基于机器学习的电网工程量计价预测模型

针对电网工程量清单计价方法中,综合单价计价基础不合理、确定流程繁琐、调整不科学等问题,提出了一种基于机器学习算法的综合单价预测模型.通过研究电网工程量清单的计价规则以及综合单价的组成成分,分析了综合单价的影响因素,建立了基于决策树的随机森林模型,并在市场价格波动的情况下对综合单价实现预测.选取100个电网工程项目进行模型训练及测试.结果表明,评价指标MAPE为1.55%,MAE为9.67.验证了该预测模型的正确性及可行性,为合理确定电网工程价格提供了新的思路.     

基于体检数据机器学习分析的糖尿病风险预测模型

针对糖尿病风险预测中数据单一导致预测误差较大的问题,本研究基于体检电子病历数据分析搭建空腹血糖预测模型,探究适合进行空腹血糖预测建模的方法,预测血糖指标及糖尿病的患病风险.基于数据挖掘基本流程,进行数据预处理,采用序列后向算法进行特征选择,使用决策树、随机森林、SVM、逻辑回归及朴素贝叶斯分类5种机器学习算法进行建模预...     

基于机器学习的服装时尚分析研究

服装是目前全球最具商业利益的产业之一,基于机器学习的服装时尚分析技术是利用海量的服装时尚数据学习挖掘服务于时尚产业的商务智能信息,该技术日益受到工业界和学术界的共同关注。本文结合服装时尚数据的特点提出了基于机器学习的服装时尚分析基本框架,并在此基础上从文本数据分析和图像数据分析两个方面对近几年国内外的相关研究工作进行总结分析,指明了该领域面临的挑战和未来的研究工作。     

基于机器学习的网络拥塞控制研究

拥塞控制是网络研究的经典课题,可以避免网络因拥塞而性能下降。其在互联网的发展中扮演着重要的角色。近年来,随着机器学习、深度学习和强化学习的兴起,给拥塞控制提供了新的思路。对网络拥塞控制的机制进行了详细分析,阐述了国内外对于该领域的研究现状及进展,将有代表性的解决方案分为基于规则的解决方案、基于路由反馈的解决方案和智能解决方案3类,并详细分析了各方案的原理及优缺点。     

基于机器学习的视频指纹识别

把视频应用于指纹识别,定义指纹视频的内部相似性(inside similarity,S^I)和一对待匹配指纹视频的外部相似性(outside similarity,S^O),计算两个视频的匹配分数来表示它们的相似性,大大提高了自动指纹识别系统的识别率。为寻求更好的识别效果,提出把一次匹配结果作为一个样本,将S^I和S^O作为一个样本的两个特征的新思路,把判断一次匹配是同源匹配还是异源匹配问题转化为对具有二维特征(S^I,S^O)的样本进行分类的问题。在样本集上应用常见的机器学习算法,对每次的匹配结果进行分类。在两组样本集上的实验结果为:应用机器学习算法得到的最低错误率分别为0.1704％和0.1106％,而使用阈值得到的最低错误率分别为0.2229％和0.1700％。结果表明,相比使用阈值来区分指纹同、异源的方法,应用机器学习算法不仅提高了识别率,而且省去了计算两个视频的匹配分数时对参数和阈值的复杂选取过程。     

基于机器学习的高铁站评价模型

高铁站的选址一直处于矛盾之中,政府既要减少高铁站对民众生活的影响,又要考虑拆迁成本,如何让高铁站的选址更加科学成为一个需要深思熟虑的问题.为此,运用线性回归分析法、灰色预测法建立了经济贡献率模型,得到高铁站对该市的经济贡献率;以辽宁省已建成的高铁相关数据为基础,从建设投入、施工耗时、换乘方便度、经济贡献等角度进行考虑,...     

Agent普适机器学习模型设计研究

从上世纪90年代MarkWeiser提出普适计算的透明化和不可见性两个特点开始,到2003年国际普适计算会议提出使用自身的信息来提高系统性能以后,普适计算开始向机器学习的方向发展。通过Agent的移动性和普适计算的随时随地性来实现机器学习为各行各业服务的普适功能,从而形成Agent普适机器学习基本内容。借助普适计算的基本性质,结合机器学习的特点,给出Agent普适机器学习设计方法。     

基于XGBoost分类算法的热舒适预测模型

为考虑个性化因素对热舒适的影响,建立一种基于XGBoost分类算法的热舒适预测模型.利用独热编码的方法对原始数据进行特征参数转换,将转换后的数据作为XGBoost分类算法的输入,经迭代训练后获得最佳的公共建筑中人体热舒适预测模型;利用SHAP值对模型特征参数进行解释,得出影响个性化热舒适的关键因素.结果显示:XGBoost分类算法的热舒适预测模型在受试者工作特征(ROC)曲线下的面积(AUC)和准确率分别为0.95,89％,均优于随机森林、逻辑回归、支持向量机、神经网络等算法模型,表现出较高的预测精度;影响个性化热舒适的关键因素为空气温度、相对湿度、空气风速和体重.     

基于机器学习的小鼠基因位点预测方法研究

DNA N6甲基腺嘌呤(6mA)是DNA中一种重要的甲基化修饰,参与生物学许多调控过程,在生物过程中起着重要的作用.文章用了公开的小鼠数据集进行研究,首先对小鼠的基因序列(A、T、C、G)通过数学表示符进行信息编码,然后采用卡方检验的方法对编码信息进行特征筛选,筛选出6mA位点相关的特征进行下一步的研究,最后用了7种机器学习算法构建分类模型,并采用五折交叉验证(5-Fold Cross-Validation)对预测结果进行验证,结果显示在使用滑动窗口编码方式下选取前20个最优特征作为训练集样本特征,其随机森林模型对于小鼠6mA位点预测准确率可达到1.     

