检索结果-维普期刊中文期刊服务平台

朴素Bayes分类器文本特征向量的参数优化被引量：4: 1; 作者方秋莲王培锦 +3 位作者隋阳郑涵颖吕春玥王艳彤《吉林大学学报（理学版）》 CAS 北大核心 2019年第6期1479-1484,共6页; 采用朴素Bayes算法建立中文文本自动分类器,并研究相关参数的选择问题,以实现中文文本的高效分类.首先在模型训练阶段,采用N-gram模型处理训练数据集提取特征向量;然后使用朴素Bayes算法建立文本分类器;最后在模型测试阶段,为提高分类... 展开更多; 关键词朴素bayes分类器特征选择 tfidf算法 N-GRAM模型; 在线阅读下载PDF 职称材料

基于IMI-WNB算法的垃圾邮件过滤技术研究被引量：3: 2; 作者刘洁王铮王辉《计算机工程》 CAS CSCD 北大核心 2020年第12期299-304,312,共7页; 互信息和朴素贝叶斯算法应用于垃圾邮件过滤时,存在特征冗余和独立性假设不成立的问题。为此,提出一种改进互信息的加权朴素贝叶斯算法。针对互信息效率较低的问题,通过引入词频因子与类间差异因子,提出一种改进的互信息特征选择算法,... 展开更多; 关键词互信息垃圾邮件过滤加权朴素贝叶斯算法特征选择词频; 在线阅读下载PDF 职称材料

一种基于朴素贝叶斯分类的特征选择方法被引量：24: 3; 作者余芳姜云飞《中山大学学报（自然科学版）》 CAS CSCD 北大核心 2004年第5期118-120,共3页; 由于朴素贝叶斯文本分类中的独立假设前提,使得在特征选择步骤能否准确有效地选出能代表文本的特征显得尤为重要,而特征选择标准中的MI标准与TFIDF标准其优缺正好互补,因此在用朴素贝叶斯文本分类方法中的多项式模型实现了一个web页面... 展开更多; 关键词朴素贝叶斯分类特征选择 mi标准 tfidf标准; 在线阅读下载PDF 职称材料

一个基于朴素贝叶斯方法的web文本分类系统:WebCAT 被引量：9: 4; 作者余芳《计算机工程与应用》 CSCD 北大核心 2004年第13期195-197,共3页; 如果缺乏好的对文本自动进行索引及摘要的工具,要从Internet浩瀚的文本中检索有用信息是很困难的。因此,文本分类成为信息检索(InformationRetrieval)的重要组成部分。朴素贝叶斯分类是应用统计理论进行文本分类的有效方法之一。该文结... 展开更多; 关键词朴素贝叶斯分类特征选择互信息 tfidf; 在线阅读下载PDF 职称材料

使用贝叶斯学习算法分类网络流量被引量：6: 5; 作者邱密阳爱民 +1 位作者刘永定何震凯《计算机工程与应用》 CSCD 北大核心 2010年第25期78-81,96,共5页; 随着网络应用(如P2P)的快速增长,使得传统的基于端口与有效载荷的网络流量分类方法效率大大降低。基于FCBF特征选择方法选择最优特征子集,研究使用贝叶斯学习方法对网络流量进行分类;实验结果显示提出的方法取得了较好的分类准确率。; 关键词网络流量特征选择朴素贝叶斯学习器; 在线阅读下载PDF 职称材料

用于阿尔茨海默症分类的模糊逻辑特征选择和异质集成学习方法被引量：2: 6; 作者韩亮杨婷 +1 位作者蒲秀娟黄谦《电子与信息学报》 EI CSCD 北大核心 2021年第11期3319-3326,共8页; 阿尔茨海默症(AD)分类有助于在AD早期阶段及时采取针对性的治疗和干预措施,对降低老年群体的AD发病率和延缓AD疾病进展具有重要意义。该文提出一种改进的高斯模糊逻辑特征选择方法,首先采用互信息量和方差齐性分析两种方法给出特征重要... 展开更多; 关键词阿尔茨海默症模糊逻辑特征选择多项式朴素贝叶斯异质集成分类器; 在线阅读下载PDF 职称材料

基于多种特征选择的NB组合文本分类器设计: 7; 作者樊康新《计算机工程》 CAS CSCD 北大核心 2009年第24期191-193,共3页; 针对朴素贝叶斯(NB)分类器在分类过程中存在诸如分类模型对样本具有敏感性、分类精度难以提高等缺陷,提出一种基于多种特征选择方法的NB组合文本分类器方法。依据Boosting分类算法,采用多种不同的特征选择方法建立文本的特征词集,训练N... 展开更多; 关键词特征选择朴素贝叶斯组合文本分类器 BOOSTING算法; 在线阅读下载PDF 职称材料

