论文部分内容阅读
针对应急领域重大危险源的识别问题，提出一种新的识别模型：基于贝叶斯分类器的重大危险源识别模型。先利用已知知识建立模型，再根据建立的模型运用概率判断新的识别对象是否为重大危险源。分别将识别模型应用于化工产品生成领域和森林防火领域，实验结果与实际情况相符，表明该模型效果较好。
基于贝叶斯分类器的重大危险源辨识
【摘 要】
：
针对应急领域重大危险源的识别问题，提出一种新的识别模型：基于贝叶斯分类器的重大危险源识别模型。先利用已知知识建立模型，再根据建立的模型运用概率判断新的识别对象是否为重
【机 构】
：
吉林大学计算机科学与技术学院
【出 处】
：
吉林大学学报(理学版)
【发表日期】
：
2009年4期
其他文献
提出一种基于改进后缀树与交互聚类思想相结合的算法——ISTC算法，通过改造传统后缀树结构实现了对文档标题和摘要的层次化聚类，同时用交互聚类的方式替代了传统的递归算法．ISTC
通过对视网膜血流荧光造影图像分析, 将自适应加权平均方法与顺序统计滤波器相结合, 构造了扩展自适应加权平均(EAWA)滤波器. EAWA滤波器是一个灵活的滤波器模型,它通过设计关键像素和权值分布函数, 以达到特定滤波效果. 在此模型基础上, 针对荧光造影图像, 建立了高亮度保持(HIP)滤波器. 实验结果表明, HIP滤波器不仅可以有效地滤波,又可以保持高亮度点的亮度不被退化.