改进贝叶斯分类的智能短信分类方法

随着移动通信技术的不断发展,手机的普及率在不断上升,而短信作为传统的移动通信服务,长久以来一直在人们的日常生活中占据着极为重要的位置。可以说,短信在一定程度上记录了人们生活的轨迹。但是,现有的短信管理系统仅对短信进行以联系人为特征分类、以时间为顺序显示的简单非智能化的管理,导致了用户手机中各类短信混杂不清,短信的管理效率极低。通过研究短信的特征,分析传统的基于文档频率的特征值提取方法和基于互信息的特征值提取方法的优势与不足,提出了一种适用于短信的基于词频和互信息的特征值提取方法,并结合短信长度实现了一种改进的贝叶斯分类算法。实验证明,算法在进行短信分类时可以得到相当可观的召回率和准确率。     

复杂光照下的缩微道路车道线检测方法

为了解决复杂光照下的缩微道路车道线检测问题,提出了一种适用于复杂光照下的缩微道路车道线检测方法。首先运用朴素贝叶斯对不同光照下的车道图像进行分类,然后对分类后的车道图像采取相应的图像处理方法,最后运用改进的大津法和改进概率霍夫变换来检测车道线。对多段不同光照模式下的车道图像进行的仿真实验表明,该方法对缩微道路车道线检测的成功率达到95.5%,具有很强的鲁棒性和抗干扰能力。     

基于MapReduce检测僵尸网络的贝叶斯算法的实现

利用贝叶斯算法检测僵尸网络具有较高的准确性,但僵尸网络具有流量大的特征,同时贝叶斯分类训练阶段需要对大量的网络数据集进行训练,用单一结点来检测僵尸网络将会遇到计算时间和计算资源瓶颈。为此设计了基于MapReduce检测僵尸网络的贝叶斯算法,把贝叶斯算法训练阶段的先验概率、条件概率和检测阶段的后验概率的计算并行化处理。通过大量运行在Hadoop平台上的实验表明,该方法提高了检测僵尸网络的效率。     

垃圾邮件 少来烦我

电子邮件方便快捷且费用低廉,已经成为信息时代的主要通信工具之一。不过,垃圾邮件横行,也给我们造成了极大的困扰,如何让这些邮件远离我们,办法其实简单。     

贝叶斯网络分类器近似学习算法

贝叶斯网络在很多领域应用广泛,作为分类器更是一种有效的常用分类方法,它有着很高复杂度,这使得贝叶斯网络分类器在应用中受到诸多限制。通过对贝叶斯网络分类器算法的近似处理,可以有效减少计算量,并且得到令人满意的分类准确率。通过分析一种将判别式算法变为产生式算法的近似方法,介绍了这种算法的近似过程,并将其应用在了贝叶斯网分类算法中。接着对该算法进行分析,利用该算法的稳定性特点,提出Bagging-aCLL 集成分类算法,它进一步提高了该近似算法的分类精度。最后通过实验确定了该算法在分类准确率上确有不错的表现。     

动态商拓扑模型及其在路径查找中的应用

为解决动态环境下的问题求解,针对拓扑结构随时间变化的情况,文中借鉴社会学中的信任模型扩展传统的商空间理论,利用贝叶斯方法评估节点的可信度,提出一种基于信任机制的动态商拓扑模型.将该模型应用于最佳路径查找.仿真结果证实,该模型能以较小的时间花费为代价,有效提高路径可靠性,实现动态问题求解.     

一种无须预指定分割区域数的自适应多阈值图像分割方法

为解决多阈值图像分割中分割区域数较难确定的问题,提出一种基于可逆跳跃马尔可夫链蒙特卡罗(RJMCMC)的自适应多阈值图像分割方法.基于图像直方图的多阈值分割的本质是寻找直方图各峰间的谷底,但其个数较难确定且各局部峰并非都是高斯分布.因此文中用更具普适性的混合α稳定分布拟合直方图,建立包含局部峰个数及各分布元参数的分层贝叶斯概率模型.采用RJMCMC后验概率推理自适应确定混合α稳定分布的分布元个数及各自参数,从而获得分割区域数和多阈值参数.针对单晶炉拉晶图像、人脑核磁共振图像及国际标准测试图进行测试,结果表明该方法准确地建立图像分割模型,得到满意的多阈值分割结果.     

基于混合差分蜂群算法的贝叶斯网络结构学习

贝叶斯网络的结构学习是贝叶斯网络理论模型的核心,而现有的贝叶斯网络结构学习算法一般存在效率偏低的问题.针对此问题,文中提出基于混合差分蜂群算法的贝叶斯网络结构学习算法.该算法首先利用最大生成树准则得到初始种群,然后利用差分进化算法中的交叉、变异规则优化初始种群.在使用差分进化算法的过程中,分别将蜂群算法应用于变异阶段和优化改进交叉阶段,并且将云自适应理论应用于选择阶段选择生成个体.在经典贝叶斯网络上的仿真实验证明,文中算法在贝叶斯网络结构学习中具有较强的寻优能力.     

一种基于DBN信息融合的说话人识别方法

人的声音虽然具有个性特征,但随着电子信息技术的迅猛发展,人的语音也可以被模仿.当模仿者模仿说话人声音相似度极高时,当前说话人身份确认系统就有可能会被非法欺骗.研究了一种双模态信息融合的说话人识别方法,能把声纹信息和人脸信息融合在一起,通过动态贝叶斯网络(DBN)方法来刻画两类特征之间的相关性,并根据DBN模型作出最后的说话人识别结果.实验表明,基于双模态信息融合的说话人识别方法比传统单独的声纹识别和人脸识别有较高的正确识别率.     

动态贝叶斯网络在态势评估中的应用

针对目前战场态势变化的复杂性和多样性,尤其是战场信息的不确定性和模糊性,提出了利用动态贝叶斯网络,根据态势事件与态势假设之间的潜在关系建立态势评估的功能模型,从而实现态势评估,并用具体的实例验证了该方法的有效性.仿真结果表明,依据动态贝叶斯网络建立的态势评估模型,能够将各种特征因素进行综合,使得不同时间片的特征因素相互修正,从而能够准确地跟踪战场态势的变化,所得态势评估结果为指挥员分析当前态势和决策提供了支持.