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。

关键词： 财务预警   上市公司   机器学习  

摘要： 有效的财务预警模型既有助于上市公司开展自我诊断和主动管理风险,也有助于投资者作出理性选择和避免可能的损失。论文通过挖掘2019-2022年A股上市公司的年报信息,选取财务指标和非财务指标作为输入特征,基于机器学习中的加权K近邻算法、随机森林算法和支持向量机算法构建企业财务风险预警模型,并比较各模型的预测表现。分析结果表明,3种预警模型均有较好的表现并各有侧重。加权K近邻模型在测试集方面具有更高的准确率;支持向量机模型在识别ST公司时命中率最高,能更准确地识别上市公司面临的财务风险;随机森林模型具有更稳健的预测性能。研究结果可供企业日常经营和投资者决策参考,也可为监管机构健全风险监测机制提供依据。

关键词： 桥梁工程   桥面风场时程   人工智能   时程深度学习   物理方程约束   流场重构  

摘要： 获得桥面的高分辨率时变流场对研究桥梁风致问题尤为关键,然而受传感器布设与测量方法等因素制约,难以通过试验直接测得高空间分辨率的流场数据。机器学习是流场表征的有效手段,但是数据驱动的训练方法在已知样本较少时难以获得准确的模型。针对此问题,引入流场时程的人工神经网络方法,使用流体控制方程辅助模型训练,通过增加未知测点处的方程约束提高模型的精度,得到了考虑物理约束的桥面风场时程的机器学习重构模型。以低雷诺数桥面绕流为例,实现了基于稀疏已知测点时程数据的模型训练,得到了较好的效果。结果表明:通过引入未知测点处的控制方程约束,可在较少已知时程数据的情况下,获得更准确的桥面风场重构模型,为人工智能方法在风场实测时程数据中的应用提供了基础。

关键词： 流感预测   网络搜索数据   XGBoost   支持向量回归   多元线性回归  

摘要： 目的探讨网络搜索查询数据在流感样病例(influenza-like illness,ILI)预测方面的作用,分析流感跨区域传播的影响,建立符合中国南方地区的流感预测模型。方法通过挖掘与流行性感冒(流感)相关的重要关键词,对关键词进行初筛,并通过分析各关键词与ILI数的时滞相关性,对关键词进一步过滤。基于确定的不同类型关键词和历史流感样病例百分比(influenza-like illness percentage,ILI%)数据,通过考虑相邻地区间流感传播的影响,构建流感预测模型。为验证各模型的可行性,选用多元线性回归、支持向量回归(support vector regression,SVR)和XGBoost方法对模型预测。结果XGBoost方法中模型4的预测精度更高、效果更好,其MSE、RMSE、MAE值分别为0.055、0.235、0.184。结论先行和同步关键词的百度指数以及相邻区域间的ILI%可以有效提高模型预测精度,其结果可为中国南方地区实现更加精准的流感防控提供科学依据。

关键词： 弥散张量成像   帕金森   多层感知机   支持向量机   模型融合  

摘要： 随着第七次人口普查结束,我国人口老龄化程度进一步加深的结论也随之出现,帕金森病等容易在高龄化人群中出现的疾病对群众的身心造成了巨大的伤害,这种疾病会随时间的推移而加重,如果不在早期加以干预治疗会造成不可逆的严重后果。现如今机器学习在数据处理方面能够取得不错的分类和预测结果。本文基于机器学习,通过对正常人和帕金森患者的弥散张量成像(diffusion tensor imaging,DTI)经过相关预处理后,选择各向异性分数(fractional anisotropy,FA)和平均弥散率(mean diffusivity,MD)作为特征。利用多层感知机(Multi-layer Perceptron,MLP)、支持向量机(support vector machine,SVM)、随机森林(Random Forest,RF)、极致梯度提升(eXtreme Gradient Boosting)、LightGBM(Light Gradient Boosting Machine)等算法,通过超参数搜索选择最佳参数后构建模型。最终用stacking法对五个基模型进行模型融合,生成一个集成模型。在测试集测试结果,输出各分类结果的混淆矩阵,采用准确率、AUC值对算法的泛化能力及性能进行评价,结果显示,Stacking模型的分类精度明显提升。

