基于数据挖掘的贝叶斯算法应用研究

在众多的数据挖掘算法中,贝叶斯算法因为准确性高,运算性能强而得到广泛应用。利用日常生活中的例子深入浅出的阐述了贝叶斯算法的基本原理,并应用SQL Server 2005数据挖掘工具,对2009年收集的农安地力评价的数据进行了分析,同时应用贝叶斯算法对地力等级进行了预测。     

基于贝叶斯分类的农作物产品质量挖掘研究

采用贝叶斯算法的基本原理,并结合农作物生长环境数据的特点,分析和预测了农作物的产品质量。采用随机选取的样本组进行试验预测,预测准确率高,表明该算法是有效的。     

基于贝叶斯分类的农作物产品质量挖掘研究

采用贝叶斯算法的基本原理,并结合农作物生长环境数据的特点,分析和预测了农作物的产品质量。采用随机选取的样本组进行试验预测,预测准确率高,表明该算法是有效的。     

基于贝叶斯网络数据挖掘的蔬菜质量安全分析

蔬菜是人们日常生活的必须品,也是容易出现质量安全问题的产品。影响蔬菜质量安全的一个重要因素就是农药残留问题。以蔬菜农药残留检测数据为对象,利用贝叶斯网络进行数据挖掘,得到不同品种蔬菜的农药残留含量分布,以及同一品种在不同时间的分布趋势,经过可信度分析,该结论可信。该结果可为蔬菜的生产者、消费者以及监管人员提供一定的决策依据。     

基于贝叶斯分类实现数字图书馆主动推送服务

对如何通过贝叶斯分类实现数字图书馆主动推送服务进行了探讨。     

基于贝叶斯方法的FAO48.1区南极磷虾渔业资源评估

南极海域南极磷虾资源丰富,开发潜力已经得到世界范围的关注。由于南极海洋生物资源养护委员会（Commission for the Conservation of Antarctic Marine Living Resources, CCAMLR）多年来始终将联合国粮食及农业组织（Food and Agriculture Organization of the United Nations,FAO）在南极海域内设立的48.1区的捕捞限额控制在1.55×105 t,从而引发了众多争议,采用CCAMLR公布的2006-2015年生产统计数据,利用基于贝叶斯方法的非平衡剩余产量模型,对FAO 48.1区南极磷虾（Euphausia superba）的渔业资源进行评估,结果显示：当前48.1区南极磷虾资源的环境容纳量为（1.93～7.84）×107 t;渔业资源综合种群的内禀增长率为0.4～0.6;2016年48.1区南极磷虾的平均生物量为3.88×107 t;48.1区南极磷虾资源当前最大持续产量（MSY）为5.5×106 t;当前的触发产量远低于MSY的阈值,48.1区内南极磷虾资源几乎处于原始未开发状态。建议提高48.1区南极磷虾的触发产量至5.5×105t。     

学习者兴趣相似性在网络学习推荐中的应用

研究学习者学习兴趣,并根据学习者兴趣相似性的方法获得目标学习者的最近邻居集合,可更好地为学习者提供自适应学习服务并产生相应学习推荐。首先从学习者的兴趣度入手,采用相似性度量方法计算目标学习者的最近邻居;最后依据邻居学习者的兴趣度来预测目标学习者对学习页面的兴趣度,并产生推荐。实验结果表明,基于学习者兴趣相似性的推荐方法,提高了最近邻居计算的准确性和推荐质量。     

基于分层贝叶斯方法的高山松单木生物量模型

以香格里拉市典型森林生态系统高山松林为对象,在前期进行Ⅰ区和Ⅱ区共115株高山松单木地上生物量实测基础上,以异速生长方程为单木生物量基础模型,并采用分层贝叶斯方法、非线性混合模型法、贝叶斯方法和非线性最小二乘法进行异速生长参数拟合,运用决定系数(R²)、估测精度(E)、均方根误差(RMSE)等指标对模型参数拟合效果进行评价。结果表明:1)从拟合精度看,4种方法的模型拟合效果均较好,R²均达到了0.98以上。但分层贝叶斯方法估计结果更优,其R²=0.985 6,E=84.76%和R_MSE=39.75 kg;2)通过对比不同方法的差异发现,加入了区域随机效应的分层贝叶斯方法和非线性混合模型法的拟合效果均优于未加入区域随机效应的贝叶斯方法和非线性最小二乘法。分层贝叶斯方法在拟合高山松单木生物量模型中具有更大优势,模型拟合效果最好。加入了随机效应的分层贝叶斯方法和非线性混合模型法可以提高单木生物量模型的估计精度,采用分层贝叶斯方法进行高山松单木生物量模型参数估测,为大尺度样本数据模型参数估测方法提供新思路。     

