朴素贝叶斯及其扩展模型

反垃圾邮件技术已成为人们关注的一个焦点。基于贝叶斯理论的垃圾邮件过滤技术有着独特的优势,而其中的朴素贝叶斯模型具有算法简单、有效,易于实现等优点而成为最常用的模型。本文系统地介绍了朴素贝叶斯及其扩展模型的核心思想,并对朴素贝叶斯模型的发展作了大胆的预测,这对贝叶斯垃圾邮件过滤技术具有理论和现实的意义。     

基于贝叶斯方法的垃圾邮件过滤技术综述

垃圾邮件问题始终困扰着人们,因此一直是当今互联网面临的主要问题之一。许多优秀的文本分类算法被引入垃圾邮件过滤领域,其中包括贝叶斯分类方法。与其他分类方法相比,贝叶斯方法由于其简易实现性,线性计算复杂性、以及准确性成为当今垃圾邮件过滤技术中最流行的方法之一。该文将对基于贝叶斯方法的垃圾邮件过滤技术做出分析和综述,并提出进一步的研究方向。     

一种基于贝叶斯理论实现垃圾邮件过滤的方法

本文介绍了基于贝叶斯理论的实现垃圾邮件过滤的方法,详细介绍了贝叶斯理论及实现方法.     

简体中文垃圾邮件分类的实验设计及对比研究

综合分析了垃圾邮件过滤的技术路线与方法,并在分析基于关键字的方法和统计学的方法的基础上,提出了将两者相结合,运用模式识别中的贝叶斯、最近邻和感知机等分类方法,实现对垃圾邮件的过滤的技术路线。以互信息最大化准则筛选出的特征集为基础,对不同分类技术的对比分析揭示了贝叶斯、最近邻和感知机在垃圾邮件过滤应用上的优劣。同时,文中对基于互信息最大化准则的垃圾邮件过滤应用提出了有益的思路。     

一种基于多贝叶斯算法的垃圾邮件过滤方法

贝叶斯算法在垃圾邮件过滤中应用广泛。针对算法提高精确率和召回率的矛盾,提出了一种新的基于多贝叶斯算法组合的垃圾邮件过滤方法,并给出了不同方法下中、英文垃圾邮件过滤实验数据对比。实验表明该方法显著提高了垃圾邮件的过滤性能。     

基于贝叶斯最小风险的垃圾邮件过滤技术

分析了贝叶斯分类方法在中文垃圾邮件过滤中的应用。提出了基于贝叶斯最小风险的垃圾邮件过滤技术,通过选择适当的损失函数,尽可能减少合法邮件的误判。实验结果表明,该方法是切实可行的并具有良好的效果。     

一种多技术结合的垃圾邮件过滤系统设计

本文基于黑名单、白名单、反向DNS查询和朴素贝叶斯过滤技术，建立一个多技术整合的垃圾邮件过滤系统。该系统通过对各种技术的结合可以弥补单一过滤技术的缺点，发挥每种技术的优势，从而达到有效过滤垃圾邮件的目的。     

基于改进的贝叶斯中文垃圾邮件过滤方法研究

基于内容的垃圾邮件过滤问题是Internet安全技术研究的一个重点问题,而基于贝叶斯的分类方法在垃圾邮件处理上表现了很高的准确度,因此受到了广泛的关注。本文将一种基于模拟退火遗传算法的贝叶斯分类方法引入到中文垃圾邮件过滤中,提高了分类的精确度。实验证明,算法在邮件过滤中有更好的表现。     

基于LVQ2神经网络及决策归纳的中文邮件过滤

垃圾邮件所带来的巨大经济损失及巨大的信息处理量已成为世界性的问题.目前,国际上应用效果较好的过滤技术是基于贝叶斯概率模型,但是由于汉语极为复杂的语义环境和贝叶斯算法的易欺骗性,使得其不能很好地过滤中文垃圾邮件.对此,该文提出了一种综合LVQ2神经网络及决策树分类的过滤算法.实验结果表明,该算法可以过滤98%以上的中文垃圾邮件.     

一种基于后缀数组聚类(SAC)的中文垃圾邮件过滤方法

贝叶斯算法在垃圾邮件过滤中应用广泛,但在中文垃圾邮件过滤中性能较低。本文通过聚类的思想,提出一种基于后缀数组聚类（SAC）的中文邮件特征项抽取方法,并给出了不同特征项抽取方法下贝叶斯算法的中文垃圾邮件过滤实验数据对比。实验表明,该方法显著提高了中文垃圾邮件的过滤性能。     

基于内容的贝叶斯自学习邮件过滤模型

简单贝叶斯算法在邮件过滤领域得到广泛的应用,但它的两个缺点限制了它的使用,首先它不能进行连续的自学习,当邮件内容发生较大变化时,准确性急剧下降.其次是没有考虑字,词,短语之间的联系,以及词语的表现能力,不能准确反映邮件本身的内容性质.因此提出一种自学习的贝叶斯邮件过滤模型:它能够不断地进行自学习,使模型内部参数能够随着邮件内容的变化而改变,而且它将邮件特征(词语)之间的关系以及它们的表达能力引入,作为模型计算的基础之一,并且对用户发送的邮件进行学习.     

