导读:本文包含了改进贝叶斯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,向量,推断,洪水,朴素,框架,频率。
改进贝叶斯法论文文献综述
张露江,张利,杨要伟,卢晓光[1]（2019）在《基于改进贝叶斯网络的风机齿轮箱自动诊断策略研究》一文中研究指出为实现风机运行状态的监测功能,并完成监测数据智能诊断任务,开发了风机智能监测系统。首先,基于振动理论建立了齿轮箱动态模型,并分析了不同故障类型的数据特征,为智能诊断提供了辨识依据。然后,利用贝叶斯网络理论,分析了贝叶斯网络的全概率公式;并在此基础上进行研究,提出了简化广义逆矩阵的智能诊断实现方法。最后,搭建了以广义逆矩阵的智能诊断方法为核心的智能监测系统实现结构。系统在现场进行了运行检测,结果表明,智能监测系统输出结果和人工诊断结果相符。系统已在风场取得初步的工程应用。(本文来源于《电力系统保护与控制》期刊2019年19期）
宋晓敏[2]（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）
孙惠丽,陈维华,刘东朝[3]（2019）在《基于深度学习的改进贝叶斯网络入侵检测算法》一文中研究指出针对传统的朴素贝叶斯网络入侵检测技术存在训练数据集中属性冗余的问题,以及没有考虑到网络环境的变化导致贝叶斯网络结构改变的问题,提出一种结合深度学习和滑动窗口改进贝叶斯网络入侵检测方法。利用深度学习提取特征属性,降低数据集维数;采用滑动窗口技术实时更新贝叶斯网络参数,并利用特征属性的互信息计算各属性之间的相对欧氏距离,根据相对欧氏距离的大小及时更新贝叶斯网络,以提高检测率。实验结果表明,改进后的贝叶斯网络能够提高运算效率和检测率。(本文来源于《软件工程》期刊2019年04期）
金小梅,毛本清[4]（2019）在《基于改进贝叶斯算法的垃圾短信过滤研究》一文中研究指出手机用户经常会接到各种垃圾短信,已严重影响了人们的正常生活。结合文本短语分析规则,提出了改进的贝叶斯算法进行文本短信过滤方法,特征项提取以短语为单位,降低样本空间规模,在此基础上训练样本集,生成分类模型,实现文本短信过滤。实验结果表明,以短语模式下的改进贝叶斯算法分类所得的结果,更优于词模式下的KNN算法与贝叶斯算法。(本文来源于《科技与创新》期刊2019年06期）
何中炎,张云华[5]（2019）在《基于改进贝叶斯算法的医疗健康管理系统的设计》一文中研究指出当前,我国医院的医疗健康管理系统结构单一,主要实现日常体检任务,工作效率低,服务效果不理想,体检数据挖掘不充分[1]。因此,结合微软.NET成熟的技术,本文设计了一个基于PCA-WNB的医疗健康管理系统,并分析了该系统的结构和实现方法,旨在规范医院体检流程,加强医护人员的责任机制,减轻工作人员的工作量,充分挖掘历史体检数据,并为患者提供高效、便捷的服务。(本文来源于《电工技术》期刊2019年06期）
王义民,高盼星,郭爱军,畅建霞,赵明哲[6]（2019）在《改进先验概率的贝叶斯法在设计洪水中的应用》一文中研究指出贝叶斯模型是降低设计洪水计算过程中线型选择不确定性的主要方法,其中,先验概率的确定对贝叶斯模型的建立至关重要。为了提高先验概率确定方法的普适性,本文以模型评价准则为基础,多方面考虑模型拟合特征,提出综合指数量化线型的拟合情况,并将其作为先验信息应用于贝叶斯模型,以便合理确定各线型的先验概率,进而达到降低线型选择不确定性影响的目的。研究结果表明:基于综合指数值来挖掘样本的先验信息,可获得较为可靠的先验概率值来合理预估后验概率,使得拟合效果较好的线型获得更高的权重;有先验信息的贝叶斯模型相比无先验信息的贝叶斯模型结果更优;耦合多个评价准则的综合指数值为先验概率的求解提供了新思路。(本文来源于《水力发电学报》期刊2019年07期）
曾宇柯,陈焕新,黄荣庚,龚麒鉴[7]（2018）在《基于改进贝叶斯神经网络的多联机故障诊断策略》一文中研究指出针对传统神经网络模型过拟合等问题,本文提出了一种基于改进贝叶斯神经网络的多联机故障诊断策略,该策略使用LOF(local outlier factor)法剔除原始数据中的异常值,并构建了BR(Bayesian-regularization)神经网络以提高模型的泛化能力。实验通过多联机系统制冷剂充注量故障验证该策略的可行性。结果表明:较BP(back-propagation)神经网络,LOF-BR神经网络模型诊断性能增强,整体检测率提高至97%。充注过量误诊为充注不足的比率显着降低,LOF法能有效剔除多联机系统异常值。(本文来源于《家电科技》期刊2018年S1期）
