增量貝葉斯分類器及時序相似性算法研究與應用.pdf

1、貝葉斯分類和時序相似性挖掘都是數據挖掘領域中的重要技術,在經濟、金融、科學觀測和工程等各個領域廣泛應用,是目前研究的熱點。本文對增量貝葉斯分類技術和時序相似性挖掘技術進行了深入研究,針對特定領域,提出改進算法,并將改進算法應用于實際。本文首先對貝葉斯分類技術和時序數據相似性挖掘技術的發(fā)展和研究概況進行了綜述,闡述了當前研究的重點和存在的難點。敘述了數據分類的基本概念,以及貝葉斯分類算法和時序相似性算法的基本概念和算法原理,并詳細介紹了數

2、據預處理的方法。
　　 針對貝葉斯分類器在訓練數據集相對較小的情況下難以得到充分的訓練,以及增量式貝葉斯分類器分類損失評估函數復雜度過高的情況。本文提出一種基于類支持度的增量貝葉斯分類器學習算法,通過分析貝葉斯分類原理中最大后驗概率類與其他概率類之間的聯系,簡化了傳統的分類損失評估函數,使貝葉斯分類器的增量學習效率得到了提高。論文對該算法進行了仿真實驗,實驗驗證了算法的可行性。
　　 本文詳細介紹了時序數據相似性挖掘的主

3、要原理與方法,并分析了各種方法的優(yōu)缺點,提出了一種多變量的快速分層相似性搜索算法。該算法利用時序的重要點構建特征索引庫,使用趨勢距離和重要點幅值排序等方法作為距離度量。文章采用工業(yè)現場數據對該算法做了實驗,實驗收到了良好的效果。
　　 最后,介紹了增量貝葉斯分類算法和時序相似性算法在氧化鋁旋窯控制中的應用,提出了基于增量貝葉斯分類的熱工數據預測模塊和基于時序相似性搜索的異常工況處理模塊的設計框架。在現場試驗中,以上功能模塊取得了