导读:本文包含了贝叶斯算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,朴素,重构,词频,特征,参数,组合。
贝叶斯算法论文文献综述
田湘,高瑜翔,夏朝禹,曹远杰,张皓[1]（2019）在《基于块稀疏贝叶斯算法的图像重构方法与仿真》一文中研究指出针对贝叶斯学习方法(SBL)重构二维图像信号精度不高的问题,采用对图像信号分块重建的方式,将贝叶斯学习算法推广为块贝叶斯学习(BSBL)算法,用于二维图像信号的重构中,给出了重构算法的相应公式并进行了算法仿真。仿真结果表明,在相同的条件下,BSBL能够获得较好的图像重构效果和最小的二维重构误差。(本文来源于《信息与电脑(理论版)》期刊2019年21期）
朱峰,潘晓中[2]（2019）在《朴素贝叶斯算法在反恐情报分类中的应用研究》一文中研究指出[目的/意义]提出一种基于朴素贝叶斯算法的反恐情报分类模型,在反恐工作中,根据涉恐情报的特点,使用机器学习的方法训练分类器进行涉恐等级划分。[方法/过程]该分类模型建立过程包括构建情报词典、构建样本集、属性降维、构建分类器、评价标准以及实验结果分析等六个步骤。为了详细描述该模型的分类过程,利用虚拟样本集中的数据进行了数据挖掘和定量分析。[结果/结论]该方法能够快速对数据库中的数据信息进行分类,为情报研判提供参考依据,提高了分析效率,节约了人力成本。(本文来源于《情报探索》期刊2019年10期）
胡芷琦[3]（2019）在《基于改进朴素贝叶斯算法的安卓恶意软件检测研究》一文中研究指出由于安卓平台开源性、免费性的特点,恶意软件的数量急剧增长,其安全问题面临巨大挑战。现有的基于权限进行安卓恶意软件的静态检测方法中,往往利用单一的权限,缺少特征性,据此该文提出了一种安卓恶意软件检测的方案,通过反编译软件提取权限,运用改进的朴素贝叶斯方法进行分类,实验结果表明,基于权限组合,使用改进的朴素贝叶斯算法相比于传统的算法,具有较好的分类结果,准确率达到95%。(本文来源于《软件》期刊2019年10期）
何洋,吴飞,张玉金,朱海,蔡文炎[4]（2019）在《后验加权贝叶斯算法的WiFi室内定位》一文中研究指出针对WiFi电磁指纹库方法的在线定位阶段中传统朴素贝叶斯算法对于定位数据样本的独立性假设具有主观性和局限性,且增加了计算开销的问题,提出基于后验加权贝叶斯算法的实时定位方法:加权贝叶斯算法为定位数据的特征属性分配适当的权值,考虑了定位数据之间的关联性;将其进一步优化,依据定位数据特性,加入后验概率估计过程以提高分类器的实时性;最后将改进后的加权贝叶斯算法与朴素贝叶斯算法和支持向量机算法进行比较分析。实验结果表明该方法能较好地提高在线定位阶段的实时性和精准性。(本文来源于《导航定位学报》期刊2019年03期）
吴君钦,周琪[5]（2019）在《时间相关块贝叶斯算法下的大规模MIMO信道估计》一文中研究指出因具有高的阵列增益和高的频谱效率,大规模MIMO已成为5G通信系统物理层关键技术,但在频分双工系统基站侧获取大规模MIMO信道准确状态信息的过程中,存在导频开销占用大量频谱资源问题。为此,针对时间相关信道和信道稀疏度未知的情况,提出一种基于时间相关和多测量矢量模型的块贝叶斯压缩感知(TMBB-CS)信道估计方法。因基站端天线发射信号时间相关,所以大规模MIMO系统的时域信道脉冲响应呈块稀疏结构,利用该特性对下行链路中的多用户信道矩阵进行测量估计,可较大幅度减少导频开销,提升性能。实验仿真结果表明,与其他块贝叶斯算法相比,所提出的TMBB-CS算法信道估计性能更好。(本文来源于《信号处理》期刊2019年08期）
