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： Ingredient combinations   Recipe completion   Non-negative matrix factorization   Two-step regularized least squares   Recommender systems  

摘要： Background: Completing recipes is a non-trivial task, as the success of ingredient combinations depends on a multitude of factors such as taste, smell and texture. Scope and approach: In this article, we illustrate that machine learning methods can be applied for this purpose. Non-negative matrix factorization and two-step regularized least squares are presented as two alternative methods and their ability to build models to complete recipes is evaluated. The former method exploits information captured in existing recipes to complete a recipe, while the latter one is able to also incorporate information on flavor profiles of ingredients. The performance of the resulting models is evaluated on real-life data. Key findings and conclusions: The two machine learning methods can be used to build models to complete a recipe. Both models are able to retrieve an eliminated ingredient from a recipe and the two-step RLS model is also capable of completing an ingredient set to create a complete recipe. By applying machine learning methods on existing recipes, it is not necessary to model the complexity of good ingredient combinations to be able to complete a recipe. (C) 2015 Elsevier Ltd. All rights reserved.

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： 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。

关键词： 机器学习方法   分类预测   启发式   错误定位  

摘要： 本文利用机器学习的方法通过训练学习,对通过形式化的错误定位算法进行错误定位的程序在二次定位或者多次定位前进行结果预测,引导用户给出高效的反馈信息(期望值或者正确值的确认信息),从而减少错误定位的次数,提高错误定位的效率,实现启发式的错位定位。

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： Heart Arrest   Intensive Care Units   Models   Statistical   Algorithms   Artificial Intelligence   Machine learning  

摘要： Objective: Machine learning methods are flexible prediction algorithms that may be more accurate than conventional regression. We compared the accuracy of different techniques for detecting clinical deterioration on the wards in a large, multicenter database. Design: Observational cohort study. Setting: Five hospitals, from November 2008 until January 2013. Patients: Hospitalized ward patients Interventions: None Measurements And Main Results: Demographic variables, laboratory values, and vital signs were utilized in a discrete-time survival analysis framework to predict the combined outcome of cardiac arrest, intensive care unit transfer, or death. Two logistic regression models (one using linear predictor terms and a second utilizing restricted cubic splines) were compared to several different machine learning methods. The models were derived in the first 60% of the data by date and then validated in the next 40%. For model derivation, each event time window was matched to a non-event window. All models were compared to each other and to the Modified Early Warning score, a commonly cited early warning score, using the area under the receiver operating characteristic curve (AUC). A total of 269,999 patients were admitted, and 424 cardiac arrests, 13,188 intensive care unit transfers, and 2,840 deaths occurred in the study. In the validation dataset, the random forest model was the most accurate model (AUC, 0.80 [95% CI, 0.80-0.80]). The logistic regression model with spline predictors was more accurate than the model utilizing linear predictors (AUC, 0.77 vs 0.74;p < 0.01), and all models were more accurate than the MEWS (AUC, 0.70 [95% CI, 0.70-0.70]). Conclusions: In this multicenter study, we found that several machine learning methods more accurately predicted clinical deterioration than logistic regression. Use of detection algorithms derived from these techniques may result in improved identification of critically ill patients on the wards.

关键词： Ubiquitin conjugation   Ubiquitylation   Substrate motif   Position-specific scoring matrix  

摘要： Background: The conjugation of ubiquitin to a substrate protein (protein ubiquitylation), which involves a sequential process - E1 activation, E2 conjugation and E3 ligation, is crucial to the regulation of protein function and activity in eukaryotes. This ubiquitin-conjugation process typically binds the last amino acid of ubiquitin (glycine 76) to a lysine residue of a target protein. The high-throughput of mass spectrometry-based proteomics has stimulated a large-scale identification of ubiquitin-conjugated peptides. Hence, a new web resource, UbiSite, was developed to identify ubiquitin-conjugation site on lysines based on large-scale proteome dataset. Results: Given a total of 37,647 ubiquitin-conjugated proteins, including 128026 ubiquitylated peptides, obtained from various resources, this study carries out a large-scale investigation on ubiquitin-conjugation sites based on sequenced and structural characteristics. A TwoSampleLogo reveals that a significant depletion of histidine (H), arginine (R) and cysteine (C) residues around ubiquitylation sites may impact the conjugation of ubiquitins in closed three-dimensional environments. Based on the large-scale ubiquitylation dataset, a motif discovery tool, MDDLogo, has been adopted to characterize the potential substrate motifs for ubiquitin conjugation. Not only are single features such as amino acid composition (AAC), positional weighted matrix (PWM), position-specific scoring matrix (PSSM) and solvent-accessible surface area (SASA) considered, but also the effectiveness of incorporating MDDLogo-identified substrate motifs into a two-layered prediction model is taken into account. Evaluation by five-fold cross-validation showed that PSSM is the best feature in discriminating between ubiquitylation and non-ubiquitylation sites, based on support vector machine (SVM). Additionally, the two-layered SVM model integrating MDDLogo-identified substrate motifs could obtain a promising accuracy and the Matthews Correlat

