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。

关键词： 物联网   机器学习算法   安全和隐私   云计算  

摘要： 物联网已成为重要的网络范式,并且有许多智能设备通过物联网连接。尽管如此,要完全实现物联网愿景仍然存在许多障碍,其中安全和隐私较为关键。确保物联网中的安全和隐私特别复杂,尤其是对于能源供应有限和计算能力低下的资源受限设备而言。机器学习作为另一个重要领域,在计算机视觉、计算机图形学、自然语言处理、语音识别、决策和智能控制等方面均有应用。本文对机器学习在物联网安全中的应用进行了概述。首先对物联网设备及其安全问题进行介绍,然后提供了全面的调查,重点介绍了适用于物联网安全的机器学习技术的最新进展,并描述了各种物联网应用。此外,还讨论了研究挑战和未解决的问题。

关键词： 番茄病害识别   机器学习方法   深度学习方法   轻量级卷积神经网络(LDNet)  

摘要： 传统的作物病害识别方法局限多,研究基于深度机器学习方法的快速、准确地检测番茄病害技术显得十分重要。本研究提出了一种轻量级卷积神经网络(LDNet)识别技术,设计了一种新颖的轻量级卷积神经网络模型,能更准确地定位病害区域。比较实验表明,LDNet在识别番茄叶病方面具有最高的识别性能和最少的参数,适合在移动或嵌入式设备上部署移动番茄病害检测模型,将对于农业的可持续和适当发展以及避免不必要的财力等资源浪费具有重要意义。

关键词： 机器学习   原子核质量   碰撞参数   对称能  

摘要： 机器学习能够从大量复杂的数据中挖掘其内在的关联,近些年被广泛应用在科学研究中。本文分别评估了两类机器学习算法在修正核质量、重构重离子反应碰撞参数以及提取对称能斜率系数等热点问题上的表现,并讨论了机器学习模型的外推能力和泛化能力。结果表明:机器学习方法在三个核物理问题的研究中均体现出强大的能力。将机器学习方法应用于核物理问题的研究中可以进一步探索新物理,从而更好地推动理论和实验的发展。

关键词： 鼻咽癌   机器学习   费用管理  

摘要： 好发于我国两广地区及南亚、东南亚的鼻咽癌,在对患者身心健康、经济状况等方面带来巨大伤害的同时,对医院的医疗资源利用与合理配置等方面也产生了重大挑战。本文拟通过人工智能方法中的机器学习方法与传统统计学方法相结合,对广西某医院鼻咽癌患者住院费用进行分析,从而对医院医疗资源配置等方面提出合理化建议。最终结果显示,性别、民族、婚姻状况、保险情况、职业均是影响患者住院费的因素。年龄、住院次数、婚姻状况、性别、保险情况、职业、民族均对鼻咽癌患者的出院情况有所影响。得出结论为,患者的住院费用差异主要体现在耗材费方面,其次有无配偶的患者在治疗费上存在差异,患者有无保险也对其住院费用产生很大影响。在影响鼻咽癌患者出院情况的因素中,年龄影响最大,其次是住院次数和婚姻状况,性别、保险情况、职业、民族则对其影响较小。

关键词： 岩土参数刻画   贝叶斯理论   数据驱动模型构建   信息准则   机器学习方法  

摘要： 为构建间接估计岩石单轴抗压强度(UCS)的最优模型并实现UCS的合理估计,提出了贝叶斯高斯过程回归(f B-GPR)方法。fB-GPR综合了高斯过程回归、贝叶斯理论与马尔科夫链蒙特卡洛模拟。所提方法与其它模型选择方法进行了对比,如赤池信息准则、贝叶斯信息准则、偏差信息准则、Kullback信息准则等。研究结果表明:基于fB-GPR的最优模型选择结果更为准确,预测结果与实际情况吻合度更高;100次随机试验中,fB-GPR方法将M-7选为最优模型的概率达到100%,最优模型选择的准确率远远高于其他模型选择方法;fB-GPR方法在误差值达到UCS标准差的50%时,仍可准确地进行模型选择,说明fB-GPR的准确性和鲁棒性更好,受UCS测量误差影响相对较小。研究成果可为构建岩土工程中关键参数预测的最优模型并实现合理预测提供借鉴与参考。

