期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于贝叶斯网络分类的个人信用评估模型 被引量:11
1
作者 李旭升 郭耀煌 《统计与决策》 CSSCI 北大核心 2006年第20期13-15,共3页
本文研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器两种贝叶斯网络信用评估模型的精度,用10层交叉验证在两个真实数据集上对贝叶斯网络信用评分模型进行了测试并与的神经网络模型进行了比较。结果表明,贝叶斯网络信用评估模型具有较... 本文研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器两种贝叶斯网络信用评估模型的精度,用10层交叉验证在两个真实数据集上对贝叶斯网络信用评分模型进行了测试并与的神经网络模型进行了比较。结果表明,贝叶斯网络信用评估模型具有较高的分类精度,在信用评估中具有优势。 展开更多
关键词 信用评估 贝叶斯网络 朴素贝叶斯分类模型 树增强贝叶斯分类模型 神经网络
在线阅读 下载PDF
基于聚类的朴素贝叶斯分类无监督学习方法 被引量:4
2
作者 葛顺 夏学知 《舰船科学技术》 北大核心 2016年第1期112-116,共5页
为实现朴素贝叶斯分类模型的无监督学习,提出一种基于数据挖掘理论中聚类算法思想的学习方法。该方法首先定义不同类型单维状态分量的差异度量方法和混合型多维向量的联合差异度量方法,通过分析样本数据中向量之间的差异性进行聚类统计... 为实现朴素贝叶斯分类模型的无监督学习,提出一种基于数据挖掘理论中聚类算法思想的学习方法。该方法首先定义不同类型单维状态分量的差异度量方法和混合型多维向量的联合差异度量方法,通过分析样本数据中向量之间的差异性进行聚类统计,得到研究对象的分类类别,然后对各单维状态分量分别聚类得到特征核值,进而确定不同类别各分量对应单维特征核值空间的概率隶属度。仿真实验结果表明,该方法能有效进行朴素贝叶斯分类学习。 展开更多
关键词 向量差异性度量 聚类统计 概率隶属度 朴素贝叶斯分类模型
在线阅读 下载PDF
贝叶斯网络个人信用评估模型 被引量:19
3
作者 郭春香 李旭升 《系统管理学报》 北大核心 2009年第3期249-254,260,共7页
研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器2种贝叶斯网络信用评估模型的精度,用10层交叉验证在2个真实数据集上对贝叶斯网络信用评分模型进行了测试并与神经网络模型进行了比较。结果表明,贝叶斯网络信用评估模型具有较高的分类... 研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器2种贝叶斯网络信用评估模型的精度,用10层交叉验证在2个真实数据集上对贝叶斯网络信用评分模型进行了测试并与神经网络模型进行了比较。结果表明,贝叶斯网络信用评估模型具有较高的分类精度,在信用评估中具有优势。 展开更多
关键词 信用评估 贝叶斯网络 朴素贝叶斯分类模型 树增强贝叶斯分类模型 神经网络
在线阅读 下载PDF
基于NB的双级分类模型在邮件过滤中的研究 被引量:1
4
作者 惠孛 吴跃 陈佳 《计算机科学》 CSCD 北大核心 2006年第5期110-112,共3页
使用朴素的贝叶斯(NB)分类模型对邮件进行分类,是目前基于内容的垃圾邮件过滤方法的研究热点。朴素的贝叶斯在参数之间联系不强的时候分类效果简单而有效。但是朴素的贝叶斯分类模型中对特征参数的条件独立假设无法表达参数之间在语义... 使用朴素的贝叶斯(NB)分类模型对邮件进行分类,是目前基于内容的垃圾邮件过滤方法的研究热点。朴素的贝叶斯在参数之间联系不强的时候分类效果简单而有效。但是朴素的贝叶斯分类模型中对特征参数的条件独立假设无法表达参数之间在语义上的关系,影响分类性能。在朴素的贝叶斯分类模型的基础上,我们提出了一种双级贝叶斯分类模型(DLB,Double Level Bayes),既考虑到了参数之间的影响又保留了朴素的贝叶斯分类模型的优点。同时对DLB 模型与朴素的贝叶斯分类模型的性能进行比较。仿真实验表明,DLB 分类模型在垃圾邮件过滤应用中的效果在大部分条件下优于朴素的贝叶斯分类模型。 展开更多
