基于贝叶斯分类的邮件过滤系统研究与实现

电子邮件的普及给人们的生活带来极大的方便,但目前垃圾邮件的泛滥严重影响了用户的正常使用。贝叶斯算法因简单在英文邮件过滤中取得了良好的过滤效果,分析了贝叶斯算法的原理及其在垃圾邮件过滤中的应用,给出垃圾邮件过滤的整个过滤流程,设计并实现了一种语言无关的垃圾邮件过滤系统。     

基于通用网络测量平台的反垃圾邮件技术

以通用网络测量平台为基础,提出了一种新的不同于诸如黑名单和邮件过滤等现有反垃圾邮件技术的检测和防范垃圾邮件的方法。在本地网的监测点将进出的与邮件相关的通信量汇聚成邮件流,并区分成无效邮件流、正常邮件流和异常邮件流,然后根据这3种邮件流的统计特性,检测出本地网中产生的广告邮件、垃圾邮件病毒以及异常邮件行为,并通过基于策略的响应机制实施拦截和预警。     

基于抗体网络的邮件过滤器设计

抗体网络作为一种新型的基于免疫原理的神经网络模型,已有实验验证了其具有良好的无监督竞争学习能力。但对抗体网络的研究目前还集中在原理介绍和实验验证上,没有将其应用在实际工程问题中的先例。在保留抗体网络的结构自动生成,基于克隆选择、变异机制的无监督竞争学习等优点的同时,对抗体网络的初始化、抗体的表示方式、网络结构的更新等方面作了适当的改进。在此基础上设计的邮件过滤器,和传统的邮件过滤器相比,实验结果表明其具有自适应能力好、准确性高等优点。     

基于贝叶斯分类的邮件过滤方法及模型研究

垃圾邮件日益泛滥,给用户带来了极大的不便和危害．并对网络安全构成威胁．传统邮件过滤方法单一,过滤精度不高,已不能很好地满足需求．结合规则过滤技术,分析了基于文本内容的贝叶斯分类器实现的关键技术与方法,并给出核心过滤算法在邮件分类中的实现具体方法及过程,进而完成垃圾邮件的判别．为减少邮件的误判对用户造成的损害及垃圾邮件漏判造成的影响,提出相应的改进措施,使用最小风险贝叶斯决策减小误判率,对分类系统经训练部分进行自适应调整,最后给出基于规则与内容的双重防范机制的邮件过滤模型及基于该框架的邮件判别流程．     

基于用户行为的个性化邮件分类算法

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个性化邮件分类算法.算法通过分析朴素贝叶斯分类算法的原理,改造朴素贝叶斯的算法使其具有动态调整能力.实验结果表明此算法具有较高的分类精度.     

基于贝叶斯置信区间的传感器网络故障诊断方法研究

通过构建贝叶斯网络故障诊断模型,提出了结合故障诊断准确性和置信区间对传感器网络进行故障诊断的方法。采用二项分布参数估计方法,结合β分布和F分布对置信区间进行算法改进,降低了对测试数据规模的要求,减小了准确度的误差。通过仿真分析,验证了改进算法的准确性和可靠性。     

基于贝叶斯理论的垃圾邮件算法研究

为减少垃圾邮件在服务器端的出现,以贝叶斯理论为基础,探讨了可在邮件服务器端实现过滤和自我升级的系统;以合法和非法两类邮件的分析为基础,采用贝叶斯模型生成过滤器,用真实邮件进行仿真操作,验证了模型的可行性。     

一种基于网络资本评价的关键核挖掘方法

为挖掘出网络中的多个关键点,定义了网络资本和关键核。根据网络特点,确定影响函数和衰减函数来计算网络的网络资本值,以网络资本的变化来反应网络性能变化。 根据投入产出分析的思想,提出了完全相关模型对网络的关键核进行挖掘,如果节点(集)动态删除后使网络性能下降到一定程度,则节点(集)为关键核。实验结果表明:当网络性能下降到原来的30％时,动态失效方法比按序失效方法挖掘关键核的点数少。本方法在对网络关键核的挖掘上更加准确和有效。     

基于贝叶斯网络的电网故障诊断方法

根据元件故障与保护动作和断路器跳闸之间的内在逻辑关系,建立了面向元件的电网故障诊断模型,并采用误差反向传播的梯度下降法修正网络参数。该模型是一种由 Noisy-Or,Noisy-And 节点组成的特殊的贝叶斯网络,能够处理电网故障诊断中的不确定性,具有语义精确、推理快速、学习效率高等特点,适用于大规模电力系统的多重复杂故障诊断。实际电网故障案例验证了该方法的正确性和有效性。     

基于最小风险贝叶斯涉密邮件统计分类算法

提出一种适用于涉密邮件统计分类的最小风险贝叶斯算法,用以提高涉密邮件统计分类准确性及其效率.算法以最小风险为分类原则,根据邮件内容的已有训练集,可自适应学习出涉密邮件分类的风险值,快速实现敏感邮件的最小风险扫描.统计分析表明,该算法准确有效,具有较好的适应性.     

