贝叶斯分类多实例分析分析

用于运动识别的聚类特征融合方法和装置提供了一种用于运动识别的聚类特征融合方法和装置，所述方法包括：将从被采集者的加速度信号中提取的时频域特征集的子集内的时频域特征表示成以聚类中心为基向量的线性方程组；通过求解线性方程组来确定每组聚类中心基向量的系数；使用聚类中心基向量的系数计算聚类中心基向量对子集的方差贡献率；基于方差贡献率计算子集的聚类中心的融合权重；以及基于融合权重来获得融合后的时频域特征集。

加速度信号→时频域特征→以聚类中心为基向量的线性方程组→基向量的系数→方差贡献率→融合权重基于特征组合的步态行为识别方法本发明公开了一种基于特征组合的步态行为识别方法，包括以下步骤：通过加速度传感器获取用户在行为状态下身体的运动加速度信息；从上述运动加速度信息中计算各轴的峰值、频率、步态周期和四分位差及不同轴之间的互相关系数；采用聚合法选取参数组成特征向量；以样本集和步态加速度信号的特征向量作为训练集，对分类器进行训练，使的分类器具有分类步态行为的能力；将待识别的步态加速度信号的所有特征向量输入到训练后的分类器中，并分别赋予所属类别，统计所有特征向量的所属类别，并将出现次数最多的类别赋予待识别的步态加速度信号。

实现简化计算过程，降低特征向量的维数并具有良好的有效性的目的。

传感器—> 加速度信息–> 峰值、频率、步态周期、四分位、相关系数-→聚合法-→特征向量→样本及和步态加速度信号的特征向量作为训练集→分类器具有分类步态行为的能力基于贝叶斯网络的核心网故障诊断方法及系统本发明公开了一种基于贝叶斯网络的核心网故障诊断方法及系统，该方法从核心网的故障受理中心采集包含有告警信息和故障类型的原始数据并生成样本数据，之后存储到后备训练数据集中进行积累，达到设定的阈值后放入训练数据集中；运用贝叶斯网络算法对训练数据集中的样本数据进行计算，构造贝叶斯网络分类器；从核心网的网络管理系统采集含有告警信息的原始数据，经贝叶斯网络分类器计算获得告警信息对应的故障类型。

本发明，利用贝叶斯网络分类器构建故障诊断系统，实现了对错综复杂的核心网故障进行智能化的系统诊断功能，提高了诊断的准确性和灵活性，并且该系统构建于网络管理系统之上，易于实施，对核心网综合信息处理具有广泛的适应性。

告警信息和故障类型→训练集—>贝叶斯网络分类器—>训练(由告警信息获得对应的故障类型)一种MapReduce并行化大数据文本分类方法一种MapReduce并行化大数据文本分类方法，包括如下步骤：第一步：建立用于文本分类的基准测试数据集，进行数据预处理，包括分词、去停用词、词根还原；将该基准测试数据集随机划分为训练文本和测试文本，将所述基准测试数据集采用向量空间模型建立文本表示模型；第二步：根据上述文本表示模型采用CDMT对所述基准测试数据集进行特征选择；第三步：采用贝叶斯分类器对所述基准测试数据集进行训练学习，得到分类结果。

本发明提供一种分类性能良好、区分度较高的MapReduce并行化大数据文本分类方法。

文本分类的基准测试数据集→数据预处理：分词、去停用词、词根还原→训练文本和测试文本→向量模型建立文本表示模型→CDMT对基准进行特征选择→贝叶斯分类器→分类结果基于贝叶斯分类器的股票中长期趋势预测方法及系统本发明涉及一种基于贝叶斯分类器的股票中长期趋势预测方法，包括：股票数据的选取，确定各个起始点及区间长度d j；划分区间，计算出历史数据区间斜率；对历史数据区间斜率进行学习并对置信度判断区间进行预测，得到以置信度判断区间起始点为起点的多个交易日的股票均价；计算置信度，将置信度与预先设定好的阈值进行比较；预测未来区间斜率,将未来区间斜率转化得到以预测区间起始点为起点的多个交易日的股票均价；将以预测区间起始点为起点的多个交易日的股票均价的涨跌进行归一化，得到股票的涨跌值；构建股票池。

