朴素贝叶斯算法

摘要： 有效地提高钻井工作的安全性与生产稳定性,是当前钻井工作发展过程中面临的一个重要问题。本文针对钻井工况识别问题,基于钻井过程中多项监测数据,提出了一种基于决策树的钻井工况智能识别方法,并采用朴素贝叶斯算法、支持向量机以及钻井现场的实际钻井数据对该方法的有效性和准确性进行对比、验证,发现基于决策树的工况识别正确率最优且达到了97%。实验结果表明该方法能够实现钻井工况的智能识别,在一定程度上满足油田数字化与智能化的需求。

摘要： 疲劳驾驶是导致交通事故的主要原因之一,为了降低交通事故对人们生命财产的危害,本文采用分层梯度方向直方图(pyramid histogram of oriented gradients,PHOG)算法进行人脸识别和关键点检测,提出一种多特征疲劳特征因素的疲劳驾驶检测方法,结合OpenCV对人面部的眼、嘴以及头部空间姿态坐标点进行定位,设定眨眼、哈欠及点头的疲劳阈值,根据PERCLOS准则进行疲劳判定,最后采用朴素贝叶斯算法综合以上疲劳特征因素进行疲劳预测.实验数据表明,PHOG算法在各种复杂环境下的准确率均达到95%以上,具有很好的稳定性和抗干扰能力.

摘要： 针对传统物流管理系统存在数据更新缓慢、客户服务薄弱以及对物流历史数据利用率不足、无法深入分析等问题,文中研究与设计了一种基于数据挖掘的物流信息监控系统。该系统根据管理人员的具体需求从数据库中提取相应的数据,经过清洗、集成和数据挖掘等步骤,完成对选用数据集的建模,进而实现数据的关联性分析及预测。将结果以可视化的形式反馈给管理人员。三项试验测试结果验证了所设计系统的可行性,该系统对于相关物流数据的预测分析结果误差低于2%,达到了预期的设计要求。

摘要： 朴素贝叶斯分类是贝叶斯分类中较简单并且常见的一种分类方法,已经被广泛地应用于各领域。通过尝试利用朴素贝叶斯算法对鸢尾花数据集进行剖析,介绍了朴素贝叶斯算法的原理和基本过程。基于贝叶斯算法在依据特征独立的假设下,对鸢尾花数据集进行分类计算,准确度达到84.21%,实验结果表明朴素贝叶斯算法具有较好的分类速度和分类效果。

摘要： 针对传统微电网经济运行状态评估存在的“源–网–荷–储”设备类型适应度不高、评估效果差的问题,文章提出了基于卷积神经网络算法的微电网经济运行状态评估方法。首先,构建微电网经济运行状态评估分类方法,基于微电网的运行情况、发展规划、运营和经济效能建立微电网经济运行状态评估信息分类,在此基础上,构建微电网经济运行评估指标集,采用朴素贝叶斯算法实现微电网经济运行新增指标的标签识别;其次,构建微电网经济运行状态评估模型,基于深度卷积神经元网络动态调整评估指标权重,形成微电网经济运行状态评估结果;最后,通过实例分析,比较了所提方法与模糊层次分析评估方法的评估效果,验证了所提方法的有效性和实用性。

摘要： 为克服传统方式中不能根据训练的样本数量设定最优网络模式,集中效能低下的缺点,采用机器学习研究数据库与小数据集的并行集成训练方式。机器学习采用朴素贝叶斯算法,通过统计目标先验概率,利用贝叶斯定理求出目标其后验概率进行比较,从而实现决策分析,在原有数据库系统上对基础类别器进行培训,对原数据库小数据集样本分布进行调整,将其作为新数据集中对基础类别器加以培训,采用算法将其结合到一起,形成强分类器,完成了对原数据库小数据集的综合处理。

摘要： 高温、高湿、高盐特殊环境下,加速了避雷器劣化或潜伏性缺陷的发展。仅依靠避雷器监测指标判断缺陷,难以识别特殊环境下避雷器的异常状态。提出一种基于朴素贝叶斯算法的避雷器缺陷识别技术,提取特殊环境下影响避雷器运行状态的关键特征量,通过朴素贝叶斯算法计算训练样本的先验概率和测试样本的后验概率,从而识别避雷器缺陷类型。利用实际监测和检测数据进行分析,验证了所提方法的可行性和正确性。

