基于加权补集的朴素贝叶斯文本分类算法研究

朴素贝叶斯分类方法由于其简单快速的特点,被广泛应用于文本分类领域。但是当训练集中各个类别的样本数据分布不均匀时,朴素贝叶斯方法分类精度不太理想。针对此问题,提出一种基于加权补集的朴素贝叶斯文本分类算法,该算法利用某个类别的补集的特征来表示当前类别的特征,且对特征权重进行归一化处理。通过实验对比了该方法与传统的朴素贝叶斯方法对文本分类效果的影响,结果表明,基于加权补集的朴素贝叶斯算法具有较好的文本分类效果。     

一种基于朴素贝叶斯分类的性能预测方法

基于朴素贝叶斯分类提出了一种复杂应用系统的性能预测方法.利用应用系统性能测试的结果作为训练集,引入朴素贝叶斯分类方法训练分类器,再将该分类器包装成预测模块嵌入应用系统,对响应时间等多种性能属性进行预测.与传统方法相比,该方法具有准确度高、构造简单、效率高、鲁棒性强、松耦合等优势.在针对金融报表系统的对比实验中准确率达到...     

面向微博的个性化内容推荐算法研究

随着信息共享时代的发展,海量数据的诞生对推荐系统提出了更高的要求。针对微博的海量数据,提出了一种融合朴素贝叶斯分类和基于用户的协同过滤算法的混合推荐算法。该算法将文本关键字作为特征属性,利用贝叶斯分类法筛选出用户可能感兴趣的数据,缩小推荐结果集;然后采用基于用户的协同过滤算法,通过计算用户相似度,根据最近邻居得到推荐结果列表。实验结果表明,混合推荐算法相比较于单一的推荐算法有着更高的准确率。     

融合朴素贝叶斯和协同过滤的外卖推荐并行算法研究

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。     

基于n-gram语言模型和链状朴素贝叶斯分类器的中文文本分类系统

本文提出了一个基于n-gram语言模型进行文本表示,采用链状朴素贝叶斯分类器进行分类的中文文本分类系统。介绍了如何用n-gram语言模型进行文本表示,阐述了链状朴素贝叶斯分类器与n-gram语言模型相结合的优势,分析了n-gram语言模型参数的选取,讨论了分类系统的若干重要问题,研究了训练集的规模和质量对分类系统的影响。根据863计划文本分类测评组所提供的测试标准、训练集以及测试集对本文所设计的分类系统进行测试,实验结果表明该分类系统有良好的分类效果。     

一种改进的基于遗传禁忌优化的NB算法*

针对传统朴素贝叶斯分类模型应用过程中存在的特征项冗余问题,使用遗传禁忌算法对特征项集进行优化,并在此优化结果的基础上,提出了一种改进的朴素贝叶斯分类方法来解决用户模板中存在的单类别词汇问题。经实验证明,该方法比传统的朴素贝叶斯分类模型具有更好的鲁棒性和分类性能。     

基于用户行为的邮件分类算法

针对垃圾邮件过滤过程中分类模型难以个性化、难以适应用户兴趣动态变化的问题,提出了一种基于用户行为的邮件分类算法。通过分析朴素贝叶(NB)斯分类算法的原理,改造朴素贝叶斯算法,使其具有动态调整能力。邮件服务器接收到新邮件后自动进行分类判别,用户浏览邮件的过程中对邮件进行操作,根据用户对错分邮件的处理自动将该邮件加入训练数据集,并动态更新相应特征的统计概率,使邮件分类算法能够依据用户对不同邮件的操作行为动态调整分类模型,以达到有效过滤垃圾邮件的目的。与常用的贝叶斯分类算法的实验比较表明在给定小样本集合进行训练的情况下,新算法对于垃圾邮件的识别率比传统的朴素贝叶斯方法、基于风险敏感的朴素贝叶斯方法等提高了10%,获得了较好的分类性能。     

KNN-朴素贝叶斯算法的滚动轴承故障诊断

滚动轴承的故障诊断对于提高工业生产效率,保障工业生产的稳定安全地运行具有重要意义。为了提高滚动轴承故障识别的正确率,提出一种使用KNN-朴素贝叶斯决策组合算法对滚动轴承故障诊断。组合算法利用朴素贝叶斯算法对使用不同K值的KNN算法初步分类结果进行再分类以达到提高滚动轴承故障识别的目的。首先,使用小波包能量法对滚动轴承振动信号进行能量特征提取,然后使用多个参数K值不同的KNN算法对能量特征数据预分类,得到多个KNN算法分类结果集,将分类结果集进行处理得到预分类结果集,将预分类结果集作为朴素贝叶斯算法的输入,使用朴素贝叶斯算法对数据再分类。实验结果表明,组合算法相较于传统KNN算法及贝叶斯算法在滚动轴承的故障诊断率得到了有效提高,实现了对滚动轴承故障的有效诊断。     

