导读:本文包含了朴素贝叶斯分类预测论文开题报告文献综述及选题提纲参考文献，主要关键词:朴素贝叶斯,分类预测,高校信息系统
朴素贝叶斯分类预测论文文献综述
刘占波,闫实,王晓丽[1]（2019）在《基于朴素贝叶斯的高校教师工作量考核分类预测研究》一文中研究指出本文服务于高校教师管理系统,为高校教师的工作量考核提供决策支持,借助朴素贝叶斯分类模型预测高校教师的教学负担。本文以某大学16年某学院的教师工作量作为数据基础,通过实验证明了朴素贝叶斯分类过程是一种简单易行且容易被程序实现的方法,可以对高校教师工作量考核分类做预测辅助考核决策。(本文来源于《软件》期刊2019年03期）
刁海军,尹钊[2]（2018）在《一种基于朴素贝叶斯分类算法的数据预测》一文中研究指出高职教师在教学过程中为了更好地完成教学任务,运用多种教学方法和教学模式。为了更好地实现科学教学,符合当前互联网与大数据高速发展的时代背景,雨课堂出现并逐步融入到高职教育的课堂中。本文从雨课堂的基本功能入手,提出教师在使用雨课堂进行教学过程中所面临的挑战以及应对的具体措施。旨在为使用雨课堂授课的教师带来一些意见和建议,让使用雨课堂进行教学的教师在享受便利的同时也能够看清挑战,进而提高自身教育教学能力、采取最合适有效的策略,创造出更加精彩的课堂。(本文来源于《电大理工》期刊2018年04期）
金康荣,于东军[3]（2018）在《基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测》一文中研究指出提出一个新的基于集成学习的预测器(TargetPCM),对蛋白质接触图(特别是中长程)进行高精度的预测。首先,TargetPCM使用加权朴素贝叶斯分类器(Weighted Nave Bayes classifier,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试。结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的集成预测器(NeBcon)分别提高了8.2%,16.1%和5.3%。在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7.4%,9.1%和7.5%。实验结果验证了本文所提蛋白质接触图预测方法的有效性。(本文来源于《南京航空航天大学学报》期刊2018年05期）
彭明[4]（2018）在《朴素贝叶斯分类算法在降雨预测中的研究与应用》一文中研究指出随着社会的不断进步和发展,各行各业都与气象预报有着密切的关系,特别是对一些灾害性天气的准确预报尤为重要。与此同时科技的快速发展以及气象观测技术的不断进步,积累了海量的气象数据,其中蕴藏着大量气象规律,如何从气象数据中获得有价值的信息成为一项重要的研究内容。本文主要研究朴素贝叶斯分类算法(Naive Bayesian Classif1cation,NBC)对降雨等级分类预测的问题,指出了离散化对朴素贝叶斯分类算法的有效性和属性赋权对朴素贝叶斯分类算法的重要性,从预测因子的属性值离散化和朴素贝叶斯分类算法假设属性之间相互条件独立两个方面,来改进朴素贝叶斯分类算法。通过分析样本气象数据,选择出降雨预测因子,然后建立改进的朴素贝叶斯分类模型,完成对降雨等级的分类预测。本论文主要研究以下内容:针对气象数据集中降雨类分布的不平衡性和连续数值型属性的离散化问题,提出了改进的类-属性关联离散化算法(Class-Attribute Interdependency Discretization,CAID)。通过分析类与属性的二维量化矩阵后,充分考虑了气象数据在属性中的分布情况,同时结合了不同的离散标准,提出了改进的离散化准则CAID,然后基于该准则设计实现了CAID算法。该算法从候选断点集中选择出最佳的断点,把属性域分割成若干区间,在信息损失最少的情况下得到更加合理的离散化方案,并提高了少数降雨类的识别率,更加有利于后续模型的学习。