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。     

对室内装饰设计方法和程序的研究

在上世纪80年代以前，我国几乎没有什么装饰装潢公司，经常谈的是“装修”二字，实际上它是指对界面的维护、修饰。80年代以后，我国的装饰业得以迅速发展，但大多不是装饰，而是装修。自80年代初到90年代中期，无论是设计还是施工大多在界面上做文章，因此有人戏称是“贴一张皮的工作”。这是非常值得反思和修正的。     

半导体光放大器

半导体光放大器（SOA）是光通信系统中的重要部件，它可用作在线放大器和光网路中的功能器件。从上世纪90年代开始SOAs的功能应用研究以来，它的应用方法和应用范围均在稳定地增长。     

机器学习技术在生物信息挖掘中的方案探讨

后基因时代，探索和解释隐藏在分子生物学数据库中的有用信息是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题，有效厦廉价的方法是非常必要的．机器学习是一个崭新的计算机应用领域，而生物信息学是生物学与计算机科学以厦应用数学等学科相互交叉而形成的一门新兴学科．本文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的研究进展．     

PHM中基于贝叶斯方法的机器学习

随着大型系统复杂度的不断增加,其面临的可靠性、可用性、可负担性以及维修保障等问题日益突出。本文通过介绍PHM与机器学习的相关概念,阐述了机器学习对于预兆与健康管理(PHM)的作用,并主要对以贝叶斯方法为代表的机器学习进行了相关研究。     

局部核方法及其应用

核方法是机器学习中一种强有力的学习算法.多个领域的实践表明，通过将领域知识嵌入到核函数中，一般会得到比较好的学习效果. 从微分流形的观点讨论了机器学习中全局信息与局部信息的关系，并提出了一种嵌入局部有意义信息的核方法.文本分类的实验结果表明，与其它几个分类算法相比，它具有较高的性能.     

基于模糊支持向量机和核方法的目标检测方法研究

介绍了模糊支持向量机（FSVM）理论，利用FSVM理论解决一般场景图像中的目标检测问题，并利用统计学习理论和支持向量机方法研究中形成的新的机器学习方法——核方法，研究FSVM的隶属度确定问题。实验表明，本算法具有较高的识别精度。本方法既具有针对性，又在理论上具有一般性，对推动模糊支持向量机这一新的模式分类方法的实际应用具有积极意义。     

支持向量机的学习方法综述

支持向量机是一种基于统计学习理论的新型机器学习方法,由于其出色的学习性能,已经成为当前机器学习界的研究热点.详细总结了支持向量机的学习方法,其学习方法主要分为3大类:分解算法、多变量更新算法和序列算法,比较了它们的优缺点;最后指出了学习算法的研究方向.     

基于机器学习的文本分类方法综述

文本分类是信息检索与数据挖掘领域的核心技术,是机器学习领域新的研究热点。本文对现有的基于机器学习的文本分类方法进行了详细的介绍,分析了各种方法的优缺点,并阐述了文本分类方法未来的发展趋势。     

太阳系动力学中几种辛和类辛方法的比较

辛方法是目前研究太阳系天体轨道长期演化的最佳数值方法。它能保持哈密顿系统的主要性质而不会引入人为的耗散，因而可以用大步长进行长时期的数值积分。国际献中用于太阳系动力学定性研究的辛方法主要是由Wisdom和Holman的SYA方法，它是SPY方法的一种近似。它们都采用雅可比坐标系。在质心坐标系中建立的辛方法有传统的将动能和势能分离的SYS方法。提出一种在质心坐标系中构造的类辛方法SYQ，并对这4种方法进行了较为详尽的效率分析和误差比较，结论是SYA和SYQ是比较好的方法，两各有其优点和缺点。     

生物信息学中的机器学习

机器学习技术例如Markov模型、支持向量机、神经网络、图形模型等，已经在生命科学数据的分析研究中广泛应用。本书收录了一些近期的机器学习方法，涵盖了生物信息学研究中的大部分问题。     

机器学习与人脸识别方法概述

对机器学习与人脸识别的基本含义和主要方法进行了概述.提出融合人脸的多种生物特征,改进现有的机器学习算法,并进一步推进机器学习方法在人脸识别中的应用,将十分有利于人脸识别精度的改善和人脸识别速度的提高.     

《语言测试和它的方法》评介

上世纪90年代以来，英语语言测试学理论在我国高校得到了广泛的认同。但是，在我国中小学特别是不发达地区，语言测试理论基础还相当薄弱。因此，《语言测试和它的方法》一书的出现，无疑给我国广大基础教育工作者提供了一个很好的学习平台。本文将就书中语言测试的历史发展、定义、作用和英语测试中的工作步骤和操作方法进行了分析。     

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．     

玉米粗缩病的症状与防治方法

玉米粗缩病是世界性发生比较普遍且严重的禾谷类作物病害,我国于1968年在河南省新乡、安阳等地发现,上世纪70年代,已成为全国玉米生产中的一个主要病害。近几年,玉米粗缩病发病率呈上升趋势,在我县也有常见发生,因此,研究玉米粗缩病的发生规律,提前做好预防工作,对减轻病害发生十分重要。     

核函数方法及其模型选择

核函数方法已成为近年来机器学习领域继人工神经网络方法之后又一个十分流行和有效的方法.阐述了核函数方法的基本原理、特点及实施步骤,介绍了几种主要的核函数方法,最后重点分析和讨论了核函数方法中参数选择和核函数构造等核函数方法研究中的热点问题,并对其未来研究作了展望.     

机器学习技术在生物信息挖掘中的方案探讨

后基因时代,探索和解释隐藏在分子生物学数据库中的有用信息是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题,有效及廉价的方法是非常必要的.机器学习是一个崭新的计算机应用领域,而生物信息学是生物学与计算机科学以及应用数学等学科相互交叉而形成的一门新兴学科.本文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的研究进展.     

探究学好高中文言文的方法

语文是一门综合性非常强的科目，高中语文课程中涉及的内容包涵现代文、诗词、文言文等种类，而在教学实践中通过学生的学习反馈研究表明，文言文是大部分学生语文学习过程中的“拦路虎”。因此，本文主要从教师角度出发，研究帮助学生学好文言文的方法。     

高斯过程回归方法及其预测模型

机器学习目前在计算机学科和信息学科里是非常重要的一个前沿领域,高斯过程回归这一理论学习方法是一种全新的机器学习方法,它是在贝叶斯理论和统计学习理论结合的基础上发展起来的,自被提出以来就受到各个领域专家、学者的高度重视并取得了不少成果。该文主要介绍高斯过程回归的方法及其算法模型。     

支持向量机的算法研究

支持向量机(support vector machine,SVM)是20世纪90年代发展起来的一种新型机器学习方法,是在统计学习理论基础上发展起来的一种新的数据挖掘方法,已广泛应用于模式识别与回归分析。并已成为国际机器学习界的研究热点。本文主要讨论其基本原理与SVM训练算法。