城市干道交通拥堵识别技术研究

为快速有效地进行城市干道的交通拥堵识别,文中提出一种基于朴素贝叶斯的城市干道交通拥堵识别算法。最后,基于南京市主干道的交通调查数据,对朴素贝叶斯算法以及基于径向基函数神经网络的城市干道交通拥堵识别算法进行对比。结果表明,朴素贝叶斯算法在对城市干道交通状态的识别上比基于径向基函数神经网络算法具有更好的准确性、优越性以及更低的误判率。     

朴素贝叶斯分类算法浅析

贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类.而朴素朴素贝叶斯分类是贝叶斯分类中最简单和常见的一种分类方法.它之所以叫朴素贝叶斯分类,关键在于它的假设条件:一个实例的特征属性值在给定类别值的条件下是相互独立的.     

基于改进的加权贝叶斯分类算法在空间数据中的应用

朴素贝叶斯算法是一种简单而高效的分类算法,但它的属性独立性假设,影响了它的分类性能。针对这个问题,提出一种基于属性约简的PLS加权朴素贝叶斯分类算法。该算法首先分析属性之间的相关性,通过属性约简选择一组近似独立的属性约简子集,提出改进的偏最小二乘回归加权朴素贝叶斯分类算法,实验结果表明,改进算法具有较高的分类准确度。并将改进的算法应用于边坡识别问题中。     

一种改进的贝叶斯网算法在入侵检测中的应用研究

这种改进的贝叶斯网算法采用粗糙集理论对数据集进行降维处理,减少贝叶斯网学习的计算成本;利用互信息理论,提出一种基于互信息的贝叶斯网结构学习算法。实验表明这种算法,即提高了检测精度又提高了检测效率。     

基于多态变形的恶意代码技术与检测方法

随着计算机网络技术的发展,计算机应用变得日益广泛与深人,而计算机系统的安全问题也日益复杂和突出。恶意代码作为计算机系统安全的主要威胁之一,严重影响了计算机及其网络的正常使用,如被不法分子利用,会严重危及国家和个人的隐私及安全。目前,恶意代码已经突破了传统的用户模式隐藏技术,深入操作系统内核底层进行潜行操作,使得对其检测越来越困难。本文在对恶意代码隐藏技术研究总结的基础上,为多态恶意代码的检测提供了新途径。     

基于群的朴素贝叶斯分类

本文对群的朴素贝叶斯分类进行了简要论述.     

基于群的朴素贝叶斯分类

本文对群的朴素贝叶斯分类进行了简要论述。     

基于Python朴素贝叶斯分类器的营业收入审计可靠性研究

中国上市公司数量与市值持续增长，审计行业出现更多需求的同时也面临执业质量的挑战。朴素贝叶斯模型已经在制造业、网络安全等领域得到成熟应用，文章选取上市公司及其子公司的营业收入审计底稿作为训练样本与测试集，基于Python朴素贝叶斯分类器，依据执行的审计程序抓取相关特征，以探究朴素贝叶斯模型在判断营业收入科目审计结论的准确程度，并展望该模型在审计领域的应用前景。     

基于网络的恶意代码分析系统设计与实现

针对当前形势下恶意代码攻击的新特点以及现有检测技术存在的缺陷,使得恶意代码的分析检测变得越来越困难,文章设计实现的基于网络的恶意代码分析系统,可以自动地对恶意代码进行快速的动态分析,通过数据进行定量和定性相结合的分析,生成详细的分析报告,实验结果表明该系统可以提高恶意代码的分析效率。     

基于动态贝叶斯网络的通货膨胀风险预测研究

利用动态朴素贝叶斯分类器对我国的通货膨胀风险进行了预测,并在此基础上计算了不同风险因素对通货膨胀风险等级的影响程度,结果表明,动态朴素贝叶斯分类器方法能够较好地预测和分析通货膨胀风险。利用我国实际经济数据进行模拟预测,结果显示在88.24%的可信度下,我国2012年第二季度的通货膨胀风险等级为2级,通货膨胀率预测值约为3.8%。通过分别使用包含和不包含企业家信心指数的动态朴素贝叶斯分类器进行预测,结果发现考虑了企业家信心指数的分类器大约能将预测准确率提高5%,这说明对通货膨胀风险等级预测有必要考虑经济主体的预期因素。通过计算6个指标对通货膨胀风险等级的影响程度,发现货币供应和产出缺口仍是解释我国通货膨胀风险的两个主要因素。     

