7篇关于分类器的计算机毕业论文

今天分享的是关于分类器的7篇计算机毕业论文范文, 如果你的论文涉及到分类器等主题,本文能够帮助到你

基于PU学习算法的网购虚假评论识别应用

这是一篇关于虚假评论,分类器,半监督学习,PU学习算法,网络爬虫的论文, 主要内容为电子商务的日益发展,改变了人们的日常消费习惯,网上购物成为消费主要途径。在线评论作为消费者购物的一个重要依据,成为商家和买家关注的焦点。好评率高的商家店铺更容易获得消费者的青睐。为提升店铺好评率,部分商家利用虚假评论误导消费者来获取利益。监管部门对于虚假评论店铺也制定了惩罚措施,并对虚假评论进行识别,但是商家进行虚假评论的方式更加隐蔽,很难利用人工方法识别海量评论信息。为快速准确地识别虚假评论,本文试图建立一套虚假评论识别体系,包括:数据源获取、文本数据清洗、训练集标注、模型选择与模型应用。首先通过专家指导和机器学习标注相结合构建训练数据集,降低真实评论错误标注的比例,从而提高训练数据的预测能力。其次使用半监督学习的方法,利用少量标记样本,减少标记样本的工作量,利用PU学习算法与朴素贝叶斯、支持向量机、fast Text、GBDT、XGBoost、Light GBM不同分类器进行训练,选取最优分类器与PU学习算法结合。最后对预测结果进行可视化分析,对比虚假评论和真实评论之间的差异。PU学习算法是一种半监督学习,通过将所有正样本和未标记样本进行随机组合来创建训练集。简化了数据标注的流程并提高了分类精度。PU学习算法尤其适用于正例的数量有限并且拥有大量未标记的数据情况,该算法在虚假评论识别领域得到广泛应用。作为应用,利用网络爬虫技术采集电商平台的商品评论实例数据。通过专家指导和机器学习方法部分标注真实评论数据,利用PU学习算法进行分类。实例结果表明:本文方法具有良好的虚假评论识别的性能,这为消费者和监管部门提供了新的方法,具有实际应用价值。

基于依存关系和语义词典的文本分类研究

这是一篇关于文本分类,依存关系,语义词典,类中心向量,分类器的论文, 主要内容为随着互联网的迅猛发展,日常生活中每天都会产生大量的以电子文件形式存在的数据,人们如何从海量数据之中获取想要的信息是当前研究的热点和难点,文本分类是其中的一个重要研究方向。首先,本文对文本分类技术的研究现状进行了介绍,并简要说明了本文主要研究的内容以及本文的创新点。随后对文本分类过程进行了详细的阐述,着重介绍了特征选择算法和文本分类算法,对其优缺点进行了分析、总结,并以此为基础提出了基于依存关系、语义词典和词性的特征选择改进方法和基于类中心向量改进的文本分类方法。针对基于统计学的特征选择算法的语义缺陷,本文引入依存关系、语义词典、词性对文本特征进行相关实验、分析,对得出的语义信息进行量化处理,并提出了改进的权重计算公式,对特征权重进行了一定程度的调整,实现了文本负作用特征的两次过滤,最终选择出最能表征文本、反映类别的特征向量,以达到提高分类效率、改善分类性能的目的。其中,在本文引入依存关系的过程当中,采用Stanford parser对原始语料集的所有文本的所有句子进行依存关系分析,并依据其分析结果对文本特征划分等级,形成依存等级表,结合语义词典提出改进的权重计算公式,对负作用特征进行一次过滤;其次,在本文对特征词性进行观察、统计实验时,我们发现文本中的实词对文本而言最具表征意义,并提出了词性等级表对特征词性进行了详细的划分,依据词性等级表,本文提出了进一步改进的权重计算公式,对文本特征实施第二次权重计算,根据权重值大小,对文本负作用特征进行二次过滤。实验证明,本文方法能大幅度过滤掉噪音特征,优化了文本特征向量,并有效的改善了分类器性能。在本文对朴素贝叶斯、最邻近法和类中心向量法进行对比实验之后,得出类中心向量法高效率、低精度的结论。由于效率高的特性更有利于构建自动文本分类体系,因此本文在对类中心向量法进行相关分析之后,针对其缺陷,提出了基于类中心向量法改进的文本分类方法,以实现分类的高效率、高精度,具体改进有以下几点:(1)在确定类中心向量和待分类文本特征向量时,采用的是本文提出的特征选择改进方法;(2)在量化类中心向量和待分类文本特征向量之间的相似度时,本文提出了新公式,有效的简化了相似度计算过程;(3)在相似度计算过程中的特征比对环节,本文引入Word Net的上下位关系和《同义词词林(扩展版)》的类相关词组分别对中、英文语料集进行特征聚类,以避免特征流失,并提高分类精度。随后,本文在不同数据集、不同分类算法上分别进行了大量的对比实验来验证本文基于类中心向量法改进的文本分类方法的有效性。在与类中心向量法的对比实验中,本文方法在复旦语料集、搜狗中文语料集、20Newsgroups语料集上的实验效果F1值比类中心向量法分别提高了5.97%、10.61%、12.48%;本文方法与基于贝叶斯的算法在复旦语料集、搜狗中文语料集上分别进行了对比实验,实验效果F1值分别提高了6.84%、11.37%;本文方法与基于KNN的算法、基于SVM的算法在复旦语料集、搜狗中文语料集、20Newsgroups语料集上实验效果F1值分别提高了1.84%、5.17%、12.44%,2.88%、11.54%、5.89%。最后,本文对比实验充分证明了本文方法在保证分类效率的同时,有效的提升了分类精度,改善了分类器性能。

