加权粗糙集算法的PDA图书馆最优选书策略

针对标准贝叶斯网络模型在PDA图书馆选书分析的应用中表现出误差较大的问题,本文提出了一种基于加权粗糙集优化贝叶斯网络的PDA选书模型,首先采用粗糙集的方式,重构属性集合,用新的属性集合代替原来的属性集合,然后采用属性序描述方法,这样得到的约简后的条件属性将按照对决策属性影响逐渐减小的顺序依次排列,为了减小此缺陷的影响,采用加权的方式对基于粗糙集的贝叶斯模型进行改进。仿真试验结果表明,基于加权粗糙集优化贝叶斯网络的PDA选书系统功能完善,并且通过实际选书案例证明其选书精确性较高。     

基于贝叶斯网络的智能变电站继电保护设备状态检修方法

针对基于智能站网络报文信息挖掘的继电保护运行设备异常快速定位和状态检修问题,文中提出了一种基于贝叶斯网络的智能变电站继电保护设备状态检修方法。通过引入贝叶斯网络,该方法采用一种交换机诊断策略和贝叶斯网络模型相配合的模式共同实现状态检修。首先运用交换机策略对交换机采集到的报文数据信息进行冗余数据识别、异常数据识别以及潜在故障数据识别。然后,通过贝叶斯网络模型对故障进行有效的诊断,并将输出的故障推理结果进行风险评估,通过层次分析法获得评估结果。最后,通过风险评估的结果为运行人员安排故障检修计划提供有力的依据。该方法可以快速地定位继电保护设备的故障位置并且给出故障原因,并为继电保护设备的检修工作提供合理的检修计划。     

基于贝叶斯多分类器融合的人脸识别算法研究

通过对贝叶斯分类器进行研究,提出一种结合贝叶斯分类规则和 FIS H ER线性判决分析,同时采用人脸的关键局部特征,通过加权相似度求和策略,实现对多个分类器进行融合的一种综合性人脸识别算法。实验表明,该方法在无光照处理下识别效果更为精确。     

基于HMM和Bayes算法的垃圾观点评论识别

为了对垃圾评论观点进行识别,本文基于隐马尔科夫模型和贝叶斯算法实现了一种对垃圾观点识别的分类器。首先,将要识别的语句提出出来,用隐马尔科夫模型进行分词,然后再根据分词结果,使用贝叶斯算法对其进行分类,以苹果i Phone 6(全网通)的27条评论作为测试,该分类器对其中的20条进行了正确的分类,其准确率达到74.07%,并分析了此结果的原因,同时也提出了提高准确率的办法。     

基于朴素贝叶斯的新闻文本分类

随着网络信息时代的到来和新闻数据的不断增加,人们需要对新闻进行分类的难度也不断加大。那么,是否有一种有效的分类新闻信息的方法将新闻进行分类呢?而在文本分类中,有较好的文本分类的算法是朴素贝叶斯算法。本研究以通过网络爬虫的方式爬取某新闻网站的少量新闻数据数据,然后对数据进行简单的数据预处理、中文文本分词等,构建朴素贝叶斯分类器,进而实现对新闻分类的目的。     

概率型粗糙集模型在贝叶斯决策中的应用研究

本文探索性地研究了概率型粗糙集模型与贝叶斯决策方法之间的联系，建立了贝叶斯决策方法的概率型粗糙集模型，实现了粗糙集理论在贝叶斯决策中的应用。     

贝叶斯粗糙集云数据深度融合算法

云计算环境下,需要对云数据特征进行深度融合,提高对云数据的调度和决策能力。传统的云数据融合算法采用置信增益概率分配算法,当云数据出现多重特征时,融合深度不够,信息提取效果不好。提出一种基于贝叶斯粗糙集的云数据深度融合算法。引入了置信增益函数贝叶斯粗糙集,得到贝叶斯粗糙集云数据模型构建,在特征空间关系中进行特征合并,进行决策表决策属性分区处理,提高融合精度,依据信任函数最大化原则确定新对象的决策属性取值,实现云数据深度融合算法改进。仿真实验表明,采用该算法,能有效提高数据融合深度和精度,稳健性较好,可以明显的抑制噪声的影响,并提高20 d B左右的特征空间增益,算法在高维空间中仍体现出了较为明显的数据融合优势,该算法在云计算和云数据信息处理等领域具有较好应用前景。     

