基于改进TFIDF特征加权算法的95598投诉工单分类实现

分析了传统朴素贝叶斯算法、TFIDF特征加权算法在文本分类建模应用上的缺陷,在此基础上提出了TFIDF的优化算法,并分别采用传统朴素贝叶斯算法、基于TFIDF的朴素贝叶斯算法、基于改进TFIDF的朴素贝叶斯算法分别对某供电公司投诉工单进行了分类建模。研究结果表明,改进TFIDF算法能在TFIDF算法的基础上进一步提升分类器的性能,投诉工单分类准确率达到93.03%,较传统朴素贝叶斯算法提升了4个百分点。     

基于贝叶斯网络分类器的财务信息失真识别研究

企业财务信息失真识别越来越多地受到关注。本文使用条件高斯函数代替边缘高斯函数的乘积进行叠加,给出新的多元高斯核函数,在此基础上,建立扩展的连续属性朴素贝叶斯分类器,并将该分类器用于企业财务信息失真识别,实验结果显示,这种分类器具有良好的分类性能。     

基于贝叶斯网络的结构健康评估信息融合方法

为了充分利用大型结构健康监测系统中来自不同时间与空间的多传感器信息资源,获得被测对象的一致性决策和估计任务,进而提高确诊率,介绍了从多传感器数据融合的概念、基本原理出发,提出的一种基于贝叶斯网络数据融合技术的结构健康监测方法。重点叙述了用于结构健康检测的朴素贝叶斯网络和扩展的朴素贝叶斯网络结构构建,以及网络节点概率的确定方法,并在项目中进行了试验。基于贝叶斯网络的结构健康评估方法有效地利用了各信息源之间的互补性,提高了健康评估的准确率、可靠性和稳健性。     

基于迁移学习和红外热成像的金属氧化物避雷器表面污染状态检测方法

金属氧化物避雷器外壳受灰尘、盐、碱等污染物长期沉积的影响,会导致其过早失效,因此,准确地检测金属氧化物避雷器表面的污染状态是非常重要的。基于此,面向饱和积污提出了一种利用红外热成像技术和迁移学习检测金属氧化物避雷器外壳污染严重程度的新方法。该方法通过拍摄不同污染状态下金属氧化物避雷器的红外热图像,经过适当的预处理后,捕获的红外热图像被送入预训练卷积神经网络“ResNet50”进行自动特征提取。提取的深度特征被输入到4个机器学习分类器,即k-最近邻分类器、支持向量机分类器、贝叶斯分类器和随机森林分类器中进行分类。其中,使用随机森林分类器获得了最佳性能。最后,通过仿真分析,结果表明所提方法可精确地感知金属氧化物避雷器表面的污染严重程度。     

基于半监督的SVM迁移学习文本分类算法

随着互联网的快速发展,文本信息量巨大,大规模的文本处理已经成为一个挑战。文本处理的一个重要技术便是分类,基于SVM的传统文本分类算法已经无法满足快速的文本增长分类。于是如何利用过时的历史文本数据(源任务数据)进行迁移来帮助新产生文本数据进行分类显得异常重要。文章提出了基于半监督的SVM迁移学习算法(Semi-supervised TL_SVM)来对文本进行分类。首先,在半监督SVM的模型中引入迁移学习,构建分类模型。其次,采用交互迭代的方法对目标方程求解,最终得到面向目标领域的分类器。实验验证了基于半监督的SVM迁移学习分类器具有比传统分类器更高的精确度。     

基于MapReduce技术的海量文本数据统计方法研究

为了实现海量文本数据的有效发掘和统计,从文本分类与大数据并行处理两个方面着手,研究在海量文本数据挖掘的相关理论知识和MapReduce编程模型的相关技术支撑下的海量文本数据挖掘统计方法。在并行运算模型的开源实现Hadoop平台上,提出了一种简单、有效的文本分类方法——基于MapReduce的平均朴素贝叶斯文本分类算法。     

融合注意力机制和BiLSTM+CRF的渔业标准命名实体识别

为了解决渔业标准文本中专有命名实体具有上下文敏感性、长序列存在语义稀释等问题,提出了基于E-BIO标注法和融合注意力机制的BiLSTM+CRF (BiLSTM+Attention+CRF)命名实体识别模型,E-BIO标注法引入渔业标准文本中的结构化信息,可以使模型有效学习上下文结构特征,而注意力机制输出不断变化的语义向量,可有效解决长序列语义稀释问题。为验证所提出方法的有效性,在采用E-BIO方法标注的语料上进行对比试验,结果显示,BiLSTM+Attention+CRF模型对不同类别的渔业标准命名实体识别的准确率均能达到90%以上,召回率均能达到85%以上。研究表明,本研究中提出的BiLSTM+Attention+CRF命名实体识别模型可以有效利用上下文结构特征,避免了语义稀释问题,对于渔业标准命名实体识别具有较好的识别性能。     

北方城镇集中供热能耗及其朴素贝叶斯模型分析与实证

依据我国北方集中供热区域典型省市5 060个不同规模热源的供热能耗数据,采用朴素贝叶斯模型建立了城市尺度的建筑集中供热能耗强度分析模型。基于统计年鉴公开数据,对涉及北方地区建筑集中供热能耗的主要统计指标进行了分类,系统分析了数据指标的平衡公式、统计范围、数据口径、有效年份、数据完整性等。通过对比2项研究结果与清华大学发布的建筑集中供热能耗强度数据,建议将用贝叶斯模型分析方法得到的各城市建筑集中供热能耗强度作为供热能耗强度的代表值。     

结构性能退化的评估和贝叶斯动态预测

结构性能的退化影响因素复杂、时间跨度长、不确定性大,其预测不可避免地要考虑具体结构的实际情况,即在一般规律认识的基础上,不断利用在具体结构生命周期中得到的新信息,更新对结构未来性能退化的预测,进而得到更确切合理的可靠度分析和决策。基于这一思路,引入贝叶斯动态模型理论,设计模型结构,用于结构性能退化的预测。同时,根据结构性能退化的多阶段特点和目前工程实践可获取的结构检测信息的实际情况,提出状态指标的概念,用于描述结构性能退化。计算实例验证贝叶斯动态预测的优越性及信息更新对结构性能退化预测和寿命评估的影响,同时说明状态指标具有简便实用的特点。     

不确定海洋环境中基于主成分量的稳健检测器

传统的信号检测算法在不确定的海洋环境中性能出现下降。基于贝叶斯原理的最优检测算法可以实现对不确定海洋环境中信号的有效检测,但是其突出问题是计算量较大。本文提出了一种基于主成分量分析的稳健信号检测器,该检测器利用贝叶斯原理将环境先验信息引入到检测算法中,同时使用主成分量分析方法来降低运算量,实现了对信号的快速有效检测。分别使用标准失配海洋模型和海上实测数据进行了计算机仿真和实验验证,结果表明:(1)基于主成分量的稳健信号检测器检测性能达到最优贝叶斯检测器的效果。(2)本文方法在线运算速度是贝叶斯最优检测器的5⁸倍。(3)环境先验信息失配的情况下,扩大海洋环境参数模型的不确定度范围有助于提高检测性能。