基于改进Apriori算法和贝叶斯网络推理的数据可靠性评价方法

本发明公开了基于改进Apriori算法和贝叶斯网络推理的数据可靠性评价方法，属于数据处理领域，评价方法首先采用了聚类和局部线性嵌入的学习算法，对输入的数据矩阵进行数据编码，然后通过各维度数据的相关关系，通过领域背景建立贝叶斯网络的有向无环图，并通过改进的Apriori算法得到条件概率表，得到多维数据局部和全局的可靠值。该算法是从数据结构本身和数据之间的关系来评价数据的可靠性，无需确定可靠性指标，数据分布情况，减少以往数据可靠性评价的主观性。该算法具有普适性，不仅适用于离散的数据值，对于区间数的可靠性同样适用。该算法准确性较高，有助于挖掘高维数据相同维度和不同维度之间的关联关系，得到各个数据的局部可靠性和全局可靠性。

《基于改进Apriori算法和贝叶斯网络推理的数据可靠性评价方法》是一发明专利，专利号为 2020107280422，当前法律状态为已下证，由广西大学提出申请，发明人为邓建新;叶志兴;谢彬;曾向明;贺德强;李先旺，申请日期为2020-07-23，公开（公告）日期为2024-02-02，国际专利分类号（IPC）为 G06F 17/18 (2006.01)，高新资质：未报高企，所属技术领域包括：数据科学与大数据技术、人工智能与机器学习、可靠性工程、数据挖掘、概率统计、系统工程、信息安全。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了基于改进Apriori算法和贝叶斯网络推理的数据可靠性评价方法，属于数据处理领域，评价方法首先采用了聚类和局部线性嵌入的学习算法，对输入的数据矩阵进行数据编码，然后通过各维度数据的相关关系，通过领域背景建立贝叶斯网络的有向无环图，并通过改进的Apriori算法得到条件概率表，得到多维数据局部和全局的可靠值。该算法是从数据结构本身和数据之间的关系来评价数据的可靠性，无需确定可靠性指标，数据分布情况，减少以往数据可靠性评价的主观性。该算法具有普适性，不仅适用于离散的数据值，对于区间数的可靠性同样适用。该算法准确性较高，有助于挖掘高维数据相同维度和不同维度之间的关联关系，得到各个数据的局部可靠性和全局可靠性。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！