关键词： 计算机应用   中文信息处理   co-training算法   中文组块   分类器  

摘要： 采用半指导机器学习方法co training实现中文组块识别。首先明确了中文组块的定义,co training算法的形式化定义。文中提出了基于一致性的co training选取方法将增益的隐马尔可夫模型(TransductiveHMM)和基于转换规则的分类器(fnTBL)组合成一个分类体系,并与自我训练方法进行了比较,在小规模汉语树库语料和大规模未带标汉语语料上进行中文组块识别,实验结果要比单纯使用小规模的树库语料有所提高,F值分别达到了85 34%和83 4 1% ,分别提高了2 13%和7 2 1%。

关键词： computer chemistry   drug design   inhibitors   kinases   machine learning   ATOMIC PHYSICOCHEMICAL PARAMETERS   SUPPORT VECTOR MACHINES   DRUG DESIGN   MEDICINAL CHEMISTRY   PROTEIN-KINASES   TARGETS   CLASSIFICATION  

摘要： By using an in-house data set of small-molecule structures, encoded by Ghose-Crippen parameters, several machine learning techniques were applied to distinguish between kinase inhibitors and other molecules with no reported activity on any protein kinase. All four approaches pursued-support-vector machines (SVM), artificial neural networks (ANN), k nearest neighbor classification with GA-optimized feature selection (GAANN), and recursive partitioning (RP)-proved capable of providing a reasonable discrimination. Nevertheless, substantial differences in performance among the methods were observed. For all techniques tested, the use of a consensus vote of the 13 different models derived improved the quality of the predictions in terms of accuracy, precision, recall, and F1 value. Support-vector machines, followed by the GA/kNN combination, outperformed the other techniques when comparing the average of individual models. By using the respective majority votes, the prediction of neural networks yielded the highest F1 value, followed by SVMs.

关键词： SVM模型   泛化性能   结构风险最小化   机器学习方法   支持向量机   学习机   显示   汽轮发电机组   故障诊断   GA  

摘要： 基于结构风险最小化 [1]的支持向量机是一种新的机器学习方法,具有适应小样本学习和提高学习机泛化性能的优点,详细介绍了将其应用于汽轮发电机组的故障诊断的研究结果,包括结合遗传算法进行模型参数的优化选择,建立联合模型,通过对现场采集的故障样本进行的分类试验,并同BP神经网络方法进行了比较,结果显示本文所述方法具有较高的诊断准确率。

关键词： 机器学习方法   支持向量机   SVM   KNN   核函数   特征空间   统计学习理论   模式识别   近邻法  

摘要： 支持向量机(SVM)是20纪90年代初由Vapnik等人提出的一类新型机器学习方法,此方法能够在训练样本很少的情况下达到很好的分类推广能力。能够较好地解决小样本、非线性及高维数等模式识别问题。近年来SVM已在人脸识别、函数逼近以及概率密度估计等众多领域得到了广泛的应用。近邻法(简称KNN)是模式识别非参数法中另外的一种重要的方法,本文阐述了它们之间的一个重要联系。

关键词： 数据挖掘   时间序列预测   入侵检测   神经网络技术  

摘要： 本文首先从数据挖掘算法入手, 探讨了分类与预测的处理模型，论述了神经网络技术在分类与预测方面的优势,通过比较选择了RBF网络并将其应用到混沌的非线性时间序列预测中。为了提高网络的推广能力，优化了滑动窗口长度。\n然后对KDD Cup 1999 Data进行分析。该数据是关于入侵检测方面的数据，由于数据量很大且具有高维特征，为此系统设计借鉴了数据挖掘流程SEMMA，同时将RBF神经网络和竞争学习网络结合了起来，分别就异常检测和误用检测进行了分析,在一定程度上弥补了现有入侵检测技术在有效性、适应性和可扩展性上的不足.\n最后对整个研究工作进行了总结,提出了进一步改进的几个方向.

关键词： 支持向量机   统计学习理论   小波变换   故障诊断   主成分分析  

摘要： 针对经典SVM对于样本噪声敏感的局限性问题,在经典SVM基础上,引入主成分分析(PCA)方法,提出一种改进SVM新方法-PSVM。这种新的机器学习方法,既利用了PCA降噪的特性,又具有经典SVM泛化能力强、分类快的特性。改善了经典SVM的鲁棒性。应用小波包分析对信号进行预处理,直接得到特征矢量,并作为PSVM的输入,提出满足实时性要求的分类模型WPSVM。通过实例分析,证明这种方法在分类正确率、分类速度以及适用的样本规模等方面都表现出了一定的优越性。