谭政勋,黄锦东,叶诚[8]（2018）在《中国股票市场主要转折点的识别:基于改进的小波领袖法与逼近技术的贝叶斯法》一文中研究指出在探讨单重分形模型与以小波领袖法为代表的多重分形模型的内在联系的基础上,分析了小波领袖法的内在缺陷并提出了改进方法,并利用Monte Carlo模拟比较了传统的小波领袖法和改进的小波领袖法的效果;在改进的小波领袖法的框架下,利用基于逼近技术的贝叶斯法估计了上证指数收益率序列的多重分形谱及有关参数。理论分析表明,在传统小波领袖法中,小波母函数"能量和为1",这与经典的R/S法以及实际股票市场的实际情况都不相符,且会严重低估标度指数。实证表明,改进的小波领袖法克服了对标度指数的低估效应和对多重分形谱估计值的扭曲;在利用改进的小波领袖法刻画股票市场的波动性后,基于逼近技术的贝叶斯估计法不仅减少了需要估计的参数,而且准确识别了我国股票市场长期趋势发生变化的主要转折点,结果也非常稳健。(本文来源于《中国管理科学》期刊2018年12期）
李丽娟,郭天赐,曹岩,刘菊花,孙夏辉[9]（2018）在《改进贝叶斯算法的刀具工序调度》一文中研究指出为解决FMS(柔性制造系统)中工序流与刀具流集成优化调度问题,以生产总时间最小为优化目标,提出了一种基于改进贝叶斯算法的优化方法,构建了基于变量取值的概率描述模型——改进贝叶斯网络,以历史运行经验为最初解群,然后以所构建的模型产生新的可行解用以组成下一代解群。经测试表明:该模型与传统遗传算法和贝叶斯算法想比,刀具整体利用率和机床整体利用率9%、11%和4%、7%。(本文来源于《工具技术》期刊2018年12期）
黎利娟[10]（2018）在《对不确定数据建模的改进贝叶斯随机向量泛函链接网络》一文中研究指出本文提出了一个针对不确定数据建模,结合随机向量泛函链接网络的完全贝叶斯模型,即IB-RVFL。和已有的工作相比,我们在基函数的参数上也定义了先验分布。通过在训练过程中引入额外的先验知识,不仅模型的学习能力得到提高,而且针对基本的RVFL模型中对随机参数确定问题的困难性和重要性,提供了一个有效的解决方案。变分推断方法被用来快速地得到一个复杂后验分布的近似,这有助于完成超参数的自动推断,并且得到预测结果的概率估计。我们主要从两方面进行了实验,一是通过在训练集中添加不同程度的噪音,观察算法的鲁棒性。实验结果表明,和其它两种鲁棒性算法相比,改进贝叶斯随机向量泛函链接网络(IB-RVFL)对噪音更不敏感,在全部实验中预测的准确性都优于其他两种算法。二是通过在八个不同回归数据集上进行实验,并和其它五种算法对比,观察算法的性能。实验结果表明,IB-RVFL算法在全部数据集上都表现较好。(本文来源于《浙江工商大学》期刊2018-12-01）
改进贝叶斯法论文开题报告
（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：
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。
（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。
改进贝叶斯法论文参考文献
[1].张露江,张利,杨要伟,卢晓光.基于改进贝叶斯网络的风机齿轮箱自动诊断策略研究[J].电力系统保护与控制.2019
[2].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
[3].孙惠丽,陈维华,刘东朝.基于深度学习的改进贝叶斯网络入侵检测算法[J].软件工程.2019
[4].金小梅,毛本清.基于改进贝叶斯算法的垃圾短信过滤研究[J].科技与创新.2019
[5].何中炎,张云华.基于改进贝叶斯算法的医疗健康管理系统的设计[J].电工技术.2019
[6].王义民,高盼星,郭爱军,畅建霞,赵明哲.改进先验概率的贝叶斯法在设计洪水中的应用[J].水力发电学报.2019
[7].曾宇柯,陈焕新,黄荣庚,龚麒鉴.基于改进贝叶斯神经网络的多联机故障诊断策略[J].家电科技.2018
[8].谭政勋,黄锦东,叶诚.中国股票市场主要转折点的识别:基于改进的小波领袖法与逼近技术的贝叶斯法[J].中国管理科学.2018
[9].李丽娟,郭天赐,曹岩,刘菊花,孙夏辉.改进贝叶斯算法的刀具工序调度[J].工具技术.2018
[10].黎利娟.对不确定数据建模的改进贝叶斯随机向量泛函链接网络[D].浙江工商大学.2018
论文知识图
