关键词： 亚细胞定位   生物信息学   机器学习   分类器   特征提取  

摘要： 蛋白质亚细胞定位与其功能密切相关。蛋白质在细胞中的正确定位是细胞系统高度有序运转的前提保障。研究细胞中蛋白质定位的机制和规律,预测蛋白质的亚细胞定位,对于了解蛋白质的性质和功能,了解蛋白质之间的相互作用,探索生命的规律和奥秘具有重要意义。基于机器学习方法的蛋白质亚细胞定位预测是生物信息学研究的热点之一。从数据集的建立、蛋白质序列特征刻画和蛋白质亚细胞定位预测算法3个方面,总结和评述了在过去十几年里机器学习方法在蛋白质亚细胞定位研究中的应用情况和取得的成果,分析了机器学习方法在蛋白质亚细胞定位预测方面存在的问题和面临的挑战,指出了蛋白质亚细胞定位研究的主要方向。

关键词： 机器学习   神经网络   决策树  

摘要： 阐述数据挖掘的分类及目的,总结分类器的构造方法,讲述分类中决策树的构建和修剪.

关键词： 人脸识别   机器学习   反向传播神经网络   径向基函数神经网络   支持向量化   集成学习   比较  

摘要： BP神经网络、RBF神经网络、支持向量机(SVM)和集成学习是目前应用最为广泛的四种机器学习方法。将这四种常用的机器学习方法分别应用于人脸识别,并利用ORL人脸图像库对各学习方法性能进行了测试和评估。测试结果表明SVM和集成学习在实验中取得了较好的性能,最适合用于人脸识别中特征分类器。

关键词： 信用预测   非平衡数据分类   支持向量域   非负二次规划   乘性更新算法  

摘要： 基于非平衡数据集的支持向量域分类模型,提出了一种银行客户个人信用预测方法。首先分析了信用预测的主要方法及其不足,然后研究了支持向量域分类模型及其参数的非负二次规划乘性更新算法,进而提出基于支持向量域分类模型的银行客户个人信用预测方法,最后使用人工数据和实际数据对提出方法与支持向量机预测方法进行对比实验。实验结果表明对于银行客户个人信用预测的非平衡数据分析问题,基于支持向量域模型的分类预测方法更有效。

关键词： software quality   metrics   logistic regression   receiver operating characteristics curve   decision tree   support vector machine  

摘要： Demand for quality software has undergone rapid growth during the last few years. This is leading to increase in development of machine learning techniques for exploring datasets which can be used in constructing models for predicting quality attributes such as Decision Tree (DT), Support Vector Machine (SVM) and Artificial Neural Network (ANN). This paper examines and compares Logistic Regression (LR), ANN (model predicted in an analogous study using the same dataset), SVM and DT methods. These two methods are explored empirically to find the effect of object-oriented metrics given by Chidamber and Kemerer on the fault proneness of object-oriented system classes. Data collected from Java applications is used in the study. The performance of the methods was compared by Receiver Operating Characteristic (ROC) analysis. DT modelling showed 84.7% of correct classifications of faulty classes and is a better model than the model predicted using LR, SVM and ANN method. The area under the ROC curve of LR, ANN, SVM and DT model is 0.826, 0.85, 0.85 and 0.87, respectively. The paper shows that machine learning methods are useful in constructing software quality models.