关键词： 数据挖掘   数据分类   偏最小二乘   神经网络   决策树  

摘要： 21世纪是知识经济的时代,面对数据爆炸而知识贫乏的现实,人们提出数据挖掘思想, 并将其广泛应用到数据库管理的各个领域。数据挖掘是一类深层次的数据分析方法,包括 关联分析、聚类分析、孤立点分析、概念描述和分类与预测等方法。分类是数据挖掘的一 个重要课题,是构造分类模型并应用于重要数据类的区分和趋势预测的过程的总称。 本文首先简要分析了数据挖掘以及分类算法研究的现状,从而提出一些改进的分类算 法。着重从数据预处理,神经网络和决策树三方面对分类算法进行研究和改进。 数据预处理是数据挖掘中不可或缺的一部分,是对数据进行初步地清理和归纳,为分 类算法提供目标数据。本文分析了几种数据预处理技术,针对分类算法,提出了应用偏最 小二乘思想(PLS)的主成分分析法对数据进行降维操作。同时利用模糊聚类方法对重要数 据类进行离散化,形成分类属性。 神经网络是目前较新的一种分类器,本文采用BP神经网络、RBF神经网络和LVQ神经 网络来构造网络分类器。这类分类器的优点在于分类较为精确,但是规则提取较为困难, 本文的主要工作旨在提高分类器的分类精度,对规则提取部分涉及较少。 决策树是常用的数据分类方法,本文分析了几种常用的决策树算法,从算法的本质出 发,发现决策树的生成与样本的选取有很大关系。因此提出基于样本选取的决策树改进算 法。该算法在不改变传统方法的基础上,旨在分析输入输出的关系调整样本,从而得到较 优的决策树规则。 最后,本文总结了以上方法,阐述了其优点和不足,提出了今后的工作以及研究方向。

关键词： 命名实体识别   机器学习方法   最大熵   Boosting  

摘要： 命名实体识别是现在自然语言处理研究的热点[1][2][3][4]。命名实体识别就是在文本中识别出日期、时间、数字、人名、地名、组织机构名和其他实体[8]。命名实体是信息抽取的一个子任务,广泛地被运用到其他计算语言学任务中,比如机器翻译等。 在这篇论文中,我们把机器学习方法用于中文命名实体识别,这里我们使用了最大熵和Boosting两种机器学习的方法。与基于规则的命名实体识别方法相比,基于机器学习方法的命名实体识别系统构造简单,并具有良好的适应性。首先,我们只使用基本的特征建立一个基于字的模型和一个基于词的模型,比较了在这两种策略下的命名实体识别的效果。为了充分利用两种模型的优点,我们把分词信息解构到基于字的模型中,并且在这个模型中使用了一些复杂的语言学特征,实验结果表明,这个模型取得了很好的效果。以此同时,在同样的实验条件下,我们比较了两种方法在命名实体任务上的效果。实验表明,在同等条件下,最大熵的识别效果高于Boosting。 我们使用有限自动机的方法识别时间、日期和、数字实体。因此在机器学习的识别框架中,集中处理人名、地名、组织机构名三种类型的命名实体,减少机器学习算法的复杂度。最后利用文本的全局信息识别命名实体,以提高命名实体识别系统的性能。

关键词： 医学图象分析   计算机辅助检测/诊断   机器学习   强化学习   核学习方法  

摘要： 本文对自动医学图象分析的计算机辅助检测问题进行了研究,提出利用机器学习技术实现计算机辅助检测的两种新方法,并基于所提出的方法构造了完整的检测系统,用于检测医学图象中存在的病变。针对数字X光乳腺图象,本文对所提出的两种方法和完整的检测系统进行了设计、验证和分析。 本文将计算机辅助检测的图象分析过程分为两个阶段考虑:对包括图象调整和图象分割步骤的第一阶段,本文提出了利用强化学习技术实现自适应图象分割的方法,可以根据输入图象的特征选择适当的处理算法并配置适当的参数,从而获得最优的分割结果。对包括特征提取和对象识别步骤的第二阶段,本文提出了利用多分辨率直方图特征表示以及核分类算法实现自动病变检测的方法,消除或限制了特征选择步骤,可以同时检测多种类型病变,而不必分别对各种病变进行检测。结合所提出的两种方法,本文构造了完整的检测系统,并通过适当的调整对系统性能进行优化。 实验结果表明:自适应图象分割方法对不同类型图象都可以达到很高的分割精度;自动病变检测方法对多种类型的病变同时进行检测也能够获得满意的检测性能;完整检测系统达到或超过了以前提出的针对单一类型病变检测系统的平均性能。

关键词： 核方法   Fisher判别   特征空间   高维   机器学习方法   训练样本   输入   不可分   线性表示   投影向量  

摘要： 核方法是近年发展起来的一种新的机器学习方法,它可在高维(特征)空间中用线性的方法有效地解决低维(输入)空间中线性不可分问题.采用核方法,在Mika提出的核Fisher判别基础上,给出Fisher判别分析从输入空间变换到特征空间的数学过程(核化过程),并对特征空间中投影向量可由训练样本线性表示问题予以证明.