浅析贝叶斯方法在文本分类中的应用

贝叶斯分类算法是基于贝叶斯全概率公式的分类算法,是一种简单有效的分类方法.本文系统的介绍贝叶斯分类算法的原理及贝叶斯分类算法的特点,并重点阐述两种常用的贝叶斯分类算法模型及应用.     

基于优化Naive Bayes的垃圾邮件过滤

针对朴素贝叶斯算法在垃圾邮件上的“独立性假设”条件这一不足,可以利用神经模糊技术来修正朴素贝叶斯分类算法。通过摒除模糊系统和神经网络各自的缺点,结合各自的优点组成了神经模糊系统。对贝叶斯分类算法及Naive Bayes算法在垃圾邮件处理上的最新应用进行了介绍,在此基础上,展望了该算法进一步的研究工作。     

基于贝叶斯推理的目标跟踪

该文描述了基于贝叶斯推理的目标跟踪算法，可应用于非线性、非高斯系统中。介绍了贝叶斯跟踪基本概念。讨论了单目标跟踪算法及在不考虑数据关联、考虑数据关联两种情况下的多目标跟踪算法。给出了每种跟踪算法应满足的假设条件及其递归方程。最后，简要介绍了在工程中应用的具体算法。     

改进的贝叶斯算法在反垃圾邮件中的应用

论文首先介绍了向量空间模型（VSM）方法以及特征向量抽取方法，推导和研究了引入“特征之间互相独立”假设的朴素贝叶斯分类算法．在此基础上提出了一种改进的贝叶斯算法，改进的贝叶斯算法假设一部分特征之间相互独立，比朴素贝叶斯分类算法更符合实际需要。并把它应用到反垃圾邮件中。最后介绍了贝叶斯过滤算法反垃圾邮件的基本步骤。     

基于改进贝叶斯算法的文本广告邮件过滤

北方工业大学信息工程学院北京100041摘要：本文在分析朴素贝叶斯分类算法基础上提出了一种改进的贝叶斯算法,并将邮件视为句间有序,句内关键词无序的集合,用改进的贝叶斯算法模型设计了一种文本广告邮件过滤系统,通过实验证明了其有效性。     

基于改进贝叶斯算法的入侵检测方法

贝叶斯分类模型是入侵检测中用于攻击类型分类的有力工具。在总结前人成果的基础上，提出了一个改进的贝叶斯模型，对朴素贝叶斯算法进行了改进，降低了朴素贝叶斯算法的强独立性假设，提高了入侵检测的分类精度，并通过试验对算法进行了验证和性能分析。同时，指出了下一步的研究方向。     

一种基于贝叶斯方法的序列模式挖掘算法

贝叶斯(Bayesian)方法是近年来数据挖掘中引人注目的研究热点之一，它有效地处理不完备数据、溢出数据和噪声数据之间的序列相关性。该文在对传统序列模式挖掘算法和贝叶斯知识研究的基础上，描述了序列的概率论模型，结合贝叶斯学习，简化了序列模式挖掘过程，提出了一种面向噪声数据的基于贝叶斯方法的序列模式挖掘算法。最后对该算法进行了复杂度分析，并验证了算法性能的优越性。     

流媒体点播学习系统自适应性研究

针对为流媒体学习系统提供个性化点播服务的问题,通过研究学习系统自适应性实施的相关文献,给出一个基于朴素贝叶斯分类的自适应流媒体点播系统的实现模型。为了提高分类诊断性能,适合流媒体学习特性,重点讨论为不同知识点类型赋予不同权重的基于概率加权的贝叶斯分类算法和加入时序的贝叶斯分类算法。实验结果表明,算法设计合理、科学。     

贝叶斯网络及其在决策支持系统中的应用

以贝叶斯概率和贝叶斯网络基本理论为基础，主要研究了贝叶斯网络的结构学习和使用贝叶斯网络进行知识发现和决策支持的方法。利用WILD算法对防洪数据进行了属性离散化，采用K2算法在防洪决策中建立了一种贝叶斯网络模型，并对该模型进行了概率依赖关系描述。说明了贝叶斯网络对数据库进行知识发现和决策支持的有效性。     

可分性判据在中文网页分类中的应用

提出了一种改进的基于统计的中文网页的分类算法。通过对传统的基于计算相似度文本分类方法和基于贝叶斯模型文本分类算法的研究，我们对贝叶斯模型分类算法进行了改进，提出了利用一种基于概率分布的可分性判据分类方法，即用类别密度函数似然比来增加特征词的可分性信息的算法。通过对计算相似度方法，贝叶斯方法及改进的贝叶斯方法的对比实验表明，改进算法可以使类与类的间隔最大化，因而具有较高的分类精确率和召回率。     

