特征提取与多目标机器学习研究及应用

特征提取与多目标机器学习算法是基于多目标协同EA提出的,该算法通过对学习样本多属性进行特征提取找出其核属性,由核属性与其他非核属性组成属性组,从而提高了分类的精度。各属性组再按相似性和类标签进行有监督地聚成类簇,类簇个数和中心根据适应度矢量函数通过机器学习算法自动确定,这样类簇个数和中心就不受主观因素的影响并且保证了这两个关键要素的优化性质。待分类样本的类属是按离某个类簇中心距离最近邻法则和该类簇的类标签来判定。最后,将算法应用到UCI数据集中的Liver Disorders和Hepatitis两个数据集,以及浙江省北部地区夏天异常高温天气预测。通过实验表明,特征提取与机器学习算法优于著名的朴素贝叶斯、C4.5、SVM算法。     

机器学习算法在糖尿病预测中的应用

在很多领域利用机器学习的方法对数据进行分析、预测、判断具有非常重要的现实意义。将机器学习的算法应用到医学领域成为了研究的热点之一。糖尿病是多发病症,对是否患有糖尿病做出有效预测,意义重大。论文采用机器学习算法预测糖尿病,利用微软的Azure machine learning作为实验平台。采用了神经网络、逻辑回归、决策树、贝叶斯、支持向量机五种机器学习算法进行了预测,预测正确率分别是0.854,0.787,0.952,0.779,0.781。结果显示决策树预测效果最佳。在决策树预测的基础上对预测方法做出改进后,实验结果表明正确率提高了0.002。     

机器学习在生物信息学中的应用

机器学习具有从数据和经验中获取知识的学习能力，能用于从大量生物数据中提取知识的过程。生物信息学是一个融合多门学科的领域，包括分子生物学、计算机科学、物理化学和数学。机器学习算法已成为生物信息学中数据分析算法的主要内容。介绍了典型的机器学习方法以及它们在生物信息学中的应用。     

机器学习在相变中的应用

机器学习中的神经网络模型,具有强大的数据分类和图形识别功能,在统计物理尤其是相变领域得到了非常广泛的应用.本文综述了近年来机器学习算法在主要相变模型中的应用进展.首先,介绍了主流机器学习算法的背景知识,及应用在平衡相变中的开创性工作.其次,以一个典型的非平衡相变模型——有向逾渗为例,详细介绍了课题组运用监督、无监督和半监督学习在相分类、临界点预测、临界指数测量的一些最新研究结果.接着阐述了机器学习算法在量子多体、软物质物理以及高能物理等领域中相变研究的相关工作.最后进行了相应讨论与展望.     

基于机器学习的三维数字图像虚拟场景重建算法

为使三维数字图像虚拟场景重建可以获得更优质的画面,提出一种基于机器学习的三维数字图像虚拟场景重建算法.首先分析场景的状态信息和呈现指令,得到图像重构的网格模型顶点分布位置,通过局部坐标法近似计算全局图像,校正局部细节,完成三维数字图像的渲染处理;然后以空间和尺度为特征点,在图像上构建窗口检测模板,应用分类器抑制离散特征点,去除冗余特征;最后根据拟合函数法求出平滑后的三维坐标重建三维曲面,将局部二维三角分割并映射到三维空间,实现三维数字图像虚拟场景重建.实验结果表明,该算法收敛速度较快,重建图像细节和边缘轮廓完整,整体效果较好.     

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。     

在线机器学习跟踪算法的研究进展

分类介绍在线机器学习跟踪算法的研究现状,比较各种算法的优缺点.研究表明:每一种跟踪算法都有其自身的优点和缺点,通常情况下只能处理某一些特定类型的变化,很难确保某一特定类型的跟踪算法能够处理复杂跟踪场景中的所有不确定因素.最后,针对在线学习算法容易产生误差积累,最终发生目标漂移的问题,提出使用多跟踪器的融合,实现鲁棒跟踪等相应的解决方案.     

基于机器学习的跨患者癫痫自动检测算法

针对目前癫痫自动检测算法多集中于为单个患者建立检测模型,泛化能力较弱的问题,提出一种基于机器学习的跨患者癫痫自动检测算法.该算法使用多个癫痫患者的脑电数据,先对数据进行预处理后分析脑电数据间存在的特征,再对特征进行筛选,训练出一个跨患者的癫痫自动检测模型.该算法不需为每个患者建立单独的检测模型,实现了仅使用一个检测模型...     

知识约简在机器学习中的应用

文中首先介绍了人工智能中机器学习的概念与概况，并介绍了粗糙集理论中的知识约简的基本概念．在此基础上提出了将知识约简应用于常规的机器学习中，将常规的机器学习方法与粗糙集理论中的知识约简有机地结合起来，使得机器学习将得到更好的效果．     

图像处理技术在乘用车侧面碰撞试验中的应用

多媒体计算机序列图像运动分析系统与摄影测量学理论相结合,成为较完善的非接触动态测量系统.在乘用车侧面碰撞试验中采用图像采集和数字图像处理技术,结合直接线性变换(direct liner transformation,DLT)算法,分析碰撞试验中标示点的变形量,提高乘用车侧面碰撞强度,为汽车被动安全性研究提供依据.     

