摘要：对文档进行分类并鉴别出垃圾信息是一个非常有实用价值的研究领域,越来越多的网站开始关注这种技术。采用智能算法对垃圾信息进行有效分析,寻找垃圾制作者,并通过网络日志和所发表的内容,判断哪些是广告用户和垃圾信息的发布者,并将其删除。认为对垃圾信息的甄别其实是一种把信息分成有用信息和无用信息的过程,试用贝叶斯分类算法把信息分成不同的类。针对基于规则的分类方法和通过分析广告链接网址来剔除垃圾信息的方法的缺陷,给出贝叶斯分类算法及机器训练方法,从实验结果看,本方法优于基于规则的分类法。

摘要：动态数据流具有数据量大、变化快、随机存取代价高、详细数据难以存储等特点,挖掘动态数据流对计算能力与存储能力要求非常高。针对动态数据流的以上特点,设计了一种基于自助抽样的动态数据流贝叶斯分类算法,算法运用滑动窗口模型对动态数据流进行处理分析。该模型以每个窗口的数据为基本单位,对窗口内的数据进行处理分析;算法采用自助抽样技术对待分类数据中的属性进行裁剪和优化,解决了数据属性间的多重线性相关问题;算法结合贝叶斯算法的特点,采用动态增量存储树来解决动态样本数据流的存储问题,实现了无限动态数据流无信息失真的静态有限存储,解决了动态数据流挖掘最大的难题——数据存储;对优化的待分类数据使用all-贝叶斯分类器和k-贝叶斯分类器进行分类,结合数据流的特性对两个分类器进行实时更新。该算法有效克服了贝叶斯分类属性独立性的约束和传统贝叶斯只对静态数据分类的缺点,克服了动态数据流最大的难题——数据存储问题。通过实验测试证明,基于自助抽样的贝叶斯分类具有很高的时效性和精确性。

摘要：本文在当前对全国高校计算机等级一级考试的过级情况缺少系统全面分析的背景下,从数据挖掘的角度,阐述了为解决上述问题而设计的数据挖掘系统的设计步骤和技术特征。系统主要采用朴素贝叶斯分类法,通过对第一手真实的数据进行分析并建立预测模型,如果该模型预测的准确率大于90%,则可以利用这个模型对学生过级情况进行预测。该系统对提高教学质量及指导学生的过级均有指导意义。

摘要：针对实体的呼啦圈体积大,不易携带,使用不当可能对身体造成伤害的问题,设计了一种基于贝叶斯分类算法的电子呼啦圈。系统使用三轴加速度计采集呼啦圈旋转时腰部的加速度信号,经卡尔曼滤波后,提取特定周期内的波形特征并以此训练贝叶斯分类器,利用训练后的分类器对实时滑动窗口内加速度计数据进行判断是否符合转实体呼啦圈腰部的运动特征,并将分类结果通过蓝牙发送至Android终端。实验证明:该设计功耗低,实时性好,准确率高。

摘要：本文提出了基于GPU的高光谱图像贝叶斯并行技术优化算法,通过对高光谱图像分类流程计算复杂度的分析,基于GPU的硬件特性和CUDA编程模型将待分类图像像元映射到计算线程,GPU控制流程逻辑,GPU执行数据级并行计算,并从数据传输和核函数设计两方面进行了优化设计。实验结果表明,该并行分类算法在保证分类精度的同时能大大提高算法的计算效率,获得25倍~54倍的计算加速比。

摘要：考生在填报高考志愿时,针对复杂繁多的各类高校信息数据,传统的搜索引擎无法根据考生需要的实际信息和搜索结果进行匹配,考生还需要额外消耗一定精力去筛选数据,这无疑增加了考生的时间成本.为此本文提出了基于高考领域知识图谱,使用中文分词模型和朴素贝叶斯分类算法,设计并开发了针对高考学业规划的智能问答系统.与传统的搜索引擎不同的是,基于人工智能的问答系统能够对考生所关注的问题和搜索结果进行精确匹配,减少考生重复搜索和筛选数据的次数.测试结果表明,本系统可以对高考学业规划中所涉及的大多数问题进行相对准确的针对性回答.

摘要：为了抵制垃圾邮件对互联网及其用户造成的严重不良影响,本文采用高效的贝叶斯分类算法,基于hadoop平台实现垃圾邮件的过滤系统,克服了传统并行系统在编程实现和系统扩展上的不足,充分利用云计算环境优势,使系统实现简单,扩展容易,性能提高;并做了相关的试验,验证了设计理论。

摘要：提出了一种结合AR模型和贝叶斯分类的肌电信号动作模式识别方法。首先将采集到的肌电信号进行预处理,提取AR系数作为其特征值。其次设计了一个贝叶斯分类器,利用AR系数对手臂的各种肢体动作进行动作模式分类。实验表明这种方法不仅降低了误识别率,而且取得了比较理想的识别效果。同时,采用虚拟仪器技术提高仪器的测量精度,降低成本,降低计算工作量。

摘要：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。

摘要：提出了一种手写体数字识别的新方案。在方案中,设计了一种加强贝叶斯分类器,该分类器可以对训练集进行反馈式学习。经过一定强度的训练,能够对测试过程加以监督和修正。通过对实际样本的测试证实该方法的有效性。