关键词 垃圾邮件过虑 朴素贝叶斯分类模型 双级分类模型
在线阅读 下载PDF
基于双信号融合的主轴/刀柄结合面刚度退化程度预测
5
作者 吴石 张勇 +1 位作者 王宇鹏 王春风 《中国机械工程》 EI CAS CSCD 北大核心 2024年第8期1449-1461,共13页
为了预测主轴/刀柄结合面刚度退化程度,提出了一种基于激励和响应信号融合的主轴/刀柄结合面刚度退化程度预测方法。首先进行钛合金矩形工件侧铣实验,采集瞬时铣削力信号和主轴/刀柄结合面附近的响应振动信号,构建反映主轴/刀柄结合面... 为了预测主轴/刀柄结合面刚度退化程度,提出了一种基于激励和响应信号融合的主轴/刀柄结合面刚度退化程度预测方法。首先进行钛合金矩形工件侧铣实验,采集瞬时铣削力信号和主轴/刀柄结合面附近的响应振动信号,构建反映主轴/刀柄结合面刚度退化的数据库。然后根据数据库中瞬时铣削力和振动信号各方向的时域、频域和时频域特征,基于相关性分析优选出瞬时铣削力信号和振动信号的时域均值、频域中心频率、时频域一阶小波包能量3个特征,分别使用低频滤波卷积核和高频滤波卷积核对优选后的特征矩阵进行双通道卷积池化处理,获取深度融合的主轴/刀柄结合面刚度退化程度特征向量。最后以支持向量机模型(SVM)的概率模式转化为朴素贝叶斯分类器(NBC)的条件概率,构建混合分类器模型(NBC-SVM),提高了分类器的分类性能。在主轴/刀柄结合面刚度退化数据库的基础上,基于双通道卷积池化的特征融合方法(CP-FF)和NBC-SVM模型实现了主轴/刀柄结合面刚度退化程度的预测,预测精度达96%。 展开更多
关键词 主轴/刀柄结合面 刚度退化 特征融合 朴素贝叶斯分类器支持向量机模型
在线阅读 下载PDF
基于机器学习的轻度认知功能障碍筛查研究 被引量:13
6
作者 贾芷莹 董旻晔 +2 位作者 施贞夙 金春林 李国红 《上海交通大学学报(医学版)》 CAS CSCD 北大核心 2019年第8期908-913,共6页
目的·评价项目研制的可用于轻度认知功能障碍筛查的电子化认知评估系统的信度和效度,构建机器学习法判定模型并评估筛查效果。方法·采用分层随机的方法在上海和河南农村的社区、老年护理院及专科门诊抽取55岁以上的符合标准... 目的·评价项目研制的可用于轻度认知功能障碍筛查的电子化认知评估系统的信度和效度,构建机器学习法判定模型并评估筛查效果。方法·采用分层随机的方法在上海和河南农村的社区、老年护理院及专科门诊抽取55岁以上的符合标准的老年人,由经过严格培训、操作规范的调查员对研究对象进行蒙特利尔认知评估量表(Montreal Cognitive Assessment,MoCA)的现场测试。电子化认知评估系统信度评价采用内部一致性系数,效度评价采用因子分析;以MoCA评估结果作为标准,使用分类准确率和曲线下面积(area under curve,AUC)比较朴素贝叶斯、随机森林、Logistic回归和K-邻近4种机器学习算法的分类效果。结果·研究的359名对象中,年龄中位数为63岁,82.80%为中学及以下学历;根据MoCA评分,可能患有轻度认知功能障碍的有147名。电子化认知评估系统的Cronbach'sα为0.84,KMO为0.78,Bartlett's球形检验P<0.05,共提取13个公因子,累计方差贡献率为75.10%。最优朴素贝叶斯分类模型的分类准确率为88.05%,AUC为0.941。结论·该电子化认知评估系统具有良好的信度、效度及分类效果,利用朴素贝叶斯分类模型分类准确度较高。 展开更多
关键词 轻度认知功能障碍 电子化认知评估系统 机器学习 朴素贝叶斯分类模型 蒙特利尔认知评估量表 筛查
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部