本发明避免了产生累积误差，展现出了在预测区间内的股票趋势变化，更好地捕捉了股市波动变化趋势，更加有效地评估了交易风险。

→股票数据选取—>确定各个起始点及区间长度--->区间斜率-→学习并置信度区间测试-→股票均价-→置信度-→预先设定好的阈值比较一种数据分类的方法及装置本发明提供了一种数据分类的方法及装置，该方法包括：预先设置多个数据的标识；根据样本数据确定每一种标识对应的分类规则；按组获取待标识的数据；将所述每组待标识的数据遍历所有分类规则；计算每种所述分类规则匹配的当前组中待标识的数据的匹配个数；确定匹配个数最大的分类规则对应的标识为当前组待标识的数据的标识。

通过本发明提供的一种数据分类的方法及装置，能够提高标识数据的效率。

多数据的标识—>确定每种标识的分类规则—>待标识数据遍历分类规则—>计算每种分类规则匹配当前组中标识的数据匹配个数-→确定匹配个数最大的分类规则对应的标识为当前组待标识的数据的标识。

一种移动自组网路由节点行为预测方法本发明给出一种移动自组网路由节点行为预测方法，该方法首先选择合适的移动自组路由属性，设置模糊邻近关系，然后根据此原则对记录进行分类，最后使用贝叶斯分类器进行预测，评估路由节点的行为。

本发明的目的是提供一种移动自组网路由节点行为预测方法，解决移动自组网路由节点行为预测问题，建立一种基于贝叶斯的预测方法，通过现有的数据分析，对移动自组网路由节点行为进行预测，提高移动自组网的运行效率。

移动自组路由属性—>设置模糊邻近关系—>然后根据此原则对记录进行分类—>贝叶斯预测一种基于改进贝叶斯算法的安卓恶意软件检测方法本发明给出了一种基于改进贝叶斯算法的安卓恶意软件检测的方法，通过改进贝叶斯算法对安卓恶意程序和良性程序的特征属性进行分析和分类，实现一种基于改进贝叶斯算法的恶意软件检测方法，从应用程序权限申请的角度出发，判断分析是否为恶意软件。

该方法是利用安卓权限请求机制中权限请求标签作为检测的数据源。

在此提出利用权限请求标签组合方式用于区分恶意软件和良性软件，利用改进的贝叶斯算法做出检测模型，改进的贝叶斯体现在其对数据源的属性之间的考虑了相互的独立性，这样再利用朴素贝叶斯分类器进行数据建模，大大提高了检测指标，提高了检测的正确率，以及减少了误报率。

→利用权限请求标签作为检测标准→权限请求标签组合方式区分恶意软件和良性软件→贝叶斯算法检测→朴素贝叶斯分类器建模微博分类方法及装置本发明公开了一种微博分类方法及装置。

该方法包括：步骤1，对训练语料集合进行预处理，对预处理后的训练语料进行分词，获取候选特征，并对候选特征进行权重计算，根据权重计算结果进行特征选择，获取最终的分类特征；步骤2，根据最终的分类特征，采用贝叶斯分类器进行模型训练，获取分类模型；步骤3，采用贝叶斯分类器根据分类模型对微博文档进行分类。

借助于本发明的技术方案，提高了分类的召回率与准确率。

训练语料集合→预处理→一种城市轨道交通客流高峰持续时间预测方法本发明公开了一种城市轨道交通客流高峰持续时间预测方法，包括以下步骤：首先选择足够样本量的历史客流数据，然后对原始数据进行处理，处理过程包括流量统计、高峰时间计算、数据清洗、数据区间分类，接着建立关联客流高峰事件属性集，接着计算每一个区间的客流高峰事件的概率分布，再使用贝叶斯分类的方法确定属性分类界限，最后对每一类客流高峰事件建立时间序列模型，并对方法的有效性进行检验。

