莫兰迪和他的瓶子们

莫兰迪一生执著于静物画,画面以瓶子为主要表现对象。文章通过对莫兰迪作品中艺术精神的阐述,论述了莫兰迪的性情、心境以及人生态度。莫兰迪的作品质朴无华,始终散发着一种宁静淡泊的气质。     

基于行为分析的木马检测技术研究

木马是以获取主机控制权和窃取信息为主要目的恶意程序,对网络安全和信息安全造成极大危害.首先介绍了木马的工作原理,针对传统木马检测技术比较被动这一缺陷,研究了木马检测新技术—行为分析,进而分析了朴素贝叶斯算法在木马检测中的应用,并在此基础上结合监控技术提出了基于行为分析的木马检测模型,采用朴素贝叶斯算法对可疑行为进行分析与判定,可有效检测已知木马的变种及新型木马,提高木马检测的精准度.     

基于朴素贝叶斯算法的手持式电动工具质量隐患诊断

提供一种手持式电动工具质量隐患诊断方法,将手持式电动工具的一组特征参数作为预测样本输入预设的算法模型,将算法模型的输出作为手持式电动工具的质量隐患诊断结果。其中,算法模型包含有朴素贝叶斯网络的拓扑结构和对应的条件概率表,且朴素贝叶斯网络的拓扑结构用于表示手持式电动工具的各个特征参数与各个质量隐患诊断结果之间的对应关系,能够实现手持式电动工具的质量隐患智能自动化诊断,诊断过程高效快速且诊断结果准确率高。     

基于云服务的恶意内容检测方法研究

云服务的文件存储存在“后门”攻击,以混淆用户视听,窃取用户隐私。现有的检测方法单一且需要更多的运行内存,因此文章提出通过使用AC自动机算法和朴素贝叶斯算法,快速精准地识别文本内容,利用scikit-learn机器学习库对图片内容进行甄别,且调用VirusTotal的API检测恶意文件,实验结果表明该检测方法在识别恶意内容的准确率上达到96.2%、可对海量数据进行实时检测,优于其他检测方法。     

基于机器学习的剧本角色情感识别研究

针对DataFountain平台举办竞赛所提供的剧本角色情感数据集,采用中文分词、去停用词和绘制词云图等工具对数据进行预处理,利用词频-逆向文档频率(TF-IDF)算法提取文本特征,分别建立了基于支持向量机和朴素贝叶斯算法的机器学习分类识别模型。将建立的新模型应用于剧本角色情感的识别和分析研究,结果表明,朴素贝叶斯分类模型的识别效果要优于支持向量机分类模型;并且,当拉普拉斯平滑系数α=0.2时,朴素贝叶斯算法的分类准确率接近于80%。     

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。     

利用开源的数据挖掘平台WEKA进行文本分类仿真实验

煤矿企业自动化系统使用的文本分类中的一个关键问题就是分类方法的选择。为了对常用的分类方法进行性能的综合评价,分析了朴素贝叶斯(NB)、决策树(DT)、支持向量机(SVM)这3种常用的文本分类方法,并利用开源的数据挖掘平台WEKA进行仿真实验。     

基于主成分分析和朴素贝叶斯判别分析法的矿井通风机故障识别研究

为了正确诊断和识别矿井通风机故障,选取矿井通风机振动信号中的7个频率段能量指标作为故障识别的样本变量。在此基础上,采用主成分分析(PCA)与朴素贝叶斯(NBC)判别分析相结合的方法建立通风机故障判别模型。以采集到的15个样本数据为学习样本,10个为预测样本,对该模型进行检验和应用,并与传统NBC判别分析模型和其它模型的结果进行比较。测试结果表明利用PCA与NBC故障判别模型能够有效地消除样本变量指标间的相互影响,使故障判别结果更加准确。     

一种跨公司航天软件缺陷预测方法

为提高航天软件测试的效率和质量,针对同公司航天软件数量少、研制周期长的特点,提出了一种跨公司航天软件缺陷预测方法。从航天软件背景信息复杂、规模大、功能独立等特征出发,提出基于静态分类缺陷预测的模型构建思想。引入迁移学习方法,利用最近邻分类器和数据引力模型,对训练数据的分布特征进行修正,提高训练数据与目标数据的相似性;为提高模型的泛化能力以适应目标数据的多样性,提出在训练数据中加入少量目标数据用于模型训练。将该方法在实际工程中进行应用,实验结果表明,与已有软件缺陷预测方法相比,该方法在保持较低误报率（不高于0.3）的情况下可有效提高召回率（接近0.6）,整体可信度得到有效增强（G- measure超过0.6）,方法稳定度高,泛化能力较强;本方法在实际工程中对测试规模影响可控,测试效率得到提高。