题名朴素Bayes分类器文本特征向量的参数优化被引量：4: 1; 作者方秋莲王培锦隋阳郑涵颖吕春玥王艳彤; 机构中南大学数学与统计学院; 出处《吉林大学学报（理学版）》 CAS 北大核心 2019年第6期1479-1484,共6页; 基金湖南省统计科研项目(批准号:2018A01) 全国大学生创新创业项目(批准号:S20190533497); 文摘采用朴素Bayes算法建立中文文本自动分类器,并研究相关参数的选择问题,以实现中文文本的高效分类.首先在模型训练阶段,采用N-gram模型处理训练数据集提取特征向量;然后使用朴素Bayes算法建立文本分类器;最后在模型测试阶段,为提高分类准确率,使用词频-反文档频率算法对测试样本进行特征向量提取.实例分析结果表明,在提取训练集特征向量时,2-gram模型和4-gram模型的特征提取效果最佳;在选取特征向量长度时,长度为25000的特征向量可使分类准确率出现最大增幅并保证较高准确率;在确定特征项词性方面,同时选取动词和名词可使分类器准确率达到最高,仅选取动词时准确率最低.; 关键词朴素bayes分类器特征选择 tfidf算法 N-GRAM模型; Keywords naive bayesian classifier feature selection tfidf algorithm N-gram model; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于IMI-WNB算法的垃圾邮件过滤技术研究被引量：3: 2; 作者刘洁王铮王辉; 机构河南理工大学计算机科学与技术学院; 出处《计算机工程》 CAS CSCD 北大核心 2020年第12期299-304,312,共7页; 基金国家自然科学基金(61300216)。; 文摘互信息和朴素贝叶斯算法应用于垃圾邮件过滤时,存在特征冗余和独立性假设不成立的问题。为此,提出一种改进互信息的加权朴素贝叶斯算法。针对互信息效率较低的问题,通过引入词频因子与类间差异因子,提出一种改进的互信息特征选择算法,从而实现更高效的特征降维。针对朴素贝叶斯分类算法的独立性假设问题,在朴素贝叶斯分类时使用改进互信息值进行特征加权,消除部分朴素贝叶斯条件独立性假设对邮件分类的不利影响。实验结果表明,相比传统朴素贝叶斯算法,该算法提高了垃圾邮件过滤的精确度、召回率与稳定性。; 关键词互信息垃圾邮件过滤加权朴素贝叶斯算法特征选择词频; Keywords Mutual Information(mi) spam filtering Weighted naive bayes(WNB)algorithm feature selection word frequency; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一种基于朴素贝叶斯分类的特征选择方法被引量：24: 3; 作者余芳姜云飞; 机构暨南大学计算机科学系中山大学软件研究所; 出处《中山大学学报（自然科学版）》 CAS CSCD 北大核心 2004年第5期118-120,共3页; 基金国家自然科学基金资助项目(60173039) 暨南大学自然科学基金资助项目; 文摘由于朴素贝叶斯文本分类中的独立假设前提,使得在特征选择步骤能否准确有效地选出能代表文本的特征显得尤为重要,而特征选择标准中的MI标准与TFIDF标准其优缺正好互补,因此在用朴素贝叶斯文本分类方法中的多项式模型实现了一个web页面分类系统———WEBCAT的基础上,提出将MI标准与TFIDF标准结合进行特征选择。实验显示:用改进的方法可以更准确地选出能代表文本的特征,文本分类结果也比单独使用TFIDF标准或单独使用MI标准进行特征选择的分类结果更加精确。; 关键词朴素贝叶斯分类特征选择 mi标准 tfidf标准; Keywords naive bayes classifier feature selection mi tfidf; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一个基于朴素贝叶斯方法的web文本分类系统:WebCAT 被引量：9: 4; 作者余芳; 机构暨南大学计算机科学与技术系; 出处《计算机工程与应用》 CSCD 北大核心 2004年第13期195-197,共3页; 文摘如果缺乏好的对文本自动进行索引及摘要的工具,要从Internet浩瀚的文本中检索有用信息是很困难的。因此,文本分类成为信息检索(InformationRetrieval)的重要组成部分。朴素贝叶斯分类是应用统计理论进行文本分类的有效方法之一。该文结合web文本的特点使用朴素贝叶斯分类器实现了一个web文本分类系统WebCAT,并获得了很好的分类结果。; 关键词朴素贝叶斯分类特征选择互信息 tfidf; Keywords naive bayes classifier,feature selection,mi ,tfidf; 分类号 TP311.13 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名使用贝叶斯学习算法分类网络流量被引量：6: 5; 作者邱密阳爱民刘永定何震凯; 机构湖南工业大学计算机与通信学院广东外语外贸大学信息科学技术学院; 出处《计算机工程与应用》 CSCD 北大核心 2010年第25期78-81,96,共5页; 基金中国博士后科学基金No.20070410299 广东省高等学校人才引进项目~~; 文摘随着网络应用(如P2P)的快速增长,使得传统的基于端口与有效载荷的网络流量分类方法效率大大降低。基于FCBF特征选择方法选择最优特征子集,研究使用贝叶斯学习方法对网络流量进行分类;实验结果显示提出的方法取得了较好的分类准确率。; 关键词网络流量特征选择朴素贝叶斯学习器; Keywords network traffic feature selection naive bayes classifier; 分类号 TP309 [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