基于LDA的互联网广告点击率预测研究

广告点击率是互联网广告投放的重要依据,有效地预测广告的点击率,对于提高广告投放的效率有着至关重要的作用。在训练点击率预测模型的过程中,往往面临着广告及用户的数量巨大以及训练数据集稀疏的问题,从而导致点击率预测的准确度下降。针对这些问题提出了一种基于LDA (Latent Dirichlet Allocation)的点击率预测算法,即LDA-FMs,该算法对原有训练集进行基于主题的分割,利用分割后的子训练集分别建立不同主题下的点击率预测模型,在此基础上,利用广告属于不同主题的概率,有权重的结合每个预测模型的预测结果,进而计算广告的点击率。实验基于KDD Cup 2012-Track2的真实数据集,证明了算法的可行性与有效性。     

一种加权朴素贝叶斯分类增量学习模型

朴素贝叶斯分类器难以获得大量有类标签的训练集,而且传统的贝叶斯分类方法在有新的训练样本加入时,需要重新学习已学习过的样本,耗费大量时间。为此引入增量学习方法,在此基础上提出了属性加权朴素贝叶斯算法,该算法通过属性加权来提高朴素贝叶斯分类器的性能,加权参数直接从训练数据中学习得到。通过由Weka推荐的UCI数据集的实验结果表明,该算法是可行的和有效的。     

基于Lucene的语义检索系统

在一种基于LUCENE的传统文本检索引擎之上,采用C/S架构模式的语义检索实验系统。用户可以根据需要,从客户端向服务器提交相应的查询信息配置,服务器根据此配置,通过本体导航与同义词查询2种查询扩展优化技术,对提交的查询关键词组进行查询、扩展等优化处理后,将经优化处理过的查询关键词组导入传统的文本检索引擎中,对文档资源进行匹配,将查询结果根据用户要求的排列,并依次返回给用户。通过用户与服务器的信息交互与对查询语句的查询扩展,该系统提高了查准率与查全率。     

三维语音动画聊天室的设计与实现

聊天室是人们在网上交流的一种重要手段,由于硬件设备、网络带宽的限制,目前广泛使用的聊天室只能基于文本和语音,不能基于人脸形象。以已经实现的“一个基于SAPI5.0的中文语音动画系统”为基础,设计并实现了一个结合文本、语音和人脸动画的三维语音动画聊天室。聊天室由客户端和服务器两部分组成,多个用户利用客户端连接到服务器上,用户可以输入文本并且选择各种表情,由客户端混合成带有表情标签的文本传送给服务器。服务器将该用户的三维人脸模型以及带有表情标签的文本传送给接收方,由接收方的客户端合成为带有表情的语音动画。聊天室只有发送方第一次给接收方传送信息时才需要下载人脸模型,以后只传送带有表情标签的文本,具有计算方法简单、系统通信开销小的特点,在普通微机上就能够产生带有表情的高质量的语音动画。     

基于用户信息向量聚类和改进SAMME的推荐算法

针对目前主流的推荐算法中获取的用户信息不完整以及推荐时间过长的问题,本文提出一种基于用户信息向量聚类和改进SAMME的推荐算法,该算法通过分析用户基本信息(地域、时间、兴趣、标签等),找出用户信息关键词;对不同用户信息关键词基于TF-IDF方法进行加权构建用户信息向量;接着使用K-means算法进行用户聚类分析,将用户聚类结果作为改进SAMME训练样本集;最后通过改进SAMME算法将预测结果对用户进行好友推荐,并在训练过程中保存模型,大大减少推荐时间。最终将本文算法在真实的微博用户数据集上进行实验,并与其他主流算法进行对比,结果显示本文算法在准确率、召回率、F值上都取得了不错的效果。     

Ajax技术在C/S系统中的应用

本文针对于ajax创新技术和C/S桌面应用软件系统良好操作性优点,将二者结合起来客户端以桌面软件形式取代浏览器,服务器端采用web服务器,客户端与服务器的连接采用http连接,客户端与服务器端数据交互以xml为载体进行交互,其实现改技术思想来源于web2.0中重要的ajax技术.     