基于CPS的协议识别优化算法

目的:自美国将CPS的发展列为重点研究项目,引起了各国广泛的关注。不同于传统的系统,在通信方面,CPS融合了大量的异构网络,其规模远大于现有的控制网络。为提高对协议识别的效率和准确度,并对其进行分类,系统中大量数据传输带来的网络拥堵是我们要解决的主要问题。方法:基于网络流的特征,提出了对协议进行识别的变精度粗糙集的权值计算法和决策构造优化算法。结果:基于变精度粗糙集算法协议识别算法,其准确率可达98.7%。结论:基于变精度粗糙集的决策算法相较于普通决策算法,其识别准确度更高、更容易实现。     

贝叶斯理论在反垃圾邮件中的应用研究

本文在介绍和分析贝叶斯理论的基础上,提出了贝叶斯算法和朴素贝叶斯分类器.并阐述了贝叶斯算法及朴素贝叶斯分类器在反垃圾邮件中的应用.     

基于论文题录的数据线索识别与知识图谱构建

[目的/意义]从研究成果中抽取数据线索,进而构建针对特定主题的数据索引,有助于提升研究者查找数据的全面性。[方法/过程]以社会科学领域所有学科中文核心期刊中关于“COVID-19”论文的题录信息为例,分三步进行了探索。(1)随机抽取1000篇摘要进行人工标注,然后以此为基础使用自适应增强等模型训练分类器,进而使用分类器识别出使用了数据的论文。(2)从使用数据的论文摘要中标注出数据线索实体,进而使用隐马尔可夫、长短期记忆网络等模型进行实体识别。(3)使用Neo4j数据库,基于抽取出的数据线索与题录中的其他信息构建知识图谱。[结果/结论]在判断论文是否使用了数据的任务中,自适应增强模型的F1值最高,达到0.869。在数据线索实体识别任务中,隐马尔可夫模型的F1值最高,达到0.805。由抽取出的数据线索与论文关键词、作者、期刊等信息融合构建的知识图谱能够实现基于主题词查找数据线索、基于数据线索查找其他信息等应用。     

基于贝叶斯网络的网络舆情事件分析

【目的/意义】目前网络舆情事件与社会稳定密切相关,其中定量计算方法在网络舆情事件分析中占有重要地位。【方法/过程】本文提出了一种基于贝叶斯网络(Bayesian Network下文简称BN)分析网络舆情事件趋势的方法。先根据先验知识和专家指导设计BN拓扑结构;再利用EM算法推算条件概率表;最后通过训练集和测试集的方法检验BN的有效性。【结果/结论】本文以随机抽取的2018年100件网络舆情事件为数据源进行实验,结果表明本文设计的BN在预测网络舆情事件趋势方面是可靠的。这为基于BN处理网络舆情事件提供了一定理论依据。     

基于相容粗糙集的BP神经网络湿地覆被信息提取——以双台子河口湿地为例

BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中,但是该方法训练时容易陷入局部极小值,且收敛速度较慢,针对这些不足提出一种基于相容粗糙集的BP神经网络分类方法。本文以双台子河口湿地为研究对象,以Landsat-8 OLI影像为数据基础,利用相容粗糙集理论对样本数据集进行预处理,将得到的数据作为新的训练样本,在Matlab软件平台下建立BP神经网络的湿地覆被分类模型,进行湿地覆被信息提取,将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。结果表明,基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据,提高网络的训练成功率,缩短网络的收敛时间,分类效果较好,其总体精度达到91.25%,Kappa系数为0.8969,比单纯的BP神经网络分类结果高7.92%和0.0926,比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357,是一种有效的湿地覆被分类方法。     

A weighted ML-KNN based on discernibility of attributes to heterogeneous sample pairs

As a well-known multi-label classification method, the performance of ML-KNN may be affected by the uncertainty knowledge from samples. The rough set theory acts as an effective tool for data uncertainty analysis, which can identify the samples easy to cause misclassification in the learning process. In this paper, a hybrid framework by fusing rough sets with ML-KNN for multi-label learning is proposed, whose main idea is to depict easy misclassified samples by rough sets and to measure the discernibility of attributes for such samples. First, a rough set model titled NRFD_RS based on neighborhood relations and fuzzy decisions is proposed for multi-label data to find the heterogeneous sample pairs generated from the boundary regions of each label. Then, the weight of an attribute is defined by evaluating its discernibility to those heterogeneous sample pairs. Finally, a weighted HEOM distance is reconstructed and utilized to ML-KNN. Comprehensive experimental results with fourteen public multi-label data sets, including ten regular-scale and four larger-scale data sets, verify the effectiveness of the proposed framework relative to several state-of-the-art multi-label classification methods.     