机器学习在遥感影像分类中的应用

概述了机器学习的主要方法及其在遥感影像的主要应用方向,涵盖环境生态遥感中机器学习技术的研究、应用情况及近年来的新进展.通过使用深度学习对FY-3C气象卫星资料进行积雪检测的应用实例,说明深度学习模型可以利用大数据的优势不断提高检测精度,在某些指标中取得了更优于传统机器学习的精度,可解决传统机器学习难以解决的一些问题,从...     

机器学习在智能管理系统中的应用探索

尽管计算机管理技术有了很大进展,但仍然存在许多问题,如:不满足多层次用户的管理需要、不具备多方面的管理功能、不适应多阶段的管理过程、人机不够协调、智能化水平不够高等.智能管理系统是人工智能与管理信息系统相结合的产物,具有自动处理和自适应能力.探讨了智能管理系统的发展及分类,提出了应用机器学习来解决问题的方法.     

机器学习在汉字智能拼音输入中的应用

借助机器学习在用户机器上建立本地用户词库,并充分利用汉字的语音信息和语法信息,以改进汉字智能拼音输入的效率;利用机器智能提高智能拼音输入软件自身的易用性．     

机器学习在模式识别中的应用研究

近年来,机器学习已成功应用于模式识别领域,并且随着研究的深入,机器学习的相关算法和理论又得到了完善和扩展。本文将阐述机器学习的基本概念．分析应用在模式识别领域的若干机器学习算法。     

机器学习算法在绿色智能化汽车发展及研究中的应用展望

绿色智能化是未来汽车发展的必然趋势,然而,从传统汽车向绿色智能汽车的转变还需要在许多技术上实现新的突破;其中,机器学习算法对汽车的绿色智能化发展具有非常重要的科学价值和实践意义。所以,该文从机器学习算法在汽车绿色智能化发展中的应用角度出发,阐述了绿色动力,车辆智能化以及机器学习算法的研究现状,突出了未来机器学习的在汽车绿色智能化发展中的的重要地位。     

机器学习方法及其在生物信息学中的应用

分析了机器学习技术的内容,介绍了生物信息学的内涵和新的应用技术,同时探索了机器学习技术对生物信息挖掘应用的途径.这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面研究的进展.     

软件工程中的机器学习应用

本书是《软件工程与知识工程》丛书的第16卷。Brooks在其经典的论文“无银弹”中对于在变化的环境中开发和维护大量软件系统的挑战已经做出了具有说服力的阐述。复杂性、一致性、可变性和隐形性，这些都是在开发大型软件中固有的基本困难。     

Rosetta实验系统在机器学习中的应用

本文在粗糙集理论的基础之上,利用该理论在知识发现上的优越性,结合机器学习的原理,从收集到的原始数据出发,介绍了机器学习的一般步骤;并以地质样本为例,介绍利用了Rosetta实验系统是如何处理原始数据和完成机器学习。     

结合光学脑成像及机器学习分类算法对自闭症大脑活动特征的研究进展

自闭症的诊断一直以来是基于行为层面的观察。近年来脑成像研究表明,自闭症大脑存在结构及功能的改变,这些发现为基于成像的诊断提供了新的途径。准确的诊断要基于对大脑异常特征的准确描述,多个脑生理参量的成像可以为自闭症的大脑特征提供更全面的信息。在现有的无损脑功能成像中,光学脑成像具有较高的时间及可接受的空间分辨率,测量时对头部晃动相对不敏感,适用于对儿童,特别是自闭症儿童的研究。近红外光谱技术提供皮层的血氧代谢,而漫射相关谱技术测量皮层的血流。这两类参量可以提供互补的皮层血液动力学信息,结合更为高效的分类算法,有望取得对自闭症大脑皮层活动特征的更为准确的描述和区分。在广泛文献调研及结合自身研究成果的基础上,对利用光学脑成像研究自闭症的大脑活动特征;结合特征参量利用机器学习分类算法对自闭症的预测;以及利用多模态光学脑成像技术（即结合近红外光谱及漫射相关谱）研究自闭症的前景等问题做了系统的回顾与展望,希望为自闭症相关领域的科研人员提供参考和借鉴。     

基于机器学习的石油多峰模型研究及应用

油田在实际开发过程中,受新区块投产、开发方案调整和三采措施等因素的影响,年产量数据会呈现多峰形态。针对经典的Hubbert、HCZ等模型不能直接拟合多峰数据序列的问题,开展了基于机器学习的油田产量多峰预测模型研究。基于Hubbert模型,对多峰数据序列进行分段最小二乘拟合,在拟合误差函数中引入控制分段个数的罚分项,采用动态规划算法,自动求得最优分段的多峰预测模型,该模型运用在实际的油田产量数据上,预测结果达到预期目的。提出了一种通过自动最优分段的线性回归学习来建立油田产量多峰预测模型的方法,在实际应用中具有建模简单、自适应性强的优点。