关键词： 强对流天气预警   SVM   不平衡数据分类   机器学习  

摘要： 用机器学习中有监督学习模型支持向量机SVM来进行强对流天气的识别和预报。强对流天气的发生可以看作是小概率事件,因此强对流天气的预警问题可以作为不平衡数据分类问题来处理。在SVM的应用上结合判别准则来对不平衡数据进行处理,更好的对强对流天气进行预警。本文从数据的获取、训练算法的选择、算法的应用、实验结果的评估几个方面进行了详细的描述。通过采用丹佛地区的数据进行大量试验,排除了不平衡数据对分类的干扰,提高了强对流天气识别的准确度。

关键词： 功能注释   机器学习法   功能预测   基因  

摘要： 目前,基于计算机数学方法对基因的功能注释已成为热点及挑战,其中以机器学习方法应用最为广泛。生物信息学家不断提出有效、快速、准确的机器学习方法用于基因功能的注释,极大促进了生物医学的发展。本文就关于机器学习方法在基因功能注释的应用与进展作一综述。主要介绍几种常用的方法,包括支持向量机、k近邻算法、决策树、随机森林、神经网络、马尔科夫随机场、logistic回归、聚类算法和贝叶斯分类器,并对目前机器学习方法应用于基因功能注释时如何选择数据源、如何改进算法以及如何提高预测性能上进行讨论。

关键词： 杜兴氏肌营养不良   无创检测   磁共振图像   纹理特征   小波变换   支持向量机  

摘要： 为早期诊断和检测神经肌肉罕见病——杜兴氏肌营养不良(DMD),设计了一组分类预测试验.首先,利用小波变换对DMD患者组和健康对照组的磁共振图像(MRI)进行小波分解;其次,从所得的分解图像中提取出若干纹理特征参数并进行降维处理;最后,再基于这些纹理特征参数,利用支持向量机算法(SVM)对试验图像进行分类预测.试验结果显示,若选择适当的小波分解尺度、分类器核函数和相关参数组合,则MRI图像的分类灵敏度、特异度和准确率分别可达96.9%,97.3%和97.1%.该处理方法有望为临床提供客观有效的辅助诊断手段,可作为DMD罕见病无创检测的尝试探索.

关键词： 个性化推荐系统   机器学习   用户特征提取   相关物品检索   物品排序  

摘要： [目的/意义]为解决当前推荐系统的准确度不高、个性化效果不好等问题,分析基于机器学习方法的个性化推荐系统。[方法/过程]介绍了推荐系统架构、用户特征提取与聚类算法、相关物品检索、点击率预估和两类分类问题。[结果/结论]该个性化推荐系统中使用的机器学习算法,在一定程度上可解决当前推荐系统的不足。

关键词： remote sensing   village mapping   Google Earth   CNN   AdaBoost   CLASSIFICATION   INTEGRATION   FORESTS  

摘要： In this study, a method based on supervised machine learning is proposed to identify village buildings from open high-resolution remote sensing images. We select Google Earth (GE) RGB images to perform the classification in order to examine its suitability for village mapping, and investigate the feasibility of using machine learning methods to provide automatic classification in such fields. By analyzing the characteristics of GE images, we design different features on the basis of two kinds of supervised machine learning methods for classification: adaptive boosting (AdaBoost) and convolutional neural networks (CNN). To recognize village buildings via their color and texture information, the RGB color features and a large number of Haar-like features in a local window are utilized in the AdaBoost method; with multilayer trained networks based on gradient descent algorithms and back propagation, CNN perform the identification by mining deeper information from buildings and their neighborhood. Experimental results from the testing area at Savannakhet province in Laos show that our proposed AdaBoost method achieves an overall accuracy of 96.22% and the CNN method is also competitive with an overall accuracy of 96.30%.

关键词： 上证综合指数   机器学习   随机森林   支持向量机  

摘要： 上证综合指数是广大投资者关注的重要指数。上证综合指数不仅反映了我国股票市场的基本状况,同时对我国经济走向也具有重要的导向作用。对上证综合指数的预测分析以及趋势研判对稳定市场、引导投资者具有重大意义。而股票市场数据是典型的非线性系统,传统统计学预测方法在处理时预测精度较低。本文综合运用R软件并结合目前机器学习领域最新的六种方法——决策树、boosting、bagging、随机森林、支持向量机、神经网络分别对训练集进行训练,得到相应模型。并建立相应的十折交叉验证集计算出每种方法的预测均方误差进行对比。筛选出效果较好的模型,并对预测数据与真实数据进行数据可视化对比。对结果分析可知,随机森林、支持向量机两种机器学习方法拟合效果较好,且精度高。

关键词： 机器学习   无线信道   决策树模型   区域划分  

摘要： 本文运用机器学习方法,对无线信道的特征建立了相应的决策树分类模型。并且对所建立的决策树模型运用真实信道数据进行了测试检验,发现分类效果较好。因此,该机器学习模型对无线信道特征的识别具有较高的准确性。进而可以运用该模型对无线信道数据进行有效的区域划分,并且该模型还具备了一定的统计学意义。

关键词： 药物靶标预测技术   中药网络药理学   基于配体的预测方法   基于靶标的预测方法   机器学习方法  

摘要： 近年来,随着网络药理学逐渐兴起,特别是"网络靶标"概念的提出,引发了中医药新的研究热潮。其所强调的整体性与系统性和中医药理论不谋而合,能够很好的解释中医药的深刻内涵,包括中药作用机制解释,药效物质的寻找,君臣佐使配伍机制阐释等,更加适合中医药的学术特点和实际。而如何高效快速地识别大量的药物与靶标蛋白间的相互作用则成为中药网络药理学研究中的一个关键问题。药物-靶标相互预测技术作为一种高效而高通量的手段,能够减少成本,快速预测成分靶标,为中药网络药理学的应用奠定基础。事实上,针对庞大的化合物和靶标数据库,不同的预测方法和技术都被开发出来,并用于预测药物和靶标的关系,且已经有许多虚拟筛选技术成功的应用于网络药理学中。根据预测原理的不同,药物-靶标相互预测技术和策略大致可以分为4类,即基于配体的预测方法,基于靶标的预测方法,机器学习方法和组合应用的预测方法。该文就药物靶标预测方法及其在中药网络药理学的应用现状进行较系统的阐述,希望能够为广大中药研究者提供有益的参考和借鉴。

关键词： 小麦蚜虫   农业大数据   决策树   分类模型  

摘要： 小麦蚜虫是危害小麦的主要害虫。其发生程度预测特别是短期预测一直是植物保护领域难以解决的科学问题。传统预测方法通常仅采用温湿度,预测结果与实际发生匹配度不高。基于大数据的理念和数据挖掘技术,通过对2003-2013年小麦蚜虫发生程度与瓢虫、寄生蜂、日最高气压、日照时数等18种变量关系的决策树分析,构建了分类模型。经分析发现,日照时数与小麦蚜虫的发生程度关联度最高,其次是天敌瓢虫。该模型置信度为91.49%,且运行稳健。

关键词： 克隆代码   机器学习   预测   重构  

摘要： 克隆代码作为软件维护中的研究热点,如今的研究中心逐渐转移到克隆管理方面,克隆重构是克隆管理的研究重点,结合机器学习方法在预测方面的应用能够实现克隆重构性预测。笔者选用多种机器学习方法进行比较,试验发现贝叶斯网络在预测克隆代码可重构性过程中具有较高效率。