1、信息社會對海量數(shù)據(jù)的處理能力提出了更高的要求，數(shù)據(jù)挖掘技術(shù)伴隨著這種需求應(yīng)運(yùn)而生，已成為信息技術(shù)研究的熱點(diǎn)之一。分類挖掘作為數(shù)據(jù)挖掘的主要技術(shù)近年來在實(shí)踐應(yīng)用中更是被廣泛采用。 本文深入研究了幾種分類方法，重點(diǎn)介紹貝葉斯分類技術(shù)，主要對樸素貝葉斯分類算法進(jìn)行了優(yōu)化：結(jié)合樸素貝葉斯算法NB、加權(quán)貝葉斯算法WNB和樹增廣貝葉斯算法TAN，提出了新的混合貝葉斯分類模型。該算法具有以下特點(diǎn)：第一，通過運(yùn)用層次分析法等聚類技術(shù)對屬性集的聚

2、類劃分，可以解決傳統(tǒng)貝葉斯網(wǎng)絡(luò)由于數(shù)據(jù)集屬性繁多而產(chǎn)生的訓(xùn)練網(wǎng)絡(luò)模型困難的問題；第二，通過在各個屬性子集內(nèi)部運(yùn)用樹增廣貝葉斯分類模型進(jìn)行學(xué)習(xí)，降低了樸素貝葉斯分類的獨(dú)立性假設(shè)；第三，在各個屬性子集間引入權(quán)值函數(shù)，使得算法可以直接適用于更廣泛的關(guān)系數(shù)據(jù)，提高了算法的適用范圍和精確度。同時，本文通過計算機(jī)仿真驗(yàn)證了改進(jìn)算法的優(yōu)越性。 隧道病害防治工作是非常復(fù)雜的，目前大多采用人工分析的方法，缺乏系統(tǒng)性和科學(xué)性。本文結(jié)合大量隧道病害的