然后在CAID算法离散后的真实气象数据上构建一种基于CAID算法的朴素贝叶斯分类模型(D-NBC),实现对降雨等级的分类预测。通过分析对比实验结果,验证了本文提出的算法可以更好的解决气象数据中连续数值型属性的离散化问题,相比较其它算法在后续的分类预测中有更好的性能提升。针对朴素贝叶斯分类算法假设属性之间相互条件独立的问题,为了提高朴素贝叶斯分类算法的分类精度,提出一种基于属性加权的改进朴素贝叶斯分类算法(INBC),该算法使用互信息与条件互信息综合确定每个属性的权值,以此来削弱属性之间相互条件独立的假设,然后在CAID算法离散后的真实气象数据下,构建基于属性加权的朴素贝叶斯降雨等级预测模型。对比分析实验结果表明,本文提出的加权朴素贝叶斯分类模型具有更好的分类性能,在一定程度上提高了朴素贝叶斯模型对降雨等级分类预测的精度。(本文来源于《南京信息工程大学》期刊2018-06-01）
程锦宝,石琴,陈一锴,丁晶晶[5]（2017）在《基于树增强朴素贝叶斯分类器的出租车制动系统安全状态预测》一文中研究指出制动系统故障是引发出租车交通事故的主要原因之一,预测出租车制动系统的安全状态对于主管部门维护管理出租车、减少道路交通伤亡和经济损失具有重要意义。论文基于合肥某机动车安全技术检测站提取的335组出租车制动系统检测数据,以品牌、使用年限和整备质量为属性变量,分别构建树增强朴素贝叶斯分类器模型、决策树模型、K近邻模型预测出租车制动系统的安全状态。结果表明,树增强朴素贝叶斯分类器模型的预测准确率、灵敏度、特异性均优于决策树模型和K近邻模型,可准确预测出租车制动系统的安全状态。(本文来源于《计算机与数字工程》期刊2017年12期）
叶晓枫,许义仿[6]（2017）在《基于Isomap的树增强朴素贝叶斯分类器的信用预测》一文中研究指出针对信用评估问题的特点和朴素贝叶斯各属性相互独立的假设与现实存在一定差异性的问题,提出了一种基于Isomap的树增强朴素贝叶斯分类器(Isomap-TAN),该算法的思想是对高维大样本的金融数据利用Isomap算法进行降维,在此基础上运用树增强朴素贝叶斯分类算法进行类别分类。选取1069家公司的财务数据分别对朴素贝叶斯分类器(Nave Bayesian Classifier,NB)、树增强朴素贝叶斯分类器(Tree Augmented Naive Bayesian Classifier,TAN)和Isomap-TAN算法进行测试,实验结果表明Isomap-TAN算法具有较好的分类精度。(本文来源于《中州大学学报》期刊2017年06期）
金康荣[7]（2017）在《基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测》一文中研究指出准确预测蛋白质残基接触图可以对蛋白结构装配施加强有力的约束,从而为蛋白质折迭预测及叁维结构建模提供重要的帮助。近年来,虽然出现了许多性能优异的蛋白质接触图预测器,但是仍然存在诸多挑战,如:中长程接触图的预测精度依然较低,远达不到实际应用的需求。本文提出一个新的基于集成学习的预测器,称为TargetPCM,以对蛋白质接触图(特别是中长程)实现高精度的预测。首先,本文尝试精简并选取具有互补性的叁个基础预测器,并使用加权朴素贝叶斯分类器(Weighted Naive Bayes Classifier,WNBC)融合叁个基础预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到,进而生成基于预测器的特征;其次,本文尝试提取更有效的序列信息来生成基于序列的特征,并和基于预测器的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用更先进有效的分类学习算法极端随机树训练得到最终的蛋白质接触图预测模型,进一步提高预测性能。为了验证TargetPCM的有效性,本文通过在两个标准数据集上与现有的蛋白质接触图预测器进行测试比较,结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度均优于现有的蛋白质接触图预测器。而且本文通过在不同的覆盖截止点上深入研究,以及将真实的和预测的接触图进行比较,进一步表明了对基础预测器互补信息的有效利用和极端随机树强大的学习能力使得本文提出的TargetPCM比现有的接触图预测器拥有更好的预测性能。(本文来源于《南京理工大学》期刊2017-12-01）
