关键词： 数据挖掘   急诊胸痛   分类预测   医疗大数据  

摘要： 目的：在心血管病专科医院急诊科室中,存在大量的胸痛患者,而且胸痛待诊患者涉及病因种类多,且危重程度悬殊。如何快速、准确的辨别出胸痛患者所患疾病,对门急诊青年医师来说是一件十分有挑战性的事情。故本课题试图通过大数据、数据挖掘等新型方法来构建一个分类预测模型,该模型能够根据患者疾病信息来判定患者所患疾病种类,从而辅助医生快速、准确的得出诊断结果,减少漏诊、误诊现象。方法：应用数据挖掘中的多种分类算法来构建预测模型,首先用CART (Classification And Regression Tree, CART)决策树计算出胸痛患者患每种疾病的概率,然后对可能得的每种疾病分别应用最近邻法、C5.0决策树、支持向量机、人工神经网络、朴素贝叶斯和随机森林六种分类算法来最终判定该患者是否得该疾病。结果：在诊断是否冠心病模型中,人工神经网络判别性能最佳,准确率是93.75%,AUC (Area Under Curve, AUC)值0.849；在冠心病细分为心梗和心绞痛模型中,支持向量机分类性能最好,准确率是82.35%,AUC值0.826；在主动脉夹层和其他疾病诊断模型中,人工神经网络的表现也是最好,准确率分别是96.30%和89.36%,AUC值分别是0.924和0.867。在预测急性心梗患者出院后是否会发生严重不良事件中,随机森林在30天、半年和一年的预测最为可靠,准确率分别是94.36%、92.63%和92.72%,AUC值均高于0.9。结论：各个模型中最适宜的算法分类预测准确率均82%以上,而急性心梗患者出院后严重不良事件预测更是高达92%以上,结果证明通过数据挖掘手段建立的分类预测模型可以对心血管病专科医院急诊科室的胸痛患者进行准确分类,能够为医务人员提供提供一定的辅助,减少漏诊、误诊现象。

关键词： Depression   Machine learning   Treatment   Prediction   Review  

摘要： Depression is a complex clinical entity that can pose challenges for clinicians regarding both accurate diagnosis and effective timely treatment. These challenges have prompted the development of multiple machine learning methods to help improve the management of this disease. These methods utilize anatomical and physiological data acquired from neuroimaging to create models that can identify depressed patients vs. non-depressed patients and predict treatment outcomes. This article (1) presents a background on depression, imaging, and machine learning methodologies;(2) reviews methodologies of past studies that have used imaging and machine learning to study depression;and (3) suggests directions for future depression-related studies. (C) 2015 The Authors. Published by Elsevier Inc.

关键词： 网络新闻   相似性检测   重复性检测   文本分类   价值预测  

摘要： 随着互联网的发展和普及,网络已经走进千家万户,人们获取新闻资讯的方式逐渐的由传统的报纸、广播、电视等方式向互联网媒体转变。可是面对海量的数据资源,人们往往难以从中筛选出对自己有价值的信息,而且这些庞大的信息如何有效的整合和管理也是个问题。所以为了有效的整合网络新闻资源,以及方便用户简洁而又全面的阅读体验,本系统中设计了一套完整的包含新闻爬取、关联分析、分类以及价值预测的新闻分析系统。主要工作包含以下几个方面:、在新闻相似性检测方面,实现了基于2特征提取和夹角余弦相似计算的新闻相似性度量,通过计算找出内容相似的新闻,根据相似新闻之间的关联关系发现新闻话题,以及根据新闻的发布时间,找出话题的源头等功能。、在新闻的重复性检测方面,提出了一种基于#)度量的新闻重复性度量方法。为了过滤标记重复新闻,改善用户阅读体验,本系统中还在相似计算的基础上进行新闻的重复性检测。该方法是受传统编辑距离算法的启发而来,在新闻的重复性检测中能够保证更高的检测准确率。、在新闻分类方面,本文中系统的分析了常用的多分类组合策略的优劣势,结合本项目的特点,提出并实现了一种基于特殊结构的二叉树支持向量机多分类算法3 2 2的新闻文本自动分类系统。、在新闻的价值预测方面,结合新闻价值的要素,设计了一套通过百度新闻搜索平台提取与新闻价值相关的特征,并编写定时器自动采集时间序列数据,应用3神经网络进行预测的新闻价值预测系统。4、基于上述的算法和功能点,实现了一个互联网新闻的分析服务与管理系统。通过该系统能够实现网络新闻的自动增量采集、相似性和重复性检测、分类以及价值预测等功能,能够有效的将互联网新闻资讯进行整合、提高信息使用效率,该平台具有广泛的应用前景和商业价值。目前该系统已经上线运行,已有4万终端用户。

