基于RandomForest分类方法的购买预测研究

本文针对银行客户,提出一种基于RandomForest的银行客户分类模型,通过基于RandomForest的分类方法对银行客户已存在数据进行处理,并应用labelencoder对数据进行预处理从而提高分类精确度,得到客户对产品是否具有购买倾向.结合了RandomForest的分类能力和labelencoder量化数据能力,使用葡萄牙银行机构数据进行验证,实验结果表明本文提出的客户购买预测模型精度更高.     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

艺术效果装饰涂料的发展和展望

艺术涂料是一种新型的墙面装饰材料，不仅具有优异的物理性能和环保性能，还具有色彩丰富、造型多样、图案丰富、设计个性化的特点，近些年发展迅猛，广受新一代消费者的喜爱。本文介绍了艺术涂料的优劣势和施工特点，列举了常见的施工工具及用处，并按不同效果对艺术涂料进行了分类，最后对艺术涂料的发展现状及未来展望进行了综述。     

基于多分类支持向量机的隧道挤压大变形预测

介绍了隧道挤压大变形的危害,提出了一种基于四个参数即直径(D),埋深(H),支护刚度(K)和岩石隧道开挖质量指数(Q)的多分类支持向量机(SVM)方法,对隧道挤压大变形的预测进行了研究,解决了隧道变形多分类预测问题,提高了预测精度。     

基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。