基于贝叶斯方法的网络信息过滤技术研究

随着计算机和网络技术的发展,网络上的信息越来越多,如何在短时间内查询到符合自己需求的有用信息,是每一个网络用户非常关心的问题。信息过滤的研究是当前一个比较热门的话题,信息的筛选和过滤是对信息按照预先确定的标准进行分类。本文在分析大量网络信息的基础上,利用贝叶斯方法进行研究,提出一个基于贝叶斯统计分析的信息过滤模型。     

传感网络虚假信息避免与过滤方法研究与仿真

研究网络假信息过滤控制问题,由于无线传感网络中的节点分布随机性很强,很容易被捕获造成大量的虚假信息被输入,干扰正常通信.受到节点随机性部署的限制,传统算法中缺少节点布置位置风险检测功能和信息校验功能,一旦虚假信息被注入会大幅影响通信效果.提出一种利用位置约束与虚假信息过滤的无线传感网络虚假信息过滤算法,在节点布局过程中对布局的位置信息进行校验,加入位置校验修复因子对节点位置联系进行合理的风险分析,降低节点捕获风险.运用节点信息聚类关联性的特点,对虚假信息进行校验,判断是否为真实的信息关联,过滤虚假信息.实验结果表明,过滤算法能够分布更合理的位置信息,对虚假信息过滤精度较高,同时也改善了网络的稳定性.     

基于贝叶斯网络的信息过滤模型研究

传统信息过滤模型很难描述对信息过滤结果产生影响的各种因素，如质量、内容、用户偏好之间复杂的关系，也无合适的方法让用户将知识加入到信息过滤系统中，因此，提出了基于贝叶斯网络的信息过滤模型BMIF（Bayesian model of information filtering),BMIF是贝叶斯网络的简化，它描述了信息过滤的基本结构，提供了6种节点用于描述影响信息过滤的事件之间的关系，在此基础上，提供了BMIF的各种使用方法，包括将传统方法使用BMIF描述，将词法知识用BMIF表示，以及将自动学习与手动交互结合，将合作过滤与内容过滤结合等。     

基于贝叶斯网络的电力信息项目后评估方法

针对电力信息项目后评估中存在的评估专家主观性强、评估效果差的问题，提出了一种基于贝叶斯网络的电力信息项目后评估方法。提取电力信息项目后评估指标数据特征，并采用贝叶斯网络对电力信息项目后评估指标进行分类，形成典型的电力信息项目评估指标集，并根据专家经验进行初始值赋值；根据区域电力信息项目的建设特点，采用熵权法对电力信息项目后评估指标的权重进行调整。在此基础上对某区域的238个电力信息项目进行评估，其结果验证了所提基于贝叶斯网络的电力信息项目后评估方法的可行性和有效性。     

基于朴素贝叶斯算法的信息过滤研究

随着信息量的快速增长,获取和筛选相关信息变得越来越重要。文章研究了基于朴素贝叶斯算法的信息过滤方法。首先,介绍了朴素贝叶斯算法的基本原理,包括贝叶斯定理、朴素贝叶斯分类器及该算法的优缺点。其次,探讨了朴素贝叶斯算法在信息过滤领域的应用,包括信息过滤的分类、文本表示方法、基于朴素贝叶斯的信息过滤模型构建。最后,通过实验评估了该方法在文本分类任务上的性能,包括不同特征表示方法的对比以及与其他分类算法的性能对比。实验结果表明,基于朴素贝叶斯算法的信息过滤具有较好的性能,可以有效分类不同主题的文本。     

校园中微博演化网络动画负信息分类方法仿真

校园微博作为影响学生学习与生活的平台,其中的负信息数量逐渐增多。针对当前校园微博负信息分类方法中存在的分类准确性差、耗时长的问题,提出基于贝叶斯的校园中微博演化网络动画负信息分类方法。依据完全性和可区分性对微博演化网络动画负信息特征集合进行构造,设定判定阈值,去除各篇信息文档中频次比设定阈值低的信息特征项,获取每篇微博信息文档特征项集合。根据特征项集合的构建,给出专指度定义,针对专指度比较高的信息特征项,对其频次进行适当增加。针对专指度比较低的信息特征项,对其频次进行适当减少,完成微博演化网络动画信息文档特征向量的构建,并对特征向量进行归一化。利用点互信息对校园中微博演化网络动画负信息进行初分类,通过贝叶斯分类器对初次分类后未被分类的微博负信息进行二次分类。实验结果表明,上述方法负信息分类准确率高,耗时短,具有可行性。     