关键词： 电力负荷分类   聚类分析   灰色模型   粒子群优化   负荷预测  

摘要： 电力系统中的电力数据分析如负荷分类与电量预测一直是电力部门进行分时电价制定、变电系统调节、负荷总量预测、避峰错峰管理等方案制定的基础。有效的分类与预测方法能够给电力规划提供正确的数据管理依据,对掌握不同用户负荷特性的变化以及长、中、短期电量的预测有着较好的应用前景。针对电力数据分析中负荷分类与中短期电力预测两个问题本文进行了如下工作:1)首先对电力负荷分类与预测进行综述,总结了当前研究现状,并分别针对各自特点详细分析,包括各方法的优势与问题,并给出了有效性指标与评价标准。2)针对传统的K-均值聚类方法在初始化时选用随机点作为中心的问题,本文提出了基于负荷差异性的初始化方法。在负荷最大最小值之差的基础上,按用户量分布选定初始中心,根据改进的方法,结合电网实际电力数据,对用户进行分类处理,实验证明了该方法在实际电力负荷分类中的可行性与有效性。3)针对负荷预测的问题,本文分析了灰色预测模型(Grey Model,GM)在电力预测中的运用现状,从其序列生成的不足之处出发,通过引入了季节周期性思想,在序列生成时,实现了去周期性。并给出预测模型精度检验的方法,在之后的实验中,通过与原始方法对比证明了该方法的有效性。4)在普通灰色模型以及本文上部分改进的序列生成方法的基础上,本文提出了智能优化背景值的混合预测模型。针对传统GM方法,首先在序列生成时去除其季节周期性;其次针对建模时背景值选择上的不足,重新构建了可调参数的背景值构造公式;再用粒子群算法(Particle Swarm Optimization,PSO)对可调参数进行优化。在改进的去周期性序列生成方法下,通过迭代寻优背景值公式中的可调参数获得全局最优值,从而得到优化后的模型发展系数与灰度参数,建立预测模型。我们将该模型应用在电网实际数据中,通过与原始方法和其他方法的对比,结果证明了该模型可以有效的提高预测精度。

关键词： information security   orthonormal nonnegative matrix factorization   subject area modeling   user behavior  

摘要： A new method for detecting user access to irrelevant documents based on estimating the document text membership in typical subject areas of the analyzed user is proposed. The typical subject areas are formed using subject area modeling implemented via orthonormal nonnegative matrix factorization. An experimental study with real corporate correspondence formed from an Enron data set demonstrates the high classification accuracy of the proposed method, compared to traditional approaches. © 2016, Allerton Press, Inc.