关键词： 视觉信息标注   视觉信息检索   机器学习   多语义概念学习   半监督学习   多示例学习   语义概念特性  

摘要： 随着存储设备、计算机网络和压缩技术的发展,视觉信息大量涌现,如何有效地组织、表达、管理和检索浩如烟海的视觉信息,已成为科研领域和工业界亟待研究解决的问题.其中,视觉信息语义标注受到愈来愈多的关注,成为当下的研究热点。 早期的视觉信息标注是人工完成的,然而人工标注费时费力,无法完成大规模视觉信息的语义标注,这促使人们寻找新的标注技术。由于机器学习方法具有成熟的理论基础,可为语义标注提供理论支持及可能的解决方案,基于机器学习的自动语义标注已逐渐成为解决视觉信息标注问题的主流途径.本文主要针对基于机器学习的视觉信息标注展开研究,提出了一系列新颖的标注算法,期望通过挖掘视觉信息标注的特性来提高视觉信息标注的准确性,以促进其实用化进程。本论文的主要研究工作如下: 1.提出了面向语义概念特性挖掘的视觉信息标注框架。在传统的视频标注方法中引入语义概念特性挖掘,提出了结合概念间统计相关性以及语义相关性的视觉信息标注改善算法。传统的视觉信息标注方法将某语义概念的标注问题当作两类分类问题来解决,将语义概念简单地视为类别标号,忽略了语义概念的自身特性,如概念间的统计相关性、语义相关性等,从而难以获得令人满意的效果。本文通过挖掘语义概念特性,并以此指导视觉信息标注,有效地提高了标注的准确性。 2.提出了全新的基于半监督多语义概念学习的视觉信息标注技术。将多语义概念学习引入到半监督学习中,提出了半监督多语义概念学习框架。基于此框架,提出了两种新颖的半监督多语义概念学习算法,有机地结合了样本间的相似性、语义概念间的相关性、以及样本与概念间的映射关系。基于半监督多语义概念学习的视觉信息标注技术在克服了训练样本缺乏问题的同时,充分挖掘了概念间的相关性,获得了更为准确的标注模型。 3.首创性地研究了基于多示例多语义概念学习的视觉信息标注技术.多示例学习作为消除数据歧义性的有效途径,己被越来越多地应用于视觉信息标注。但是,以往的多示例学习方法局限于解决单语义概念学习问题.而视觉信息标注本质上是一个多语义概念学习问题,并且数据歧义的起因也正是这种多语义性。多示例多语义概念学习技术从全新的角度对视觉信息标注进行研究,将多语义概念学习的思想引入到多示例学习中,通过挖掘概念间的相互联系更好地消除了视觉数据的歧义,从而有效地提高了标注的准确性。 视觉信息标注研究,涉及到机器学习、计算机视觉以及认知科学等多个领域,希望本文的研究工作,也能为相关领域提供一些新的思路与方法。

关键词： 网络流量分类   特征选择   机器学习   特征距离   遗传算法  

摘要： 随着互联网络的日益发展和普及,网络流量数据正以惊人的速度增长,它在给人们带来方便的同时,也面临着如何有效地对这些海量数据进行分析,以提高互联网络服务质量以及促进互联网更快、更好的发展。这篇论文主要研究基于机器学习方法的网络流量分类以及相关技术。包括网络流量数据采集、特征产生、样本标识、特征选择,以及应用机器学习方法对网络流进行分类等技术。 在基于机器学习方法的网络流量分类研究中,网络流量样本,包括训练样本、测试样本的获取是非常重要的一步。首先我们通过Sniffer的方法捕获网络报文,然后将采集到的报文按五元组进行分类为流,再结合Packet-Level和FlowLevel两个层面上的信息,在报文属性（大小、个数、时间、标志位）、流的属性（时间）上做了认真的分析和研究,产生了37个网络流量统计特征,形成了表示网络流的特征向量。在网络流量样本的标识上我们结合了基于端口、基于有效载荷,协议分解等多种方法,实现了样本的自动标识系统,标识的正确率高。 在特征选择方面,运用特征距离以及遗传算法进行综合选择,这种方法可以有效地找到较好的遗传算法的初始群体。从而能在较少的迭代次数当中找到较优的特征子集,实验结果表明提出的方法可以减少特征的数量,减少学习和分类的时间,同时还因去掉不相关或冗余特征,提高了分类的准确性。 在基于机器学习的分类研究中,运用了六种不同的机器学习方法,对常见的网络流量应用类型进行了分类研究,并给出了实验结果,实验结果表明基于机器学习方法的网络流量分类可以避免传统网络流量分类方法的缺陷,能够很好地分类那些采用动态端口或者协议加密的网络应用流量类型。 在上述研究的基础上,设计并实现了基于机器学习方法的网络流量分类系统（Traffic Classification System Based on Machine Learning , TCSBML）,系统包含网络流量数据采集、网络流量数据分析以及分类等几大功能模块,具有一定的实用价值。

关键词： 机器学习   目标跟踪   区域可信度   RoboCup   视觉决策  

摘要： 机器学习是当前涉及人工智能、机器人学、人工神经网络等学科的一个非常活跃的研究与应用课题,在工业、医疗、军事、体育等行业都具有很好的应用前景,将成为对社会发展产生深远影响的关键技术。 机器学习的方法有很多,常见的学习算法有强化学习算法、人工神经网络算法、贝叶斯学习算法、决策树学习算法等。高效和快速训练出适应性较强的结果,是机器学习的重点和难点。出于对反应快、效率高、适应性好的考虑,本文提出了一种基于价值的学习方法并将此方法应用到了RoboCup2D平台中取得的很好的效果,主要的工作如下: (1)提出并解释了一种新的学习方法——基于价值的机器学习方法LBA(Learning based on Axiology)。LBA是根据人类价值观的思维方式被设计出来的,首先将世界模型(worldmodel)分为若干因素(factor)的组合,将这些因素与某种决策行为组合通过价值观修正函数产生出价值。然后通过价值的大小来取舍行为。 (2)阐述了一种实用性很高的目标跟踪法——基于无关区域排除的目标跟踪EIA(Target Trace Algorithm based on Excluding Irrespective Area)。EIA是一种基于行为概率的目标跟踪。它定义了目标Agent的可信度(Agent Confidence)和区域可信度(Area Confidence)并通过比较两者的差异来更精确的对目标进行跟踪和定位。 (3)把价值学习和无关区域目标跟踪结合应用到RoboCup2D中,设计并实现了出一个基于视觉的决策模型。经过大量的实验,从对场上动态物体的定位精度、传球成功率、决策行为匹配度和比赛成绩四个方面证明了该视觉决策模型的有效性。