利用贝叶斯网络融合空间上下文的高分辨遥感图像分类

针对高分辨遥感图像,本文提出了一种基于贝叶斯网络的上下文模型,以及基于该模型的面向对象的遥感图像分类方法.首先,利用支持向量机(SVM)实现分割区域的初始分类,获得各个类别的候选区域.然后,利用提出的上下文模型融合候选区域及其周围区域的上下文信息,通过贝叶斯网络推理,将候选区域分类到各类地物类型中.基于贝叶斯网络的上下...     

网络信息过滤系统(NIFS)的研究与实现

随着Ｉnternet普及和应用，电子商务和企业上网已经成为一种发展趋势，网络的安全日益引起人们的关注，提供一定的手段，实时对网络中的信息进行监测具有十分重要的意义，本文利用中文文档信息处理中特定分类文档特征向量提取技术，为信息过滤提供依据，并且从信息过滤系统结构、网络信息捕获，网络协议分析等方面对网络信息过滤系统（NIFS）基本理论和实现方法进行详细的讨论。     

手机垃圾短信过滤系统的设计和实现

针对目前手机垃圾短信过滤的几种方法,分析与比较这些方法的优缺点,在此基础上,介绍贝叶斯过滤方法的原理,讨论基于贝叶斯推理方法的过滤技术在手机垃圾短信过滤中的优点和适用性,重点介绍贝叶斯推理方法在手机短信过滤中的应用,实验结果显示该系统具有较好的过滤效果。     

网页自动分类不确定性问题的贝叶斯网络解法

针对网页自动分类中存在的类边界模糊、语料不均匀等引起的分类不确定性问题,提出了贝叶斯网络自动分类融合模型和融合算法,该模型和算法基于网页上多种信息进行融合,并采用不同的与处理方法分别对多种信息进行处理,将处理后的信息输入到贝叶斯网络融合中心进行融合推理,得到最终的分类结果。同时,为了降低贝叶斯网络推理时间复杂度,提出了改进的贝叶斯网络图推理算法。实验结果表明,改进后的融合模型和融合算法能有效解决网页自动分类中的不确定性问题,并能提高网页自动分类的准确率和查全率。     

在线社会网络用户的信息分享行为预测研究

在线社会网络中信息的传播路径包含着用户对内容、来源等的偏好信息,研究运用信息的传播路径来预测用户信息分享行为的方法。基于传播路径的信息过滤能力研究了信息在网络中的传播过程和信息传播路径的转换方法。运用基于关联规则的分类算法对在线社会网络中的信息分享行为进行预测。以新浪微博为例对微博用户的转发行为进行了预测,结果表明该方法对在线社会网络中的活跃用户的信息分享行为的预测具有较好的效果。     

离线垃圾短信过滤中社会网络行为模式的分析与应用

随着手机短消息服务的发展,垃圾短信呈爆炸性的增长趋势,给人们的日常生活带来了不便,也给通信运营商带来了损失.本文利用短信用户之间的联系构建短信社会网络,分析用户在短信社会网络中的关系及其行为模式,从中抽取出具有类别区分度的社会网络特征,提出了一种新的离线垃圾短信过滤模型.模型针对海量短信数据处理时存在的时空效率的瓶颈问题,提出了线性特征统计算法LFSA,并结合高斯核密度估计和贝叶斯分类器,对短信进行分类过滤.我们使用某省通信运营商提供的30亿条短信数据对模型进行测试,做实验分析.实验结果表明,我们提出的模型能满足运营商的各项性能指标要求,并已部署和应用.     

基于两尺度Bayesian网络的SAR图像分类

本文介绍了两尺度贝叶斯网络的模型构成、邻域构成,以及基于两尺度贝叶斯网络模型的图像分类理论,并且验证了该方法在SAR图像的分类中应用。实验证明两尺度贝叶斯网络的分类结果要优于单尺度贝叶斯网络和MRF—ICM的分类结果。     