基于用户行为的流式应用分发系统缓存设计

在目前的流式应用分发系统中,客户端通过流式加载的形式按需加载应用资源,因此客户端需要频繁访问远程服务器,从而导致服务器过载、流量消耗增加、应用启动缓慢等问题。针对上述问题,设计了流式应用分发系统的缓存及综合用户行为预测策略A-RBFS（Adaptive Recently Behavior Frequently Size）。该策略同时考虑用户使用行为、客户端状态和应用大小等因素,并根据客户端剩余存储空间大小调节缓存空间总大小。实验结果表明,在同等条件下,该缓存替换策略明显优于LRU和LFU缓存替换策略。     

基于RDP屏幕更新预测模型的研究

RDP（RemoteDesktopProtocol）是微软的终端服务协议,它提供了客户端远程访问服务端的能力。针对RDP在广域网或者无线网络环境中,其交互过程仍存在较大时延的问题,文中提出了一种基于混合阶Markov算法的预测模型。该模型是根据客户端过去的输入事件预测下一时刻的屏幕更新事件,在服务端更新事件到来前更新屏幕,从而有效增强用户体验,减少更新时延。实验结果表明该模型具有很高的准确率和覆盖率,从而证明了该预测模型算法能有效地减少传输时延。     

基于Android的手机时间管理App的设计与实现

在越来越多的大学生离不开手机,学习效率日益下降的背景下,采用设计实现了一种基于Android系统开发的一个时间管理应用软件,可以用于帮助学生控制使用手机的时间。该系统一共分为两部分,一部分是客户端,即时间管理软件,采用了AChartEngine图表库,作为Android应用实现数据可视化的第三方类库,为用户提供了友好的数据表现形式,采用界面劫持攻击分析实现了对其他app的拦截。另外笔者采用了JSON数据格式实现了服务端和客户端的通信,而针对服务器端,采用了该系统使用Mysql作为数据库,体积小,成本低,并且支撑多线程,能够充分利用CPU资源来编写数据库,实现数据存储用于更新不同用户的提醒语。     

Pattern Matching Based Forecast of Non-periodic Repetitive Behavior for Cloud Clients

The Cloud phenomenon brings along the cost-saving benefit of dynamic scaling. As a result, the question of efficient resource scaling arises. Prediction is necessary as the virtual resources that Cloud computing uses have a setup time that is not negligible. We propose an approach to the problem of workload prediction based on identifying similar past occurrences of the current short-term workload history. We present in detail the Cloud client resource auto-scaling algorithm that uses the above approach to help when scaling decisions are made, as well as experimental results by using real-world Cloud client application traces. We also present an overall evaluation of this approach, its potential and usefulness for enabling efficient auto-scaling of Cloud user resources.     

Internet-Based Robotic System Using CORBA as Communication Architecture

In this paper, we propose the Internet-based robotic system that uses Common Object Request Broker Architecture (CORBA) to implement networking connections between a client and a remote robotic system. The client can transparently invoke a method on a server across the network without any need to know where the application servers are located, or what programming language and operating system are used. This lets the system overcome the shortcomings of the other typical Internet robotic system. To cope with time delays on the communication path, we have implemented the robot control server, which allows the user to control the telerobotic system at a task-level. We have also implemented the live image feedback server, which provides live image feedback for a remote user. The proposed system gives the users the ability to operate the remote robotic system to retrieve and manipulate the desired tableware or other things to support the aged and disabled over the Internet by using the intuitive user interface.     

一种无人船动力定位跨平台实时控制模型

为了更好地将实时控制算法应用于无人船的自动导航,针对以往跨平台实时控制的数据类型不统一、通信不可靠等问题,根据日本国立水产工学研究所进行无人船水池实验的研究模式,建立一种基于用户数据报协议(UDP)的远程控制模型,该模型在服务器端使用python编写,在客户端使用Matlab/Simulink.为验证控制的实时性,在实验水池进行基于自抗扰控制技术的航向控制实船实验,同时验证所设计控制系统的实时性和控制算法的有效性.在系统测试时,采用基于RBF神经网络抗扰算法对无人船动力定位系统进行仿真,并对所设计的控制器进行稳定性分析.仿真实验结果表明,应用不同编程环境进行复杂远程控制UDP通信是平稳的,过程控制结果令人满意,为后续进行复杂无人船实船实验奠定了基础.