窦顺志,张云月[8]（2016）在《基于朴素贝叶斯分类器的煤矿瓦斯突出强度预测分析》一文中研究指出为了有效地对矿山瓦斯突出进行预测,利用粗糙集理论对矿山信息数据进行简约和分析,得到影响瓦斯突出的6个特性因素,并运用朴素贝叶斯分类器进行建模分析,得到的预测结果精度较高,因此利用朴素贝叶斯分类器预测煤矿瓦斯突出是可行有效的。(本文来源于《内蒙古煤炭经济》期刊2016年07期）
任民宏,肖海蓉[9]（2014）在《基于朴素贝叶斯分类算法的股指预测研究》一文中研究指出预测大盘指数的涨跌幅度在股票投资中具有重要的意义。大盘指数的涨跌既与国家的宏观经济政策有关,也与大盘指数自身运行状态有关。结合朴素贝叶斯分类算法和股票大盘指数涨跌的影响因素建立了大盘指数分类预测模型,以上证指数为例进行了实验,结果表明分类预测模型有效,准确性较高。(本文来源于《陕西理工学院学报(自然科学版)》期刊2014年03期）
边平勇,石永奎[10]（2013）在《基于朴素贝叶斯分类器的冲击地压危险程度预测研究》一文中研究指出本文选取了影响冲击地压的8个因素作为属性条件,把冲击危险程度作为目标变量,利用训练样本对朴素贝叶斯分类器模型进行了学习训练,对测试样本进行了预测,从结果来看精确度较高。因此朴素贝叶斯分类器模型预测冲击地压危险程度是有效的。(本文来源于《山东煤炭科技》期刊2013年06期）
朴素贝叶斯分类预测论文开题报告
（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：
高职教师在教学过程中为了更好地完成教学任务,运用多种教学方法和教学模式。为了更好地实现科学教学,符合当前互联网与大数据高速发展的时代背景,雨课堂出现并逐步融入到高职教育的课堂中。本文从雨课堂的基本功能入手,提出教师在使用雨课堂进行教学过程中所面临的挑战以及应对的具体措施。旨在为使用雨课堂授课的教师带来一些意见和建议,让使用雨课堂进行教学的教师在享受便利的同时也能够看清挑战,进而提高自身教育教学能力、采取最合适有效的策略,创造出更加精彩的课堂。
（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。
朴素贝叶斯分类预测论文参考文献
[1].刘占波,闫实,王晓丽.基于朴素贝叶斯的高校教师工作量考核分类预测研究[J].软件.2019
[2].刁海军,尹钊.一种基于朴素贝叶斯分类算法的数据预测[J].电大理工.2018
[3].金康荣,于东军.基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测[J].南京航空航天大学学报.2018
[4].彭明.朴素贝叶斯分类算法在降雨预测中的研究与应用[D].南京信息工程大学.2018
[5].程锦宝,石琴,陈一锴,丁晶晶.基于树增强朴素贝叶斯分类器的出租车制动系统安全状态预测[J].计算机与数字工程.2017
[6].叶晓枫,许义仿.基于Isomap的树增强朴素贝叶斯分类器的信用预测[J].中州大学学报.2017
[7].金康荣.基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测[D].南京理工大学.2017
[8].窦顺志,张云月.基于朴素贝叶斯分类器的煤矿瓦斯突出强度预测分析[J].内蒙古煤炭经济.2016
[9].任民宏,肖海蓉.基于朴素贝叶斯分类算法的股指预测研究[J].陕西理工学院学报(自然科学版).2014
[10].边平勇,石永奎.基于朴素贝叶斯分类器的冲击地压危险程度预测研究[J].山东煤炭科技.2013