摘要： 面对海量的评论文本,单纯依靠人力对其进行分类,任务繁重且效率低下。文章提出一种基于情感分析改进的在线评论分类模型,将灰色关联分析和朴素贝叶斯算法相结合,考虑在线评论中的用户情感倾向,并将灰色关联分析结果作为一项特征属性嵌入朴素贝叶斯文本分类模型中。文章以京东商城Dyson V10 Fluffy Extra手持无线吸尘器为研究对象,对真实的在线评论数据进行挖掘,以检验模型的分类效果。结果显示,改进后的模型的分类性能明显领先于传统朴素贝叶斯分类模型,评价指标F值提升了3.06%,表明该方法在在线评论文本分类应用中具有一定的优势。

摘要： 云外包为大规模数据上的机器学习任务提供有力支撑的同时也带来了数据隐私泄漏的风险.本文旨在通过加密保护外包数据隐私并在加密数据上高效实现安全朴素贝叶斯训练和分类.现有安全朴素贝叶斯方案大多考虑的是外包训练好的贝叶斯模型以及预测阶段的计算任务.虽有少量工作考虑了同时在外包数据上完成朴素贝叶斯模型训练和分类,但这些工作在安全性和效率方面存在不足.本文结合somewhat同态加密算法、SIMD(single-instruction multiple data)技术和混淆电路提出了一个新的加密数据安全朴素贝叶斯训练和分类方案.本文在不影响正确性的前提下对朴素贝叶斯算法进行转换,设计了相应的明文编码方式避免计算过程出现数据溢出,并提出了新的交互协议在外包加密数据上安全批量地实现了朴素贝叶斯模型训练和分类所需的运算.提出的方案在保护外包数据集、朴素贝叶斯模型、待分类样本和分类结果的隐私的同时有效降低了计算和通信开销.本文在半诚实模型下证明了提出方案的安全性,并且通过实验验证了提出方案的有效性.

摘要： 阐述基于人工智能领域的机器学习,机器学习算法,包括强化学习、监督式学习中的逻辑回归算法、朴素贝叶斯算法、线性回归算法、支持向量机的应用。

摘要： 互联网的计算资源具有数量大、类型多、随机性强、稳定性相对较差等特点,本文提出一种基于朴素贝叶斯分类的iVCE云平台资源可靠性评价算法.算法通过对计算资源的特征提取,离散化处理后,使用概率估计方法对资源的状态做出实时的评价,结过在iVCE平台的实际运行效果表明,算法使平台任务执行的成功率和工作效率分别提高了30％和8％左右,满足了实际生产的需求.

摘要： 针对android系统的短信拦截技术进行研究,并在此基础上,结合贝叶斯算法和文本分类的相关方法设计并实现一种改进的贝叶斯垃圾短信过滤算法,完成基于android系统的短信过滤防火墙的架构设计与功能实现,并证明本系统的可靠性与可用性.

摘要： 针对android系统的短信拦截技术进行研究,并在此基础上,结合贝叶斯算法和文本分类的相关方法设计并实现一种改进的贝叶斯垃圾短信过滤算法,完成基于android系统的短信过滤防火墙的架构设计与功能实现,并证明本系统的可靠性与可用性.

摘要： 针对android系统的短信拦截技术进行研究,并在此基础上,结合贝叶斯算法和文本分类的相关方法设计并实现一种改进的贝叶斯垃圾短信过滤算法,完成基于android系统的短信过滤防火墙的架构设计与功能实现,并证明本系统的可靠性与可用性.

摘要： 针对android系统的短信拦截技术进行研究,并在此基础上,结合贝叶斯算法和文本分类的相关方法设计并实现一种改进的贝叶斯垃圾短信过滤算法,完成基于android系统的短信过滤防火墙的架构设计与功能实现,并证明本系统的可靠性与可用性.

摘要： 针对android系统的短信拦截技术进行研究,并在此基础上,结合贝叶斯算法和文本分类的相关方法设计并实现一种改进的贝叶斯垃圾短信过滤算法,完成基于android系统的短信过滤防火墙的架构设计与功能实现,并证明本系统的可靠性与可用性.

