导读:本文包含了增量贝叶斯算法论文开题报告文献综述及选题提纲参考文献,主要关键词:贝叶斯增量学习,结构学习,篦冷机,水泥熟料换热
增量贝叶斯算法论文文献综述
刘兆伦,张春兰,武尤,王海羽,刘彬[1](2019)在《一种增量式贝叶斯算法及篦冷机故障诊断》一文中研究指出针对批量式算法增量维护性能差的缺点,提出了一种贝叶斯增量学习算法(ILA)。检测到新数据集时,构造WTUN函数来判断结构是否需要更新,若结构需要更新,则构建影响度(Affect)函数,得到结构中需要修正的节点集,在其马尔可夫范围内利用爬山算子修改得到候选结构,利用改进的评分函数选择评分最大的结构作为最优结构。无论结构是否更新,都将原参数作为先验参数,利用EM算法更新参数。将该算法与批量爬山(HC)算法、增量爬山(IHC)算法、增量遗传算法(IGA)对比,ILA算法可以对网络进行增量维护,一定程度上节省了空间和时间。利用该算法建立篦冷机工艺参数的故障诊断模型,该模型能较为准确地实现对二次风温的故障诊断。(本文来源于《中国机械工程》期刊2019年10期)
满毅[2](2016)在《基于增量学习朴素贝叶斯算法的ROLAP缓存机制的设计与实现》一文中研究指出随着大数据时代的来临,信息系统中的数据量不断攀升,导致系统负荷急剧增加、响应时间延长,从而影响用户体验。如何从海量数据中快速有效地提取有价值的信息成为当今一个研究热点,由此商业智能、数据仓库等技术的研究越来越受到重视。为了提高数据仓库中OLAP查询的性能和响应速度,本文设计了一种应用在ROLAP客户端的缓存机制,其基本思想是:有选择地将用户的查询结果保存在缓存区内,同时记录查询语句中的维度表达式和度量表达式;在处理后续查询语句时,通过筛减查询语句,避免从数据仓库中重复提取已缓存的数据,从而缩短查询时间;为了进一步提高缓存数据的命中率,从而进一步提高整体查询性能,在决定是否缓存查询语句的结果时,利用增量学习朴素贝叶斯算法分析查询语句中的维度表达式和度量表达式去决定是否需要缓存本次查询;同样的思想也用于缓存的替换算法。另外,为了方便快速地管理缓存的数据,本文采用内存数据库作为其缓存区。为了验证这个缓存机制的有效性,本文基于星型基准SSB测试模型进行了实验,从平均查询时间、缓存命中率以及向数据仓库查询的数据量叁个方面进行考察和对比。实验结果表明,该缓存机制能有效地提高ROLAP的平均查询效率。(本文来源于《华东师范大学》期刊2016-09-01)
屈军[3](2013)在《基于增量的贝叶斯算法在网页文本中的应用》一文中研究指出如今文本自动分类技术发展已较为成熟,中文网页的分类也是自动分类技术的应用之一.分类精度依赖于分类算法,贝叶斯算法在网页分类中有很广泛的使用,但它需要大量且已标记的训练集,而获得大量带有类别标注的样本代价很高.本文以中文网页信息增量式的学习作为研究对象,利用网页已验信息处理训练集增量问题,提出一种改进的增量式的贝叶斯分类算法,研究利用未标记的中文网页来提高分类器的性能,并进行相关实验对比和评价.(本文来源于《赤峰学院学报(自然科学版)》期刊2013年13期)
彭小明,辛阳[4](2012)在《基于增量贝叶斯算法的主题爬虫的设计与实现》一文中研究指出主题爬虫是主题搜索引擎的核心技术,已有的主题爬虫大多采用离线训练方式,需要大量已标记的训练样本,且不能使爬虫在爬行过程中增量学习新的知识,因而很难符合Web资源采集的需要。在线学习新下载页面可加速主题爬行过程、提高页面下载精度。本文介绍了通用爬虫和主题爬虫的区别,通过对增量朴素贝叶斯分类算法的研究,设计了一个基于增量贝叶斯分类器的主题爬虫,并介绍了爬虫的系统结构及关键部分的实现。(本文来源于《第九届中国通信学会学术年会论文集》期刊2012-08-17)
周鸣[5](2012)在《面向手机病毒挖掘引擎的增量贝叶斯算法的研究与实现》一文中研究指出近几年智能手机的出现与普及,使手机功能从单一的通讯扩展到了更多的领域,手机的安全问题也越来越受到人们的关注。一方面,手机病毒的种类和数量增长速度非常之快,病毒的传染性和破坏力也与日俱增;另一方面,对手机安全领域的研究还处于起步阶段。因此,研究手机病毒(恶意代码)的防御和检测具有很大的实用价值,有必要开发出一个简单高效的挖掘引擎对手机病毒进行挖掘。本文的主要内容是以增量贝叶斯思想为基础,设计实现了“基于网络流量数据的手机病毒挖掘引擎”中的朴素贝叶斯模块。本文首先对手机病毒的特点和攻击方式做出简要介绍,分析现有手机病毒检测技术及其各自的优缺点。然后介绍了几种贝叶斯分类模型,通过对其特点分析,总结了现有朴素贝叶斯分类方法存在的缺陷,并进一步提出增量学习机制以及增量学习朴素贝叶斯分类算法。本文对该算法思想进行了详细说明,对其具体学习策略进行了深入分析。