机器学习中的贝叶斯网络及其推理分析

机器学习作为当今国内外研究的热点在智能系统中得到了重视和运用,贝叶斯是机器学习的核心方法之一,以贝叶斯理论作为中心的贝叶斯网络必将应用延伸到各个问题领域,本文介绍了贝叶斯网络的概念及其学习推理过程,并结合MATLAB中的BNT工具箱,引用来自UCI的标准数据集对贝叶斯网络进行仿真测试。     

一种基于最大熵模型的实时垃圾邮件判定及阻断技术研究

垃圾邮件过滤是网络安全领域的重大研究课题和难题.本文针对传统技术的不足,使用机器学习领域经典的最大熵模型对垃圾邮件进行判定,并结合其采用针对SMTP邮件通信协议的实时阻断技术.实验结果表明,该技术简单有效,并适合实时在线处理.     

贝叶斯网络分类器结构与变量分布的差异性分析

为了提高鉴别式学习策略训练的贝叶斯网络分类器的分类精度,分析了贝叶斯网络结构与数据中变量分布之间的差异对贝叶斯网络分类器性能的影响,实验以网络结构的实际联合概率分布的树型近似描述为基准,删除在条件对数似然函数极大化过程中不起作用的边,生成具有同一联合概率分布的不同描述程度的网络结构.实验结果表明,只有当网络结构表现力不足时,鉴别式参数学习才能起积极作用;而当网络结构中有多余的边时,反而容易受其制约.从而验证了网络中多余的边对分类器性能没有影响的观点是片面的.     

纽约时报:互联网走向实体“物联网”

12月18日出版的美国《纽约时报》印刷版刊文称,随着数据追踪技术的发展以及传感器的改进,互联网将逐渐突破消费市场的范畴,向实体领域转移,从而迎来下一个发展阶段"物联网"。     

机器学习算法概述及其在钻井工程中的应用

在互联网大数据时代,人工智能的核心—机器学习方法应用在钻井工程中是未来发展的大方向.其中钻井工程作为油气勘探开发过程中的中坚力量,利用机器学习方法优化钻井参数、进行事故预测与预警对于指导钻井工作经济、安全、高效、环保进行具有重要意义.针对利用以往经验、数据难以有效指导深井超深井钻井工作的情况,对目前机器学习所使用的算法...     

随机森林算法在红葡萄酒质量评价指标体系选择中的应用

评价指标体系的确定是葡萄酒质量评估的一个关键环节,而指标体系选取的好坏直接影响模型的预测精度。本文利用机器学习的方法———随机森林算法来选择评价指标。仿真实验表明,该算法所确定的指标对葡萄酒的评价更加准确,从而能够有效的减少因品酒师人为因素带来的评价不稳定性。     

基于支持向量机增量学习的电力系统暂态稳定评估

基于传统支持向量机的暂态稳定评估模型,通常将所有的学习样本同时参与学习,如果有新样本加入,则需要对所有样本重新学习.针对传统暂态稳定评估模型不能在线更新的不足,提出了一种支持向量机增量学习的暂态稳定评估方法.该方法利用一种快速支持向量机增量学习方法,构造递归解法将新数据增加到解中,并对模型更新前的训练数据保持Karus...     

机器学习在预测人体运动地面反作用力中的应用综述

三维地面反作用力（Ground reaction force, GRF）是人体运动分析的重要测量参数,但其测量受到一定限制。本文系统归纳了机器学习在预测GRF中的应用现状。以“ground reaction force”与“machine learning”“neural network”组合为关键词检索,筛选利用机器学习模型预测GRF的研究。共纳入14篇研究,研究的动作包括步行、跑步及个别专项动作,利用不同的学习算法来预测GRF,输入参数包括足底压力参数、运动捕捉获取的人体运动学参数等,均采用相关系数及均一化均方根误差作为评价指标。结果显示,利用机器学习预测GRF可获得极好的预测精度。利用机器学习模型预测GRF在人体运动中的应用还有待更多的研究,如增加用于机器学习的数据集大小可进一步提高学习模型的预测性能等。