基于贝叶斯与元学习的氨氮浓度预测模型优化

针对小样本数据下氨氮浓度模型预测精度不高、收敛速度较慢的问题,采用长短期记忆网络（long short-term memory,LSTM）建立氨氮浓度预测模型,并利用贝叶斯优化算法和元学习机制对模型进行优化。其中贝叶斯优化算法用来优化预测模型的超参数,同时给出模型参数的初始值,再使用Meta-LSTM算法学习模型梯度并允许优化器之间进行参数共享和更新,最终实现对氨氮浓度预测模型的优化。将该方法与LSTM、GRU和RNN模型进行对比试验,结果显示,研究所建模型对氨氮浓度预测的均方根误差、平均绝对误差和均方误差分别为0.027 6、0.023 9和0.000 76,均优于其他预测模型。表明基于贝叶斯和元学习的氨氮浓度预测模型对小样本数据建模有效,可以实现网络快速收敛,精度满足水产养殖中氨氮浓度预测需求。     

培养学生学习英语的兴趣基本方法

英语是国际上目前公认的通用语言,任何国家想发展工业,科技、在国际市场上与其他国家抗衡,都不可缺少英语。本文主要阐述了培养学生学习英语兴趣的基本方法：     

场地土性分布参数的贝叶斯方法的估计

结合工程实例，说明贝叶斯方法在估计岩土工程场地的土性分布参数中的具体应用，以及在岩土工程可靠性分析中的应用。     

基于数据挖掘技术的图书馆个性化信息服务刍议

探讨数据挖掘技术在图书馆借阅服务、文献传递服务、信息咨询服务中的应用,为应用数据挖掘技术实现图书馆个性化信息服务,提高图书馆信息服务质量建言献策。     

农业信息数据挖掘的粗糙集方法研究与实例

我国是个农业大国,农业数据量极大,手工处理工作量大且不准确.本文研究了将粗糙集理论运用于农业数据挖掘的计算机处理方法,提出了基于粗糙集理论的农业数据挖掘的基本算法和模型,并通过实例对其进行了验证.     

基于改进蚁群算法的分类规则挖掘

数据分类是数据挖掘中的一个重要课题,研究各种高效的分类算法是数据挖掘的重要问题之一.本文将蚁群算法与分类规则抽取问题相结合,提出了一种基于蚁群算法的具有自适应和变异杂交特征的分类规则挖掘方法,自适应地调整信息素增量,在规则构造中进行杂交变异,有效地节省了计算时间,并优化了生成的分类规则.实验结果表明:该算法可以有效克服停滞,提高搜索效率,有效地挖掘出简洁分类规则.     

基于关联规则数据挖掘算法的应用

数据挖掘,又称数据库中的知识发现,作为一门新兴的研究领域,主要目的是从数据集合中发现隐含的、事先未知的、对决策有潜在价值的用户感兴趣的知识,数据挖掘是当前数据库领域中最受瞩目的研究方向之一。在数据挖掘研究中,关联规则挖掘作为数据挖掘研究中的一个重要部分,引起了越来越多的关注。本文利用SQL Server 2005数据挖掘工具,对已测得的土壤数据,利用关联规则算法对土壤的地力等级进行了预测。     

基于数据挖掘的决策树算法应用研究

数据挖掘是一种发现大量数据中潜在信息的数据分析方法和技术,已经成为关注的热点。决策树方法因其简单、直观、准确率高等特点,在数据挖掘及数据分析中得到了广泛的应用。本文使用数据挖掘的C4.5算法对UCI数据库中的蘑菇数据构建决策树模型,给出了蘑菇可食用或有毒的决策。     

基于贝叶斯网络的过度训练诊断

针对贝叶斯网络在具体应用时需根据实际应用问题来建立相应的贝叶斯网络模型的问题,采用Java语言设计并开发了一套贝叶斯网络预测诊断系统,用来实现因果推理和诊断推理.重点讨论了系统的网络数字化、网络学习、网络推理等关键问题.利用该平台建立了过度训练的诊断网络,通过试验证明得出,此套系统简单易用、通用性强,可应用于不同的研究领域.     

数据挖掘技术在公共图书馆讲座业务中的应用研究

将数据挖掘技术应用于公共图书馆的讲座业务中,从而建立起听众和讲座之间的联系,对提高讲座管理决策合理性具有实践价值。     

遗传算法在入侵检测中的应用研究

本文简要介绍了入侵检测技术的原理和分类,介绍了遗传算法在入侵检测技术中的应用,以及利用遗传算法为基础和其他技术相结合的一些方法在入侵检测中的应用.通过与单个神经网络的比较,说明基于遗传算法的集成神经网络检测方法能克服单个分类算法的缺陷,提高入侵检测系统的检测率.