本发明可用于预测城市轨道交通常发和突发的客流高峰事件的持续时间，为轨道交通企业的客流高峰管理提供数据支持，能缓解通行能力浪费和服务水平降低的矛盾，跟随轨道交通客流的变化。

原始数据—（流量统计、高峰时间计算、数据清晰、数据区间分类）-- 关联客流高峰事件属性集–概率分布–贝叶斯分类—时间序列模型一种基于Android平台的入侵检测系统本发明公开了一种基于Android平台的入侵检测系统，主要由三部分组成，即数据提取模块、数据分析引擎和响应处理模块；其中数据提取模块主要是对Android系统手机的主体活动信息进行特征提取；数据分析引擎是利用检测算法对提取和整理的数据进行分析，判断是否存在入侵行为或者异常行为；响应处理模块则根据数据分析引擎的分析结果执行相应的处理操作；该入侵检测系统通过对手机的资源使用情况、进程信息和网络流量实时监控，并使用贝叶斯分类器算法判断系统是否被入侵，通过该入侵检测系统能够有效地检测Android手机的异常。

数据提取：特征提取数据分析：响应处理：一种利用相关系数进行相关性分析的贝叶斯分类数据挖掘方法公开了一种利用相关系数进行相关性分析的贝叶斯分类数据挖掘方法。

初步选定一些可能与目标因子具有相关性的预测因子，对预测因子和目标因子进行模型训练，再对训练结果利用相关系数进行相关性分析，如果预测因子和目标因子相关性不大或者不相关，可以立即终止贝叶斯分类算法，不再进行后面的精度评估等步骤，以便用户保留有关预测因子，去掉无关预测因子或者重新选定预测因子；如果预测因子和目标因子相关性很大或者相关时，再在此基础上进行精度评估，评价贝叶斯分类算法的好坏。

通过在分类模型的基础上进行相关性判断，不仅可以使分类预测结果更加可靠，而且可以节约资源，提高算法的效率。

预测因子和目标因子—模型训练–相关性分析一种基于改进贝叶斯的轨道交通故障识别方法及系统本发明公开了一种基于改进贝叶斯的轨道交通故障识别方法及系统。

本方法为：1）根据交通设备的电路结构确定每一交通设备的各种故障模式及对应的监测量，并针对每一故障模式及对应的监测量建立一故障模型；2）根据故障模型识别出监测数据之间的父子关系，得到标准故障样本数据；3）利用标准故障样本数据，采用贝叶斯算法进行训练，得到故障识别模型；每一故障模式的故障识别模型中父节点的权重要大于子节点的权重；4）实时监测和采集交通设备的各种所述监测量，并记录其时序；5）利用故障识别模型对数据进行识别，确定出对应的故障。

本发明提高了故障识别的准确率，缩短故障修复时间，设备可故障自诊断，从运维和设备两方面保障行车安全。

一种基于朴素贝叶斯分类器的假指纹检测方法一种基于朴素贝叶斯分类器的假指纹检测方法，包括以下步骤：1）训练库划分；2）图像归一化；3）特征提取；3.1）离散小波变换；3.2）去噪；3.3）小波重构；3.4）噪声图估计；3.5）标准差图计算；3.6）划分标准差图，统计得到图像的特征；4）特征划分；5）分类器训练；6）分类器性能评估；7）分类器融合：利用朴素贝叶斯分类器构造的方法，融合得到新的分类器。

本发明对单个分类器性能要求不高，但分类器融合后的效果却可以非常好。

一种基于主题网络爬虫的搜索方法及装置本发明公开了一种基于主题网络爬虫的搜索方法及装置，所述方法包括：从与给定搜索主题相关的网页地址集中提取一个网页地址；获取所述网页地址对应的有效网页；对所述有效网页进行分析，得到有效网页内容；计算所述有效网页与搜索主题在语义上的相关度，即立即价值，并将符合预设条件的有效网页及包含的网页链接添加到页面数据库；对于不符合预设条件的有效网页，计算网页链接相对于所述搜索主题的链接价值，即未来回报价值，并将符合条件的网页链接添加到网页地址集中。