摘要： 针对目前垃圾短信日益猖獗的现象，设计了一种基于Android系统的短信防火墙。该系统综合了基于规则的和基于统计的两种过滤策略。通过对大量正常短信和垃圾短信进行分词和统计，以最大信息增益为依据，生成一个贝叶斯分类器。对监听到的短信，通过黑白名单进行过滤，如不满足黑白名单过滤规则的短信再采用朴素贝叶斯过滤算法进行过滤。实验结果表明，该系统具有较好的垃圾短信过滤效果。

摘要： 针对目前垃圾短信日益猖獗的现象，设计了一种基于Android系统的短信防火墙。该系统综合了基于规则的和基于统计的两种过滤策略。通过对大量正常短信和垃圾短信进行分词和统计，以最大信息增益为依据，生成一个贝叶斯分类器。对监听到的短信，通过黑白名单进行过滤，如不满足黑白名单过滤规则的短信再采用朴素贝叶斯过滤算法进行过滤。实验结果表明，该系统具有较好的垃圾短信过滤效果。

摘要： 针对目前垃圾短信日益猖獗的现象，设计了一种基于Android系统的短信防火墙。该系统综合了基于规则的和基于统计的两种过滤策略。通过对大量正常短信和垃圾短信进行分词和统计，以最大信息增益为依据，生成一个贝叶斯分类器。对监听到的短信，通过黑白名单进行过滤，如不满足黑白名单过滤规则的短信再采用朴素贝叶斯过滤算法进行过滤。实验结果表明，该系统具有较好的垃圾短信过滤效果。

摘要： 针对目前垃圾短信日益猖獗的现象，设计了一种基于Android系统的短信防火墙。该系统综合了基于规则的和基于统计的两种过滤策略。通过对大量正常短信和垃圾短信进行分词和统计，以最大信息增益为依据，生成一个贝叶斯分类器。对监听到的短信，通过黑白名单进行过滤，如不满足黑白名单过滤规则的短信再采用朴素贝叶斯过滤算法进行过滤。实验结果表明，该系统具有较好的垃圾短信过滤效果。

摘要： 本发明提出了一种改进朴素贝叶斯算法基于手机传感器的用户行为识别方法，利用手机传感器采集的原始数据来训练改进的朴素贝叶斯机器学习模型，然后对数据进行分类识别，总体流程包括以下步骤：S1，数据采集与处理；S2，特征提取；S3，分类识别。首先利用智能手机所集成的传感器，采集不同行为下的数据信息并且进行预处理；然后对传感器单轴数据提取标准差、均值、波峰波谷、波峰间隔、相关系数等特征属性，对两轴间数据提取均值比和绝对差均值特征属性；其次利用改进的朴素贝叶斯算法，该算法将属性加权和实例加权相结合，核心是将属性权重纳入朴素贝叶斯分类公式，利用实例加权训练数据估计先验概率和条件概率。最后根据训练集得到各分类的先验概率，然后获得未知类别样本的后验概率，通过比较概率大小得到未知类别样本的分类实现对行为的分类。

摘要： 本发明属于钻井漏失预测领域和人工智能机器学习领域，具体涉及一种基于朴素贝叶斯算法的钻井漏失机率预测方法。所述方法为：从某油藏开发区的油藏井史数据库中提取油藏历史开发数据并进行预处理，创建样本集与测试集，从样本数据中确定特征属性与输出类别空间，根据样本集钻井漏失参数数据统计各特征属性取值先验概率，采用先验概率学习计算条件概率，当特征属性取值为连续值和离散值时分别采用不同的条件概率计算，选择两两特征组合的方式计算相应的条件概率提高模型的泛化性能，由先验概率联合计算后验概率，建立朴素贝叶斯模型分类器，采用验证集进行验证，将实时钻井参数数据输入模型获取相应的漏失机率大小。

摘要： 本发明公开了基于TAN树形朴素贝叶斯算法网页可点击识别方法及系统，该方法包括：包括：步骤S10，操控浏览器获取目标源网页，爬取该网页的数据，并根据获取到的数据构造出标签节点树；步骤S20，根据朴素贝叶斯方法，计算出该标签节点树每一个节点特征在可点击与不可点击类别下的条件概率；步骤S30，根据每个节点可点击的条件概率，计算出每一个对父子节点在可点击与不可点击类别下的条件互信息值，并作为边的权重；步骤S40，根据权重，判断出拥有较高可点击概率的节点，并点击该节点。本发明所涉及的数据爬取以及点击等具体行为不需要人工参与定义，减少人工干预。加入人工智能辅助，爬取过程人工介入量少，训练好的模型可适应大多数目标源，重用性高。

摘要： 本发明涉及一种基于朴素贝叶斯算法与曲线建模的城区学位压力评估方法，包括基于朴素贝叶斯算法的学龄儿童流出模型与基于曲线估计法的学龄儿童流入模型，最终根据公式“学位需求＝适龄儿童数量+流入适龄儿童数量‑流出适龄儿童数量”，建立以年为单位的学位压力评估模型，对城区内的学位压力进行评估；考虑了城区人口迁移对于教育资源需求量的影响，辅助政府部门以及学校管理者提前做出应对，从而按照需要优化城市的教育资源布局，提升整体教育水平。