模糊自适应卡尔曼滤波技术研究

本文提出了一种基于模糊自适应卡尔曼滤波技术的组合导航的新方法．这一方法主 要应用于自主式机动飞行器．用模糊逻辑自适应控制器对卡尔曼滤波器的噪声方差进行“在 线”修正,将卡尔曼滤波器调整到最优状态,从而提高组合导航系统的精度．通过对GPS/IN S组合导航系统的仿真,验证了模糊自适应卡尔曼滤波器比常规卡尔曼滤波器具有更高的精 度．该方法的研究对飞行器的导航与制导具有重要意义．     

一种用于目标跟踪的改进粒子滤波算法

为解决目标跟踪中粒子滤波算法的估计精度、粒子退化问题,提出一种改进的粒子滤波算法。在粒子滤波的基础上,利用UKF生成粒子滤波的建议分布,以改善滤波效果,在无味粒子滤波的基础上,融合典型的MCMC抽样算法,减少传统算法未考虑当前量测对状态的估计作用所带来的影响,增加采样粒子多样化。将该算法应用于具有非线性、非高斯特点的目标跟踪问题中,仿真结果表明,与普通的粒子滤波算法相比,其跟踪精度和滤波效果有较大提高。     

基于文本过滤的Web页面检索研究

文本过滤是信息过滤的一个研究分支,信息过滤随着信息检索的发展而受到关注,它是一个寻找人们感兴趣的信息的处理过程。为了提高检索web页面的效率,把原型web页面集合预处理为有结构的页面集,然后再进行快速分类处理。     

基于BHO(Browser Helper Object)的网址过滤实现

网址过滤(Filtering URL)是信息安全方的一个重要课题,研究了浏览器(IE)辅助对象BHO(Browser HelperObject)的工作机制,并通过使用BHO(Browser Helper Object)对象过滤可疑网址这个试例来全面介绍BHO(Browser Helper Object)对象组件的工作机制及使用Delphi7.0开发实现过程,同时也给出了使用BHO过滤网址的一种有效简便方法.     

闪烁噪声下轨道机动目标自适应鲁棒跟踪算法

针对闪烁噪声下存在未知机动的空间目标跟踪问题,将自适应鲁棒滤波技术嵌入到无迹卡尔曼滤波,设计自适应鲁棒无迹卡尔曼滤波(ARUKF),再利用ARUKF产生粒子滤波的重要性密度函数,从而得到一种自适应鲁棒无迹粒子滤波(ARUPF)算法。将ARUPF与瞬态跟踪模型相结合,对空间机动目标进行自主跟踪。实验结果表明,该算法在跟踪精度和鲁棒性方面优于传统的跟踪算法。     

Pessimists and optimists: Improving collaborative filtering through sentiment analysis

This work presents a novel application of Sentiment Analysis in Recommender Systems by categorizing users according to the average polarity of their comments. These categories are used as attributes in Collaborative Filtering algorithms. To test this solution a new corpus of opinions on movies obtained from the Internet Movie Database (IMDb) has been generated, so both ratings and comments are available. The experiments stress the informative value of comments. By applying Sentiment Analysis approaches some Collaborative Filtering algorithms can be improved in rating prediction tasks. The results indicate that we obtain a more reliable prediction considering only the opinion text (RMSE of 1.868), than when apply similarities over the entire user community (RMSE of 2.134) and sentiment analysis can be advantageous to recommender systems.     

流量矩阵估算算法研究

流量矩阵是许多网络规划和流量工程任务的关键输入,但直接监控非常具有挑战性.因此,如何根据有限的先验信息,通过合理建模来估算流量矩阵,成为重要的研究课题.已有的估算方法中,卡尔曼方法是一个相对高效和精确的方法,然而,它在实际网络环境中使用时存在"坏态"现象,导致数值计算困难.提出了平方根滤波/平滑流量矩阵估算算法对卡尔曼方法进行改进;并针对新算法的需要,提出了流量数据预处理的方法,可滤除有大量噪声的"坏"数据.模拟仿真结果显示新算法的精确性和稳定性都优于卡尔曼滤波方法.     

基于多尺度快速非局部平均滤波的超声图像去斑算法

超声成像因其便捷、廉价、无辐射等优点被广泛应用于临床诊断中,然而图像中的斑点噪声可能对临床诊断或后续图像分析产生不利影响。作为一种典型的去噪技术,在利用非局部平均滤波（NLMF）对超声图像进行去斑时,会存在时耗高、滤波参数不易设置等不足,因此,提出一种多尺度快速非局部平均滤波（MF-NLMF）算法用来去除超声图像的斑点噪声。首先提出快速非局部平均滤波（F-NLMF）算法,利用互相关滤波技术减少运算时耗;接着设置多种窗口参数获得多幅去斑结果,而模型参数值可根据窗口尺寸自适应调节;最后将多幅去斑结果进行融合得到最终的去斑图像。实验结果表明：在相同实验条件下,与传统NLMF算法相比,F-NLMF算法的运算时间至少减少了96.04%;而MF-NLMF算法与迭代贝叶斯非局部均值滤波（IBNLMF）等算法相比,去斑图像的峰值信噪比（PSNR）值、特征相似度测度（FSIM）值、对比度噪声比（CNR）和信噪比（SNR）分别提高了0.73 dB、0.011、0.000 5、0.001 6以上。     

基于多维滑窗的异常数据检测方法

随着数据流的广泛运用,数据流中异常数据的检测问题也引起了更多的关注.现有的卡尔曼滤波算法需要的历史数据量虽然小,但只适用于单个异常点的检测,对于复杂连续的异常值检测效果较差.针对这个问题,提出一种水文传感器分级标注模型,并在此基础上提出一种基于多维影响因子的卡尔曼滤波算法,加入空间、时间、起源三个维度的影响因子,在天气和汛期等影响因素改变时,对系统模型的控制参数进行适当调整,并且对测量噪声进行更加准确的估计,提高异常检测的准确性.实验结果证明,所提算法在保证运行时间相近的前提下,检测的错误率远低于基于遗忘因子的卡尔曼(AKF)算法和基于小波的卡尔曼(WKF)算法.