一种工业传感网数据的分类算法  

作　　者：孙垚 常中华[2] 郭忠文[1] 杨超[1] 

机构地区：[1]中国海洋大学信息科学与工程学院 [2]青岛职业技术学院信息学院

出　　处：《中国科技信息》2018年第8期89-91,共3页China Science and Technology Information

基　　金：国家重点研发计划(2016YFC1401900)资助;中国博士后基金面上项目(2017M620293)资助

摘　　要：在大数据时代背景之下,数据的分类和集成已经成为一种趋势,工业传感网也不例外。然而工业传感网数据有着数据量庞大,数据内容丰富的特点,对其进行人工分类费时费力。因此如何对工业传感网数据进行智能分类是工业领域中非常重要的一个模块。本文针对工业传感网数据的特性,在原有朴素贝叶斯算法(NB)的基础上,引入特有属性和公有属性的概念,并对两类属性赋予不同的权重,提出了一种基于特有公有属性的朴素贝叶斯(S-P-PNB)改进算法,并且用能够代表工业传感网数据的不同家电测试数据来进行实验。通过多次实验表明,该算法的改进能够有效提高不同家电测试数据的分类正确率,为其后续的数据集成做了铺垫,也为工业传感网数据分类提供了一种新的可行性算法。

关 键 词：工业领域 分类算法 传感网 朴素贝叶斯算法 测试数据 数据集成 类属性 数据内容 

分 类 号：TP212.9[自动化与计算机技术—检测技术与自动化装置]