安全技术-网络信息-面向智能数据处理的贝叶斯网络研究与应用.pdf

四个机器学习实验，主要涉及简单的线性回归、朴素贝叶斯分类器、支持向量机、CNN做文本分类，内附实验指导书、讲解PPT、参考代码 1、实验讲解PPT 4份 实验一 线性回归模型实验指导 实验二 支持向量机模型实验指导 实验三 贝叶斯分类解决西瓜问题 实验四 基于tensorflow实现CNN文本分类 2、实验指导书 4份 实验一 线性回归实验指导书 实验二 支持向量机实验指导书 实验三 贝叶斯分类实验指导书 实验四 基于tensorflow实现cnn文本处理实验指导书 3、实验参考代码 4份 实验一 LinearRegression 实验二 SVM 实验三 bayes_classify_demo 实验四 cnn-text-classification-tf

安全技术-网络信息-模糊贝叶斯网络在电信客户流失分析中的研究与应用.pdf

人工智能09贝叶斯网络

朴素贝叶斯数字分类器 基于平均像素亮度和标准偏差的手写数字0或1的朴素贝叶斯分类器 2020年9月 ASU MCS计划课程CSE 575的项目1-统计机器学习 使用的技术： Python，Numpy，Scipy

一个将OWL本体直接转换成贝叶斯网络的原型系统

在FULLBNT工具箱的基础上用matlab实现贝叶斯网络建模 概率分析 在FULLBNT工具箱的基础上用matlab实现贝叶斯网络建模 概率分析

随着电子商务领域的迅速发展，在线商品评价规模日益庞大，评价质量参差不齐，用户难以筛选有用评价信息做出购买决策，因此如何有效识别高质量评价信息成为重要议题。以在线商品评价的有用性投票为基础定义评价质量，使用贝叶斯网络表示在线商品评价的相似性及不确定性，通过对在线商品评价信息进行多维度特征统计，构建在线商品评价质量评估模型，使用概率推理机制对在线商品评价质量进行分类预测，并给出评价质量分类置信度。在真实数据集上验证模型有效性及高效性。

风能是一种清洁能源，有望带来巨大的社会和环境效益，在中华民国，政府支持和鼓励将风能发展作为向可再生能源转变的一个要素。 然而，近年来，在海上风力发电建设以及伴随着海上风力发电场的快速推广和发展的相关生产过程中出现了海上安全问题。 因此，有必要对海上风电场生命周期的各个阶段进行风险评估。 本文报告了基于动态贝叶斯网络的风险评估模型，该模型执行海上风电场海上风险评估。 这种方法的优点是贝叶斯模型表达不确定性的方式。 此外，此类模型允许在虚拟环境中模拟和重新制定事故。 这项研究有几个目标。 探索了海上风电项目风险识别和评估理论与方法，以识别海上风电场生命周期不同阶段的风险来源。 在此基础上，建立了带有Genie的动态贝叶斯网络模型，并对其在海上风电场生命周期不同阶段进行风险分析的有效性进行了评估。 研究结果表明，动态贝叶斯网络方法可以有效，灵活地进行风险评估，以响应海上风电建设的实际情况。 历史数据和几乎实时信息相结合，以分析海上风电建设的风险。 我们的结果有助于讨论有关安全和降低风险的措施，这些措施一旦实施便可以提高安全性。 这项工作对于海上风电的安全发展具有参考价值和指导意义。

对作战行动方案进行效能评估实现了为指挥员提供决策辅助。分析了作战行动方案中 作战行动之间的依赖关系，建立了作战行动方案效能模型和相应的贝叶斯网络，用贝叶斯方法对作 战行动方案进行了效能评估和优选。以某联合登岛作战为案例的实验表明，该方法较好地处理了 作战行动方案的不确定性和复杂性，评估结果可以为指挥员的决策提供参考。