基于F-score的特征选择算法在多分类问题中的应用

将一种新的特征选择算法(F-sco re)与多种机器学习算法相结合用于多分类问题中.使用十折交叉验证对比模型的分类效果,利用分类误差验证该方法的鲁棒性.实验结果表明,文中使用的新的基于F-score的特征选择方法与传统机器学习算法相结合具有很好的性能,能够使用比原始数据集更少特征并产生良好分类结果,尤其在与迭代随机森林方法相结合的情况下,能够显著提高模型分类精度.     

低电阻率三元金合金材料的逆向设计

金及其合金特别是三元金合金在电接触材料领域得到了广泛的应用。由于三元金合金组分和配比的复杂性,如何高效地设计具有低电阻率的三元金合金电接触材料仍然是一个挑战。提出了一种低电阻率三元金合金材料的逆向设计方法,该方法将机器学习的定性分类方法(模式识别最佳投影)与定量预测方法(XGBoost)相结合,设计出比已有三元金合金材料电阻率更低的新材料。采用最大相关最小冗余(mRMR)结合XGBoost算法筛选出建模的特征变量;利用模式识别逆投影方法设计了3个低电阻率三元金合金候选样本,即AuZr_1.95Cu_0.52、AuZr_1.12Cu₄和AuSc_1.86Cu_2.75,并通过XGBoost模型估算了候选样本的电阻率。结果表明,根据模式识别逆投影方法设计的样本具有较低的电阻率,其电阻率负对数(-lgρ)预报值分别为6.718,6.707和6.701,均超过了原始数据集-lgρ的最大值6.68。该研究方法作为材料逆向设计的参考方法,有助于实验数据的统计规律挖掘,可以加快新材料设计。     

基于人工神经网络的电潜泵电流卡片快速模式识别

电流卡片诊断是一种典型的电潜泵工况诊断手段，传统的电流卡片模式识别需要人工完成，存在技术壁垒，会引入主观误差。人工神经网络作为一种机器学习算法，能够弥补人工识别的误差。为实现快速、准确而且客观的模式识别。通过对收集到的电流卡片经过数据预处理后得到的电流数据特征值与实际工况的对应关系，建立人工神经网络模型。利用建立的人工神经网络模型进行工况诊断，具有传统电流卡片人工识别不可比拟的优点。通过采用上述方法搭建人工神经网络模型并进行模式识别，通过提取未参与训练的井的电流卡片数据对工况诊断模型进行验证，达到了较高的准确率，证明了使用人工神经网络对电流卡片进行快速模式识别、实现工况诊断的可行性和可靠性。     

基于XGBoost算法的新冠病毒拉曼光谱感染诊断

新型冠状病毒的出现给全球经济、公共安全等方面带来严重损失，快速且准确地诊断新冠病毒对控制疫情爆发尤为重要。将机器学习与拉曼光谱技术结合，选取157份(包含确诊和健康)血清样品对应的拉曼光谱数据作为样本。首先使用Min-max方法对样本数据归一化、Savitzky-Golay方法对光谱平滑滤波和线性判别分析方法LDA对光谱数据降维处理后，分别使用XGBoost、K近邻、支持向量机、逻辑回归算法构建预测模型。实验结果表明，相比三种传统的机器学习算法，基于集成算法XGBoost所构建的模型，对人类是否感染新型冠状病毒具有最高的预测准确率，且准确率达到95.6%,为生物医学检测新冠病毒提供一种无损辅助的方法。     

基于统计特征混合与随机森林重要性排序的桥梁异常监测数据识别方法

准确识别结构健康监测系统中的异常监测数据对降低监测系统误报和正确评判结构服役状态十分重要。为降低不同模式异常数据样本量的非均衡性和异常数据中相同模式样本间的差异性对监督学习分类训练的影响，提出了包含基于前向差分求导进行样本数据增强、基于随机森林特征重要性指标进行样本统计特征指标集排序和多特征混合降维原始样本的异常数据识别方法。针对某座大跨度斜拉桥的实测正常数据和6类异常数据，计算了均衡化处理后增强数据的10类统计特征重要性指数。在7种特征混合输入方式下，分别采用K邻近法、支持向量机、决策树和随机森林作为分类器，检验并比较了提出方法用于识别异常数据的效果。测试集的平均识别准确率表明，相较直接对原始样本进行分类训练，提出的方法可显著提升识别异常数据的准确率，且最高识别准确率达到了97.10%。     

基于用户行车数据的情感交互设计研究

随着智能化时代的到来,人机智能交互逐渐融入人们的日常生活,并成为人工智能、数据分析、机器视觉等领域十分重要的研究课题。车辆行业亦将人机智能交互应用于提升用户行车的服务中,从而为用户提供更加精准贴心的人文关怀,提高用户行车体验。本文通过对用户行车数据的分析,提出了基于用户行车数据的情感交互技术的设计研究,描述了该设计方案的操作思路、可行性及应用价值,以期为未来车端的人机情感交互技术的实施落地提供一定的理论参考。     

爱茉莉太平洋研发皮肤感觉测量触觉传感器

2022年1月28日,爱茉莉太平洋成功研发出可测量皮肤感觉的智能型触觉传感器。该传感器投入使用后,将可能实现具有精细使用感的可调节化妆品开发。智能型触觉传感器是一种结合了机器学习的测量技术,该技术能够识别人体皮肤感觉到的凉爽、水润程度以及溶液的类型,并将其转换为数字化数据。传感器采用超薄设计,材质柔软,可贴于皮肤,在受到外部压力和变形的情况下仍可稳定测量。爱茉莉太平洋与拥有人体皮肤模拟尖端传感器技术的蔚山科学技术院研究团队展开合作并取得了这项成果。     

基于BP神经网络的导航信号欺骗干扰检测

全球导航卫星系统的开放服务给生命安全应用程序带来了巨大便利的同时,也存在许多隐患,例如缺乏安全防护以及信号的脆弱性,极易被恶意用户进行欺骗干扰,而这类问题的干扰不同于压制式干扰容易被检测出来,其隐蔽性极高,危害性极大,难以被一般的仪器和算法检测出来。针对这些问题提出一种基于BP神经网络的有监督的机器学习方法进行欺骗干扰检测,BP神经网络是按照误差反向传播的多层前馈神经网络,采用梯度下降法计算目标函数最小值,采用伪距、载波相位、多普勒频移、时钟频漂和信噪比等观测值进行神经网络训练,再将新的信号输入训练好的神经网络进行分类测试,从接收者操作特征曲线的结果看出,此方法的分类效果达到83%,说明此方法具备较高的检测概率,可以进一步研究。