朴素贝叶斯

摘要： 机器学习方法在处理复杂数据、构建高精度模型方面具有显著优势,在不同领域的研究中都得到了广泛应用。数字经济时代为经济领域带来海量数据的同时,也对经济研究提出诸多挑战。机器学习方法能充分挖掘数据中的非线性、非平稳信息,有效提高经济分析结果的精度。机器学习与经济问题的融合改变了传统经济学的研究范式。文章对近年来机器学习方法在经济研究中的应用进行回顾,从通货膨胀、汇率与货币、GDP、劳动力市场、社会稳定、政策评价等角度进行总结,比较了常用机器学习方法的优缺点,并展示了模型的评价准则,如均方根误差、F1-得分、AUC值等。

摘要： 随着大数据时代的到来,要求将数据资源确认为资产并在企业资产负债表列示的呼声越来越高,然而,学界对数据资源是否应确认为资产的观点并不统一,并且主张将数据资源确认为资产的研究方法只是基于会计准则逻辑基础之上的规范性研究,缺少可用于指导实务的实证方法和应用探讨。文章聚焦于数据资产的会计确认,结合大数据的本质特征,构建基于朴素贝叶斯方法的模型,可辅助企业开展数据资产的会计确认。

摘要： 本文旨在构建基于临床电子病历数据的冠心病预测模型.回顾性收集了2015年至2020年在宁波大学医学院附属医院住院期间,接受选择性冠状动脉造影的患者的临床数据,分别应用决策树、朴素贝叶斯和逻辑回归算法构建冠心病预测模型,比较3种模型的预测性能.共收集354例患者数据,其中冠心病患者140例,非冠心病患者214例,根据逻辑回归、朴素贝叶斯、决策树算法构建的3种预测模型的准确性分别为70.6%、89.5%、90.7%;曲线下面积分别为0.676、0.869、0.921.所构建的3种预测模型均具备较好的冠心病预测能力,具有用于冠心病筛查的潜在价值.

摘要： 本文在“互联网+大数据”的背景下,以Edx开放数据为研究基础,从中选取用户基本信息、学习者行为信息、学习态度信息三个维度,构建特征指标,通过遗传k-means聚类算法建立学习者行为模型,构建学习者画像,从而判断其行为模式、学习动机,进一步通过朴素贝叶斯算法预测其学业通过率,为教育工作者提供教育决策依据。

摘要： 为更好地实施水环境管理政策,水质评价是基础环节,即根据某一水域多个水质参数,如何将其合理地划分到特定水质类别。针对该问题,提出了一种改进的朴素贝叶斯分类方法,该方法赋予不同属性以不同的权值,削弱了朴素贝叶斯条件独立性的假设,使分类结果更接近实际类别。首先,参考国家地表水水质自动监测站(以下简称国控水站)发布的数据,选取其中500条水质数据作为样本,基于溶解氧、高锰酸盐指数、氨氮和总磷4个指标建立评价体系;然后,利用改进朴素贝叶斯分类方法对样本进行学习与评价,并采用五折交叉验证法验证其分类性能。结果表明,改进朴素贝叶斯分类方法的准确率、精确率、召回率和F1值分别达到96.0%、95.9%、93.8%和94.8%,水质数据分类的性能指标相较于其他朴素贝叶斯分类方法更高,可对实际工程中遇到水质数据分类的问题提供一定的参考。

摘要： 随着2020年疫情爆发对经济的影响,常规的商业营销模式受到了冲击。以网红营销为代表的电子商务迅速崛起。电商平台作为网红营销的主要渠道,成为了消费者挑选、评价电商产品的媒介。因此,在电商平台的消费者评论具有文本挖掘的价值和潜力。本文使用网络爬虫技术,爬取到49,700条天猫商城评论数据其中有效数据为40,138条,采用TF-IDF算法提取评论中的关键词,通过Basic LDA模型对商品评论进行属性抽取,并运用变分贝叶斯推断对模型进行求解,最后通过朴素贝叶斯对评论进行情感极性分析,最终得到结论:消费者对电商产品的评论从功能性、消费理性两个角度出发,主题1、3、4表现出消费者重视电商产品使用的直观感受的倾向,主题2表现出消费者重视电商产品实际解决需求的功能性的倾向,消费者对电商产品的情感得分里积极、中性、消极分别为36%、63%、1%,总体上对电商产品持认可态度。

