝等人用主成分分析与全局主成分分析的方法研究了沈阳、广州、桂林等七座城市环境空气质量,得到了一些有价值的结论,但考虑的污染因子太多,将对测量数据、处理数据等带来很多不便。本文用逐步判别法克服了这一不足,将该文的6个污染因子减少到3个,然后对这7座城市环境空气质量进行评价,得到了与孙成宝等相吻合的结论。     

加工装置的精度动态损失贝叶斯建模预报

针对测量过程中需要对数据量较少的非平稳性精度进行随机序列的建模预报,提出了贝叶斯动态测量精度序列的预报方法.该方法不要求较大的数据量,对序列平稳性无限制,并以实例验证了贝叶斯预报方法的适用性和可行性.     

贝叶斯不精确知识推理在弹药贮存中的参数估计

应用不精确知识推理中的贝叶斯概率推理方法，研究航空弹药在长期贮存中分布函数的参数估计，改变仅以储存年限来评判弹药质量的方法，为弹药的质量管理和更新换代提供了科学依据，提高了弹药贮存的军事性和经济效益．     

求总体极值的一个新算法

本文将多变量总体最优化问題转化为单变量总体最优化问題来求解,并利用隧道法来加快求解速度。     

基于认知学习的最小风险贝叶斯邮件过滤算法

提出了超高维向量空间中的一种新的邮件向量表示方法,在考虑邮件误判风险的基础上,给出了一种基于认知学习模式的邮件过滤新算法。该算法模拟人类的认知学习过程,将系统分类与用户识别有效地结合起来,使得邮件过滤时的误判风险最小化。实验结果表明,算法具有较好的学习能力和学习效果,在邮件过滤应用中,能获得较高的查全率和查准率。