在数据预处理方面,本文从特征属性的选取和特征属性映射处理两个方面对抓取的网络流量数据进行预处理,先介绍了手机病毒特征属性选取的选取原则和选取方法,再分别介绍离散值和连续值映射处理的方法。最后,本文对整个手机病毒挖掘引擎进行概述,介绍了该引擎的功能结构和判断流程,并在此基础上详细描述了朴素贝叶斯模块的设计实现过程,包括系统体系结构、数据库设计与实现、子模块设计与实现和实验结果分析。本文设计实现的朴素贝叶斯模块是基于网络流量数据的,该数据在一定程度上反映了手机病毒的行为,从而能够对正在发生的未知手机病毒进行检测。而且基于增量的朴素贝叶斯分类弥补了传统分类器每次建模需要重新开始从而耗费大量时间与资源的缺陷,同时也降低了传统增量学习把所有数据都加入原始训练集而引起的不良反应。本文使用抓取的网络流量数据进行实验,实验结果表明,带增量学习的朴素贝叶斯分类方法在测试数据集上比无增量学习的朴素贝叶斯分类效果要好。(本文来源于《北京邮电大学》期刊2012-01-03)
董喜双[6](2008)在《基于小生境遗传算法的增量贝叶斯算法》一文中研究指出随着数字技术的飞速发展,数据量不断激增,导致海量数据的出现。然而这些浩繁的数据背后蕴藏着许多重要的信息,因此人们希望能够对其进行统计分析,以便更加方便地利用这些数据完成诸如天气预报、专家诊断等工作。数据分类由此应运而生。朴素贝叶斯算法是一种普遍应用的经典数据分类算法。该算法基于属性间独立性假设,即样本空间中元素之间的属性相互独立,以及贝叶斯后验概率定理。朴素贝叶斯算法的显着优点是相对于其它分类方法,朴素贝叶斯分类算法不需要搜索,只需简单地计算训练样本中各个属性值发生的概率,以此可以估计出每个属性的概率估计值,因而朴素贝叶斯分类算法的效率较高。但是,朴素贝叶斯算法同时也存在一些问题:其一,朴素贝叶斯算法不具有增量分类能力;其二,当大量样本需要分类时,计算比较复杂,没有充分利用分类信息;其叁,该算法没有充分利用一次分类后遗留的分类信息。针对上述叁方面问题,本文提出了一种基于小生境遗传算法的增量贝叶斯算法,同时引入向量空间概念,根据向量空间将样本量化,并应用小生境遗传算法在向量空间局部抽取出特征向量,作为不同类别的增量分类标准,进而简化了分类的计算量,提高了算法的分类精度。在使该算法具有增量分类能力的同时,在充分利用样本分类后产生的类别信息基础上降低了系统的时空开销。最后采用UCI数据集进行本算法的验证实验,实验表明基于小生境遗传算法的增量贝叶斯算法在一定程度上降低了时空复杂度并且具有了增量能力。(本文来源于《哈尔滨工程大学》期刊2008-01-10)
增量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:
随着大数据时代的来临,信息系统中的数据量不断攀升,导致系统负荷急剧增加、响应时间延长,从而影响用户体验。如何从海量数据中快速有效地提取有价值的信息成为当今一个研究热点,由此商业智能、数据仓库等技术的研究越来越受到重视。为了提高数据仓库中OLAP查询的性能和响应速度,本文设计了一种应用在ROLAP客户端的缓存机制,其基本思想是:有选择地将用户的查询结果保存在缓存区内,同时记录查询语句中的维度表达式和度量表达式;在处理后续查询语句时,通过筛减查询语句,避免从数据仓库中重复提取已缓存的数据,从而缩短查询时间;为了进一步提高缓存数据的命中率,从而进一步提高整体查询性能,在决定是否缓存查询语句的结果时,利用增量学习朴素贝叶斯算法分析查询语句中的维度表达式和度量表达式去决定是否需要缓存本次查询;同样的思想也用于缓存的替换算法。另外,为了方便快速地管理缓存的数据,本文采用内存数据库作为其缓存区。为了验证这个缓存机制的有效性,本文基于星型基准SSB测试模型进行了实验,从平均查询时间、缓存命中率以及向数据仓库查询的数据量叁个方面进行考察和对比。实验结果表明,该缓存机制能有效地提高ROLAP的平均查询效率。
(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。
增量贝叶斯算法论文参考文献
[1].刘兆伦,张春兰,武尤,王海羽,刘彬.一种增量式贝叶斯算法及篦冷机故障诊断[J].中国机械工程.2019
[2].满毅.基于增量学习朴素贝叶斯算法的ROLAP缓存机制的设计与实现[D].华东师范大学.2016
[3].屈军.基于增量的贝叶斯算法在网页文本中的应用[J].赤峰学院学报(自然科学版).2013
[4].彭小明,辛阳.基于增量贝叶斯算法的主题爬虫的设计与实现[C].第九届中国通信学会学术年会论文集.2012
[5].周鸣.面向手机病毒挖掘引擎的增量贝叶斯算法的研究与实现[D].北京邮电大学.2012
[6].董喜双.基于小生境遗传算法的增量贝叶斯算法[D].哈尔滨工程大学.2008