一种互联网拓扑结构局部特征度量修正算法

对互联网拓扑结构局部特性展开研究,针对已有IP定位数据库的异构性和准确率不高造成的特征度量分析存在偏差的问题,提出了一种基于机器学习的修正算法(IPMG).以复杂网络为基础,结合网络测量数据和已有IP定位数据库中的IP地理位置信息,定义了互联网局部拓扑结构的地理度和地理介数这两种新的特征度量;分析了地理度和地理介数分布的幂律特性以及二者与IP地理位置之间的关系;运用机器学习的方法修正了不同IP定位数据库之间存在的分析有偏差的问题,并通过交叉验证和地标验证结合的方法验证了IPMG算法的有效性.实验结果表明:IPMG算法有效修正地理度和地理介数的同时提高了IP定位数据库的准确率.     

机器学习在车载激光点云分类中的应用研究

点云信息分类提取与利用是车载移动测量系统的关键技术,提高车载激光点云分类的智能化已成为当代信息科学技术发展所面临的重要问题.从分析点云的特征入手,采用机器学习方法对车载激光点云的行道树提取进行了大量实验研究.首先,在点云原始特征的基础上,根据其局部几何特征及空间分布,构造了由三维空间位置、回波强度、颜色值、法向量、单位投影密度、残差及回波强度维度内的残差等17个特征值组成的点云高维特征向量,然后采用支持向量机和人工神经网络两种机器学习方法分别对行道树点云进行提取实验.实验中采用了粒子群优化算法对支持向量机进行参数寻优,采用所构造的由17个特征值构成的特征向量对点云进行机器学习,两种学习方法的行道树点云分类精度分别可以达到99.75%和99.25%.实验结果表明,采用机器学习的方法对于提高车载激光点云分类自动化程度和智能化水平具有重要意义和作用.     

浅析机器学习及其在教育中的应用

本文探讨了学习的机理，从而概述了机器学习，进而探讨了机器学习在网络教育中的应用。     

L1/2正则化

本文提出基于非凸罚的L_1/2正则子,并证明其具有无偏性、稀疏性及Oracle等优良理论性质.给出一种重赋权迭代算法,将求解L_1/2正则子转化为一系列L₁正则化子迭代求解.与经典的L₀正则子相比,L_1/2正则子更容易求解,而与当今流行的L₁正则子相比,L_1/2正则子产生更稀疏的解.实验表明,L_1/2正则子可替代L_p（0相似文献   

故障诊断专家系统学习机制

根据机器学习的特点，提出并设计了一种能在故障诊断过程中进行参数修正学习、知识扩充，并在诊断结束后能对知识进行归纳的专家系统学习机制。这一系统在可视化工程环境（ＶＥＥ）平台下实现，能有效地运行，使用方便。     

动态数据库规则获取和更新的粗糙集方法

随着客观世界的发展变化，新模式会不断地增加到数据库中，在已有的模式中会增加新成员，这就导致以前得到的规则集需要随之更新，在利用粗糙集方法获取规则的基础上,提出两种规则更新方法，并提出规则获取和更新的一般理论模型，强调充分发挥决策者和分析人员的主观能动性的重要性，根据客观实际提出新模式和原有模式中的新成员，以满足不断变化的外部情况，而不只是单纯依赖机器决策，并以实例说明。     

“第九届中国智能机器人学术研讨会”征稿

由中国人工智能学会主办的第九届中国智能机器人学术研讨会将于2011年11月11—13日在深圳召开。征文机器人理论与控制技术;人工智能与智能控制技术;智能机器人体系结构及实现方法;机器学习、算法与知识工     

WSN中基于分布式机器学习的异常检测仿真研究

安全问题是无线传感器网络应用的关键问题之一。设计了一种基于分布式机器学习的异常检测方案。该方案利用K最近邻算法对传感器网络节点进行分簇,时簇内节点的异常检测采用贝叶斯分类算法,对簇头节点的异常检测采用基于平均概率的方法。利用网络仿真工具NS2构建了入侵检测规则、模拟了网络攻击场景,在此基础上,通过仿真评估了方案的检测率、平均检测率、误检率和平均误检率等性能。仿真实验结果表明,该方案与当前典型的无线传感器网络入侵检测方案相比具有较高的检测率和较低的误检率。     

基于稀疏贝叶斯回归的正则化核密度估计算法

为了加快核密度估计(KDE)的计算速度,简化模型复杂度,提出了一种基于稀疏贝叶斯回归的KDE稀疏构造算法SBR-KDE.该算法将经人工加噪处理后的分布函数逼近值作为输入,获得了KDE的极为稀疏表示形式.实验结果表明:与传统KDE算法相比,在保持相当计算精度(多数情况下降低了模型误差)的情况下,文中算法的时空效率大幅度提高,而且在小样本训练集条件下得到的密度估计更光滑;独立成分分析及高斯化变换的应用使文中算法在一定程度上缓解了维数灾难.     

关于软件自动化系统中的机器学习方法研究

随着计算机科学的发展各领域之间的相互渗透逐渐形成了许多交叉研究方向，基于此本文给出软件自动化系统中的机器学习方法。主要讨论两个方面的问题：一是软件自动化中的机器学习，二是软件自动化中较为复杂的学习算法构架。