基于贝叶斯网络的网络品牌认知度评价方法

随着电子商务和网络经济的快速发展,网络品牌的不确定信息越来越多,给消费者的选择造成了很大的困扰。考虑到网购消费者普遍存在的重复购买属性以及网络品牌对消费期望的重要性,有必要考虑网络品牌对消费者购物期望的动态影响,探究一种科学有效的评价体系,完成对网络品牌认知度的评价。贝叶斯网络是获取不确定知识的有效方法。介绍贝叶斯网络的优势与特征,论证基于贝叶斯网络进行网络品牌分类的可行性。实验证明通过贝叶斯网络可以有效地对网络品牌进行分类,获取电子商务系统的所需信息,帮助用户进行网络品牌的选择和购买行为的决策。     

浅谈网络内容安全的关键技术

随着网络技术的飞速发展,内容安全显得越来越重要,甚至超过了信息安全。网络内容安全通常包括网络监控、反垃圾邮件、内容／网页过滤、信息隐私等。文章从信息获取、内容识别、内容审计和信息过滤等几个方面介绍了网络内容安全的关键技术。     

网络信息过滤的方法和技术研究

论述了网络信息过滤的原理,从用户的信息需求与表示、文本的表示技术等方面探讨了网络信息过滤的方法和技术以及存在的问题,提出Vague集之间的相似度量在网络信息过滤中的应用。     

基于改进的朴素贝叶斯算法在垃圾短信过滤中的研究

研究了基于SVM算法的改进朴素贝叶斯文本分类算法及在垃圾短信过滤中的应用。针对朴素贝叶斯算法条件独立性假设、过分依赖于样本空间的分布和内在不稳定性的缺陷,造成了算法时间复杂度的增加,提出了改进的基于SVM算法的朴素贝叶斯算法垃圾短信过滤的解决方案,充分结合了朴素贝叶斯算法高效分类和SVM算法增量学习及不依赖样本空间的特点;首先利用结构风险最小化原理和非线性变换将分类问题转化为二次寻优问题,最后利用朴素贝叶斯算法过滤短信,提高分类的准确度和稳定性;仿真实验结果表明,该算法能够快速得到最优分类特征子集,有效提高了垃圾短信过滤的准确率和分类速度。     

基于PSO-KM聚类分析的通信网络恶意攻击代码检测方法

恶意代码的快速发展严重影响到网络信息安全,传统恶意代码检测方法对网络行为特征划分不明确,导致恶意代码检测的结果不够精准,研究基于PSO-KM聚类分析的通信网络恶意攻击代码检测方法。分析通信网络中恶意攻击代码的具体内容,从网络层流动轨迹入手提取网络行为,在MFAB-NB框架内确定行为特征。通过归一化算法选择初始处理中心,将分类的通信网络行为特征进行归一化处理,判断攻击速度和位置。实时跟进通信网络数据传输全过程,应用适应度函数寻求恶意代码更新最优解。基于PSO-KM聚类分析技术构建恶意代码数据特征集合,利用小批量计算方式分配特征聚类权重,以加权平均值作为分配依据检测恶意攻击代码,实现检测方法设计。实验结果表明：在本文方法应用下对恶意攻击代码检测的正确识别率可以达到99%以上,误报率可以控制在0.5%之内,具有应用价值。     

基于贝叶斯方法和信息指纹的博客评论过滤

博客的出现丰富和改变了网络的内涵,影响了人们的信息传递方式,同时博客评论作为一种交互方式在博客中广泛存在,给信息监管带来了新的问题。通过分析现有的博客过滤系统,将广泛应用于文本过滤的贝叶斯方法应用到博客评论中,针对博客评论中广泛存在的广告机器人特点,结合信息指纹对其进行识别和过滤。同时对影响博客评论过滤效果和执行速度的指纹函数进行了分析讨论和实验对比,实验结果表明基于贝叶斯方法和信息指纹相结合的博客评论过滤是行之有效的,而且相对于单独的贝叶斯方法更有利于提高系统运行效率和发现广告机器人现象。     

网络信息主动获取智能代理体系研究

基于网络内容的信息处理、获取技术研究在信息安全中举足轻重,提出并设计了基于智能代理技术的网络信息主动荻取体系结构,实现基于Web服务、邮件服务、文件服务等多种应用的网络信息主动获取.代理个体可实现自动生成、植入、寄生和隐藏,代理个体通过采集网络信息和行为识别获取网络上的重要信息,并通过隐蔽通信方式将信息传送给代理控制中心(支持集中式结构或分布式结构).无论在网络空间的宏观层上还是在微观层次上,信息主动获取智能代理技术都有着广阔的应用和发展前景.