关键词： 机器学习   神经网络   支持向量机   近邻法   直推式异常检测  

摘要： 随着各行各业所面临的网络安全问题越来越复杂,对入侵检测的研究虽已延续多年,但如今仍然是网络安全领域中最具有活力的研究方向之一。本文以国家重点项目为依托,针对基于机器学习方法的网络入侵检测或网络异常检测技术进行了全面,深入地理论分析,并针对入侵检测技术领域中资源消耗大这一关键问题,创新地提出了一种基于特征压缩和分支剪裁的直推式网络异常检测方法,所有的理论方法均在世界著名的KDD CUP99公用数据集进行了充分的实验和对比分析,从而使实验结果更具有可比性,为实际的入侵检测系统提供了有利的理论依据。本文的研究工作的主要内容有: 一、研究了基于BP、SOM、C-SVM和近邻法的网络入侵检测方法和基于SOM、OC-SVM的网络异常检测方法,并进行了仿真实验。仿真结果表明,基于BP神经网络的网络入侵检测方法具有较高的检测率,而基于C-SVM的网络入侵检测方法具有较低的误报率;相对于基于OC-SVM的网络异常检测方法来说,基于SOM神经网络的网络异常检测方法具有较好的检测效果。近邻法中,压缩近邻法是五种近邻法中最具有优良特性的算法,该方法既减少了训练集中的样本数量,又提高了算法运行效率。仿真实验表明,压缩近邻法是一种能够在保持检测效率的同时大幅度删减训练样本的有效方法。 二、首次提出了基于特征压缩和分支剪裁的直推式网络异常检测方法,该方法旨在降低算法所需大量系统资源这一在入侵检测技术的关键问题。本文通过引入特征压缩和分支限界树剪裁技术,一方面降低了训练数据和测试数据的特征维数,同时降低了欧氏距离计算的次数。实验结果证明,该方法能较好地解决这一关键问题。 三、在对几大类基于机器学习的入侵检测方法进行了理论研究的基础上,本文全面地进行了实验对比分析,对关键数据进行了定性或者定量的分析,从而为实际入侵检测系统的设计提供了有效的经验依据。 四、将入侵检测理论方法应用到大唐入侵防御系统中,并对实际系统的部署,结构,及模块设计做了简要而清晰的说明,指出了下一步研究工作的重点。

关键词： 有监督   词义消歧   机器学习方法   多分类器融合   bootstrapping  

摘要： 词义消歧在自然语言处理的许多应用领域中具有重要的理论和实践意义,是一个影响着自然语言处理领域中许多其他应用问题的“中间问题”,在机器翻译、信息检索、主题内容分析和文本处理,以及句法分析等领域起着很重要的作用。当前主要有两种方法进行词义消歧,第一种是基于词典的方法,第二种是基于语料库的方法。第一种方法需要语言学知识,第二种方法使用统计学和机器学习方法,从大量的样本中推导出语言使用模型。大量样本组成的语料库根据情况又分为已人工标注过的和未人工标注过的,根据使用的语料不同,第二种方法又分为有监督和无监督方法。在四次词义消歧的国际比赛中,有监督的词义消歧方法往往能获得最好的词义消歧结果。 本文采用有监督方法进行词义消歧,使用多种机器学习方法从上下文中提取不同的信息来构建分类器。对这些分类器进行性能分析,综合这些单分类器的输出结果,通过不同的组合算法构建多分类器系统。实验结果表明多分类器融合能有效地提高分类性能。 有监督的词义消歧的优点是分类的准确率比较高,但与此对应的是需要人工标注的语料库,传统的有监督词义消歧往往只能限定在某些词语上,未能推广。本文采用了一种bootstrapping方法,自动的从网上获得包含歧义词的句子。通过对这些句子进行语义标注,构建出有标注的语料库。通过这种自动获得语料的方法,可以将有监督的方法推广开来。