一种局部属性加权朴素贝叶斯分类算法 被引量：10

1

作者 张伟 王志海 +1 位作者 原继东 刘海洋 《北京交通大学学报》 CAS CSCD 北大核心 2018年第2期14-21,共8页

朴素贝叶斯模型具有的简单性和有效性,使其在诸多问题领域表现出优良的性能,但其属性条件独立性假设在实际应用中难以成立.而属性加权是降低属性条件独立性假设对分类器性能影响的主要途径.传统建立在整个数据集上的单一全局模型忽略了... 朴素贝叶斯模型具有的简单性和有效性,使其在诸多问题领域表现出优良的性能,但其属性条件独立性假设在实际应用中难以成立.而属性加权是降低属性条件独立性假设对分类器性能影响的主要途径.传统建立在整个数据集上的单一全局模型忽略了每个测试实例所具有的特点,同时从整个训练集上学习到的属性权重并不能准确反映每个属性对待分类实例的影响.为此提出一种基于数据驱动的懒惰式局部属性加权方法,它在每个测试实例的近邻集合上学习属性权重,并通过最优化方法建立相应的局部属性加权朴素贝叶斯模型.实验结果表明:和当前常见的准朴素贝叶斯模型相比,本文模型具有较高的分类准确率. 展开更多

关键词 朴素贝叶斯 懒惰式 属性加权 局部加权

在线阅读 下载PDF 职称材料

多智能体强化学习及其在足球机器人角色分配中的应用 被引量：27

2

作者 段勇 崔宝侠 徐心和 《控制理论与应用》 EI CAS CSCD 北大核心 2009年第4期371-376,共6页

足球机器人系统是一个典型的多智能体系统,每个机器人球员选择动作不仅与自身的状态有关,还要受到其他球员的影响,因此通过强化学习来实现足球机器人决策策略需要采用组合状态和组合动作.本文研究了基于智能体动作预测的多智能体强化学... 足球机器人系统是一个典型的多智能体系统,每个机器人球员选择动作不仅与自身的状态有关,还要受到其他球员的影响,因此通过强化学习来实现足球机器人决策策略需要采用组合状态和组合动作.本文研究了基于智能体动作预测的多智能体强化学习算法,使用朴素贝叶斯分类器来预测其他智能体的动作.并引入策略共享机制来交换多智能体所学习的策略,以提高多智能体强化学习的速度.最后,研究了所提出的方法在足球机器人动态角色分配中的应用,实现了多机器人的分工和协作。 展开更多

关键词 多智能体系统 强化学习 朴素贝叶斯分类器 机器人足球 角色分配

在线阅读 下载PDF 职称材料

基于贝叶斯分类器的气象预测研究 被引量：11

3

作者 何伟 孔梦荣 赵海青 《计算机工程与设计》 CSCD 北大核心 2007年第15期3780-3782,共3页

将机器学习的理论和方法应用于气象预报领域,基于贝叶斯推理学习的理论,使用朴素贝叶斯分类器(Nave Bayes classifier)对降雨量预测问题进行了分类预测研究,提出了预测降雨量的朴素贝叶斯算法learn-and-classify--rainfall,将各预测... 将机器学习的理论和方法应用于气象预报领域,基于贝叶斯推理学习的理论,使用朴素贝叶斯分类器(Nave Bayes classifier)对降雨量预测问题进行了分类预测研究,提出了预测降雨量的朴素贝叶斯算法learn-and-classify--rainfall,将各预测因子及预测目标按照气象学分级标准进行分级,以历年气象数据为训练集,在训练集上学习各预测目标的先验概率及各预测因子的条件概率,用NBC计算出极大后验假设作为预测目标值,该算法具有鲁棒性强、易实现等优点,表现出较强的实用性和有效性,经实验表明,预测精度明显高于目前短期气候预测中采用的回归分析、聚类分析等其它预测方法。同时它还对困扰气象工作者的如何选择预测因子的问题具有指导作用。 展开更多