基于贝叶斯网络分类器的税务稽查选案系统设计与实现

这是一篇关于数据挖掘,分类器,贝叶斯网络,稽查选案,管理信息系统的论文, 主要内容为税务稽查工作作为税务工作的主要组成部分,可以有效地预防偷税漏税行为的发生。选案工作作为税务稽查工作最基础的一步,需要对大量纳税人的进行筛选,组织稽查对象供案件检查部门来使用。本文在介绍税务稽查选案业务、数据挖掘技术以及相关软件系统实现技术的基础上,采用贝叶斯网络分类器作为数据挖掘工具对税务稽查选案系统的设计与实现进行了研究。论文主要工作如下:(1)在介绍税务稽查选案业务和数据挖掘相关技术基础上,提出基于贝叶斯网络分类器的税务稽查系统设计与实现所涉及的主要技术和系统框架,同时确定了使用J2EE框架下的Struts2+Spring+Hibernate、Oracle数据库技术来实现该管理系统。(2)在分析税务稽查基本业务,现有税务稽查选案系统和税务管理系统的现状的基础上,采集和梳理西安市地税局稽查局日常工作中关于选案相关数据;通过对税务稽查选案数据进行预处理,构建了税务稽查选案数据集,建立了基于朴素贝叶斯网络分类器、增强贝叶斯网络分类器、树增强贝叶斯网络分类器和无监督贝叶斯网络分类器等四种税务稽查选案模型,为数据库建模提供依据。(3)在分析税务稽查基本业务的基础上,给出了基于贝叶斯网络分类器的税务稽查选案系统功能需求和性能需求,划分了包括数据统计查询、贝叶斯网络模型管理、智能稽查选案等三大子系统的功能模块,提出了包括先进性、灵活性、实用性、可靠性、扩展性和安全性等要求的系统性能;在介绍贝叶斯网络及分类器的基础上,分析了贝叶斯网络分析模型的信息化表示方法,设计了系统数据库,提出了税务稽查选案系统、税务管理系统和税务稽查管理系统的集成方案。(4)搭建了基于J2EE的SSH三层开发架构的开发环境,采用浏览器/服务器模式,在Eclipse集成开发环境下,采用Java语言、Tomcat应用服务器和Oracle数据库,开发了税务稽查选案系统,实现了基于贝叶斯网络模型的税务稽查选案系统。(5)根据基于贝叶斯网络分类器的税务稽查选案系统测试需求,在对税务稽查选案系统模块整体功能进行测试的基础上,采用黑盒测试的测试方法进行包括集成测试和功能测试的两种测试,测试结果验证了该系统实施应用的可行性。论文最后对基于贝叶斯网络分类器的税务稽查选案系统的设计与开发工作进行了总结,指出了系统的特点和尚存在的问题,以及对今后工作的展望。

基于代码块的Android恶意软件查杀系统的设计与实现

这是一篇关于Android,恶意软件,手机安全,代码块,分类器的论文, 主要内容为如今智能手机出现在人们生活中的各个角落在国内Android系统手机占到智能手机出货量的81%领先第二名iOS四倍有余排名第三的Windows Phone仅仅占据3.6%的份额即使在全球手机市场份额中Android系统手机也占到42.68% 正因为只能手机的普及和Android系统的开放性针对Android智能手机的恶意软件在数量和复杂度上都急剧增长从2012年第四季度开始Android系统恶意软件的占比从最初的约66%激增到约96%这些恶意软件通常也被称为病毒会侵犯用户合法权益如静默安装监听短信私自联网下载私自发送短信等360安全中心发布的安全报告称其从2012年1月至2013年3月仅在Android手机游戏方面所截获得伪装篡改Android游戏的恶意软件就达到134927款面对如此庞大的善于伪装大量增加的Android恶意软件队伍我们需要有一个针对Android系统的快速准确的恶意软件查杀系统是非常必要的本文介绍的基于代码块的恶意软件查杀系统是一个Android应用程序进行分析特征提取和判断是否为恶意软件的系统总结了Android平台上相关的安全应用的发展状况背景与意义介绍了系统的开发技术与开发环境对系统进行了需求分析概要设计详细设计系统实现阐述本系统采用了J2EE SSH框架技术实现后台服务包含快捷入口ξ收藏和最近使用记录查询ˇ权限管理病毒库管理ξ录入删除导出ˇ分类器ξ分类器特征提取代码块搜索新三方聚类ˇ动态分析等5个大模块并使用hadoop分布式集群作为底层工作处理平台该系统的主要使用者是病毒分析人员目前已投入使用处于维护和完善阶段