关键词： 建筑节能   能耗模型   机器学习   敏感性分析   预测精度  

摘要： 在建筑能耗分析领域,建立建筑能耗模型是深入分析其能耗特点的重要手段,而且能够为建筑节能提供优化节能措施。因此,建立可靠准确的建筑能耗模型是建筑节能研究中的重要任务。机器学习方法近年来在建筑能耗分析领域的应用越来越广泛。机器学习方法由于其先进的数据分析能力,可以用于分析多变量之间的复杂模式以及交互作用,在调整完机器模型中算法参数后,能够达到计算速度快的特点,非常适合应用于建筑能耗模型的建立和分析。所建立的机器学习能耗模型,可进一步用来进行建筑能耗的不确定性和敏感性分析、贝叶斯分析和最优化计算等方面。本文重点从单体建筑能耗和区域建筑能耗两方面来比较几种常用的机器学习方法对建筑能耗预测的准确性,包括完全线性回归、LOSSO回归、高斯过程回归、多元自适应回归样条法、自助多元自适应回归样条法、随机森林、支持向量机和促进法。结果表明在单体办公建筑的能耗预测中,多元自适应回归样条法、自助多元自适应回归样条法和随机森林法三种方法适用于取暖能耗的模型建立,对于制冷和用电能耗预测,自助多元自适应回归样条法是计算精度最好的机器学习方法。同时发现制冷能耗模型与取暖能耗模型相比,由于存在着更加复杂的非线性关系,其预测难度更大。办公建筑外围护结构因素的敏感性分析得出,对于建筑的取暖能耗的影响最为显著的因素为建筑高度,而对于制冷和用电情况来说建筑规模的影响程度更大。在区域建筑能耗的预测中,支持向量机模型和自助多元自适应回归样条法的预测效果最好,而且自助多元自适应回归样条法所建立模型预测值的不确定性区间要小于支持向量机的预测值不确定性区间,所以其建立的模型更加精确。同时,研究结果表明电能预测的统计模型与燃气预测的统计模型相比所需模型变量数目少,但是电能预测模型比燃气模型的预测难度高。

关键词： 代谢稳定性   机器学习   体内   体外   半衰期  

摘要： 药物代谢的稳定性作为一个药物的关键性质,是极其重要的,决定了药物药代动力学的主要性质。因此为了降低在临床阶段由于候选药物的代谢不稳定或稳定而带来高成本的风险,建立一套有效的和可靠的方法in silico预测药in vitro的代谢稳定性和in vivo的药代动力学相关参数,具有重要的实际意义。而随着大量的体外、体内实验分析的数据累积,以及相关数据库的构建及高质量的数据整理,目前建立in silico的预测模型的条件已经具备。特别是应用机器学习相关技术,由于其在处理多样性结构下及复杂问题中的优秀表现,特别适用于药物的代谢稳定性和药代动力学指标的分类和预测。然而,基于机器学习方法在体外、体内代谢稳定性的预测仍然有很多急需要解决的问题。通常这些模型的内部验证很好,外部预测效果不理想,即模型的泛化能力很差。主要的原因是两方面:第一,没有抓住关键的特征,而采用了过多的特征导致模型太过复杂,存在可能的过拟合而导致模型扩展能力变差;第二,由于有限的训练样本数目导致训练集缺乏代表性。因此,在本论文的第一次研究中,我通过使用新的特征选取方法,构建了预测化合物体外血浆稳定性的支持向量回归(SVR)模型。在特征的选取中,发现合理恰当的选取描述符以及描述符的个数,可以大大提高模型的外部预测性能,同时借助核主成分分析(KPCA)方法显示不同描述符组合下在高维空间的线性可分情况,进一步说明了特征选取的重要性。这可能会为其他模型的建立提供帮助。最后建立的人血浆体外稳定性模型可以为in silico体外预测提供便利的帮助,同时筛选出与稳定性非线性相关的重要描述符和分子指纹,为前药和软药的设计提供思路。在本文的第二次实证研究中,选取了in vivo的药代动力学参数——药物的半衰期作为研究对象。首先为了扩大训练集样本数目和结构的多样性,通过广泛的数据搜集,获得了据我所知最大数据集的药物半衰期数据。之后分析了哪些分子描述符和外部因素对半衰期有较大的影响,其次使用经典的机器学习方法朴素贝叶斯分类器和递归分割来建立预测模型识别药物半衰期的长短,同时探究了不同分子指纹和描述符组合下的预测性能,最后建立的贝叶斯推断模型具有一定的识别能力。这些模型与方法为设计合成以及在临床实验前确定药物的半衰期有重要参考价值。