关键词 机器学习 朴素贝叶斯分类器 气象预报 学习并分类降雨量 算法

在线阅读 下载PDF 职称材料

L^2DLNB:懒惰学习双层朴素贝叶斯分类器 被引量：1

4

作者 孙江文 王崇骏 +1 位作者 王珺 陈世福 《计算机科学》 CSCD 北大核心 2007年第1期136-139,共4页

尽管朴素贝叶斯简单而且在很多数据集上效果很好,但是其属性独立性假设在现实世界中并不总是成立的,当这一假设不成立时,其结果很差。通过分析和研究,提出了一种放宽这种独立性假设的新算法——懒惰学习双层朴素贝叶斯分类器L2DLNB,该... 尽管朴素贝叶斯简单而且在很多数据集上效果很好,但是其属性独立性假设在现实世界中并不总是成立的,当这一假设不成立时,其结果很差。通过分析和研究,提出了一种放宽这种独立性假设的新算法——懒惰学习双层朴素贝叶斯分类器L2DLNB,该算法使用基于条件互信息的懒惰学习方法,在求不同类标的似然度时,使用不同的属性依赖关系,从而能够更准确地计算出各类标似然度。实验结果表明此算法在一些数据集上取得了更好的分类精度。 展开更多

关键词 朴素贝叶斯 懒惰学习 分类器

在线阅读 下载PDF 职称材料

基于增量贝叶斯的双偏振气象雷达降水粒子分类方法 被引量：6

5

作者 李海 孙婷逸 程新宇 《雷达科学与技术》 北大核心 2022年第3期319-327,共9页

面对降水粒子分类过程中可能存在的样本数不足,样本质量不高的问题,提出一种基于增量贝叶斯的双偏振气象雷达降水粒子分类方法。该方法首先处理有标签的训练数据集,获取属性节点和类节点之间的条件概率表构建朴素贝叶斯分类器;接着使用... 面对降水粒子分类过程中可能存在的样本数不足,样本质量不高的问题,提出一种基于增量贝叶斯的双偏振气象雷达降水粒子分类方法。该方法首先处理有标签的训练数据集,获取属性节点和类节点之间的条件概率表构建朴素贝叶斯分类器;接着使用朴素贝叶斯分类器分类无标签数据,判断类置信度值后将符合条件的数据追加到训练数据集中,最后修正朴素贝叶斯分类器完成增量学习,得到增量贝叶斯分类器实现降水粒子分类。增量贝叶斯分类器不仅能够增加有效的数据样本,还能够及时更新分类器从而提高其泛化性和适应性,分类结果的准确性也得到了一定的改善。 展开更多

关键词 双偏振气象雷达 降水粒子分类 增量学习 朴素贝叶斯分类器

在线阅读 下载PDF 职称材料

条件互信息度量BSNBC分类学习算法

6

作者 姜卯生 李云 刘宗田 《计算机应用研究》 CSCD 北大核心 2007年第11期52-54,共3页

在综合考虑算法效率与效用性的基础上提出了一种新的有界半朴素贝叶斯分类(bounded semi-naiveBayesian classifier,BSNBC)算法。传统的SNBC仅能将两个属性构成一个组合属性,大大制约了SNBC的分类性能。BSNBC在一定程度上克服了SNBC的... 在综合考虑算法效率与效用性的基础上提出了一种新的有界半朴素贝叶斯分类(bounded semi-naiveBayesian classifier,BSNBC)算法。传统的SNBC仅能将两个属性构成一个组合属性,大大制约了SNBC的分类性能。BSNBC在一定程度上克服了SNBC的上述弱点,它能将最多K个属性组合成一个组合属性节点。IP算法与LP算法可用于学习BSNBC,但是它们的搜索过程带有一定的盲目性。提出的算法利用条件互信息将关联性大的属性组合在一起。实验证明了其有效性。 展开更多

