关键词： 物联网   机器学习算法   安全和隐私   云计算  

摘要： 物联网已成为重要的网络范式,并且有许多智能设备通过物联网连接。尽管如此,要完全实现物联网愿景仍然存在许多障碍,其中安全和隐私较为关键。确保物联网中的安全和隐私特别复杂,尤其是对于能源供应有限和计算能力低下的资源受限设备而言。机器学习作为另一个重要领域,在计算机视觉、计算机图形学、自然语言处理、语音识别、决策和智能控制等方面均有应用。本文对机器学习在物联网安全中的应用进行了概述。首先对物联网设备及其安全问题进行介绍,然后提供了全面的调查,重点介绍了适用于物联网安全的机器学习技术的最新进展,并描述了各种物联网应用。此外,还讨论了研究挑战和未解决的问题。

关键词： 台风   机器学习   危险性   暴露性   脆弱性   风险评估   动态风险预报  

摘要： 利用机器学习方法建立以区县为基本研究单元的浙江省台风灾害风险评估模型,并进一步结合气象预报与实测数据形成覆盖全省、时空连续的台风过程动态风险预报,为科学应急减灾提供决策支持。首先,本研究以浙江省各区县为研究对象,考虑危险性、孕灾环境、暴露性和脆弱性等风险要素选择台风灾害风险评估模型的预测变量;其次,基于10个重大历史灾害的灾损数据(直接经济损失)划分风险等级作为输出变量;最后,采用机器学习模型XGBoost建立台风灾害风险评估模型。同时,以利奇马为例,进一步探索该模型的实战应用潜力,即以气象预报和实测数据为模型驱动,实现浙江省全域各区县台风灾害风险的实时更新预报。

关键词： 地理要素分类   自然地理要素   人文地理要素   机器学习   遥感分类   网络文本分类   自然语言处理  

摘要： 地理要素一般包括自然和人文两类对象。日益增加的遥感大数据和泛在的社交媒体数据为这两类对象的要素分类提供了丰富的数据源。基于遥感影像分类为主的自然要素提取和基于网络文本和社交媒体的人文要素提取,是当前地理要素分类的两大主流。前者以图像处理技术为支撑,后者则以自然语言处理技术为核心。随着机器学习等人工智能分类方法的介入,两类要素分类呈现越来越多的共性相通特点。本文以机器学习方法的演变历程为媒介,剖析了其在自然地理要素遥感影像分类和人文社会要素网络文本分类方面的异同。以遥感单一对象、复合对象分类和微博社交媒体话题分类提取为实例,指出二者在机器学习分类方法上具有相通性。遥感大数据和网络文本大数据分类方法的相互借鉴能够促进自然与人文地理要素的智能分类应用。

关键词： 机器学习   密码学   神经网络   网络安全  

摘要： 随着大数据、人工智能等技术的快速发展,计算能力的大幅提升威胁着基于计算困难性理论的传统密码学算法。同时,数以亿计的联网设备产生的海量数据给传统的安全解决方案带来了巨大挑战,数据安全和通信安全成为亟待解决的问题。人工智能技术的兴起为传统密码学提供了新的机遇。机器学习作为一种强大的技术,在密码学领域具有自适应性和高维表征能力,为密码学提供了有效的分析和决策工具。文章介绍了密码学领域中经常使用的机器学习方法,总结了国内外密码算法与密码分析算法的最新研究进展,分析了基于机器学习的密码学的优势和劣势,及面临的挑战与未来研究方向。

关键词： 番茄病害识别   机器学习方法   深度学习方法   轻量级卷积神经网络(LDNet)  

摘要： 传统的作物病害识别方法局限多,研究基于深度机器学习方法的快速、准确地检测番茄病害技术显得十分重要。本研究提出了一种轻量级卷积神经网络(LDNet)识别技术,设计了一种新颖的轻量级卷积神经网络模型,能更准确地定位病害区域。比较实验表明,LDNet在识别番茄叶病方面具有最高的识别性能和最少的参数,适合在移动或嵌入式设备上部署移动番茄病害检测模型,将对于农业的可持续和适当发展以及避免不必要的财力等资源浪费具有重要意义。