李政,王堂志,孙浩[6]（2019）在《基于贝叶斯算法的研究生录取结果预测系统设计》一文中研究指出基于研究生录取结果预测研究,对比网上已有的高考录取预测、考研分数线预测,通过python语言实现贝叶斯算法,做出切实有效的预估结果sklearn模型。在研究过程中,对比其他算法的准确率,所建立的模型准确率高、可扩展、兼容性良好,结合研究生录取信息网站的设计,可被广泛使用。(本文来源于《湖北农机化》期刊2019年13期）
吴伟,田瑞杰,王鑫慧[7]（2019）在《基于贝叶斯算法的花束识别系统设计与实现》一文中研究指出花束数据挖掘处理通过图像收集建立信息库,与未知图像匹配,优点是保障信息准确性,信息判别处理结果能够以一种直观的方式呈现给不同群体。将用户输入的花束特征拆解分类,与后台花束特征训练集比较,运用贝叶斯定理求解逆转条件概率,将花束名称概率排列并利用此顺序建立索引,反馈给用户。相较于其他方法,此方法充分利用了花束识别中的特殊条件,使此系统更加高效轻便。笔者介绍了贝叶斯算法在不同领域的几种应用,深入探讨了贝叶斯算法的应用,设计并实现了基于贝叶斯算法的花束识别系统。(本文来源于《信息与电脑(理论版)》期刊2019年13期）
陈长胜,曹新德[8]（2019）在《基于朴素贝叶斯算法的IPRAN网络智能运维系统》一文中研究指出本文建立了IPRAN网络运维系统工作模型,通过IT手段,实现智能运维系统开发。阐述了IPRAN业务规划、业务开通、故障处理等叁大现网维护问题的分析方法,针对业务故障提出基于朴素贝叶斯的快速定位算法,极大提高了维护效率。在网络SDN化发展的新阶段,对新的网络维护模式做出了初步积极探索。(本文来源于《江苏通信》期刊2019年03期）
宋晓敏[9]（2019）在《基于改进贝叶斯算法的中文信息分类研究》一文中研究指出随着互联网的迅速发展,网络上出现了成千上万的新文本。大多数数据以文本的形式存储,数据呈指数增长,这些条件可能会导致我们进入信息爆炸时代。要管理如此庞大的文本量,文本分类问题亟待解决。其次,基于朴素贝叶斯的文本分类是建立在条件独立性假设的基础上的,这与现实不符。在众多通过弱化特征独立性假设来提高其准确性的建议中,特征加权方法受到的关注较少。而且,现有的特征加权方法都只是将学习到的特征权重合并到朴素贝叶斯公式中,根本没有将学习到的特征权重合并到其条件概率中。因此,本论文从特征加权的角度出发,提出了基于词频-逆文档频率特征权重和等级因子特征权重的贝叶斯算法,并将它应用到中文文本分类中,可以有效地管理庞大而复杂的数据,协助人们快速的查找信息并节约时间成本。本文的主要研究内容如下:(1)对文本分类中常用的朴素贝叶斯、KNN、支持向量机叁种方法进行了比较。通过研究和实验,其结果说明朴素贝叶斯算法是中文文本分类中效果最佳的算法。(2)提出了一种基于词频-逆文档频率特征权重和等级因子特征权重的朴素贝叶斯算法—特征加权朴素贝叶斯算法。该算法将词频-逆文档频率特征权重合并到贝叶斯的条件概率公式中,其次将由词频-逆文档频率决定的等级因子特征权重导入到贝叶斯公式中,可以大大削弱其特征独立性假设的影响。(3)本文将特征加权朴素贝叶斯算法应用到中文文本分类中。由于网络上各种语料库错综复杂,目前针对中文文本分类问题至今没有一个可以一致使用的语料库,所以论文根据筛选规则构建了中文语料库。实验表明,特征加权朴素贝叶斯算法在文本分类领域的准确率高于标准的朴素贝叶斯算法,从而验证了提出的新算法是一种更有效、更准确的文本信息分类算法。(本文来源于《北京邮电大学》期刊2019-06-02）
