导读:本文包含了朴素贝叶斯分类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:数据资产,会计确认,朴素贝叶斯,联合概率
朴素贝叶斯分类法论文文献综述
陈思静,王磊,尹波,干胜道[1]（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）
梅晓晴[2]（2018）在《朴素贝叶斯分类法在考试管理中的应用》一文中研究指出将朴素贝叶斯分类技术应用于考试管理中,主要用于探索利用已有经验数据判断考生行为的规律。本文讨论了贝叶斯分类的定义和方法,介绍了朴素贝叶斯分类器,通过选取指标、训练数据和构建模型得到相关评估结果,实验结果表明贝叶斯分类具有较好的分类性能,为提前预测考生行为提供合理科学的技术支持,减轻监考人员压力,提高考试管理效率。(本文来源于《数字技术与应用》期刊2018年03期）
王小丽,远俊红[3]（2013）在《基于加权朴素贝叶斯分类法的成绩预测模型》一文中研究指出目前许多高校已经开始使用数据挖掘技术对教育数据进行深入研究,从而提取有价值的规律和信息来改进和调整教学策略。本文采用加权朴素贝叶斯分类法对学生的考试成绩进行预测和分析,以一种基于互信息量的方法赋予各属性权值,最后通过实验证明本文采用的分类法对于预测成绩具有较好的准确度。(本文来源于《电子技术与软件工程》期刊2013年19期）
张文婷,王海军,陈莹莹,戴兰[4]（2013）在《顾及障碍物的朴素贝叶斯分类法在城镇土地定级中的应用》一文中研究指出本文以潮州市建成区和近期规划区为研究区,采用训练样本获取先验概率建立朴素贝叶斯分类器,以栅格点为单位,将各栅格点的土地定级因素作用分值作为输入变量,利用朴素贝叶斯分类器进行土地定级。在作用分值确定方法上,采用障碍距离代替传统直线距离,以达到客观反映点、线等要素对城镇土地使用价值作用的程度。最后,对顾及障碍物的朴素贝叶斯定级结果分别与空间聚类结果及未顾及障碍物的定级结果进行比较,结果表明本文所提出的方法在土地定级研究中具有一定的优势,能更加真实地反映城镇土地使用价值的空间分布特征。(本文来源于《资源科学》期刊2013年09期）
钟骏[5]（2013）在《朴素贝叶斯分类法在氡预测应用中的初步研究》一文中研究指出氡无色无味，是自然界唯一的天然放射性惰性气体，是由天然放射性元素镭经过α衰变产生。人体吸入后被呼吸系统截留，氡及其衰变氡子体沉积在肺部，衰变过程放出的α射线对肺部造成辐射伤害。流行病学研究表明，氡及其子体是诱发肺癌的第二大因素。为了降低和控制氡对人类健康的危害，并且鉴于国内氡潜势填图处于起步阶段，预测氡浓度水平至关重要。运用贝叶斯方法来预测氡浓度，只需建立起氡浓度与主要影响因素之间的关系，并且保证各个影响因素相互独立。由于高计算效率和高准确度，贝叶斯分类器在各领域得到了普遍的应用。本文采用数据挖掘工具WEKA平台的朴素贝叶斯分类器，分析几个已分类的氡浓度影响因素，预测国内某实验地区的氡风险等级。本文的主要工作内容有：（1）了解、学习国内外氡潜势填图的最新进展，了解氡浓度的各项影响因素，学习贝叶斯分类器的基本原理和方法，了解贝叶斯分类器的应用领域，并尝试将它使用到氡预测上。（2）搜集并整理沿海地区的一些数据，其中包括氡的相关数据、地质资料以及相关地理信息。（3）基于国内某地区的相关实验数据，使用数据挖掘工具包含的朴素贝叶斯分类器进行氡的分类预测。在详细分析了预测试验的结果之后，得到以下结论：（1）待预测属性的分类等级很重要，分类等级的不合理，导致分类结果不够理想。（2）贝叶斯分类器的种类很多，对于选择哪种分类器也是很重要的。如果在改进分类器上得不到很大的提升，甚至会降低模型正确率，我们就可以选择其他的贝叶斯分类器或者其他的分类算法来预测，提高分类的正确率。（3）在建立好模型的情况下，WEKA软件能够快速预测出结果，是一种高效、方便的数据挖掘软件。该软件也能自行编辑分类算法，可以尝试建立更有效的模型。(本文来源于《中国地质大学（北京）》期刊2013-05-01）
赵彦琦,谢小西,荀宇畅[6]（2013）在《朴素贝叶斯分类法的应用》一文中研究指出朴素贝叶斯分类器是一种简单且高效的分类算法,在数据挖掘、模式识别等领域中应用广泛,以其独特的不确定性的知识表达形式、丰富的概率表达的能力、以及综合的先验知识增量学习的特性等成为众多分类方法中较为流行的方法之一。(本文来源于《电子制作》期刊2013年07期）