关键词： 集成电路芯片   电压传感器   机器学习   模块化设计  

摘要： 随着集成电路设计和制造水平的高速发展，超大规模集成电路被广泛地应用在与信息技术相关的所有行业中，日渐成为这些产业设备的核心硬件支柱。随着智能设备的大规模普及，以SOC为代表的新一代集成电路芯片逐渐走进千家万户，为人类提供了日益丰富的使用体验。\n 在超大规模集成电路设计中，最重要的环节之一是芯片的供电网络设计。芯片供电网络的设计优劣直接影响芯片的工作稳定性甚至市场价值。伴随着集成电路进入纳米时代，不断增大的电路规模和日益迫切的功耗要求，给集成电路供电网络的自动化设计水平提出了巨大的挑战。在最新的高性能计算机处理器芯片中，设计者们通过在供电网络内放置电压传感器，实时监测各个供电节点的电压水平，并结合电压的波动情况在体系结构方面采取措施以保障计算正确性，或采取电路级别低功耗技术大幅降低芯片的整体功耗。考虑到芯片电路具有较强的整体性，且电压传感器会引入额外的设计测试成本，如何优化芯片上电压传感器的位置和数量，并使其布局达到最好的监测效果这一问题，目前已成为供电网络计算机辅助设计领域最具有实际意义的研究方向之一。\n 本课题提出了一种新颖的芯片电压传感器布局解决方案。该方案基于大量历史和仿真数据，利用机器学习中常用的正则化方法，分别构建了针对于连续值输出模拟信号电压传感器，和离散值输出数字信号电压传感器的布局模型。由于芯片大量采用模块化的整体性设计，因此电压传感器并不适于直接放置在功能电路模块内部，而是应放置在芯片上的空白区域内。为了充分利用电压传感器测量的空白区域电压值，来准确预测各模块内的电压情况，本课题基于供电网络内各点电压线性关系假设的基础之上，又分别引入线性回归和支持向量机，建立了适用于连续值和离散值两种情况的各模块内热节点实时电压预测模型。\n 经过大量仿真实验数据测试，该方案中的连续值模型具有较高的预测精度，与最新的研究成果相比，能够降低电压紧急状态误判率至原有模型的50％左右。本课题提出的离散值模型更是首个专门针对于离散值仿真和预测而提出的快速电压传感器布局解决方案，和高准确度模块热节点电压预测模型。

关键词： 农资消费者   购买倾向   分类预测方法   数据挖掘  

摘要： 对于农业生产来说，春耕是非常重要的一个阶段。然而春季气候不确定性较大，农资供销的决策不能全凭经验。以农资电商平台积累的数据为支撑，通过对农资消费者的购买倾向进行分类预测，估计各种农资产品在春耕期间内的需求量、持续时间及需求的地区分布等，可以辅助农资供应者在生产、推广、销售和运输等农资供销系统的各环节进行决策调整，提高农资市场的运行效率。\n 借鉴前人的研究成果，本文提出一种两段式分类预测模型。第一阶段依据产品偏好对农资消费者聚类，在第二阶段将划分后每组消费者的相关数据分别作为输入进行分类预测。作者完成的主要工作如下:\n (1)确定两个阶段的算法。分别对第一阶段聚类和第二阶段分类预测的算法进行比较研究，结合本文数据特点和挖掘目标，选择Chameleon算法和C5.0算法作为两个阶段的算法。\n (2)对农资消费者聚类。应用模块度等概念改进Chameleon算法，降低其使用的难度、增强无监督性。定义农资消费者的产品偏好向量，据此处理春耕期间的相关数据，改进后的Chameleon算法将所有消费者生成的向量集合划分为三类。最后分析各类农资消费者的特点，为第二阶段的分类预测打下坚实基础。\n (3)分类预测购买倾向。将聚类-3的农资消费者行为数据按照7∶3划分为训练样本集和测试样本集。利用挖掘工具Clementine建立决策树模型，观察模型在两个样本集上的表现，反复调整参数以兼顾准确率和防止过拟合;对模型生成的决策树图形，从变量重要性、树结构和叶节点代表的推理规则等进行解释。最后，根据由树生成的推理规则集，为农资供销系统的各个环节提供建议。\n (4)评价两段式模型。本文以横向和纵向两种比较方式评价两段式模型。横向是比较两段式模型在不同样本集上的预测结果，纵向是比较两段式模型和单一模型在同一样本集上的预测结果。本文采用准确率、置信度、重合矩阵等多个指标进行比较。\n 实验结果表明本文用模块度改进后的Chameleon算法聚类结果更准确。本文提出的两段式模型，由比较分析可知，在整体数据上的准确率较高稳健性较好，生成规则的可用性较高;优于单一模型，具有更高的查全率、查准率，改进效果明显。