摘要： 本发明提供基于朴素贝叶斯算法的风机机舱振动故障诊断系统及方法，涉及故障诊断技术领域。该基于朴素贝叶斯算法的风机机舱振动故障诊断系统，包括从大数据HIVE数据库中取底层所采集机舱振动故障相关历史运行数据；通过ap i调用将数据存储的计算服务器，所述计算服务器将数据进行分析计算，生成相应计算结果，并保存在数据库中；用于进行业务展示的Web服务器，所述Web服务器将计算结果通过可视化设计，进行相应的业务展示，集成在集中监视控制平台中。本发明，结合业务认知以及评价得分可以有效的在风机机舱振动故障之前查看机舱劣化趋势，提前对其进行调控，减少机舱发生故障的次数，降低机舱的运维成本，稳定运行状态，保证生产经济效益。

摘要： 本发明公开了一种基于朴素贝叶斯算法的双馈风机风电场并网稳定预测方法，包括以下步骤：根据双馈感应风机的组成结构及原理，得到多台风机的风电场等值简化模型及影响含风电场的电力系统电压稳定程度的主要因素；用PSASP设置不同风速、负荷、出力等工况下进行计算得到系统的潮流，并设置不同故障条件，进行时域仿真法暂态电压稳定计算，获得分类预测所需的原始数据集；构建一个M×2n原始特征矩阵，做归一化变换，按在状态改变时变量值波动的剧烈程度进行排序，取前12组变量作为分类器输入特征量；采用改进AdoBoost‑NBC算法对获取的计算数据集进行算法训练，获得朴素贝叶斯分类器暂态预测模型，提高暂稳预测精度。

摘要： 本发明涉及电网线路工程设备选型领域和机器学习领域，具体公开了一种基于朴素贝叶斯算法的电网线路工程设备选型方法；首先利用聚类分析实现特征属性集Φ

摘要： 本申请实施例公开了一种基于朴素贝叶斯算法的筛查鉴别系统、装置及存储介质，其中基于朴素贝叶斯算法的筛查鉴别系统包括：模型构建单元，用于利用朴素贝叶斯算法建立分类模型，利用训练样本对分类模型进行认知分类训练，得到分类器，模型构建单元的输入是训练样本和特征属性，输出是分类器，特征属性包括若干特征信息集合；认知分类单元，用于利用分类器对待分类项进行分类，认知分类单元的输入是分类器和待分类项，输出是待分类项与类别的映射关系，待分类项包括对应的若干特征信息；鉴别单元，用于基于认知分类单元输出的映射关系和相关的分类标准，利用正则表达式生成对应的分类结果。

摘要： 本发明提出了一种改进朴素贝叶斯算法基于手机传感器的用户行为识别方法，利用手机传感器采集的原始数据来训练改进的朴素贝叶斯机器学习模型，然后对数据进行分类识别，总体流程包括以下步骤：S1，数据采集与处理；S2，特征提取；S3，分类识别。首先利用智能手机所集成的传感器，采集不同行为下的数据信息并且进行预处理；然后对传感器单轴数据提取标准差、均值、波峰波谷、波峰间隔、相关系数等特征属性，对两轴间数据提取均值比和绝对差均值特征属性；其次利用改进的朴素贝叶斯算法，该算法将属性加权和实例加权相结合，核心是将属性权重纳入朴素贝叶斯分类公式，利用实例加权训练数据估计先验概率和条件概率。最后根据训练集得到各分类的先验概率，然后获得未知类别样本的后验概率，通过比较概率大小得到未知类别样本的分类实现对行为的分类。

摘要： 本发明属于钻井漏失预测领域和人工智能机器学习领域，具体涉及一种基于朴素贝叶斯算法的钻井漏失机率预测方法。所述方法为：从某油藏开发区的油藏井史数据库中提取油藏历史开发数据并进行预处理，创建样本集与测试集，从样本数据中确定特征属性与输出类别空间，根据样本集钻井漏失参数数据统计各特征属性取值先验概率，采用先验概率学习计算条件概率，当特征属性取值为连续值和离散值时分别采用不同的条件概率计算，选择两两特征组合的方式计算相应的条件概率提高模型的泛化性能，由先验概率联合计算后验概率，建立朴素贝叶斯模型分类器，采用验证集进行验证，将实时钻井参数数据输入模型获取相应的漏失机率大小。