钱颖能,胡运发[7]（2007）在《用朴素贝叶斯分类法选股》一文中研究指出在分类方法中使用朴素贝叶斯法来超越市场指数。在给定上海证券交易所中所有交易的股票的基本会计和价格信息的情况下,我们试图使用朴素贝叶斯法来辨识那些超越市场指数而可望获得额外回报的股票。由朴素贝叶斯法选择的股票所组成的同等权重证券组合一年半内总共获得21%的回报,明显优于基于市场指数的-9%的回报。同时给出一个新的进行分类可靠性权衡的视角,朴素贝叶斯法的输出结果被排级,这样被用来进行类别确定的股票就可固定为占股票总数25%的股票。(本文来源于《计算机应用与软件》期刊2007年06期）
李春红[8]（2007）在《使用朴素贝叶斯分类法预测果蝇蛋白质相互作用》一文中研究指出生物信息学(Bioinformatics)是利用计算机技术对在分子生物学等学科研究中的数据进行收集、整理和分析的一门学科。计算机中数据挖掘(Data mining)技术是一个从大量的数据中挖掘知识的过程,是生物信息学中分析数据所需要的工具。蛋白质的相互作用在生命活动过程中起重要作用。本课题选择了数据挖掘中分类问题的一个算法------朴素贝叶斯分类法来预测黑腹果蝇蛋白质相互作用。蛋白质相互作用预测的方法很多,但在过去的研究中只使用其中的某个方法来预测,而各种方法有一定的偏向性。本文在收集了大量原始数据的基础上,选择了垂直同源性(Ortholog)、共同表达(Co-Expression)、共同生物过程(Share Biological Process)、富集结构域对(Enriched Domain Pair)作为朴素贝叶斯分类法(Naive Bayes classifier)的四个属性,这些属性值的估算有各自的算法,本文通过程序实现了这些算法。接着使用阴阳极数据计算果蝇蛋白质相互作用的类条件概率和先验概率。之后根据朴素贝叶斯分类法计算果蝇蛋白质在这四种属性共同作用下相互作用的概率。最后根据得到的数据进行了生物学意义的分析。本文主要使用Java语言实现所有的批量数据处理,使用Mysql数据库存放数据处理的结果。经过本方法处理得到的蛋白质相互作用的数据一方面将对生物实验起到指导作用,另一方面可以对一些未知的蛋白质进行功能注释。本课题所使用的方法对于其他物种的蛋白质相互作用的预测也将有启发作用。(本文来源于《上海师范大学》期刊2007-04-01）
赵秦怡,王丽珍,周丽华[9]（2004）在《一种基于朴素贝叶斯分类法的空间分类算法》一文中研究指出空间分类是空间数据挖掘的重要分支,寻找高效的空间分类算法是空间分类研究的重要方向.在空间对象的邻接图及朴素贝叶斯分类法的基础上提出一个新的空间分类算法,该算法对空间对象进行分类时,既考虑了待分类对象的属性对分类的影响,又考虑了其空间邻接对象对它分类的影响.该算法的计算复杂度不高,分类的正确性好.(本文来源于《云南大学学报(自然科学版)》期刊2004年04期）
朴素贝叶斯分类法论文开题报告
（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：
将朴素贝叶斯分类技术应用于考试管理中,主要用于探索利用已有经验数据判断考生行为的规律。本文讨论了贝叶斯分类的定义和方法,介绍了朴素贝叶斯分类器,通过选取指标、训练数据和构建模型得到相关评估结果,实验结果表明贝叶斯分类具有较好的分类性能,为提前预测考生行为提供合理科学的技术支持,减轻监考人员压力,提高考试管理效率。
（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。
朴素贝叶斯分类法论文参考文献
[1].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
[2].梅晓晴.朴素贝叶斯分类法在考试管理中的应用[J].数字技术与应用.2018
[3].王小丽,远俊红.基于加权朴素贝叶斯分类法的成绩预测模型[J].电子技术与软件工程.2013
[4].张文婷,王海军,陈莹莹,戴兰.顾及障碍物的朴素贝叶斯分类法在城镇土地定级中的应用[J].资源科学.2013
[5].钟骏.朴素贝叶斯分类法在氡预测应用中的初步研究[D].中国地质大学（北京）.2013
[6].赵彦琦,谢小西,荀宇畅.朴素贝叶斯分类法的应用[J].电子制作.2013
[7].钱颖能,胡运发.用朴素贝叶斯分类法选股[J].计算机应用与软件.2007
[8].李春红.使用朴素贝叶斯分类法预测果蝇蛋白质相互作用[D].上海师范大学.2007
[9].赵秦怡,王丽珍,周丽华.一种基于朴素贝叶斯分类法的空间分类算法[J].云南大学学报(自然科学版).2004