基于安全样本筛选的不平衡数据抽样方法

针对欠抽样可能导致有用信息的丢失,以及合成小类的过抽样技术(SMOTE)可能使大类和小类间类重叠更严重的问题,文中提出基于安全样本筛选的欠抽样和SMOTE结合的抽样方法(Screening_SMOTE).利用安全筛选规则,识别并丢弃大类中部分对确定决策边界无价值的实例和噪音实例,采用SMOTE对筛选后数据集进行过抽样.基于安全样本筛选的欠抽样既避免原始数据中有价值信息的丢失,又丢弃大类中的噪音实例,缓减过抽样数据集类重叠的问题.实验表明在处理不平衡数据集,特别是维数较高的不平衡数据集时Screening_SMOTE的有效性.     

贝叶斯网络分类器稳定性研究

稳定性是评估分类算法的一个重要方面.本文介绍了贝叶斯分类方法以及两种度量算法稳定性的方法,实验研究了几种流行的分类算法的稳定性.研究的目的是确定树增强的朴素贝叶斯网络分类方法的稳定性.实验结果表明,树增强的朴素贝叶斯网络分类方法是稳定的.     

基于Map Reduce的Bagging贝叶斯文本分类

集中式系统框架难以进行海量文本数据分类。为此,提出一种基于Map Reduce的Bagging贝叶斯文本分类算法。介绍朴素贝叶斯文本分类算法,将其与Bagging算法结合,运用Map Reduce并行编程模型,在Hadoop平台上实现算法。实验结果表明,该算法分类准确率较高,运行时间较短,适用于大规模文本数据集的分类学习。     

基于粗糙集的定性概率网整合方法

由于子定性概率网(QPN)仅局限于表示子领域知识,为构建一个较大QPN进行知识的全面表示,基于粗糙集理论,提出了一种具有不同节点的多个子QPN整合方法。在QPN中,可将单个变量或多个变量的组合看做粗糙集中的一个属性。当多个QPN整合时,首先合并多个子QPN结构;然后,在保证不出现环路的情况下,根据粗糙集的属性间的依赖度向合并的QPN中添加有向边及其定性符号;接着,再根据属性间相对必要性来删除具有多个父节点的属性所不必要的冗余边,从而整合出较大QPN。最后,实验验证了该整合方法的可行性和有效性。     

贝叶斯网络结构稀疏学习研究进展*

贝叶斯网络结构稀疏化学习因其既能简化结构又能保留原始网络中的重要信息,已经成为当前贝叶斯网络的研究热点.文中首先讨论贝叶斯网络结构稀疏学习的必要性、贝叶斯网络稀疏性的定义,并在此基础上介绍现有的贝叶斯网络结构稀疏学习研究思路.然后,回顾一般的贝叶斯网络结构学习方法,并分析它们在高维背景下存在的问题,进而发现基于评分的方法通常适合于贝叶斯网络结构的稀疏学习,因此重点介绍贝叶斯网络结构稀疏学习的目标函数和优化求解算法.最后,探讨未来贝叶斯网络结构稀疏学习的一些研究方向.     

因子分析降维对分类性能的影响研究

考虑因子数据的数据特征,采用连续属性服从正态分布的朴素贝叶斯分类方法,对因子分析降维前后数据集的分类性能变化进行了研究.实验结果表明:因子分析中的KMO(Kaiser-Meyer-Olkin)统计值和变量共同度与分类性能紧密相关,当KMO统计值大于0.8,并且只有很少属性的变量共同度值小于80%时,采用因子分析作为分类之前的降维是适宜的.     

聚天冬氨酸的研究新进展

聚天冬氨酸是一种绿色环保型水处理剂,具有优良的阻垢缓蚀性能,可生物降解.综述了聚天冬氨酸在合成方法、可生物降解性及应用方面的新进展,并提出了今后的发展方向.     

焦化蜡油脱氮技术研究进展

介绍了焦化蜡油中氮化物的危害,综述了加氢脱氮技术及其反应过程的研究现状,络合脱氮技术及其机理研究进展。加氢脱氮技术虽具有装置处理能力大的优点,但缺点是需要氢源且操作费用较高,在氢气来源短缺和生产规模较小的炼油厂难于推广应用。络合脱氮技术操作费用较低,具有一定成本优势,发展前景比较广阔。     

Dr. Brandt应变片式张力计测量原理及应用

文章首先从应变片式张力计的测量原理入手,然后对实际应用中的张力计进行了受力分析。在"炉区张力计的由来"章节中讲述了炉区张力计与传统张力计在结构上的区别,并从力学的角度对其实际受力情况作了分析,说明了这种张力计的优点。在"张力计实际应用"章节中,对Dr.Brandt应变片式张力计的通用参数作了说明,并对相关的专有名词进行了说明,从原理的角度对张力计的量程调整作了相应的公式推理,验证了计算结果与实际是相符的。     

石脑油脱硫剂性能评价

对拟投入使用的SY-1、SY-2、XBH三种商品脱硫剂进行性能对比研究,考察了空速、反应温度对脱硫剂穿透硫容的影响;通过浸水实验,考察了三种脱硫剂的耐水性。结果表明,三种脱硫剂常规使用稳定性均可靠,SY-2具有更高的穿透硫容,但耐水性略差;而SY-1具有更强的耐水性,穿透硫容略低;XBH指标性能居中。