Results 81 to 90 of about 6,730 (208)
智能科学与技术学报, 2019 人工智能就是让机器能够像人一样学习、思考并理解，即用计算机模拟人的智能，它涵盖认知与推理（包含各种物理常识和社会常识）、计算机视觉、自然语言理解与交互（包含听觉）、机器学习等广泛的学科领域。人机协同的混合增强智能是新一代人工智能的典型特征，视听觉信息的认知计算是新一代人工智能的重要研究内容。理解人类视听觉认知并建立可计算视听觉认知模型对人工智能的核心算法具有重大的启示意义。
郑南宁
doaj
Classification of Gene Expression Data Based on Dimension Reduction [PDF]
, 2015 利用基因芯片技术能够做到同时对多到数以万计的基因进行并行分析，随着该技术越来越成熟并得到广泛应用，现在已经有越来越多的基因表达数据测定出来，亟需处理，借助于计算机工具以及机器学习方法对这些大量数据进行分析是现在一个很重要的研究领域。其中，基因表达数据的分类研究是该领域的一个热点，通过分类能够帮助研究者发现正常细胞组织与疾病组织之间基因的本质差异，识别致病基因，对基因型疾病的临床诊断和治疗具有重要的意义。 基因表达数据具有“样本少、维数高、分布不平衡”的特点，这给分类带来了很多的困难和挑战 ...
李亮亮
core
Zhendong Ceshi yu Zhenduan针对汽车低速制动时的蠕动颤振表现主要依靠人工主观评价，存在成本高、耗时长、易受人员主观性影响等问题，提出了一种基于机器学习模型的智能评价方法。首先，研究并提取了颤振信号的特征；其次，采用支持向量机（support vector machine，简称SVM）和K近邻算法（K nearest neighbors，简称KNN）2种机器学习模型进行制动颤振的智能评价；然后，提出基于概率密度特征的特征排序与筛选算法，将特征从39维筛选至11维，以提高机器学习模型的准确率；最后，通过对比试验发现 ...
doaj +1 more source
He jishu随着高能核物理研究进入多维度、高复杂度数据分析阶段，深度学习技术正逐步成为理解极端条件下核物质行为的关键工具，并推动研究范式从经验驱动向数据驱动的根本转变。本文简要梳理了机器学习在该领域的演进，并着重介绍了深度学习方法在其中的前沿进展：早期（20世纪末至21世纪10年代）研究主要采用人工神经网络和支持向量机等传统算法，通过核质量预测、相变识别等任务验证了机器学习处理核物理问题的可行性，但受限于人工特征提取和计算能力的制约，尚未触及物理特征的自主挖掘；深度学习时代（21世纪10年代至今 ...
张 靖宗 +4 more
doaj +1 more source
Remote sensing of the extent of the Bohai sea ice and temperature anomaly of ocean interior during recent global surface warming hiatus [PDF]
, 2015 自1998年起，全球表面出现增暖减缓，全球气候处在深度调整中。我国近岸对此出现不同程度的响应，极端海洋灾害事件频发。2009-2010年冬季，受北方持续寒潮的影响，渤海出现了历史罕见的严重海冰冰情，海冰成为2010年中国海洋主要灾害之一。通过冰冻区遥感影像分类准确有效地提取海冰分布信息对于检测和评估海冰演化过程是至关重要的。我们提出一种新的基于融合多特征的机器学习影像分类技术，有效地用于MODIS冰冻区影像分类及海冰分布范围估算。通过灰度共生矩阵（GLCM）纹理特征分析提取MODIS影像纹理特征 ...
苏华
core
Design and Implementation of Network Public Opinion Monitoring System [PDF]
, 2016 当今信息技术发展迅速，网络已经成为人们发布、传递和获得信息的主要途径。网民可以通过论坛、博客、微博等交流平台发表自己的见解。网络给人们的生活带来了极大的便捷，甚至改变着人们的生活方式。与此同时，网络信息的快速传播也带来了很多负面影响，人们发表信息的随意性、信息没有经过核实就直接在网络中传播，对社会稳定产生影响。因此，监测复杂网络环境中的舆情，为相关部门提供充裕的应对时间,具有十分重要的理论和应用价值。 本文以在线社会网络为研究对象，通过采用网络爬虫实现对微博、博客、轻博客的数据获取 ...
乔涓
core
Research and Improvement on Outlier Detection for Categorical Data [PDF]
, 2015 离群点检测是数据挖掘中重要的研究分支,用于识别某些特征显著区别于其他观测数据的对象。在实际应用如评估金融风险、检测结构的缺陷、侵入检测等领域中会出现的一些离群数据，它们往往预示了某些重要的信息。通过对检测出的离群数据进行分析，可以获取大量能用于预测和决策支持的有用的知识。因此,离群点检测是一个相当有意义的研究方向。 本文以离群点检测为研究背景，以提高分类数据离群点检测性能为主要目标，在介绍离群点相关的概念和主要检测方法的基础上，主要对基于加权频率和聚类 ...
吴旻雯
core
Gaoya dianqi为实现电气设备的震后状态快速评估，以保障电力系统的应急决策与灾后恢复顺利进行，文中提出一种基于机器学习的评估方法。以±800 kV干式平波电抗器为研究对象，建立Abaqus有限元模型进行地震响应分析确定其抗震薄弱环节。向有限元模型中输入大量地震波计算获得用于建立评估模型所需的机器学习数据集，采取相关性分析法剔除冗余特征，选取不同机器学习算法比较其评估性能，并通过SHAP（shapley additive explanations）解释评估模型，以此避免机器学习模型的“黑箱”特性。结果表明 ...
叶芳怡, 刘匀, 朱旺, 谢强
doaj
Design and Implementation of Data Mining Subsystem Using in Early-warning Supervisory System of Taxpayers [PDF]
, 2015 随着金税工程（二期）的实施，税务部门实现了业务数据省级集中，积累了大量分布在各个应用系统中的涉税信息，是税务部门进行税收分析的重要依据。对税务系统中积累的海量数据进行挖掘，从中提取有价值的信息，建设基于数据仓库的纳税人预警监控系统，成为税收数据分析的必然要求。 本文借助Weka平台，通过其提供的算法接入功能，初步实现了一个可供税务数据挖掘初步使用的子系统，具体功能包括数据预处理，DBSCAN聚类模块，EM聚类模块，和结果显示模块等。最后 ...
兰育平
core