基于贝叶斯最小风险分类的邮件过滤系统

针对互联网上垃圾邮件给用户带来种种困扰的问题，本文提出了一种基于贝叶斯最小风险分类方法的邮件过滤系统。本方法通过设置损失代价函数，在过滤大部分垃圾邮件的同时，保证了将合法邮件保留，避免了将有用邮件误分类为垃圾邮件时，给用户带来的损失。实验结果表明，本文提出的垃圾邮件过滤系统效果较好。     

基于SMTP的邮件防火墙的研究与开发

针对电子邮件应用日益广泛，邮件系统安全防护问题日益突出的现状，分析了邮件系统安全防护的关键：邮件防火墙在整个电子邮件系统安全防范中的重要地位和作用，并对比分析了邮件防火墙和邮件系统常用的邮件过滤器的不同之处及其优缺点；同时提出了基于SMTP的邮件防火墙的结构方案，并给出了基于FREE-BSD4．6和QMAIL的邮件防火墙的实现及其在网络上的部署方案。     

基于否定选择变异算法的电子邮件过滤器

为提高智能邮件过滤系统的识别能力和抗欺骗能力，设计并实现了一种基于否定选择变异算法的电子邮件过滤器。其机理是应用人工免疫算法使得过滤系统具有自学习、自适应能力，同时采用双层过滤方式来提高系统过滤准确性。试验表明该过滤器在正确率、漏报率、误报率三方面具有良好的性能，达到了预期目的。     

一个新型的Web邮件系统设计

详细讨论了基于Web的电子邮件收发与过滤系统WMFS的设计思想和开发方法，对基于Web的电子邮件收发系统设计、邮件的收发与存储管理、邮件过滤器设计等具体实现进行了讨论。     

智能决策支持的E-mail过滤模型

垃圾邮件的日益泛滥,严重制约了E-mail的应用,尤其是在大规模客服中心及重要商业核心机构中的应用.通过对智能决策支持系统结构的分析,提出了一种新的智能决策支持的E-mail过滤模型.采用一种规则与统计相结合的分词方法来完成中文分词,开发了智能邮件过滤系统(IEFS).由于用户决策的引入,以及垃圾邮件特征知识库的不断更新,使垃圾邮件误判率得到了一定程度的控制.     

E-mail邮件结构分析及其在邮件筛选中的应用

随着现代通信技术的发展,电子邮件成为最快捷、经济的通信手段。但是许多无用、有害的信息随之而来,需要对获得的邮件进行自动的筛选。在邮件的筛选中,对原始邮件的预处理过程(即邮件内容的提取)是一切邮件筛选技术的基础。本文在介绍RFC822、MIME规范的基础上,开发出了一个实用的邮件预处理系统,该系统在信体和信头的边界确定、附件处理、信体内容提取等方面进行了一定的改进,试验证明改进的方法在减少乱码、正确还原邮件以及降低处理维数等方面效果明显。     

电子邮件过滤新方法的研究与实现

电子邮件给人们带来极大便利,但垃圾邮件的日益泛滥,也给人们带来了极大的不便和危害。传统的邮件过滤方法的过滤精度较低,不能很好满足需要。文中提出了一种基于向量空间模型的电子邮件过滤系统,并对向量空间模型进行了改进:采用字作为文本向量的特征表示,并且在字频向量的特征提取时采用了一种新的特征提取函数,从而提高了邮件分类的精度,达到了较好的过滤垃圾邮件的目的。     

基于Linux的透明邮件过滤系统的实现

电子邮件过滤是网络信息安全研究的热点。垃圾邮件浪费网络资源,干扰个人通讯,威胁着网络安全,甚至存在着盗用资源和散布谣言等问题,因此引起了全社会的广泛关注。在分析了现有网络安全产品不足的基础上,提出了基于Linux的透明邮件过滤系统的设计与实现方案。     

基于FCA的邮件分类系统模型

对于大量的电子邮件,传统的分类方式是使用基于关键字比较的分类系统的过滤器对邮件进行分类,这种方式存在缺乏灵活性、分类粗糙等缺点.本文提出了一种基于形式概念分析(FCA)的邮件分类模型,在传统规则分类方法的基础上引入FCA分类机制,即利用FCA来抽取隐含在邮件文档中的潜在的概念关系,分析文档之间的相关性.用户对邮件文档的浏览是在一个根据概念划分的概念格结构上进行的.试验验证了该模型的可行性,试验结果表明该模型较好地解决了概括性的分类问题.     

基于多个机器学习算法的投票式邮件过滤模型

机器学习算法在目前垃圾邮件过滤中扮演着重要的角色，但单一学习算法往往有各自的缺陷，限制了其在邮件过滤中的进一步应用。该文介绍了几种典型机器学习算法，并构造了一种基于多机器学习算法的投票式过滤模型。实验表明，该方法充分利用了各机器学习算法的优势，弥补了各自的不足，达到了比单一学习算法更好的过滤性能。