基于动态贝叶斯网络的气化炉烧嘴系统可靠性分析

为解决在分析系统可靠性时获取的动态贝叶斯网络（DBN）的先验数据主观性强的问题,以气化炉烧嘴系统为研究对象,利用BP神经网络优化DBN的先验数据。依据隐含层神经元数量经验公式,将气化炉烧嘴系统DBN模型划分为3个子系统,并分别转化为BP神经网络。将DBN的先验分布分别对应BP神经网络的输入函数与输出函数,再利用BP神经网络信息向前传、误差向后传的特性,对系统进行性能学习,实现对DBN的先验数据优化。对优化后气化炉烧嘴系统的DBN进行双向推理,实现对气化炉烧嘴系统动态可靠性分析。结果表明,对气化炉烧嘴系统DBN进行正向推理,可得到优化后的系统可靠性变化趋势;进行反向推理,可得到优化前后的关键事件及薄弱环节,其中薄弱环节为高氧煤比氧煤比的波动。     

基于贝叶斯方法的网络安全态势感知模型

提出了一种基于贝叶斯方法的网络安全态势感知模型。分析了目前国内外NSSA模型的研究现状。本模型先对历史监测数据进行分析,得到先验概率,随后以构建的时序模型为时间推进过程,利用贝叶斯方法对数据进行处理,将历史的统计数据与监测数据相结合,进行有效的安全预测。在网络结构的构建上,采用层次化结构,配合较合理的评价体系,使得该模型能够准确、快速、合理的对网络安全状态进行预测,并且具有较好的实时性。     

基于GF空间多项式核函数的分类研究

在基于核方法的分类问题中,核函数及其参数选择皆对分类结果具有重要影响,通常基于经验选择核函数或基于多核优化方法确定核函数的权系数。针对GF空间的多项式核函数,在范数限定条件下利用多核学习方法优化多项式权系数,实现多项式核函数的优化。实验结果表明,算法优化得到的多项式核函数其分类性能优于常用的单核函数,与多核方法相当,并在分类中取得良好的效果。     

一种基于FMEA的贝叶斯诊断网络

为解决故障模式与影响分析(FMEA)无法定量描述故障模式发生概率的问题,提出了一种基于FMEA的3层贝叶斯网络拓扑结构——CFE(Cause Failure Effect)型贝叶斯诊断网络,利用FMEA中"故障原因"、"故障模式"、"故障影响"间的关系来确定诊断网络的拓扑结构,以表示系统故障间的因果性和层次性,并采用贝叶斯网络诊断决策技术求解故障模式发生的概率,为确诊故障提供理论依据。     

一种基于贝叶斯网络的飞机配电系统可靠性评估方法

把一种基于贝叶斯网络的故障树分析法运用于飞机配电系统可靠性评估,不但能计算出飞机配电系统的可靠性指标,而且可以方便地给出每个部件或几个部件对配电系统整体可靠性的影响大小,分析系统中的薄弱环节,避免传统飞机配电系统可靠性评估方法中分析复杂,减少了计算量,弥补了传统故障树分析法的不足。     

基于DBN的空间战场目标威胁评估

空间战场目标威胁评估对未来空间作战指挥决策具有重要的意义,探讨了空间战场的特点及空间战场威胁目标的特点。针对静态贝叶斯网络(Bayesian network,BN)无法有效地解决动态空间战场中目标的威胁评估问题,提出利用动态贝叶斯网络(dynamic Bayesian network,DBN)来解决空间战场目标威胁评估,建立了基于DBN的空间战场目标威胁评估模型,利用所建立的模型进行了仿真计算。研究结果证明,基于DBN的空间战场目标威胁评估模型能够适应战场形势的变化,可应用于未来空间战场目标威胁评估专家系统的开发,并且比利用静态BN得出的威胁程度更准确,可靠性更高。     

基于模糊贝叶斯网络的空降场选择研究

空降场选择的本质是一种多属性决策问题.传统的层次分析法无法明确描述这类问题中所存在的属性度量以及关联问题.利用模糊理论来对选择影响因素进行度量和集结,通过建立空降场选择的贝叶斯网络来解决空降场选择问题,并用实例说明该方法的可行性和有效性.     

贝叶斯属性攻击图网络脆弱性评估

为了准确全面地评估计算机网络脆弱性,对攻击图中存在的攻击环路、状态爆炸、难以量化分析等问题进行了研究,提出了属性攻击图向贝叶斯网络转化的方法和新的环路消除算法,并利用这2个算法建立贝叶斯属性攻击图模型。在该模型中,利用贝叶斯公式进行推导,得到评估指标的计算公式。利用通用漏洞评分系统数据计算节点的发生概率和评估指标,进行计算机网络脆弱性评估。通过进行实验分析,证明了该模型的可行性和有效性。与其他的脆弱性评估方法相比,该模型具有评估准确、计算简洁、动态量化评估的特点。