李寒霜[10]（2019）在《基于变分贝叶斯算法的线性变参数系统辨识》一文中研究指出工业领域技术的进步离不开控制与优化策略的发展,在对系统实施控制与优化的过程中,多以系统模型为基础。然而工业过程日益庞大的规模和复杂性使得建立相应的机理模型极其困难,甚至是无法实现的。由于过程数据能够包含系统运行的主要动态特性,因此基于数据驱动的建模方法为复杂工业过程的建模提供了新的解决方案。其中,线性变参数(Liner Parameter Varying,LPV)模型具有类似线性模型的简单结构,通过时变的参数便可精确描述复杂的非线性系统,获得了广泛关注。考虑到实际工业过程生产环节及生产环境的复杂多变,会导致被建模系统呈现不确定性,传统的LPV系统辨识方法忽略了这一问题,难以保证系统的辨识精度。基于此,论文主要在变分贝叶斯(Variational Bayesian,VB)算法的框架下讨论LPV系统的辨识问题,具体研究内容如下:(1)研究了VB算法框架下的LPV系统的辨识问题。针对含有不确定性的工业过程,论文提出了基于VB算法的LPV系统的辨识方法。该方法将系统的不确定性通过参数的不确定性进行刻画,即将未知参数视为随机变量,并给定参数相应的先验分布,通过迭代地最大化目标函数的下界,从而求得参数的概率分布。不仅可获得参数的点估计,同时量化了估计值的不确定程度,最终通过仿真证明了所提辨识方法的优越性。(2)进一步,研究了含未知时延的LPV系统的辨识问题。论文针对含有定常时延和分段时变时延的非线性系统,分别提出了基于VB算法的系统辨识方法。为处理系统的时延特性,该方法将未知时延当作隐变量,同时以概率分布的形式描述模型参数的不确定性,通过解析近似的推理方法,可估计得到时延及各参数的后验分布,并基于极大后验概率准则获得时延的点估计值,仿真结果表明了该方法的有效性。(3)研究了量测数据缺失下的LPV系统的辨识问题。考虑到系统的输出数据随机缺失的问题,基于VB算法推导得到LPV系统的递推辨识算法。在算法中,将缺失数据和采样数据的模型归属视为隐变量,通过引入隐变量和未知参数的联合概率分布构造出边缘似然函数的下界,反复最大化该下界函数,可估计得到缺失数据和未知参数的后验分布。该方法以概率分布迭代代替了传统辨识算法中的单点迭代,最终通过仿真验证了所提方法可以获得较高的参数估计精度。(本文来源于《江南大学》期刊2019-06-01）
贝叶斯算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
[目的/意义]提出一种基于朴素贝叶斯算法的反恐情报分类模型,在反恐工作中,根据涉恐情报的特点,使用机器学习的方法训练分类器进行涉恐等级划分。[方法/过程]该分类模型建立过程包括构建情报词典、构建样本集、属性降维、构建分类器、评价标准以及实验结果分析等六个步骤。为了详细描述该模型的分类过程,利用虚拟样本集中的数据进行了数据挖掘和定量分析。[结果/结论]该方法能够快速对数据库中的数据信息进行分类,为情报研判提供参考依据,提高了分析效率,节约了人力成本。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
贝叶斯算法论文参考文献
[1].田湘,高瑜翔,夏朝禹,曹远杰,张皓.基于块稀疏贝叶斯算法的图像重构方法与仿真[J].信息与电脑(理论版).2019
[2].朱峰,潘晓中.朴素贝叶斯算法在反恐情报分类中的应用研究[J].情报探索.2019
[3].胡芷琦.基于改进朴素贝叶斯算法的安卓恶意软件检测研究[J].软件.2019
[4].何洋,吴飞,张玉金,朱海,蔡文炎.后验加权贝叶斯算法的WiFi室内定位[J].导航定位学报.2019
[5].吴君钦,周琪.时间相关块贝叶斯算法下的大规模MIMO信道估计[J].信号处理.2019
[6].李政,王堂志,孙浩.基于贝叶斯算法的研究生录取结果预测系统设计[J].湖北农机化.2019
[7].吴伟,田瑞杰,王鑫慧.基于贝叶斯算法的花束识别系统设计与实现[J].信息与电脑(理论版).2019
[8].陈长胜,曹新德.基于朴素贝叶斯算法的IPRAN网络智能运维系统[J].江苏通信.2019
[9].宋晓敏.基于改进贝叶斯算法的中文信息分类研究[D].北京邮电大学.2019
[10].李寒霜.基于变分贝叶斯算法的线性变参数系统辨识[D].江南大学.2019
论文知识图