关键词： 慢性非传染性疾病   糖尿病症状   代谢性疾病   机器学习   高血糖   相关并发症   全球范围   预测分析  

摘要： 糖尿病是以高血糖为特征的一种代谢性疾病,血糖高大多是由胰岛素分泌缺陷或其生物作用受损引起,患糖尿病时持续存在的高血糖,会损害各种组织,特别是脑、肾、心脏、神经等[1]。目前,糖尿病是全世界最主要的慢性非传染性疾病之一[2]。新版糖尿病地图指出,在全球范围4.63亿糖尿病患者中,有2.319亿未诊断,未诊断率为50.1%,其中绝大多数为2型糖尿病患者。中国有超过6500万糖尿病患者尚未确诊,这些患者没有明显的糖尿病症状,如果不能早发现、及时干预,将增加糖尿病相关并发症的风险,从而极大地增加糖尿病相关医疗保健费用[3]。在糖尿病相关方面的预测分析研究领域,目前更多的是采用机器学习(machine learning,ML)的方法。

关键词： 债券市场   违约风险   文献综述   机器学习  

摘要： 自刚兑打破以来,我国债券市场违约趋于常态化,迫切需要加强对信用债违约风险的识别和防控研究。本文系统梳理了债券违约风险的影响因素,包括宏观经济、金融市场、企业特征、债券特征四大方面,并总结了适用于债券违约风险预警的模型。进一步,本文指出有必要将前沿机器学习方法应用于信用风险的精准识别与智能预警,具体可以使用文本分析深入挖掘债券违约风险影响因素,运用机器学习算法推动债券违约风险预警模型的迭代创新,旨在为坚守不发生系统性金融风险的底线,维护经济金融稳定,推动金融市场高质量发展提供政策参考。

关键词： 鼻咽癌   机器学习   费用管理  

摘要： 好发于我国两广地区及南亚、东南亚的鼻咽癌,在对患者身心健康、经济状况等方面带来巨大伤害的同时,对医院的医疗资源利用与合理配置等方面也产生了重大挑战。本文拟通过人工智能方法中的机器学习方法与传统统计学方法相结合,对广西某医院鼻咽癌患者住院费用进行分析,从而对医院医疗资源配置等方面提出合理化建议。最终结果显示,性别、民族、婚姻状况、保险情况、职业均是影响患者住院费的因素。年龄、住院次数、婚姻状况、性别、保险情况、职业、民族均对鼻咽癌患者的出院情况有所影响。得出结论为,患者的住院费用差异主要体现在耗材费方面,其次有无配偶的患者在治疗费上存在差异,患者有无保险也对其住院费用产生很大影响。在影响鼻咽癌患者出院情况的因素中,年龄影响最大,其次是住院次数和婚姻状况,性别、保险情况、职业、民族则对其影响较小。

关键词： 机器学习   原子核质量   碰撞参数   对称能  

摘要： 机器学习能够从大量复杂的数据中挖掘其内在的关联,近些年被广泛应用在科学研究中。本文分别评估了两类机器学习算法在修正核质量、重构重离子反应碰撞参数以及提取对称能斜率系数等热点问题上的表现,并讨论了机器学习模型的外推能力和泛化能力。结果表明:机器学习方法在三个核物理问题的研究中均体现出强大的能力。将机器学习方法应用于核物理问题的研究中可以进一步探索新物理,从而更好地推动理论和实验的发展。

关键词： 双链断裂   分类预测   化学位移   DNA物理性质   自相关  

摘要： DNA双链断裂(double-strand break,DSB)是细胞中一种严重的DNA损伤形式,与包括癌症、重组异常、神经元发育异常在内的多种基因组不稳定性疾病密切相关。由于成本和技术门槛的限制,高通量测序技术绘制的高分辨率DSB图谱十分有限,这阻碍了我们对不同物种基因组中DSB情况的认知。据此,我们建立了以随机森林(RF)、支持向量机(SVM)和逻辑回归(LR)三种分类器为基础算法的分类预测模型,对人类上皮细胞基因组DSB位点进行预测。除了之前预测研究中常用到的表观特征和DNA形状特征外,我们发现DNA序列特征(k-mer频数、GC含量、GC-偏移和互信息)也能表征DSB位点。同时,在考虑DNA物理性质、化学位移和自相关信息后,预测结果得到有效提高。将上述所有特征合并后进行预测,得到了较好的分类预测结果,其中逻辑回归(LR)的分类预测性能是最佳(AUC=0.97),与以往的预测结果相当(AUC=0.964)。另外,通过特征递增搜索方法,得到由294个特征组成的最优特征集,对应的AUC值达到0.974。