导读:本文包含了朴素贝叶斯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:朴素,数据,特征,文本,组合,外卖,火灾。
朴素贝叶斯论文文献综述
路军,王梓耀,余涛[1]（2019）在《基于朴素贝叶斯和D-S证据理论的多时空数据融合》一文中研究指出针对泛在电力物联网中分布广泛的传感器以及各类设备采样周期不同的问题,本文提出一种基于朴素贝叶斯和D-S证据理论的多时空数据融合方法。该方法突出的优点是融合了多个时间段、多个不同地点传感器的数据。首先运用朴素贝叶斯分类器得到信度分配,克服了过去采用专家系统进行信度分配的缺点,然后运用D-S证据理论进行融合得到最终系统的状态评价,有效地将多时空数据进行融合。实验结果表明,本文提出的方法相比其他机器学习算法有了明显的改进,能够有效地评估系统的状态。(本文来源于《电气技术》期刊2019年11期）
鲍凯丽,刘其成,牟春晓[2]（2019）在《融合朴素贝叶斯和协同过滤的外卖推荐并行算法研究》一文中研究指出为了提高个性化外卖推荐系统的准确率,结合传统的协同过滤算法中存在的数据稀疏性问题,提出一种融合朴素贝叶斯和协同过滤的外卖推荐并行算法。采用并行的朴素贝叶斯分类算法构建外卖评论文本情感分类器,量化评论文本情感值;结合评分数值构建外卖综合评分模型;将综合评分结果整合到推荐系统的训练集,利用优化的并行ALS算法进行推荐。实验结果表明,该推荐算法不仅在推荐准确率上有一定的提高,还具有良好的加速比。该算法应用于个性化外卖推荐是可行和有效的。(本文来源于《计算机应用与软件》期刊2019年11期）
徐昌,王瑶,舒福舟[3]（2019）在《基于多种特征的朴素贝叶斯的图像分类》一文中研究指出为了实现对图像的分类,提出了一种基于多种特征的朴素贝叶斯方法。从数据图像集中提取灰度直方图特征、SIFT特征、SURF特征以及对数据集裁减的方式降低维度等四种特征,求取每一种特征下的图像的精确率、召回率、F1值以及对应的混淆矩阵。本文在数据集进行了分类实验,结果表明,采用SIFT特征描述的图像表示能够取得更好的分类结果。(本文来源于《电脑知识与技术》期刊2019年30期）
张燕[4]（2019）在《基于朴素贝叶斯的英语成绩预测模型构建研究》一文中研究指出针对当前英语学习信息化需求,以及深度学习算法的优势,提出一种基于朴素贝叶斯的英语成绩预测模型。为验证该模型在英语成绩预测方面的有效性,首先对朴素贝叶斯定理的原理进行分析,然后以某职业院校2016～2018的英语四级考试成绩作为基本数据来源,采用朴素贝叶斯模型中概率对不同属性下的学生英语成绩进行预测,结果表明通过朴素贝叶斯分类预测到的成绩与实际的基本一致。(本文来源于《自动化技术与应用》期刊2019年10期）
梁柯,李健,陈颖雪,刘志钢[5]（2019）在《基于朴素贝叶斯的文本情感分类及实现》一文中研究指出本文利用Python语言,对25 000条英文影评数据进行文本分类。首先利用词袋模型对文本数据进行分类。在此基础上加入Word2Vec建立新的词向量特征,通过精准率和召回率对比前后2种模型的分类效果;最后通过逻辑回归和朴素贝叶斯分类模型的分类效果对照得出研究结论。结果表明:对于英文影评文本分类,在同等条件下,使用Word2Vec构建词向量模型的精准率和召回率比使用bag of Word词袋模型分别高出0.02个百分点和0.026个百分点;在使用Word2Vec的基础上,朴素贝叶斯分类器的精准率和召回率分别高出逻辑回归分类0.027个百分点和0.028个百分点。(本文来源于《智能计算机与应用》期刊2019年05期）
胡芷琦[6]（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）
朱峰,潘晓中[7]（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）
陈思静,王磊,尹波,干胜道[8]（2019）在《朴素贝叶斯分类法与数据资产会计确认——难题与突破》一文中研究指出随着大数据时代的到来,企业对数据资源的合理使用为自身带来了日益增长的经济价值,于是,在会计学界有了将企业数据资源作为一项资产入账的呼声,然而,大数据的产权归属和价值变现具有不确定性,导致其未必满足会计确认的条件。文章全面分析了企业将自身拥有或控制的数据资源确认为资产所面临的难题,并对其提出了解决方案。首次应用朴素贝叶斯分类法建立模型,通过计算相关因素的联合概率来判断在不确定条件下数据资源是否应该被确认为资产,最后进行了算例分析。结论表明,该模型对数据资产的会计确认具有指导作用,同时也可为相关会计准则的制定提供理论参考。(本文来源于《会计之友》期刊2019年19期）