关键词： 在线品牌忠诚度   度量   机器学习   模型构建   模型优化  

摘要： “十三五”规划明确提出坚持扩大内需战略,充分挖掘我国内需的巨大潜力,拓展新型消费业态。尤其是在以互联网经济为代表的“新经济”背景下,在线消费作为新型消费业态的代表正逐渐改变着人们的消费观念和方式,在线品牌忠诚在在线消费领域具有极其重要的地位,对于刺激消费和实现企业精准营销、风险管控、决策支持、效率提升和产品设计等商业模式、商业形态甚至商业思维方面的变革,提升企业在在线领域的竞争力具有极其重要的意义。应用科学有效的机器学习方法对在线品牌忠诚进行系统分析和研究具有迫切性和必要性。在大数据环境下,面对在线消费提供的海量数据信息,传统的技术方法已逐渐无法满足企业创造和维持品牌忠诚的竞争需求。突出表现在传统随机采样方法很难定位具有高品牌忠诚度的消费群体;同时,传统的数据处理技术也无法处理具有海量、混杂和非结构化数据特性的在线消费行为。在面对庞大量级的在线数据,以及如何实时利用在线数据锁定品牌消费群体的需求时,传统的方法具有局限性。本研究的目的就是构建一个在线消费大数据时代下的人工智能模型——机器学习模型,通过机器学习方法,对在线消费者的品牌商品购买行为进行聚类,构建在线品牌忠诚度度量模型,实现具有相似忠诚度的用户的聚类,同时实现在线品牌忠诚度的度量。其中,重点研究机器学习路径、机器学习算法、模型构建方法,以及模型的检验与优化方法。本研究围绕理论研究——模型设计——模型优化的思路,主要完成以下研究工作:(1)在对品牌忠诚度理论进行国内外研究现状综述的基础上,对在线品牌忠诚度大数据特性和在线品牌忠诚度度量的机器学习方法进行论述。(2)构建在线品牌忠诚度度量模型是本研究的主体,研究过程遵循在线品牌忠诚度度量的机器学习路径展开。主要包括:1)品牌忠诚度度量的在线数据采集,即通过设计在线数据采集模型和爬虫算法对品牌忠诚度度量相关的在线数据进行采集。2)品牌忠诚度度量的在线数据清洗,即通过设计在线数据检测算法对品牌忠诚度度量的在线数据进行检测;通过设计在线数据清洗算法对品牌忠诚度度量的在线数据进行清洗。3)品牌忠诚度度量的机器学习方法建模,即根据特征选择依据和特征指标定义,通过设计算法完成模型所需的特征构建;在对品牌忠诚度度量模型和模型聚类进行数学定义的基础上,通过设计聚类算法实现模型构建。4)品牌忠诚度度量模型检验,即根据内部有效性指标和外部有效性指标定义,通过设计内部有效性检验算法实现模型内部有效性检验;通过设计外部有效性检验算法实现模型外部有效性检验。(3)对在线品牌忠诚度度量模型进行优化是本研究的重点。主要研究工作包括通过数据处理优化、特征工程优化和算法调整优化得到最优模型,并从实现在线品牌忠诚度相似用户聚类和实现在线品牌忠诚程度界定两个方面对最优模型进行评价。本研究的创新点主要包括:(1)针对以大数据处理、大数据价值挖掘和以互联网经济为代表的“新经济”下的在线品牌忠诚度大数据的特性;以及由此带来的在线品牌忠诚度数据分析方式、分析思维、分析技术产生颠覆性变革;在线品牌忠诚度数据生成的多种因素影响;在线品牌忠诚度数据分析的模型和算法高复杂性等方面,首次进行了系统深入的挖掘和剖析,为以互联网经济为代表的“新经济”下的在线品牌消费行为及忠诚度的进一步研究奠定了基础。(2)提出机器学习方法用于在线品牌忠诚度度量的思路,并实现应用机器学习方法对在线品牌忠诚度模型进行构建,其模型定义在借鉴数据挖掘领域的多维数据立方体概念的基础上进行了改进,进一步拓展了机器学习方法的经济应用领域。(3)通过全数据分析模式,即样本等于总体的大数据分析模式,实现在线品牌忠诚度相似用户聚类以及在线品牌忠诚程度界定,突破了传统随机采样方法在定位具有高品牌忠诚度消费群体以及传统的数据处理技术处理具有海量、混杂和非结构化数据特性的在线消费行为的局限性。(4)品牌忠诚度度量模型优化是本研究的重点。其中,特征工程优化是模型优化的核心。而对于聚类方法,存在特征工程适用性问题,本研究在借鉴相关方法思路基础上对具体的特征选择方法进行调整和改进,使其更好的适用于模型优化,具有创新性。

