本文選題：城市配送 + 快遞人員識(shí)別��； 參考：《北京工業(yè)大學(xué)學(xué)報(bào)》2017年03期

【摘要】：提出一種基于樸素貝葉斯分類(lèi)法(naive Bayesian classifier,NBC)的城市快遞人員辨識(shí)方法.首先,通過(guò)相關(guān)問(wèn)卷調(diào)查,研究快遞派送人員的手機(jī)信令發(fā)生規(guī)則.然后,依據(jù)北京市移動(dòng)用戶手機(jī)通信信令數(shù)據(jù),利用問(wèn)卷調(diào)查數(shù)據(jù)和手機(jī)信令數(shù)據(jù)2種數(shù)據(jù)源中同時(shí)包含的通信數(shù)據(jù)屬性,建立通信數(shù)據(jù)與調(diào)查數(shù)據(jù)中類(lèi)別變量(快遞人員/非快遞人員)之間的貝葉斯概率關(guān)系,以此為基礎(chǔ)構(gòu)建NBC模型并對(duì)其進(jìn)行訓(xùn)練.最后,使用未參與訓(xùn)練的樣本數(shù)據(jù)測(cè)試標(biāo)定后模型的準(zhǔn)確性,測(cè)試結(jié)果顯示快遞人員的預(yù)測(cè)成功率達(dá)到88.3%.結(jié)果表明:該方法具有較高的精度,可以滿足實(shí)際應(yīng)用需求.
[Abstract]:This paper presents a method for identification of urban couriers based on naive Bayesian classifier (NBCs).First of all, through the relevant questionnaire, research express delivery personnel mobile phone signaling rules.Then, according to the mobile phone communication signaling data of Beijing mobile users, using the questionnaire data and mobile phone signaling data two kinds of data sources simultaneously contained in the communication data attributes,The Bayesian probabilistic relationship between communication data and category variables (couriers / non-couriers) in the survey data is established, and then the NBC model is constructed and trained.Finally, the accuracy of the calibrated model is tested by using the untrained sample data. The test results show that the successful rate of prediction for the couriers is 88.388.The results show that the method has high accuracy and can meet the practical requirements.
【作者單位】： 北京工業(yè)大學(xué)北京市交通工程重點(diǎn)實(shí)驗(yàn)室;交通運(yùn)輸部公路科學(xué)研究院;
【基金】：北京市自然科學(xué)基金資助項(xiàng)目(8131001) 湖北省交通運(yùn)輸廳科技項(xiàng)目(2014721311)
【分類(lèi)號(hào)】：F259.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 喻曉鋒;丁樹(shù)良;秦春影;;樸素貝葉斯網(wǎng)分類(lèi)器在認(rèn)知診斷中的應(yīng)用[J];統(tǒng)計(jì)與決策;2012年03期

2 ;[J];;年期

相關(guān)會(huì)議論文 前2條

1 石志偉;吳功宜;;改善樸素貝葉斯在文本分類(lèi)中的穩(wěn)定性[A];NCIRCS2004第一屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2004年

2 李海軍;王鉦旋;王利民;苑森淼;;基于主成分分析提升樸素貝葉斯[A];中國(guó)儀器儀表學(xué)會(huì)第六屆青年學(xué)術(shù)會(huì)議論文集[C];2004年

相關(guān)碩士學(xué)位論文 前10條

1 李Pr;基于樸素貝葉斯的文本分類(lèi)研究及其在微博分類(lèi)中的應(yīng)用[D];北京理工大學(xué);2015年

2 李冬梅;樸素貝葉斯與決策樹(shù)混合分類(lèi)方法的研究[D];大連海事大學(xué);2016年

3 張帆;貝葉斯算法在校園留言板垃圾過(guò)濾中的應(yīng)用研究[D];鄭州大學(xué);2016年

4 石剛;一種基于知識(shí)圖譜的用戶搜索意圖挖掘方法的研究[D];國(guó)際關(guān)系學(xué)院;2016年

5 胡為成;基于遺傳算法的樸素貝葉斯分類(lèi)研究[D];合肥工業(yè)大學(xué);2006年

6 劉勇華;基于樸素貝葉斯的中文段落情感分析[D];太原理工大學(xué);2015年

7 周龍;基于樸素貝葉斯的分類(lèi)方法研究[D];安徽大學(xué);2006年

8 王翔;基于樸素貝葉斯和One-R的入侵檢測(cè)問(wèn)題研究[D];合肥工業(yè)大學(xué);2008年

9 周遠(yuǎn)陽(yáng);基于樸素貝葉斯方法的新聞分類(lèi)系統(tǒng)的實(shí)現(xiàn)[D];暨南大學(xué);2012年

10 李忠波;基于改進(jìn)樸素貝葉斯的蛋白質(zhì)提純方法選擇[D];大連理工大學(xué);2014年

，

本文編號(hào)：1731336