边际核函数在生物序列分类中的应用

在核方法的基础上,介绍了一种自潜变量生成模型构造核函数的新方法;并专门探讨了结合生物序列的自身特点,按照该方法提取了几个边际核函数;随后将它们应用于具体的gyrB(旋转酶B亚单位)氨基酸序列分类实验中,实验结果表明边际核具有良好的识别效果及极佳的推广能力,也肯定了此种核构造方法的先进性.     

基于多变量LSTM的GPS坐标时间序列预测模型

针对全球定位系统(GPS)坐标时间序列预测中存在精度不足的问题,提出一种基于多变量长短时记忆(LSTM)的GPS坐标时间序列预测模型.利用灰色关联度方法对同一地区不同观测站的GPS坐标时间序列数据进行关联度分析,找出与待预测数据(佘山站U向历史数据)关联度较强的数据.将待预测数据和与之关联度较强的其它数据作为多变量预测...     

基于智能仓储重载AGV运动控制系统研究与实现

自动导引车(Automated Guided Vehicle,AGV)是智能仓储系统中的重要的组成部分.然而当前AGV多以轻载为主(1.5T以下),无法满足重载情况需求.由于重载AGV和轻载AGV控制系统在控制性能、安全性能需求上均存在差异,适用于轻载AGV的运动控制方法无法满足重载AGV的要求.为解决此问题,针对智能...     

时间序列在原油期货中的应用

本文采用时间序列的自回归求和滑动平均模型(ARIMA)对原油期货价格的时间过程进行分析与建模,并用所建立的模型预测下一个工作日的原油期货价格.用模型对实际原油期货价格数据进行数据拟合及预测的结果表明,预测数据与真实数据的差别在误差范围之内,说明所建立的模型具有较高的预测准确性.     

无监督机器翻译综述

由于缺乏高质量大规模的平行语料,低资源语言对上的机器翻译研究较为落后.无监督机器翻译方法利用大量的单语语料来实现机器翻译,不再依赖于大量的平行语料,适合低资源语言的翻译场景.首先,重点介绍无监督机器翻译发展历程中具有里程碑意义的研究工作,阐述无监督机器翻译中常用的技术;其次,论述无监督机器翻译面临的挑战;最后,展望无监...     

时间序列分形特征的判别

研究了判断时间序列是否具有分形特征的几个参数:庞加莱映射、李雅普诺夫指数、关联维数、功率谱及赫斯特指数,分析了它们各自的优缺点,认为:在已知动力学系统时,使用庞加莱映射和李雅普诺夫指数就能准确地判断该时间序列是否分形;在不知道动力学系统时,使用功率谱及赫斯特指数更好些,最后给出了分形在时间序列分析中适用的场合。     

微型嵌入式软件静态缺陷预测系统优化设计

软件静态缺陷预测系统经过常规的优化设计后,泛化能力较差,容易将低缺陷率软件模块误判为高缺陷率软件模块。为此,提出微型嵌入式软件静态缺陷预测系统优化设计。在优化设计中硬件部分使用原有的硬件结构,分析软件静态缺陷预测中的问题,建立软件静态缺陷预测模型,得到的学习目标用来训练样本,利用分类函数和训练样本通过多次迭代实现缺陷预测,完成缺陷系统的优化设计。测试结果表明,在数据集和模块数相同的情况下,与经过常规优化设计的系统相比,所提系统测试结果未发生误判情况,与实际数据相符,泛化能力较强,适合应用在实际项目中。     

基于数字标签的电子档案序列大数据并行分类系统设计

为协助用户在庞大网络数据中安全、快速寻找所需电子档案序列大数据,设计基于数字标签的电子档案序列大数据并行分类系统。利用云计算理念设计由大数据采集器、处理器和分类模块构成的并行分类系统总体架构,通过动态易扩展方式分布式配置电子档案序列大数据,增强系统分类稳定性。设计由芯片和单片机组成的大数据采集器,以及处理器型号为IXP2400的大数据处理器,完成电子档案序列大数据采集及处理。大数据分类模块采用基于数字标签加密分类方法,设计多属性数字标签防止电子档案序列大数据被窃取。基于此,采用加密分类方法将电子档案序列大数据分成若干大数据块,实现电子档案序列大数据加密分类。测试结果表明,所提系统正确分类电子档案序列大数据的同时分类稳定性好,准确率及召回率分别高达98.63%,99.85%。     

基于数据挖掘技术的电子商务移动支付风险预测

针对当前电子商务移动支付风险预测方法存在效率低、偏差大等弊端,为了提高电子商务移动支付风险预测精度,提出数据挖掘技术的电子商务移动支付风险预测模型。首先,收集电子商务移动支付风险一维时间序列数据,并将其重构成一个多维的电子商务移动支付风险时间序列;然后,采用数据挖掘技术对多维的电子商务移动支付风险时间序列进行分析,构建电子商务移动支付风险预测模型;最后,采用Matlab 2019平台上,与其他电子商务移动支付风险预测模型进行对比实验,结果表明文中方法的电子商务移动支付风险预测偏差很小,可以高精度跟踪电子商务移动支付风险变化特点,而且电子商务移动支付风险预测的效率很高,预测效果显著优于其他电子商务移动支付风险预测模型,验证了该电子商务移动支付风险预测模型的可行性。     

一种高压线异物检测算法

高压线路异物缠绕极易引发区域大面积停电,导致停运事故,智能异物检测算法是未来智能电力巡检系统的关键模块之一。通过整理近年人工处理高压线异物时备案的原始图片数据,对数据进行规范化处理和人工标注,建立"高压线异物检测数据集",研究一种高压线异物检测算法,该算法基于SSD模型,并有针对性地对数据集使用K-means聚类的方法获取先验框参数,以此替代默认值。实验结果在测试集上的平均准确率为86.69%,定位准确率为69.2%,表明所提算法可有效地对高压线上的异物进行检测和定位。