关键词 机器学习 贝叶斯分类器 半朴素贝叶斯 条件互信息

在线阅读 下载PDF 职称材料

交互式训练样本获取方法

7

作者 陈蔼祥 《计算机应用》 CSCD 北大核心 2015年第A01期278-282,共5页

有监督学习算法是机器学习中的一类重要算法,该类算法要求外界提供含监督信号的样本作为训练数据。虽然机器学习领域提供了许多基准测试数据,但很多情况下需要自己生成训练样本。给出了一种交互式训练样本获取方法:通过对原始图像进行... 有监督学习算法是机器学习中的一类重要算法,该类算法要求外界提供含监督信号的样本作为训练数据。虽然机器学习领域提供了许多基准测试数据,但很多情况下需要自己生成训练样本。给出了一种交互式训练样本获取方法:通过对原始图像进行一种或多种混合的随机变换,用户挑选那些能被人眼识别的样本作为有效样本加以保存。实验结果表明,所提方法产生的图片能模拟摄像头在不同角度、姿态、光照、遮挡等各种复杂场景下拍摄的图像的效果。用系统生成的训练样本训练朴素贝叶斯(NB)分类器,能达到95.042%的识别精度,结果优于UCI人工字符集训练同样的NB分类器时88.487 5%的识别精度。 展开更多

关键词 有监督学习 训练样本 仿射变换 分类器 朴素贝叶斯

在线阅读 下载PDF 职称材料

朴素贝叶斯分类器在地形评估中的应用方法 被引量：6

8

作者 钱玲飞 刘玉树 李侃 《计算机工程与应用》 CSCD 北大核心 2005年第12期189-191,225,共4页

针对目前流行的评估方法的缺点以及实际问题的具体情况,提出将朴素贝叶斯分类器应用在地形评估中。具体方法是从用专家函数评估的数据库中提取训练样本,通过基于分布熵最小原则进行特征约减,再基于最优性条件进行属性离散化,最后基于共... 针对目前流行的评估方法的缺点以及实际问题的具体情况,提出将朴素贝叶斯分类器应用在地形评估中。具体方法是从用专家函数评估的数据库中提取训练样本,通过基于分布熵最小原则进行特征约减,再基于最优性条件进行属性离散化,最后基于共轭分布进行参数学习得到一个的分类器。待分类样本可以直接由贝叶斯分类器得出分类结果,并且根据增量学习理论,将分类结果作为训练新的分类器的训练样本,可以进一步提高分类精度。试验表明该方法的应用减少了评估时间,并且分类精度也令人满意。 展开更多

关键词 朴素贝叶斯分类器 特征约减 离散化 参数学习 增量学习

在线阅读 下载PDF 职称材料

基于迁移学习的跨公司航天软件缺陷预测 被引量：5

9

作者 哈清华 刘大有 +1 位作者 陈媛 刘逻 《光学精密工程》 EI CAS CSCD 北大核心 2019年第2期469-478,共10页

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... 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。 展开更多

关键词 缺陷预测 迁移学习 最近邻分类器 数据引力 朴素贝叶斯

在线阅读 下载PDF 职称材料

朴素贝叶斯分类器在化疗所致恶心呕吐风险预测模型上的应用 被引量：5

10

作者 曹众平 熊习安 杨群 《南方医科大学学报》 CAS CSCD 北大核心 2021年第4期607-612,共6页

目的研究朴素贝叶斯分类器在化疗所致恶性呕吐风险预测模型上的应用,构建基于中国患者的化疗所致恶性呕吐风险预测模型。方法收集2020年7~9月中南大学湘雅二医院肿瘤中心300例住院化疗患者的基本资料和治疗方案,并随访患者出院后临床资... 目的研究朴素贝叶斯分类器在化疗所致恶性呕吐风险预测模型上的应用,构建基于中国患者的化疗所致恶性呕吐风险预测模型。方法收集2020年7~9月中南大学湘雅二医院肿瘤中心300例住院化疗患者的基本资料和治疗方案,并随访患者出院后临床资料。对治疗方案中的特征和患者个体特征进行相关性分析,对相关性大于0.8的两个特征,分别计算两个特征对模型评价指标曲线下面积的贡献,去除其中贡献相对较小的特征。使用机器学习库scikit-learn中的朴素贝叶斯分类器作为化疗所致恶心呕吐风险预测模型,使用10折分层随机分割交叉验证得到模型最终结果。其中70%的样本用来训练机器学习模型,30%的样本作为测试集用来衡量模型的表现。结果急性化疗所致恶心呕吐风险预测灵敏度为0.83±0.04(95%CI:0.80~0.86),特异度为0.45±0.03(95%CI:0.42~0.47),曲面下面积为0.72±0.04(95%CI:0.69~0.75)。延迟性化疗所致恶心呕吐风险预测灵敏度为0.84±0.01(95%CI:0.83~0.86),特异度为0.48±0.03(95%CI:0.45~0.52),曲面下面积为0.74±0.02(95%CI:0.72~0.77)。结论在本研究中,基于朴素贝叶斯分类器构建了适用于中国肿瘤患者的化疗致所致恶心呕吐风险预测模型,具有较好的预测效果,为化疗致所致恶心呕吐风险预测模型提供新的研究方向和思路。 展开更多