摘要： 当前的网络流量时延特征识别方法未能在特征识别过程提升流量梯度,导致识别出现较大偏差,且方法的响应时间较长。为此提出基于朴素贝叶斯的网络流量时延特征识别方法。利用移动蜂窝网络通信链路技术和无线资源控制机制造成的网络流量时延波动完成建模分析,同时结合往返时延计算结果,获取与数据时延相关的网络流量特征。通过特征描述得到不同网络节点接入互联网技术差异导致的时序分布。将极端梯度提升树模型和朴素贝叶斯相结合,构建分类器,完成网络流量时延特征的识别。仿真结果表明,所提方法能够获取高精度的网络流量时延特征识别结果,同时还能够有效缩短响应时间。

摘要： 为提高测试用例复用的准确率及软件缺陷的发现率,提出一种基于知识图谱的测试用例复用方法,根据已有的项目测试数据,构建测试用例复用模型。对测试用例领域进行研究,分析测试用例的特征,利用本体设计构建测试用例知识图谱,通过问题模板与知识图谱匹配,改进朴素贝叶斯分类模型,利用多属性、多条件检索相似度最高的测试用例。基于模型匹配精度和知识图谱检索效率对复用方法进行验证,实践对照表明该方法能够提升测试用例复用率以及缺陷发现率。

摘要： 根据朴素贝叶斯算法的特征条件独立假设,提出一种基于互信息和层次聚类双重特征选择的改进朴素贝叶斯算法。通过互信息方法剔除不相关的特征,然后依据欧氏距离将删减后的特征进行分层聚类,通过粒子群算法得到聚类簇的数量,最后将每个聚类簇中与类别互信息最高的特征合并为特征子集,并由朴素贝叶斯算法得到分类准确率。根据实验结果可知,该算法可以有效减少特征之间的相关性,提升算法的分类性能。

摘要： 以提升网络热门舆情分类准确率,降低分类时间为目标,提出了基于数据挖掘技术的网络热门舆情分类方法。将小波核函数和支持向量机结合构成小波模糊支持向量机,采用增量学习机制和贝叶斯分类算法建立增量贝叶斯分类算法,组成小波模糊支持向量机-增量贝叶斯分类算法解决测试样本易分类失误以及类条件独立假定性很难获取问题,通过计算待测样本和小波支持向量机之间的距离,实现网络热门舆情分类。经实验验证:类置信度较高时,文中方法分类准确率高,运行时间少,可快速分类网络热门舆情,且网络热门舆情分类结果的查全率以及查准率都在94%以上,分类精度较好。

摘要： 文章通过静态分析提取良性与恶意程序调用的权限,比较良性和恶意程序调用权限组合的区别,以安卓应用的权限信息为特征值,使用朴素贝叶斯算法对安卓恶意软件进行检测分类.实验结果表明,文中设计的安卓软件恶意行为智能识别技术易于实现,可有效预防安卓恶意软件.

摘要： 渗透是黑客入侵web站点的实质阶段,也是黑客入侵远端服务的主要手段.建立针对渗透行为的检测算法,能够快速发现此隐匿的攻击行为,能够有效发现web站点的安全漏洞并建立准确的防护策略.本文在使用朴素贝叶斯分类算法,对站点日志进行标记、训练和分类后,发现分类结果并不理想.通过改进朴素贝叶斯算法和分析渗透过程中URL参数的特征,提出了一种适用于渗透行为分类的分词算法,并通过实际应用和对比,证明了分词改进的有效性,为提升应用系统的安全防护、修复由系统自身的逻辑错误和功能缺欠而导致的安全漏洞提供有力依据.

摘要： 为了有效解决数据流分类中的噪音和概念漂移问题,提出了一种基于朴素贝叶斯和无监督学习的数据流分类算法.该算法采用集成学习的思想,以朴素贝叶斯作为基分类器进行集成分类,使用谱聚类算法对数据进行聚类,通过对比分类和聚类的结果过滤噪音,同时采用假设检验μ方法检测漂移,动态更新集成分类模型,以适应概念变化.实验结果表明,该算法在时间花销和预测准确率上能够取得较好的效果.