Time series online prediction algorithm based on least squares support vector machine

Deficiencies of applying the traditional least squares support vector machine （LS-SVM） to time series online prediction were specified. According to the kernel function matrix＇s property and using the recursive calculation of block matrix, a new time series online prediction algorithm based on improved LS-SVM was proposed. The historical training results were fully utilized and the computing speed of LS-SVM was enhanced. Then, the improved algorithm was applied to timc series online prediction. Based on the operational data provided by the Northwest Power Grid of China, the method was used in the transient stability prediction of electric power system. The results show that, compared with the calculation time of the traditional LS-SVM（75 1 600 ms）, that of the proposed method in different time windows is 40-60 ms, proposed method is above 0.8. So the improved method is online prediction. and the prediction accuracy（normalized root mean squared error） of the better than the traditional LS-SVM and more suitable for time series online prediction.     

Parallel solving model for quantified boolean formula based on machine learning

A new parallel architecture for quantified boolean formula （QBF） solving was proposed, and the prediction model based on machine learning technology was proposed for how sharing knowledge affects the solving performance in QBF parallel solving system, and the experimental evaluation scheme was also designed. It shows that the characterization factor of clause and cube influence the solving performance markedly in our experiment. At the same time, the heuristic machine learning algorithm was applied, support vector machine was chosen to predict the performance of QBF parallel solving system based on clause sharing and cube sharing. The relative error of accuracy for prediction can be controlled in a reasonable range of 20%-30%. The results show the important and complex role that knowledge sharing plays in any modern parallel solver, it shows that the parallel solver with machine learning reduces the quantity of knowledge sharing about 30% and saving computational resource but does not reduce the performance of solving system.     

基于蚁群和支持向量机的microRNA预测方法

由于microRNA在生物体系统中起着重要的调控功能,对microRNA进行快速有效的预测很有必要.本文通过使用蚁群算法和支持向量机相结合的思想,结合microRNA的前体pre-miRNA序列特征和结构特征,构造了一种microRNA的预测方法.通过采集Sanger和UCSE数据库中的人类阳性和部分阴性数据集进行学习和测试,同时使用J48和BP神经网络两种机器学习方法进行对比,实验结果显示,使用蚁群算法和支持向量机的方法预测pre-miRNA的识别率达97.471％,与另外两种方法相对比,识别率分别提高了8.736％和10.575％,预测的准确性有显著提高.     

基于BP神经网络的两阶段疾病预测模型

为了理论解决BP神经网络在进行多目标预测中出现的识别率和可信度不高的问题,提出了一种基于DS证据理论优化的BP神经网络预测模型用于疾病预测,实验中,对心脏病数据进行处理,结果表明,在预测准确度和算法鲁棒性方面,都具有较好的效果。     

工程项目工期风险的支持向量机预测模型

影响建筑施工项目的各种不确定因素错综复杂,为了在工程项目实施前确定工程的最终工期,在介绍支持向量机回归理论的基础上,本文提出了基于支持向量机的工程项目工期风险预测模型。根据以往同类工程的风险数据作为学习样本,训练并构建支持向量机来预测待建项目的工期风险水平。最后的实证研究表明了该预测体系的可行性及可靠性。     

故障诊断专家系统中机器学习方法的研究

首先介绍了故障诊断专家系统中的三种类型的知识,即经验知识、因果知识和第一定律知识;然后分析了常用的机器学习方法在故障诊断系统的作用,并在此基础上将诊断系统中的学习方法分为三种类型,即简单学习、交互学习和独立学习;最后阐述了故障诊断与机器学习的运行流程及其相互关系。     

基于多支持向量机分类器的增量学习算法研究

为了将一般增量学习算法扩展到并行计算环境中,提出一种基于多支持向量机分类器的增量学习算法.该算法根据多分类器对新增样本集的分类结果,以样本到分类超平面的平均距离为条件重新构造支持向量集更新分类器,直到所有分类器的分类精度满足指定阈值.实验结果表明了该算法的可行性和正确性.     

基于区间层次分析法的数控机床可靠性预计

针对将传统相似比较法用于数控机床可靠性预计时,评价对象和相似产品之间可靠性水平的差异程度很难准确评定的问题,提出了一种引入区间层次分析的数控机床可靠性预计方法。首先分析了整机和子系统的可靠性关系,建立了整机的可靠性预计模型。在子系统可靠性预计过程中,充分利用了相似产品的可靠性数据。全面分析了评价对象和相似产品之间的差异,建立了可靠性修正因子评估模型。使用区间层次分析法求出了可靠性修正因子,实现了确定性信息和模糊信息的互补。结合实例进行了数控机床的可靠性预计,验证了该方法的可行性。     

多源性数据SVM集成算法研究

针对数据特征的多源性特点,提出基于分组特征支持向量机集成算法．该方法将特征分组,对不同组特征采用不同的核函数映射到高维空间后用支持向量机分类,最后采用投票的方法得出决策标记,所得到的成员分类器具有较高的差异性．与传统的集成方法相比,该方法具有较好的检测性能．     

基于混沌时间序列的旋转机械状态趋势预测研究

针对旋转机械设备的非平稳运行状态,以混沌理论为基础,将最大Lyapunov指数的预测模型引入旋转机械故障趋势预示,阐述了构造预报函数f ^或F ^的两种方法,提供了混沌时间序列的最大可预测时间的计算方法,通过对大型机组实验数据的分析,证明了在最大预测时间内,该预测方法是较理想的.