基于粗糙集和BP神经网络的复合图书馆馆藏质量评价研究

建立了基于粗糙集和BP神经网络的复合图书馆馆藏质量评价模型,首先运用粗糙集模型对评价指标体系中的指标进行约简,消除冗余,然后把约简后得到的评价指标输入到BP神经网络中进行智能训练,最后把待评价的检测样本输入到训练好的BP网络中,得到了馆藏质量实际输出值,实际输出与期望输出结果相吻合,从而证明了评价的可行性和有效性.     

Understanding the dynamic and microscopic traits of typical Ethereum accounts

As the most ecologically active cryptocurrency platform, Ethereum has attracted the attention of many researchers. Leveraging its fully public transaction data, most existing analysis models all account interactions as a network and explores it from a static and global perspective. However, their work ignored the investigation of dynamic and microscopic features of accounts. Therefore, we conduct the first work about these features of different kinds of accounts on Ethereum. We select six account types on Ethereum, including exchanges, phishing, etc. Then we characterize and compare the dynamics of their transactions. Next, we construct a transaction ego network for each account, and investigate the network features from the perspective of microscopic structure. Experimental results show that different kinds of accounts have their own traits in terms of transaction features and properties of ego networks, which greatly contributes to understanding their roles. Additionally, there are obvious differences between normal accounts and illegal accounts in some characteristics such as transaction neighbors and interaction patterns. Moreover, we observe that criminal gangs may be participating in phishing scams. Finally, based on the conclusions of the account analysis, we design a variety of account features and use them for the account classification task. The experimental results prove that the dynamic and microscopic features we proposed are beneficial to distinguish different types of accounts. We believe our research can provide reference value for account classification tasks in Ethereum and other blockchains.     

一种基于Bayes分类器的中文期刊自动分类系统

本文设计了一个有效的基于贝叶斯分类器的中文期刊自动分类系统。首先，该系统以期刊的名称作为惟一的标引内容，并利用自动分词技术将期刊名称分成待分类的样本集；其次，通过对图书馆的样本数据进行训练建立的分类库，本文使用贝叶斯分类器实现中文期刊的自动分类。实验结果表明，该分类器对中文期刊的分类具有很好的高效性和准确性。     

基于特征选择和支持向量机的入侵检测方法

为去除网络入侵数据集中的冗余和噪声特征,降低数据处理难度和提高检测性能,提出一种基于特征选择和支持向量机的入侵检测方法。该方法采用提出的特征选择算法选取最优特征组合,并以支持向量机为分类器建立模型,应用于入侵检测系统。仿真结果表明,本文方法不仅可以减少特征维数,降低训练和测试时间,还能提高入侵检测的分类准确率。     

朴素贝叶斯在文本分类中的应用

朴素贝叶斯理论是一种典型机器学习技术,能够应用于文本分类中。运用朴素贝叶斯理论阐述了贝叶斯分类器的样本训练和分类计算的过程,构造了一个文本分类器。试验表明,朴素贝叶斯理论在文本分类中有较好的分类效果。     

基于粗糙集-神经网络的财务危机预警模型实证研究

本文提出了以粗糙集与神经网络相结合的技术方法,应用于我国上市公司财务危机预警研究中。在通过以中国上市公司财务数据为基础进行实证分析之后,结果表明粗糙集的引入减少了神经网络的输入维数,采用动量添加法和参数自适应算法修正的神经网络算法,在网络训练的准确性和精度上都优于传统的BP神经网络。     

基于粗糙集的钢结构缺陷检测的研究

租糙集理论作为一种处理不完备信息的有利工具,巳广泛应用于人工智能的许多领域,特别是数据挖掘和知识发现领域.文章将基于粗糙集理论的数据挖掘技术应用于钢结构缺陷模式识别的知识发现,在智能诊断的知识自动获取方面取得了较好的效果.