关键词： 光电转化效率   级联模型   机器学习方法   支持向量机   B/S模式   JSP技术  

摘要： 太阳能电池光电转化效率是评价太阳能电池性能的一项重要参数,精确地预测光电转化效率对提高染料敏化太阳能电池性能具有重大的意义。但是由于电池器件的结构复杂,很难通过量子化学方法从分子结构机理得到光电转化效率的实验值。应用智能计算方法可以避开量子化学方法复杂的反应过程,因此,可以用量子化学方法计算敏化染料分子的物理化学性质,然后基于智能计算方法来建立分子物化性质及结构性质与光电转化效率之间的回归模型,得到光电转化效率的预测值。本文的主要工作是利用量子化学B3LYP方法在STO-3G和6-31G(d)基组上计算染料分子基态以及激发态的物理化学性质,然后利用支持向量机(SVM)结合5种特征选择方法(多元线性回归、顺序前向搜索、顺序后向搜索、+N-n方法和平均影响值)建立分子物化性质、结构性质与光电转化效率之间的回归模型。本文以短路电流(Jsc)、开路电压(Voc)和填充因子(FF)作为桥梁连接分子描述符与光电转化效率(PCE)之间的关系,建立级联回归模型,通过良好的模型评价准则作为理论支撑,基于B/S模式使用JSP语言,开发了太阳能电池光电转化效率预测系统。本预测系统能够精确预测PCE,从而修改分子结构,进一步提高染料分子的光电转化效率,最后可将设计得到的分子进行合成和器件研究。

关键词： 机器学习   分类   疾病诊断   支持向量机   特征选择  

摘要： 分类是机器学习的主要任务之一。生活中的一些决策问题便可以看作分类问题,比如与人们健康紧密相关的疾病诊断。分类算法将会从训练样本中训练合适的模型从而给出更加智能的结果,辅助医生进行诊断。然而针对某种疾病,直接使用某种分类算法做出决策,可能并不能达到理想的效果,因为各种分类算法在不同数据集上的分类效果存在差异,即不存在一种分类算法在任何数据集上的表现,均优于其他分类算法。鉴于疾病诊断对于准确率有非常高的要求,如何构造具有强泛化能力的分类诊断模型,成为机器学习在这一领域的研究重点。本文主要针对某些疾病,研究构造具有更高分类准确率的分类诊断模型,从而为疾病诊断提供更加准确的结果。通过比较K-近邻(KNN),Logistic回归和支持向量机(SVM)等监督分类算法在乳腺癌和糖尿病数据集上的分类准确率,找出更适合乳腺癌和糖尿病诊断的分类诊断模型。在此基础上,针对冗余特征对分类准确率的影响,提出一种集成混合特征选择和线性SVM的乳腺癌诊断模型,进一步提高了乳腺癌诊断的准确率;针对网格搜索对高斯核SVM参数优化效果不佳的问题,提出一种集成改进的加速粒子群优化算法和高斯核SVM的糖尿病诊断模型,提高了糖尿病诊断的准确率。本文主要贡献和研究成果如下:(1)通过比较K-近邻(KNN),Logistic回归和支持向量机(SVM)等分类算法对于乳腺癌和糖尿病的诊断准确率,发现线性SVM对于乳腺癌的诊断获得了最高的准确率,而高斯核SVM对于糖尿病的诊断准确率更高,这些内容是进行后续研究的基础。(2)针对冗余特征对训练时间和分类准确率的影响,提出一种结合相关性与序列选择的混合特征选择方法,结合线性SVM,构建出集成混合特征选择和线性SVM的乳腺癌诊断模型,进一步提高了线性SVM对于乳腺癌诊断的准确率。(3)针对参数对高斯核SVM性能的影响,对加速粒子群优化算法进行了改进,提出一种集成改进的加速粒子群优化算法和高斯核SVM的糖尿病诊断模型,进一步提高了高斯核SVM对于糖尿病诊断的准确率。