摘要： 如何对以"工业4.0"为背景的物联网智慧医疗系统所产生的医疗数据进行高效而又准确地挖掘仍然是一个十分严峻的问题.而医疗数据往往是高维的、不平衡和有噪声的,基于此,本文提出一种新的数据处理方法——将SMOTE方法与Filter-Wrapper特征选择算法融合——用于支持临床医疗决策.将本文的算法应用于ECG临床医疗决策中,并取得了很好的效果.将本文所提算法用于心电图数据集中，可以得到高效而又准确的病人病症分类结果，在心电图治疗之中起到了辅助作用。本文提出的方法不仅克服了朴素贝叶斯在属性实际应用中因属性独立假设而造成预测不佳的情况,而且避免了C4.5决策树在构建模型时的过拟合问题.

摘要： 在飞速发展的信息时代,电子邮件仍然是互联网信息沟通的重要方式,如何快速准确的确定通讯双方的行为关系是一个十分重要的问题.本文通过获取通讯电子邮件的内容和附件,并应用隐写分析和恶意程序分析技术对电子邮件的内容和附件进行分析和特征提取,根据特征应用朴素贝叶斯原理建立行为模型,提出基于朴素贝叶斯的通讯安全行为分析方法.实验结果表明:该方法对通讯行为关系识别的准确率在83％以上.

摘要： 分析了目前DNS隧道检测各种方法,重点研究基于机器学习技术的DNS隧道分类方法,针对目前DNS隧道检测只局限于特定隧道类别进行判别的不足,提出了采用多种分类算法进行组合分类决策的混合分类算法模型(CCAM)对DNS隧道进行检测与分类,CCAM算法采用了支持向量机(SVM)、朴素贝叶斯(NB)、决策树(DT)等3种机器学习分类算法进行混合分类、组合训练与加权求优.结果表明,混合分类算法模型(CCAM)对DNS隧道的检测能达到90％精度值.

摘要： 目的:为了准确地给专利申请书分配IPC分类号,本文提出一种基于多特征多分类器集成的专利自动分类方法. 方法:使用从专利申请书中提取的全词典TFIDF特征、信息增益词典TFIDF特征、段落向量特征、主题模型向量特征,分别训练朴素贝叶斯、支持向量机、AdaBoost分类器,以此构建特征–类别矩阵,并结合F1权重矩阵集成,获得最终IPC预测分类号. 结果:对2014年–2016年“发动机或泵”领域的10个小类进行分类,使用Top Prediction、All Categories和Two Guesses三种评估方法得到准确率分别为:78.9％、80.1％、91.2％. 局限:训练仅仅使用了2014年–2016年共三年的专利数据,数据规模有限. 结论:在“发动机或泵”领域,本文方法能够有效地提高专利文本分类的准确率.

摘要： 基于统计机器学习方法的优势提出一种网络入侵检测系统模型.该模型是一种通用的模型,其中每个模块功能可以采用不同的方法进行实现,模型的各个部分也可以根据实际应用情况进行添加或删减.同时,为验证所提出模型的可行性,在实验部分采用Fisher实现模型中的特征选择部分,采用典型的机器学习方法SVM和朴素贝叶斯分别实现模型中统计机器学习部分.实验结果表明,所提出的基于机器学习的网络入侵检测系统模型,具有一定的可行性.在采用Fisher实现特征选择,SVM算法实现统计机器学习部分时,统计机器学习分类的准确率更高.

摘要： 蛋白质链接(Cα-Cα＜8(A))预测是根据蛋白质序列的比对得到的一个概率图表,常用的方法可以分为三种:机器学习,共同进化和meta方法.用朴素贝叶斯和机器学习方法设计了新的蛋白质链接预测软件NN-BAYES,并且将NN-BAYES整合到蛋白质三维结构预测软件QUARK中.结果显示:NN-BAYES可以将蛋白质链接预测精度提高15％-24％,在将NN-BAYES整合入QUARK之后,QUARK可以将简单蛋白质三维结构预测精度提高47.6％,复杂蛋白质结构预测精度提高7％.