关键词： 机器学习   数据库   数理统计   滑坡  

摘要： 机器学习已经在滑坡易发性评价中大量应用且取得了较好的表现,但在进行大区域评价时,仍存在数据库样本需求量大,算力要求高;影响因素分级机械化,未考虑其与滑坡机理的相关性等情况。为减少数据库样本需求,本文提出了构建包含3种坡体状态的滑坡的数据库:已经发生过失稳的坡体、正处于失稳状态的坡体、失稳概率小的坡体,该数据库可以在数值上划分出临界值,便于模型更准确地识别滑坡,较大幅度地减小了数据量。针对影响因素分级机械化的问题,提出了基于频数分布图、累计曲线及其导数图的数理统计方式,更精细地描述因数与滑坡易发性的关系。以新疆滑坡灾害为例,验证了“包含3种坡体状态的数据库”与“基于数理统计的描述方法”的适用性,获得了新疆滑坡灾害易发性分区图。结果表明与传统数据库对比,在不明显改变精度的前提下,减少了90%以上的样本量;基于数理统计的描述方法可以绘制出更加细致的滑坡危险性分区图;活动性断裂和地形起伏度对新疆滑坡易发性起到重要的控制作用。

关键词： 朴素贝叶斯   决策树   随机森林   逻辑斯蒂回归   R语言  

摘要： 糖尿病疾病是一个日益严重的医学问题,它是一种代谢疾病,身体内的葡萄糖长期处于一个高水平的状态,会产生尿频、口渴、饥饿程度加剧等症状,从而导致肾衰竭、中风、视力受损等并发症的产生。糖尿病的识别往往是病人询问医生或者是到诊断中心询问,会使诊断过程过于繁琐。但是逐步上升的机器学习方法解决了这一问题。本次研究的目的是采用机器学习方法,预测患者患糖尿病的可能性。因此采用四个机器学习分类算法,即朴素贝叶斯、决策树、随机森林及逻辑斯蒂回归,来检测早期糖尿病。实验采用的是UCI机器学习库中,从孟加拉国锡尔赫特的锡尔赫特医院患者那里收集的直接问卷。这四个算法的性能评估采用准确率来进行评估。实验显示随机森林的精度优于其他算法,达到了98.07%。

关键词： 路面平整度   机器学习模型   特征重要性   模型解释可信度  

摘要： 该研究从预测精度、计算效率、模型解释可信度3个方面对比分析了支持向量机(SVM)、随机森林(RF)、梯度提升树(GBR)及神经网络(NN)模型用于国际平整度指数(IRI)预测建模的效果,并基于加性Shapley值解释(SHAP)方法,通过相对重要性及其变异系数评价了模型解释结果的可信度。研究结果表明,梯度提升树模型的综合性能最优,基于决策树和提升算法的机器学习模型更适用于结果解释性研究;虽然神经网络模型具有最高的预测精度,但其损失函数的非凸性使得模型解释结果不可靠;特征重要性结果表明沥青路面平整度的变化由环境因素主导,其中降水的影响最为显著,其次为低温指标。

关键词： 探地雷达   快速正演模拟   机器学习   随机森林   主成分分析   埋地目标探测  

摘要： 探地雷达正演模拟在真实雷达数据解译及全波形反演中扮演着重要的角色,针对传统探地雷达(Ground Penetrating Radar,GPR)正演模拟计算量巨大、耗时、不利于实时探测等问题,提出一种基于机器学习框架的近实时GPR正演模拟方法.以混凝土中的钢筋探测作为GPR应用场景,混凝土的含水量、钢筋半径及埋地深度作为模型参数,利用时域有限差分数值模拟散射回波信号;运用主成分分析对回波数据进行降维处理得到相应的主成分权值系数,并以此作为机器学习网络的输出;设计了一种基于随机森林的多层循环网络架构和学习策略,不仅充分挖掘学习模型参数和主成分权值系数之间的内在因果关系,也共享主成分间的相互联系,并具有对每个预测主成分完善和修正的功能,以此实现基于机器学习的探地雷达快速正演模拟,与传统机器学习相比,有效提高了正演模拟的精度.在此基础上将两个深度神经网络与随机森林相结合,以回波数据主成分系数为输入,建立了基于机器学习的场景参数预测模型,实现了近实时的埋地目标探测,预测的混凝土含水量最大误差为2%,钢筋埋地深度最大误差为6.7%.

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。