关键词： 落后角   损失模型   代理模型   机器学习   人工神经网络  

摘要： 为了提高压气机特性预测的精度,基于机器学习方法构建预测落后角与总压损失的代理模型。以一台两级压气机为研究对象,基于多个转速工况下的流场实验数据和叶片几何参数建立了基元叶型数据库。通过灵敏度分析方法筛选出对落后角和总压损失影响最大的输入参数,分别采用高斯过程回归和人工神经网络两种机器学习算法建立落后角与总压损失模型,并引入贝叶斯优化算法搜索最佳模型超参数。对于人工神经网络面临的优化问题和泛化问题,调整模型学习率和修正参数梯度以加速收敛,同时采用正则化方法增强模型泛化能力。模型训练过程采用交叉验证策略以降低过拟合风险,并将优化后的代理模型整合到通流程序中对压气机进行特性预测验证。对比表明,低转速工况代理模型的压比特性预测误差显著低于经验模型,其中人工神经网络建模改善最明显,相比经验模型预测误差降低了0.1。通过代理模型横向对比,基于人工神经网络建立的代理模型比基于高斯过程的代理模型预测精度更高且鲁棒性更强。

关键词： 机器学习   预测建模   学业成绩   神经网络   招生数据  

摘要： 利用机器学习方法从招生数据中挖掘影响高校学生大一GPA的因素并构建预测模型。首先,进行了数据清洗、筛选了招生相关数据和大一GPA成绩。随后,将学生的招生信息作为特征,训练了三种机器学习模型,分别为线性回归模型、逻辑回归模型和神经网络模型。最后,对三个模型的性能进行了评估,并对神经网络模型进行了优化。研究的成果可以为高校大一GPA预测建模提供借鉴,并有助于推进学业预警、学业成绩预测和评价的实践。研究结果表明,机器学习方法可以有效地挖掘影响高校学生大一GPA的因素并构建预测模型。通过训练和比较不同的机器学习模型,研究提供了一个可行的预测模型,并对神经网络模型进行了优化,提高了其预测精度。这些成果可以为高校学业预警、学业成绩预测和评价提供有用的参考信息,对于提高学生学习效果和改善教学质量具有积极的作用。

关键词： 土壤有机质   总氮   连续投影算法   偏最小二乘回归   最小二乘支持向量机  

摘要： 土壤养分直接关系到作物产量与品质状况,然而传统化学方法检测存在化学试剂消耗大、耗时费力等问题,不能满足精细农业的需求。快速获取土壤养分信息是发展精细农业、绿色农业的关键,想要了解土壤肥力状况,必须先了解有机质和总氮的含量状况。许多研究表明,长波近红外光谱被广泛应用于土壤检测领域,然而短波可见/近红外光谱在土壤有机质和总氮的研究上却非常罕见。以江西省吉安市安福县和南昌市新建区的四个村庄作为研究区,根据2×2网格法采集了深度为10~30 cm的棕壤、红壤和水稻土三种最为典型的土壤样品共180份。经过研磨、风干等处理后用四分法均匀划分为两份,用于测定样品光谱信息和理化信息。将土壤样品按照2∶1(120∶60)划分为建模集和预测集。考虑到首尾端波段噪声较大,故去除325~349和1051~1075 nm波段,将350~1050 nm波段用于光谱分析。通过连续投影算法(SPA)筛选出有机质12个特征波长点,总氮11个特征波长点,考虑到土壤光谱信息与土壤理化性质之间可能存在非线性联系,建立全波段与特征波长的线性偏最小二乘回归(PLSR)模型和非线性最小二乘支持向量机(LS-SVM)模型对土壤有机质和总氮进行研究,LS-SVM模型采用两步网格搜索法优化了两个超参数γ和σ^(2)。研究结果表明:(1)土壤的光谱反射率随波长增加反射率升高,反射率曲线中460、550、580、740和900 nm处有较为明显的吸收特征。(2)从PLSR模型和LS-SVM模型结果分析可知,非线性模型LS-SVM具有更好的预测精度,分析认为土壤光谱信息与土壤理化性质之间存在一些非线性关系。(3)通过连续投影算法筛选的特征波长提高了模型精度,优化了模型运行效率。SPA-LS-SVM模型是所有模型中最优的预测模型,其中有机质模型的R_(pre)^(2)为0.8847,RMSE_(p)为0.1048,RPD为2.9450,总氮模型的R_(pre)^(2)为0.9018,RMSE_(p)为0.0104,RPD为3.1911。(4)本研究说明可见/近红外光谱能够用于测量不同类型的土壤有机质和总氮含量,并且达到较好的预测效果。可见/近红外光谱在土壤检测领域具有巨大潜力。