摘要： 本文提出了利用朴素贝叶斯、社交网络SNS和广告主挖掘多个分类器融合的垃圾短信处理方式,系统基于Hadoop处理平台,从用户发送内容和发送行为两个维度着手堆垃圾短信识别,可以大幅度提升目前垃圾短信治理的召回率和准确率.

摘要： 本发明公开了一种基于朴素贝叶斯的LncRNA与疾病的关联关系预测方法，包括：根据已知的MiRNA与疾病关联关系、MiRNA与LncRNA关联关系以及LncRNA与疾病关联关系的数据集构建基于三者关联关系的复杂网络；在复杂网络中找出LncRNA节点与疾病节点的共同邻居节点；基于朴素贝叶斯的概率模型计算有共同邻居节点的LncRNA节点与疾病节点相连的概率，得到LncRNA节点与疾病节点对的相似度值。本发明整合多个数据库的多个关联关系，从而在构建的复杂网络中给待预测的LncRNA节点与疾病节点建立了更多的连接，从而提高LncRNA与疾病关联关系的预测效果。

摘要： 本发明涉及一种基于罗切斯特模型-朴素贝叶斯模型的数据分类系统，它包括：一数据处理模块根据输入的原始样本集中各类样本变量的缺失值比率，以及各类样本变量之间的相关性和样本属性，将原始样本集分为饱和层和缺失层；一样本抽样模块根据目标变量，从饱和层和缺失层中随机抽取训练样本变量和测试样本变量，分别形成具有饱和层和缺失层的训练样本集和测试样本集；一模型建立模块对饱和层中的训练样本采用罗切斯特回归模型建模，对缺失层中的训练样本采用朴素贝叶斯模型建模，得到一具有罗切斯特回归模型和朴素贝叶斯模型的混合动态模型；一数据测试模块将饱和层的测试样本输入混合动态模型中的罗切斯特回归模型中，将缺失层的测试样本输入混合动态模型中的朴素贝叶斯模型中，之后进行测试，得到并输出评分结果。本发明兼具罗切斯特回归模型和朴素贝叶斯模型的优点，形成优势互补，可以广泛应用在金融业、零售业和电信业中。

摘要： 本发明公开了一种基于朴素贝叶斯的车辆类型分类算法，其分类算法包括以下步骤：A：分类算法，将单车的SDR点对的轨迹信息转换为基于link轨迹信息Jlink，先根据GPS点垂足位置或link的边界将SDR轨迹路径打断，然后计算每个虚拟点在该link的进入、退出时间及距离。本发明经网络的输入包括车辆长度、速度以及特征向量序列，输出为预定义的车辆类型，通过对已知不同车辆类型的SDR数据进行预处理，获取link和速度，并加入地图数据中的道路上下限速、坡度、曲率及道路属性信息，映射出同一类Link上的不同类型车辆的行为信息及车辆类型的数据集，然后使用朴素贝叶斯算法训练模型生成最优版模型后，再对未知类型车辆数据进行预测，生成车辆类型。

摘要： 本发明公开了一种基于双重加权朴素贝叶斯的电气事故分类方法，包括：获取用户用电数据作为原始数据集，其中，原始数据集包括用户用电数据的属性和实例；将原始数据集拆分为训练集和测试集；采用训练集对朴素贝叶斯分类器进行实例加权和属性加权训练，得到双重加权的朴素贝叶斯架构；采用双重加权的朴素贝叶斯架构对测试集进行测试，得到电气事故类别。本发明将属性加权和实例加权有机结合在朴素贝叶斯统一框架内，能实现对电气事故快速、准确和动态的分类。

摘要： 本发明涉及空间通信技术领域，尤其涉及一种基于朴素贝叶斯辅助的接触图路由方法及存储介质。本发明技术方案包括：1.根据节点扩展CGR提出的接触数据库，将本地节点状态记录为快照；2.运用朴素贝叶斯法计算本地节点与相邻节点构成的任意节点对间的潜在不可靠性概率；3.计算本地节点的不可靠性概率；4.选择不可靠性概率和预计回收时间间隔乘积最小的相邻节点传输数据；5.将每个节点当前状态和数据传输结果导入自身扩展的接触数据库中进行更新。本发明还提供一种计算机可读存储介质，用于存储执行本发明方案的计算机程序。应用本发明提供的接触图路由方法，提高了链路可靠性和数据传输效率，满足空间通信数据传输基本需求。