题名用于阿尔茨海默症分类的模糊逻辑特征选择和异质集成学习方法被引量：2: 6; 作者韩亮杨婷蒲秀娟黄谦; 机构重庆大学微电子与通信工程学院生物感知与智能信息处理重庆市重点实验室; 出处《电子与信息学报》 EI CSCD 北大核心 2021年第11期3319-3326,共8页; 基金重庆市自然科学基金(cstc2016jcyjA0376)。; 文摘阿尔茨海默症(AD)分类有助于在AD早期阶段及时采取针对性的治疗和干预措施,对降低老年群体的AD发病率和延缓AD疾病进展具有重要意义。该文提出一种改进的高斯模糊逻辑特征选择方法,首先采用互信息量和方差齐性分析两种方法给出特征重要性评分并分别进行归一化,然后使用改进的高斯模糊逻辑方法对其加权得到最终的特征重要性评分,最后依据特征重要性评分选取特征。该文还使用逻辑回归、随机森林、LightGBM、支持向量机和深度前馈网络作为初级分类器,多项式朴素贝叶斯分类器作为次级分类器,构建异质集成分类器,利用选取的特征进行AD分类。在TADPOLE数据集上进行实验,实验结果证实了所提特征选择方法是有效的,且采用所提特征选择方法,基于多项式朴素贝叶斯的异质集成分类器在AD分类上的性能要优于传统分类器。; 关键词阿尔茨海默症模糊逻辑特征选择多项式朴素贝叶斯异质集成分类器; Keywords Alzheimer’s Disease(AD) Fuzzy logic feature selection Multinomial naive bayes Heterogeneous ensemble classifier; 分类号 TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于多种特征选择的NB组合文本分类器设计: 7; 作者樊康新; 机构南通大学计算机科学与技术学院; 出处《计算机工程》 CAS CSCD 北大核心 2009年第24期191-193,共3页; 基金南通大学自然科学基金资助项目(08Z030); 文摘针对朴素贝叶斯(NB)分类器在分类过程中存在诸如分类模型对样本具有敏感性、分类精度难以提高等缺陷,提出一种基于多种特征选择方法的NB组合文本分类器方法。依据Boosting分类算法,采用多种不同的特征选择方法建立文本的特征词集,训练NB分类器作为Boosting迭代过程的基分类器,通过对基分类器的加权投票生成最终的NB组合文本分类器。实验结果表明,该组合分类器较单NB文本分类器具有更好的分类性能。; 关键词特征选择朴素贝叶斯组合文本分类器 BOOSTING算法; Keywords feature selection naive bayes（NB） combination text classifier Boosting algorithm; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 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	朴素Bayes分类器文本特征向量的参数优化	方秋莲王培锦隋阳郑涵颖吕春玥王艳彤	《吉林大学学报（理学版）》 CAS 北大核心	2019	4	在线阅读下载PDF 职称材料
2	基于IMI-WNB算法的垃圾邮件过滤技术研究	刘洁王铮王辉	《计算机工程》 CAS CSCD 北大核心	2020	3	在线阅读下载PDF 职称材料
3	一种基于朴素贝叶斯分类的特征选择方法	余芳姜云飞	《中山大学学报（自然科学版）》 CAS CSCD 北大核心	2004	24	在线阅读下载PDF 职称材料
4	一个基于朴素贝叶斯方法的web文本分类系统:WebCAT	余芳	《计算机工程与应用》 CSCD 北大核心	2004	9	在线阅读下载PDF 职称材料
5	使用贝叶斯学习算法分类网络流量	邱密阳爱民刘永定何震凯	《计算机工程与应用》 CSCD 北大核心	2010	6	在线阅读下载PDF 职称材料
6	用于阿尔茨海默症分类的模糊逻辑特征选择和异质集成学习方法	韩亮杨婷蒲秀娟黄谦	《电子与信息学报》 EI CSCD 北大核心	2021	2	在线阅读下载PDF 职称材料
7	基于多种特征选择的NB组合文本分类器设计	樊康新	《计算机工程》 CAS CSCD 北大核心	2009	0	在线阅读下载PDF 职称材料