贝叶斯分类算法研究及其在隧道病害预测中的应用

《贝叶斯分类算法研究及其在隧道病害预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、北京交通大学硕士学位论文贝叶斯分类算法研究及其在隧道病害预测中的应用姓名：孙凌燕申请学位级别：硕士专业：系统分析与集成指导教师：徐维祥20081201中文摘要摘要：信息社会对海量数据的处理能力提出了更高的要求，数据挖掘技术伴随着这种需求应运而生，已成为信息技术研究的热点之-．。分类挖掘作为数据挖掘的主要技术近年来在实践应用中更是被广泛采用。本文深入研究了几种分类方法，重点介绍贝叶斯分类技术，主要对朴素贝叶斯分类算法进行了优化：结合朴素贝叶斯算法NB、加权贝叶斯算法WNB和树增广贝叶斯算法TAN，提出了新的混合贝叶斯分类模型。该算法

2、具有以下特点：第一，通过运用层次分析法等聚类技术对属性集的聚类划分，可以解决传统贝叶斯网络由于数据集属性繁多而产生的训练网络模型困难的问题；第二，通过在各个属性子集内部运用树增广贝叶斯分类模型进行学习，降低了朴素贝叶斯分类的独立性假设；第三，在各个属性子集间引入权值函数，使得算法可以直接适用于更广泛的关系数据，提高了算法的适用范围和精确度。同时，本文通过计算机仿真验证了改进算法的优越性。隧道病害防治工作是非常复杂的，目前大多采用人工分析的方法，缺乏系统性和科学性。本文结合大量隧道病害的历史数据和相关背景知识，提出对隧道病害进行分类

3、预测的数据挖掘方法，综合预测隧道可能发生的病害，挖掘病害潜在原因。首先，对数据进行清洗，采用离散化和归一化方法对数据进行转换，并给出数据的集成方法；其次，采用改进的贝叶斯算法以及病害等级评价方法，对隧道的病害检测数据进行分类挖掘，得出分类结果，并将结果按照严重程度划分等级，对应病害的不同健康状况。通过对病害状况的初步分析，提出一些意见和建议，为隧道病害预防和整治提供有用参考。关键词：数据挖掘；贝叶斯分类；树增广算法；属性聚类；隧道病害分类号：TP31lABSTRACTABSTRACT：Ourcapabilitiesofbothge

4、neratingandcollectingdatahavebeenincreasingrapidlyinthelastseveraldecades．Inthesituation，dataminingtechniqueisdevelopedandithasbeeninvestigatedbymoreandmoreresearchers．Astheimportanttechniqueofdatamining,classificationtechniquehasbeenappliedatlarge．Thispapermakesadeta

5、ilstudyofBayesclassificationarithmeticandimprovedtheNaiveBayesClassification：combiningNaiveBayesClassification，WeightedNaiveBayesandTANarithmeticandproposinganewWeightedMixedBayesmodel．Thecharacteristicsofthearithmeticasfollowed：Firstofa11，dividingattributesetbyusingH

6、ierarchieswhichCansolvetheproblemthatitisdifficulttotrainingBayesnetmodelduetoagreatnumberofattributesintraditionalBayesnetarithmetic．Secondly,itdecreasestheindependenceassumptionofBayesclassificationbyusingTANarithmetictotrainingattributesineachattributesubset．Thirdl

7、y,introducingweightedfunctionamongattributesubsetswhichmakesthearithmeticappliedincomplicatedrelationaldataandimprovingthepracticabilityandaccuracyofthemethod．Atthesametime,throughdataexperimenttheadvantagesandvalidityareproved．Inaddintion，preventioncontrolprojectiont

8、unneldamageisSOcomplicatedthatthemethodadoptedpresentlywhichdependsonmanualbasislacksofsystematism．Afterstudyonbackgroundkno