关键词： 硅酸盐玻璃   决策树   神经网络   K-means聚类   Spearman相关性  

摘要： 玻璃在中国史料中早有记载,但是由于长期存在名称和质地的混淆,且近现代有关中国古代玻璃的研究起步较晚,关于古代硅酸盐玻璃的风化和成分研究比较缺乏。以往研究古代玻璃器的著作,多是从王朝更替的角度,对文化交流、化学分析等方面研究玻璃的文化艺术形态及其自身的运行发展的规律,较少有学者系统建立数学模型并使用智能算法定性定量开展风化硅酸盐玻璃原成分预测及亚分类方法研究。本工作以多组风化和未风化硅酸盐玻璃为研究对象,提取其化学成分含量、纹饰和颜色等数据,利用Spearman系数分析了纹饰、颜色和玻璃大类之间的相关性并研究影响表面风化的因素;利用决策树进行大致分类,然后用神经网络预测玻璃风化前主要化学成分的含量,并总结硅酸盐玻璃的分类依据。此后通过K-means聚类建立分类模型:确定最佳类别数,进行亚类划分,寻找铅钡玻璃和高钾玻璃的最优分类数量。研究结果表明,只有玻璃类型对表面风化具有显著影响;风化过程中参与度较高的化学成分为二氧化硅、氧化铝、氧化铅、氧化钡、氧化铅和五氧化二磷;风化后,铅钡玻璃二氧化硅含量明显下降,氧化铅含量明显上升,而高钾玻璃二氧化硅含量明显上升,氧化钾氧化钙和氧化铝含量明显下降;高钾玻璃分为3个亚类,铅钡玻璃分为4个亚类。为后续利用机器学习研究古代硅酸盐玻璃的风化和成分提供了参考。

关键词： PISA2018   教育生产函数   机器学习   决策树回归   随机森林回归  

摘要： 基于PISA2018我国四省市学生和学校的调查数据,在教育生产函数的框架下,通过机器学习的研究方法,探讨不同学生和学校特征在学业表现中的重要性。研究发现,在学生特征方面:个体社会经济地位和课上学习时间在数学、阅读、科学表现中的重要性最突出,且学习时长对学业成绩的影响存在学科差异;学生职业期望在数学和科学成绩上的重要性较为突出;学生的社会经济地位及课上学习时长在高、低学业表现学生群体中的重要性均相对突出。在学校特征方面,弱势学生比例及教师数量在三种学业表现中都相对重要,且其在高、低学业表现学校群体中的重要性相对突出。此外,比较发现,在初中阶段,学校特征类因素对学生学业表现的影响更大。因此,建议提高学生课堂学习的效率,增强青少年对基础学科的认同感;推进公共教育服务均等化,加大对教育资源优越地区相对弱势学生群体的关注力度;调整初中阶段教育资源配置结构,优先保障对学校的投入。

关键词： 神经网络   光谱变换   植物水分   机器学习方法   反演模型   状态评价   高光谱数据   等效水厚度  

摘要： 叶片等效水厚度(EWT)对植物水分状态评价具有重要意义,因此如何快速、准确、无损地检测叶片等效水厚度也具有重要的意义。高光谱数据可为检测植物中的叶片等效水厚度提供重要的手段。现有的研究主要集中使用各种机器学习方法来对叶片等效水厚度进行反演,这些方法往往需要对原始光谱进行光谱变换、特征选择、降维等一系列操作。本文采用神经网络的方法来建立叶片等效水厚度的反演模型。实验结果表明:在LOPEX93数据集中,使用神经网络的方法R2值与RMSE值分别达到了0.945与0.0012优于机器学习方法。

关键词： 机器学习方法   智能家居   安防系统  

摘要： 在现代智能化技术、计算机技术不断发展下,智能家居安防系统也迎来了新的发展契机,基于现代科学技术与高端设备进行智能家居安防系统的升级设计成为当前人们所关注的重点。本文在明确机器学习方法概念基础上,分析了当前智能家居安防系统现状,然后针对基于机器学习方法的智能家居安防系统设计与应用做出简要的论述。

