支持向量机的研究现状

这是本刊特为海内外正在就读和学成立业的博士、博士后青年学者们开辟的一片科普园地 .深学浅著是一门德识、慧学、素质修养的学问 .你们的新知识、新调研、新观察、新目光、新展望 ,能够用尽可能深入浅出、通俗流畅的语言 ,汇报给祖国人民、家乡父老子弟乡亲们吗 ?中华博士园地 ,乃耕耘忠孝之地 ,科教兴国、民族昌盛之地 .要用慈母听得懂的语言 ,写出你们的心声 !     

基于机器学习的域名信用评价方法*

针对域名自身的特点和应用特点,建立一种基于机器学习的域名信用评价自动化方法并进行实验分析。实验结果表明,该方法具有较好的正确率,符合人们的一般认识,其评价结果可以作为域名诚信管理体系的参考依据。     

机器学习在热电材料领域中的应用

热电材料是环境友好型能源转换材料,涉及的体系十分多样。其性能优化是一个多参数协调的复杂问题,一直是研究者们关注的热点。虽然热电的计算模拟方法和实验方法发展迅速,但是热电材料的搜索效率仍需要进一步提高。机器学习具有计算成本低和预测速度高的优势,可以快速缩小搜索空间,加快对热电材料结构和性能优化的研究。本综述从数据类型的角度出发,介绍了热电材料中的小样本数值数据(数据量约为102),大样本数值数据(数据量大于104)及图片数据中机器学习的应用和研究进展,进一步详细地讨论了在不同的数据类型中研究热电材料的结构和性能所使用的不同的机器学习算法模型,并对其未来的发展趋势和应用方向进行了展望。     

数据驱动范式下微波介质陶瓷材料及器件研究进展

机器学习等数据驱动方法能够快速发掘数据之间潜在的统计相关性,实现目标量的高效精准预测,并辅助分析数据背后的物理图像,已被广泛应用于材料性能预测和器件设计的研究之中。近年来,机器学习模型研究在微波介质陶瓷材料及器件开发中也取得了系列进展。本文介绍了机器学习方法的基本原理和过程,重点总结了微波介质陶瓷的介电常数、品质因数等关键性能的机器学习预测模型研究的最新进展,探讨了材料成分、结构、工艺等参数与微波介电性能之间的关系,并概述了机器学习方法在微波天线和滤波器的尺寸优化、失效分析等方面的应用。最后,指出了数据驱动研究在微波介质陶瓷材料及器件领域的若干发展方向。     

人像照片的美感质量评价

随着机器学习理论和图形图像处理技术的不断发展,在计算机视觉和计算美学领域中人们越来越关注如何建立自动评价和判断图片美感质量的系统.该系统将可用来补充和完善原有对照片只有主观美感质量评价的这一问题.对人像照片美感质量的客观评价进行研究,提出了25种能够较好反映人像类照片美感质量的特征,并使用支持向量机、Adaboost、随机森林等多种分类器来进行机器学习和评价,对提出的特征值集合进行十交叉检验并探讨了哪些特征对美感评价有较强影响等问题.最后,通过与现有研究结果进行对比分析后得出,当采用所提出的25种特征进行人像照片美感质量评价和分类时有更高的准确率,即使用于机器学习的训练数据集数目较少时仍能保持较高的准确率.     

基于情景感知的电源管理策略

智能手机处于待机状态下仍会消耗能量,这些能量部分消耗在网络数据的通信上;为了降低这些功耗,提高智能手机的续航能力;提出一种基于情景感知的电源管理策略,通过机器学习的方法来进行决策,智能地管理移动终端的网络接口,通过使持续性的网络连接变成间断性的网络连接来减少功耗;在Android移动终端上对提出的策略进行相关实验和对比,能有效的提高续航能力。     

基于机器学习和心率变异性的经皮耳迷走神经电刺激疼痛阈值预测

经皮耳迷走神经电刺激（taVNS）作为新兴的精神和心血管疾病的治疗方法,其刺激强度设置需要将刺激电流调整至疼痛阈值后再降低其幅值。该设置方式不仅缺乏一致性,且影响治疗效果和舒适度。本文提出了一种结合心率变异性（HRV）特征和机器学习回归模型的新方法,实现了taVNS疼痛阈值的预测。基于实验采集的数据,系统的比较了将HRV特征作为各种机器学习模型输入的预测精度。结果表明,HRV特征与极端随机树的组合性能最优,使用遗传算法去除冗余特征能够有效改善模型预测性能,均方根误差在1.18到1.56之间,均方差在0.77到0.96之间。该方法可用于不同个体的taVNS刺激强度的预测,对受试者在taVNS期间的治疗效果有积极作用。     

一种基于ARIMA模型与3 σ准则的取水异常检测方法

为提高取水预测数据的准确性,针对现有部分取水数据异常且难以进行人工判别的问题,提出一种基于ARIMA模型与3σ 准则的取水异常检测方法.分析每个取水点每年的日取水量的时间序列数据,使用时间序列的ARIMA模型和高斯分布的3σ 准则判断日取水量是否为异常值;通过时间序列分解算法分析异常值附近取水点的趋势,判断异常值附近是...