关键词： 支持向量机   粒子群优化   机器学习   数据分类和预测  

摘要： 支持向量机(SVM)和粒子群优化(PSO)是两种常用的机器学习和优化算法,它们各自在数据分类和预测中有广泛的应用。研究提出了一种基于SVM和PSO相结合的新型算法,用于数据分类和预测。该算法首先使用SVM对数据进行初步分类,然后使用PSO对SVM的参数进行优化,以提高分类和预测的准确性。对比实验结果,表明该算法在相同数据集上的分类和预测性能均优于传统的SVM算法。因此,该算法在实际应用中具有很大的潜力,并可以为数据分类和预测提供更好的解决方案。

关键词： 资源评估   扫海面积法   随机森林   梯度提升回归树   极限梯度提升回归  

摘要： 扫海面积法因其操作简单、计算方便,被广泛应用于渔业生物量评估工作中。但该方法需假设资源均匀分布,若要提高生物量评估的准确性,则须增加站位数量,进而增加经费预算。本研究基于2006年8月和2007年1月、5月、11月在舟山渔场海域开展渔业资源底拖网调查所获得的多种经济蟹类数据资料,模拟分析扫海面积法与机器学习模型(随机森林(RF)、梯度提升回归树模型(GBRT)、极限梯度提升(XGBoost))对舟山渔场海域三疣梭子蟹(Portunus trituberculatus)、双斑鲟(Charybdis bimaculata)、日本鲟(Charybdis japonica)、细点圆趾蟹(Ovalipes punctatus)4种主要经济蟹类生物量的对比评估效果。结果显示,随着投入站点数目的减少,在数据不集中、波动较大的秋、冬季节XGBoost方法对生物量的评估效果明显优于扫海面积法,误差降低7.49%~21.34%;而在较为均匀的春、夏两季,扫海面积法与机器学习方法两者结果的差异不显著(P<0.05)。本研究以几种经济蟹类为例,探索使用机器学习方法评估其生物量,达到了提高评估准确性并节省资源调查成本的效果,可在其他渔业资源种类生物量评估中推广应用。

关键词： 隐私风险   机器学习方法   中间变量   模型训练   共享学习   隐私安全   去中心化   研究团队  

摘要： 分布式机器学习能够协同实际系统中分布在不同节点的数据和资源,通过节点间共享学习中间变量(如模型参数)进行模型训练。该技术具有去中心化的特性,一定程度上避免了数据集中存储带来的隐私风险,是目前面向隐私保护的主流机器学习方法。

关键词： 数据中心   云计算   能耗预测   随机森林   超参数  

摘要： 随着全球数据中心的大量部署和云计算服务需求激增,其高能耗问题日益严重,如何精确预测数据中心的能耗已成为一项重要研究课题.针对数据中心服务器的能耗具有不确定性和非线性等特点,本文提出了一种机器学习方法的服务器实时能耗预测方法.该方法采用随机森林算法筛选模型的输入参数,使用网格搜索方法优化模型的超参数,利用机器学习方法构建服务器的能耗模型.实验结果表明:与基准算法相比,经过优化后的模型其平均绝对误差降低了6.5%,并且在加入误差置信区间后能耗模型的平均绝对误差低于1.4%.

关键词： 生产安全   皮带运输机   目标检测   计算机视觉  

摘要： 为了能够及时对煤矿运输皮带的故障进行检测,文章研究一种用于煤矿运输皮带机故障检测的机器学习方法。在对皮带故障检测图像特点分析的基础上,以基于ShuffleNet V2改进的YOLOv5网络建立了煤矿运输皮带的故障检测网络。针对因工作环境导致的图像质量问题,在网络前部加入了图像预处理模块。同时,为了减小模型体积,提高检测速度和效率,对加强特征提取模块和多尺度特征融合模块进行了改进。实验结果表明,煤矿运输皮带故障检测网络的mAP值达到0.896,实现了较高的检测精度;同时检测速度可达32.2帧/秒,满足工业现场对实时检测的需求。

ISBN: (纸本)9787112288410

关键词： 债券市场   违约风险   文献综述   机器学习  

摘要： 自刚兑打破以来,我国债券市场违约趋于常态化,迫切需要加强对信用债违约风险的识别和防控研究。本文系统梳理了债券违约风险的影响因素,包括宏观经济、金融市场、企业特征、债券特征四大方面,并总结了适用于债券违约风险预警的模型。进一步,本文指出有必要将前沿机器学习方法应用于信用风险的精准识别与智能预警,具体可以使用文本分析深入挖掘债券违约风险影响因素,运用机器学习算法推动债券违约风险预警模型的迭代创新,旨在为坚守不发生系统性金融风险的底线,维护经济金融稳定,推动金融市场高质量发展提供政策参考。

关键词： 慢性非传染性疾病   糖尿病症状   代谢性疾病   机器学习   高血糖   相关并发症   全球范围   预测分析  

摘要： 糖尿病是以高血糖为特征的一种代谢性疾病,血糖高大多是由胰岛素分泌缺陷或其生物作用受损引起,患糖尿病时持续存在的高血糖,会损害各种组织,特别是脑、肾、心脏、神经等[1]。目前,糖尿病是全世界最主要的慢性非传染性疾病之一[2]。新版糖尿病地图指出,在全球范围4.63亿糖尿病患者中,有2.319亿未诊断,未诊断率为50.1%,其中绝大多数为2型糖尿病患者。中国有超过6500万糖尿病患者尚未确诊,这些患者没有明显的糖尿病症状,如果不能早发现、及时干预,将增加糖尿病相关并发症的风险,从而极大地增加糖尿病相关医疗保健费用[3]。在糖尿病相关方面的预测分析研究领域,目前更多的是采用机器学习(machine learning,ML)的方法。

关键词： 高分辨率遥感卫星影像   位置精度   多元线性回归   支持向量回归   随机森林  

摘要： 提出了利用机器学习对高分辨率影像的位置精度进行建模分析的方法。实验提取上海市资源三号遥感影像中心城区与郊区空间纹理统计特征,用作解释变量,构建位置误差回归模型,对比分析不同机器学习模型之间拟合差异,并进行实验验证。结果表明,支持向量回归模型整体拟合精度最优,其在两块实验区域拟合均方根误差(rootmean squares error,RMSE)均在0.9 m左右,随机森林(random forest,RF)模型在郊区也有较好拟合结果。与常规方法相比,机器学习方法更有效,平均绝对误差(mean absolute error,MAE)相差较小,预测结果对异常值较小的样本可信度更高。所提出方法可通过模型预测影像逐像素位置误差,为精细地物信息提取和精度控制提供技术支持。

关键词： 机器学习   密码学   神经网络   网络安全  

摘要： 随着大数据、人工智能等技术的快速发展,计算能力的大幅提升威胁着基于计算困难性理论的传统密码学算法。同时,数以亿计的联网设备产生的海量数据给传统的安全解决方案带来了巨大挑战,数据安全和通信安全成为亟待解决的问题。人工智能技术的兴起为传统密码学提供了新的机遇。机器学习作为一种强大的技术,在密码学领域具有自适应性和高维表征能力,为密码学提供了有效的分析和决策工具。文章介绍了密码学领域中经常使用的机器学习方法,总结了国内外密码算法与密码分析算法的最新研究进展,分析了基于机器学习的密码学的优势和劣势,及面临的挑战与未来研究方向。