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
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
分层式文本分类及其在新闻推荐系统中的应用
这是一篇关于分层式文本分类,新闻推荐系统,特征选取方法,分类器的论文, 主要内容为智能信息推荐,因其可以广泛的应用到各种信息系统中,有效解决面对海量信息的尴尬,以及建立起适应性的个性化的应用系统,而受到研究者和应用单位的广泛的关注。本研究以新闻数据的应用为背景,试图找到一种有效的文本分类方法,以建立智能推荐系统,使其可以根据用户的个人兴趣来定位并推荐相关的新闻资料。 论文在分析了相关的文本分类技术以及推荐系统研究现状,尤其是关于特征选取办法相关研究和基于分类器的文本分类技术的研究,以及分析了应用于个性化推荐系统的设计和实现的案例。在此基础上,论文将将传统的基于内容的过滤法则与以分层式文本分类相结合,取长补短,充分利用基于内容的过滤的优势,减轻矩阵稀疏度和早期级别问题的影响。并且利用分层式文本分类技术,克服了基于内容过滤无法分析内容的问题。以此构建的新闻推荐系统,降低用户迷失在海量网络资源中的可能性,使他们能够快速准确地定位自己需要的内容,提高网站的运行效率,提高用户的兴趣。 实验结果证明本论文所提出的方法的确能产生有效的推荐,试验中将本文提出的方法其他的现有若干典型推荐方法进行了比较,并从分层式的文本分类工作和推荐的进程两方面对未来的研究提出建议。
人体坐姿智能识别系统研制
这是一篇关于压阻阵列,坐姿监测,阵列采集,特征提取,分类器的论文, 主要内容为近年来,由坐姿引发的人体健康问题日益突出,久坐更是被列为十大致死、致病的杀手之一。研究表明通过将坐姿状态实时反馈给用户可以有效避免坐姿问题,因此,本文针对人体坐姿智能识别系统展开一系列研究,基于坐姿信息感知研究确定压阻阵列作为感知器,以人体坐姿的病理性分析为依据对坐姿进行合理划分并制定坐姿样本采集策略,从采集需求出发研制坐姿信息采集模块,针对坐姿信息特征提出一种可信赖的坐姿识别算法,并集成各功能模块在上位机开发坐姿智能识别软件。本课题研究内容能够实现坐姿信息的在线快速采集并准确识别,及时对不良坐姿和久坐行为进行提醒,并提供坐姿健康评估,有助于人们远离不良坐姿对身体健康造成的危害。具体论文研究工作如下:(1)进行了坐姿智能识别系统整体方案设计。梳理系统设计思路,展开系统设计基础研究,并设计了坐姿智能识别系统的整体架构。(2)设计了坐姿信息采集模块,并提出实时性优化机制,对60×60的压阻阵列可达到0.404s/次的无线采集效率。该模块以高性能单片机作为主控器,实现交叉解耦和分压采样,针对各实时性影响要素进行优化,设计多列同步选通电路,实现逐行循环触发,多列并行采集机制,提高采集效率;对RC滤波电路进行理论分析,提出电阻电容选择方案,达到速度和精度平衡;提出基于受力有限区域的组帧格式,降低无线数据量,实现了对坐姿信息的快速采集。(3)提出了一种CNN-SE-ELM坐姿识别算法模型,实现了对坐姿的可靠识别。采用行填充以及自适应中值滤波进行数据预处理,并以准确率、召回率和精确度作为评价指标,在各样本集上对不同算法模型进行比较分析,验证了本文提出的算法模型的可靠性,结果表明:CNN-SE-ELM算法在单体和群体(18人)样本集上能分别达到接近95%和90%的坐姿识别率。(4)开发了坐姿智能识别软件。以2s/次的频率对坐姿进行在线监测,并依据坐姿量化指标和坐姿健康评估模型对监测期间的坐姿状态进行综合评价。本课题研究成果可应用于人体坐姿健康监测智能设备的研制,对用户的坐姿状态进行在线采集和识别,并提供提醒和健康评估功能,能帮助人们及时纠正不良坐姿,针对性地改善自身的坐姿问题。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码小屋 ，原文地址：https://m.bishedaima.com/lunwen/50063.html