摘要： 本发明公开了一种基于朴素贝叶斯的移动端网页内容推送方法及装置，该方法包括以下步骤：获取历史浏览数据，包括内容类别和每个内容类别对应的浏览数据；根据浏览数据获得每个内容类别的基础概率模型；当待推送内容的用户进入网页后，判断该用户是否存在对应的概率模型；如果不存在则获取该用户的当前浏览数据，并基于基础概率模型得到每个内容的预测概率值，并将最大预测概率值对应的内容推送给该用户；当该用户浏览已推送内容时，基于对应的概率模型得到实际概率值；判断预测概率值和实际概率值之间的差值是否大于第一预设阈值；如果是则将对应的概率模型的权重值进行调整，以得到新的用户概率模型；从而提高内容推送的精准度。

摘要： 本发明公开了一种基于朴素贝叶斯的网络钓鱼邮件检测方法及系统，属于机器学习人工智能领域；所述的方法的具体步骤如下：S1基于Python在Jupyter的环境中搭建运行；S2利用朴素贝叶斯支持向量机查找目标函数的全局最小值；S3通过支持向量机建立超平面对样本进行划分；S4从数据集文件中逐行读取训练数据并进行分析；S5将数据集划分为训练集和测试集进行模型训练；本发明基于正文特征(特定单词和标点符号)的对决策树，逻辑回归，随机森林，朴素贝叶斯和支持向量机模型进行了测试，结果基于真阳性，假阳性，真阴性，假阴性，准确率，精确率，召回率，f1分数进行评估比较；数据集来自IWSPA竞赛(包括训练集和测试集)，其中正常邮件来自Wikileaks和SpamAssassin,钓鱼邮件来自Nazario phishing corpus。

摘要： 本发明提供了一种基于朴素贝叶斯模型的多层网络链接预测方法，包括：将目标层中的链接划分为训练集与测试集；基于训练集的拓扑结构信息与辅助层的信息，获取目标层中除去训练集后剩余的全部节点对存在链接的第一概率分数，其中，辅助层的信息为辅助层中层与层之间存在的相关性信息；将目标层中除去训练集后剩余的全部节点对，按照概率分数降序排列，完成多层网络链接预测；基于测试集中节点对的概率分数，使用评价指标对多层网络链接预测结果进行评估。本发明所提出的预测方法能够取得很好的预测性能，例如，应用于航空线路规划中，能够实现整个区域的完整网络的统筹管理及优化，合理利用航空资源，规划结果实现总体效率最优。

摘要： 本发明公开了一种基于指令域与朴素贝叶斯的有效样本提取方法及系统，属于数控加工技术领域。方法包括：获取每一刀位点的工艺参数与内部响应数据和外部响应数据的对应描述；基于k近邻实现传感器观测的响应状态划分方法；利用朴素贝叶斯融合多个传感器的状态评价结果并从中提取出“工况‑响应”一致的数据作为有效数据；基于单因素的方差分析原理，构建四个评价级别(优秀、良好、合格、不合格)实现有效样本质量评价；最终可使用高质量的有效样本和智能算法研究工艺系统响应规律。该算法挖掘加工数据中的有效信息，提取的高质量样本数据适用于神经网络等智能算法训练。本发明有理论依据，且简单易实现，具有广泛的适用性。

摘要： 本发明公开了一种DTW波形相似度聚类与朴素贝叶斯的级联负荷识别方法，它包括：使用滑动时间窗检测算法对测量的电气数据进行事件监测；对负荷事件发生前后的电气量进行差分计算获取新接入负荷的电流波形；设置固定的采样点数，对稳态波形进行切割与归一化；将得到的电流波形与各负荷类别的典型模板进行相似度聚类，得到负荷的类别划分结果；归一化前的波形提取常用电气特征量输入至对应各大类的朴素贝叶斯分类器中得到负荷种类；通过少数模板聚类进行初分类，提高各负荷类别中特征的区分度，对样本量的要求较低。