庞博,成东坡[9]（2019）在《利用朴素贝叶斯分类器的视频分类方法》一文中研究指出朴素贝叶斯分类器是分类算法集合中基于贝叶斯理论的一种算法,为了对海量的视频进行分类,提出了一种基于朴素贝叶斯分类器的视频分类方法。首先,对视频进行特征提取,提取纹理、颜色以及亮度叁种反映其类别的特征。在提取到视频的颜色、亮度以及纹理特征之后,然后进行基于朴素贝叶斯分类器的视频分类。对于输入的几种特征,采用极大似然估计,直至完成最终的分类。实验结果表明,提出的视频分类方法取得了较为准确的分类结果,对篮球、足球、斯诺克等5个运动项目均取得了90%以上的分类准确性。(本文来源于《武汉工程职业技术学院学报》期刊2019年03期）
葛继科,陈栋,王文和,陈祖琴,陈国荣[10]（2019）在《基于改进朴素贝叶斯分类算法的火灾分类》一文中研究指出针对火灾文本中各类别分布不均衡的特点,提出了基于改进朴素贝叶斯(INB)的文本分类算法,用于对其进行相对准确的分类。首先,利用改进的卡方统计(ICHI)方法提取各类别文本特征词条,再根据特征词条在对应类别中所起的作用不同,使用词频-反文档频率(TF-IDF)加权计算方法对其赋予不同的权重,从而构建INB分类器;接着,通过分词处理和特征词提取,构建火灾文本数据集;最后,应用INB分类器实现对火灾文本的有效分类。本方法规范化地提取和表示了火灾文本的特征词条,解决了火灾文本在训练集数据量少且各类别分布不均衡时存在少数类别特征被覆盖和分类准确度受特征词集规模影响较大的问题。为了验证本方法的有效性,引入Kappa系数作为分类器性能评价指标,并与传统朴素贝叶斯方法和补集朴素贝叶斯算法进行比较。结果表明,所提方法准确度和Kappa系数分别达到了91. 45%和0. 903,分类器性能比较理想,能够较为准确地对类别分布不均衡的火灾文本进行分类。(本文来源于《安全与环境学报》期刊2019年04期）
朴素贝叶斯论文开题报告
（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：
为了提高个性化外卖推荐系统的准确率,结合传统的协同过滤算法中存在的数据稀疏性问题,提出一种融合朴素贝叶斯和协同过滤的外卖推荐并行算法。采用并行的朴素贝叶斯分类算法构建外卖评论文本情感分类器,量化评论文本情感值;结合评分数值构建外卖综合评分模型;将综合评分结果整合到推荐系统的训练集,利用优化的并行ALS算法进行推荐。实验结果表明,该推荐算法不仅在推荐准确率上有一定的提高,还具有良好的加速比。该算法应用于个性化外卖推荐是可行和有效的。
（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。
朴素贝叶斯论文参考文献
[1].路军,王梓耀,余涛.基于朴素贝叶斯和D-S证据理论的多时空数据融合[J].电气技术.2019
[2].鲍凯丽,刘其成,牟春晓.融合朴素贝叶斯和协同过滤的外卖推荐并行算法研究[J].计算机应用与软件.2019
[3].徐昌,王瑶,舒福舟.基于多种特征的朴素贝叶斯的图像分类[J].电脑知识与技术.2019
[4].张燕.基于朴素贝叶斯的英语成绩预测模型构建研究[J].自动化技术与应用.2019
[5].梁柯,李健,陈颖雪,刘志钢.基于朴素贝叶斯的文本情感分类及实现[J].智能计算机与应用.2019
[6].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
[7].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
[8].陈思静,王磊,尹波,干胜道.朴素贝叶斯分类法与数据资产会计确认——难题与突破[J].会计之友.2019
[9].庞博,成东坡.利用朴素贝叶斯分类器的视频分类方法[J].武汉工程职业技术学院学报.2019
[10].葛继科,陈栋,王文和,陈祖琴,陈国荣.基于改进朴素贝叶斯分类算法的火灾分类[J].安全与环境学报.2019
论文知识图