关键词： 视觉系统   机器学习方法   有意思   分辨  

摘要： 简介人类往往能很轻易地就分辨一个事物究竞是无趣还是有趣。当我们看到一个东西,即便我们从未见过它,不知道它是用来做什么的,我们的视觉系统也能瞬间在视野里将它分辨出来,并判断出它与周遭事物相比是不是个有意思的物体。但同样的事情,如果让一台机器来做,可就要了它的“命”了。事实上,要让机器学会分辨物体,对它们进行分类,是一件相当困难的事情。

关键词： 连续刚构桥   预拱度预测   机器学习   数据预处理   极端梯度提升   梯度提升回归  

摘要： 为在连续刚构桥悬臂浇筑施工阶段快速预测各悬浇段预拱度,收集土木垴大桥、庄窝大桥及南石大桥各悬臂浇筑段的预拱度及影响因素构建高维数据集,采用缺失值填充、归一化等数据预处理技术对数据集进行处理,基于梯度提升回归、极端梯度提升、支持向量机回归、随机森林及决策树5种机器学习算法,建立连续刚构桥预拱度预测模型。应用训练好的模型对西郊大桥悬浇段进行预测。结果表明:极端梯度提升在边跨预测效果最好,平均绝对误差0.97 mm、均方根误差1.28 mm,训练集确定性系数0.998,测试集确定性系数0.944,对西郊大桥边跨预测最大误差为3.9 mm;梯度提升回归在中跨预拱度预测效果最好,平均绝对误差1.4 mm、均方根误差1.63 mm,训练集确定性系数0.995,测试集确定性系数0.989,对西郊大桥中跨预测最大误差3.2 mm。研究成果满足施工要求,未来可进一步扩充数据集,提高预测精度。

关键词： 机器学习   Tsetlin Machine   心拍分类   可解释性   人工智能  

摘要： 目的探讨Tsetlin Machine(TM)在心拍分类中的应用。方法运用TM对中国生理信号挑战赛2020数据集中正常、室性早搏和室上性早搏心拍图片进行三分类,并对分类结果进行解释性分析。该数据集包括10例心律失常患者的单导联心电图数据,排除1例心房颤动患者,最终纳入9例患者数据。结果分类结果表明,TM的九折平均识别准确率达84.3%,并且能通过位模式解释图展示分类判别的依据。结论TM在分类心拍的同时能对分类结果作出解释,对分类结果的合理解释便于人们理解模型在进行心拍图分类时的判决依据,进而增加模型的可信度。

ISBN: (纸本)9787111717737

关键词： 金属玻璃   软磁性   玻璃形成能力   机器学习   材料描述符  

摘要： 提出一种领域知识辅助的机器学习方法,实现对软磁金属玻璃饱和磁化强度(B_(s))和临界尺寸(D_(max))的预测。基于公开的实验数据,建立软磁合金数据库。提出一个通用的特征空间,适用于面向不同预测任务的机器学习模型训练。结果表明,机器学习模型的预测能力比基于物理知识的估计方法精度更高。此外,领域知识辅助的特征选择可在有效减少特征数量的同时,不显著降低模型的预测精度。最后,对软磁金属玻璃临界尺寸的二分类预测进行讨论。

关键词： 水质   时空变化   机器学习   特征识别  

摘要： 本文以湖州市省控监测断面水质为研究对象,采用统计软件对湖州市水质时空变化情况进行分析,根据《地表水环境质量标准》将水质监测数据进行分类,并利用机器学习算法对水质数据进行模式识别,在完成模型训练后,采用递归特征消除算法进行特征筛选,对关键水环境污染物进行识别。结果表明,湖州市整体水质按优劣情况排序依次为西苕溪流域、东苕溪流域、东部平原河网、长兴水系,水质指标对水质级别影响程度排序依次为化学需氧量、总磷、氨氮、高锰酸盐指数、五日生化需氧量。研究成果可为湖州市水环境治理工作提供技术支撑。