基于加权朴素贝叶斯分类的供应商评价模型

运用数据挖掘中加权朴素贝叶斯分类的思想,结合层次分析法,提出了一种新的供应商评价模型。结合该模型在一家企业中的应用说明其在供应商评价方面具有有效性。     

通信网络恶意代码与应急响应关键技术分析

现代计算机和网络技术在不断进步,通信网络在人们的学习、工作和生活中所扮演的角色也越来越重要。但是计算机通信网络还存在很多安全隐患,其中恶意代码是威胁其稳定性和安全性的主要因素之一,在计算机技术不断进步的同时,恶意代码也更加具有隐蔽性和危害性。本文就通信网络恶意代码的攻击性和入侵性进行重点分析,并对处理恶意代码的应急响应关键技术中的检测技术、效果评估和免疫技术进行具体讨论。     

基于贝叶斯网络的工期隐性成本影响因素研究

文章针对工期隐性成本影响因素的复杂性和不确定性,采用贝叶斯网络原理建立了工期隐性成本因素贝叶斯网络,并提出了计算局部因素节点概率的算法。最后,通过实例应用,证实了该算法的可行性,为建筑施工项目的工期隐性成本控制提供了理论依据。     

基于粗糙集贝叶斯分类的供应商评价研究

文章采用数据挖掘中粗糙集和朴素贝叶斯分类结合的方法,对供应商评价指标信息属性冗余的问题进行分析,约简信息属性,提出一种新的供应商评价方法。并应用于某企业的供应商数据中,进行分析和验证。     

基于贝叶斯故障树模型港口工程建设风险分析

本文的目的在于对港口工程建设风险进行风险识别。由于港口工程涉及风险因素面较广,故在施工过程中进行风险管理有着十分重要的意义,因此本文利用港口工程风险评价指标体系,建立了故障树树模型。由于传统的故障树定量分析中采用的是风险因素本身的先验概率进行重要度分析,对风险因素本身不够准确和合理,故本文引入贝叶斯算法,通过相关专家及施工技术人员提供的现场经验,得出风险因素的重要度权重概率和相关概率,计算出风险因素的后验概率。并在传统的故障树重要度分析中,将贝叶斯概率引入,推导出贝叶斯关键重要度,进而识别出港口工程建设风险中的重要风险因素。     

一种基于可信计算的恶意代码主动防御方法

可执行恶意代码危害严重,而目前传统的防御软件是被动防御,再加上操作系统补丁分发的滞后性,基于可信计算的主动防御成为解决问题的关键。     

基于贝叶斯优化LSTM的S型道路车辆轨迹预测

为了提高车辆特殊轨迹预测的准确率,采用一种基于长短时记忆网络与贝叶斯优化算法结合的目标车辆轨迹预测方法。利用长短时神经网络进行车辆轨迹预测,并运用贝叶斯优化算法对长短时神经网络进行迭代优化。最后,利用真实数据集以及通过NSGIM(Next Generation Simulation)数据集对模型进行训练和测试,结果表明,基于贝叶斯优化的LSTM车辆轨迹预测方法预测精度于以往方法有所提升。     

基于颜色特征识别的番茄果梗定位及特征增强算法

为了克服传统番茄采摘系统中的番茄形状不规则、环境复杂及背景干扰而导致番茄的识别率和定位率低这一问题,本文提出了一种基于HSV颜色空间的颜色特征提取及Hessian矩阵特征增强算法。首先基于HSV颜色空间检测成熟番茄目标,然后通过转移ROI定位果梗进一步用Hessian矩阵进行线性特征增强。实验结果表明该算法的平均分割重合率达到了83%,能有效实现复杂背景条件下的番茄识别。     

VaR准确性检验的贝叶斯方法

文章对VaR准确性检验的失败检验法进行了分析,提出了一种新的失败检验法,即贝叶斯检验法。并与传统的正态近似法和Kupiec检验法进行了比较,说明了贝叶斯检验法的合理之处。     

基于贪婪算法的改进自适应遗传算法及其应用

本文将改进的自适应遗传算法和贪婪算法相结合用于0-1背包问题的求解。此算法对交叉率和变异率进行了优化,实现了交叉率和变异率的非线性自适应调整,并对不可行解进行了贪婪修复。实验结果表明,相比传统的自适应遗传算法,新算法收敛速度快,寻优能力强,具有更可靠的稳定性。