期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
学生综合素质评估的层次贝叶斯网络聚类方法
被引量：
4
1
作者
李兰春
王双成
王辉
《东北师大学报（自然科学版）》
CAS
CSCD
北大核心
2011年第3期49-53,共5页
针对学生综合素质评估特点和现有评估方法存在的问题,建立了学生综合素质评估的层次朴素贝叶斯网络聚类方法,这种方法不需要许多例子,甚至在没有例子的情况下也能够进行规则提炼和预测.实验结果显示,层次朴素贝叶斯网络聚类方法具有良...
针对学生综合素质评估特点和现有评估方法存在的问题,建立了学生综合素质评估的层次朴素贝叶斯网络聚类方法,这种方法不需要许多例子,甚至在没有例子的情况下也能够进行规则提炼和预测.实验结果显示,层次朴素贝叶斯网络聚类方法具有良好的预测准确性,这将使基于层次朴素贝叶斯网络聚类的学生综合素质评估更加可靠.
展开更多
关键词
学生综合素质评估
指标体系
层次朴素贝叶斯
网络
聚类
在线阅读
下载PDF
职称材料
基于BHNB的细粒度的Android恶意应用检测模型
2
作者
孙磊
韩静丹
《计算机应用与软件》
2017年第10期310-315,共6页
为进一步提高Android恶意应用的检测效率,提出一种基于BHNB(Bagging Hierarchical Na?ve Bayesian)的细粒度Android恶意应用检测模型。该模型首先对样本库中的应用进行类别划分,并分别对其进行动态分析,提取各个应用程序的行为信息作为...
为进一步提高Android恶意应用的检测效率,提出一种基于BHNB(Bagging Hierarchical Na?ve Bayesian)的细粒度Android恶意应用检测模型。该模型首先对样本库中的应用进行类别划分,并分别对其进行动态分析,提取各个应用程序的行为信息作为特征;然后,采用层次朴素贝叶斯HNB(Hierarchical Na?ve Bayesian)分类算法对各类应用特征集合进行分别训练,从而构建出多个层次朴素贝叶斯分类器;最后,采用Bagging集成学习方法对构建出的多个层次朴素贝叶斯分类器进行集成学习,构建出基于层次朴素贝叶斯的Bagging集成学习分类器BHNB。实验结果表明,该模型能够有效检测出Android恶意应用,且检测效率较高。
展开更多
关键词
ANDROID
动态分析
层次朴素贝叶斯
集成学习
恶意应用检测
在线阅读
下载PDF
职称材料
题名
学生综合素质评估的层次贝叶斯网络聚类方法
被引量：
4
1
作者
李兰春
王双成
王辉
机构
上海立信会计学院外语学院
上海立信会计学院数学与信息学院
中央民族大学信息工程学院
出处
《东北师大学报（自然科学版）》
CAS
CSCD
北大核心
2011年第3期49-53,共5页
基金
国家自然科学基金资助项目(60675036)
教育部人文社科基金资助项目(10YJA630154)
+1 种基金
上海市教委重点学科建设项目(J51702)
上海市教委科研创新重点项目(09zz202)
文摘
针对学生综合素质评估特点和现有评估方法存在的问题,建立了学生综合素质评估的层次朴素贝叶斯网络聚类方法,这种方法不需要许多例子,甚至在没有例子的情况下也能够进行规则提炼和预测.实验结果显示,层次朴素贝叶斯网络聚类方法具有良好的预测准确性,这将使基于层次朴素贝叶斯网络聚类的学生综合素质评估更加可靠.
关键词
学生综合素质评估
指标体系
层次朴素贝叶斯
网络
聚类
Keywords
student comprehensive quality assessment
assessment
hierarchical naive Bayesian network
clustering
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于BHNB的细粒度的Android恶意应用检测模型
2
作者
孙磊
韩静丹
机构
信息工程大学三院
出处
《计算机应用与软件》
2017年第10期310-315,共6页
基金
国家重点研发计划项目"协同精密定位技术"(2016YFB0501900)
国防预研基金项目(910A26010106JB5201)
文摘
为进一步提高Android恶意应用的检测效率,提出一种基于BHNB(Bagging Hierarchical Na?ve Bayesian)的细粒度Android恶意应用检测模型。该模型首先对样本库中的应用进行类别划分,并分别对其进行动态分析,提取各个应用程序的行为信息作为特征;然后,采用层次朴素贝叶斯HNB(Hierarchical Na?ve Bayesian)分类算法对各类应用特征集合进行分别训练,从而构建出多个层次朴素贝叶斯分类器;最后,采用Bagging集成学习方法对构建出的多个层次朴素贝叶斯分类器进行集成学习,构建出基于层次朴素贝叶斯的Bagging集成学习分类器BHNB。实验结果表明,该模型能够有效检测出Android恶意应用,且检测效率较高。
关键词
ANDROID
动态分析
层次朴素贝叶斯
集成学习
恶意应用检测
Keywords
Android Dynamic analysis Hierarchical Naive Bayesian Ensemble learning Malware detection
分类号
TP301 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
学生综合素质评估的层次贝叶斯网络聚类方法
李兰春
王双成
王辉
《东北师大学报（自然科学版）》
CAS
CSCD
北大核心
2011
4
在线阅读
下载PDF
职称材料
2
基于BHNB的细粒度的Android恶意应用检测模型
孙磊
韩静丹
《计算机应用与软件》
2017
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