关键词 化疗 恶心 呕吐 预测模型 机器学习 朴素贝叶斯分类器

在线阅读 下载PDF 职称材料

大规模混合网络中基于朴素贝叶斯分类的TCP自适应鉴别器 被引量：2

11

作者 陈娅婷 鲁凌云 《通信学报》 EI CSCD 北大核心 2018年第A01期189-194,共6页

针对有效区分分组丢失类别问题,提出了一种端到端多参数度量自适应拥塞控制算法——TCP-NBayes算法。首先根据混合网络下有线链路和无线链路分组丢失特性的不同选取特征参数。然后基于朴素贝叶斯理论建立区分无线随机丢失和拥塞丢失的... 针对有效区分分组丢失类别问题,提出了一种端到端多参数度量自适应拥塞控制算法——TCP-NBayes算法。首先根据混合网络下有线链路和无线链路分组丢失特性的不同选取特征参数。然后基于朴素贝叶斯理论建立区分无线随机丢失和拥塞丢失的鉴别模型。仿真实验表明该算法分类准确度最高可达95%,与其他算法相比,其友好性与公平性表现良好,对网络性能有很大的改善。 展开更多

关键词 无线/有线混合网络 TCP 朴素贝叶斯分类 机器学习

在线阅读 下载PDF 职称材料

利用ELM-AE和迁移表征学习构建的目标跟踪系统 被引量：1

12

作者 杨政 邓赵红 +2 位作者 罗晓清 顾鑫 王士同 《计算机科学与探索》 CSCD 北大核心 2022年第7期1633-1648,共16页

在目标跟踪算法中,特征模型对图像特征的快速学习能力和对跟踪过程中目标特征变化的自适应能力一直是目标跟踪算法的主要研究方向之一。特别是对于基于图像块学习的判别式目标跟踪器而言,这两点已然成为影响跟踪器效率和鲁棒性的决定性... 在目标跟踪算法中,特征模型对图像特征的快速学习能力和对跟踪过程中目标特征变化的自适应能力一直是目标跟踪算法的主要研究方向之一。特别是对于基于图像块学习的判别式目标跟踪器而言,这两点已然成为影响跟踪器效率和鲁棒性的决定性因素。然而,现有的大多数同类算法在这两个能力上的性能并不能达到令人满意的效果。为了解决这一问题,提出了一种高效且鲁棒的特征模型。该特征模型首先利用基于极限学习机的自编码器(ELM-AE)对目标和背景图像块的复杂图像特征快速地进行随机特征映射,再利用迁移表征学习(TRL)的迁移学习能力提高随机特征空间的自适应性。将该特征模型命名为基于ELM自编码器和迁移表征学习的特征模型(TRL-ELM-AE)。与原复杂图像特征相比,通过该模型可以获得更加紧凑且具有表达能力的共享特征。从而使得分类器可以快速高效地学习和分类。此外,在目标跟踪过程中,目标与背景通常会随着时间不停地变化。虽然TRL的特征迁移能力已经可以很好地适应这一点,但是为了进一步提高跟踪器的鲁棒性,还采用了一种动态更新训练样本的策略。通过对OTB提出的11项目标跟踪挑战场景进行大量实验和分析,证明了所提的目标跟踪器较现有的目标跟踪器具有显著优势。 展开更多

关键词 极限学习机(ELM) 极限学习机自编码器(ELM-AE) 迁移表征学习(TRL) 特征自适应 高斯朴素贝叶斯分类器(GNBC) 目标跟踪

在线阅读 下载PDF 职称材料