期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到739篇文章
< 1 2 … 37 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
切入场景下基于碰撞风险聚类的改进车速预测方法
1
作者 马彬 周世亚 +2 位作者 姜文龙 史立峰 赵宇 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第1期67-76,共10页
切入工况的高精度车速预测是保证自动驾驶切入安全的关键依据。为提高自动驾驶汽车切入工况安全,开展了基于车车耦合风险聚类的切入场景自车速度高精度预测方法的研究。首先,依据实验所得自然驾驶数据进行车辆切入切出片段提取,使用K-me... 切入工况的高精度车速预测是保证自动驾驶切入安全的关键依据。为提高自动驾驶汽车切入工况安全,开展了基于车车耦合风险聚类的切入场景自车速度高精度预测方法的研究。首先,依据实验所得自然驾驶数据进行车辆切入切出片段提取,使用K-means方法依据碰撞风险与加速度关联特征进行聚类分析。其次,基于支持向量机(SVM)模型,对切入切出工况车车交互状态进行在线识别,对切入危险工况进行实时预测。最后,提出基于自回归综合移动平均(ARIMA)模型的改进车速预测方法,结合在线识别结果进行车速在线优化。仿真结果表明,所提出的基于碰撞风险聚类的改进ARIMA车速预测方法对提高切入安全效果明显,较传统的预测方法车辆的碰撞风险降低了10%~20%。研究结果表明,ARIMA模型的改进车速预测方法对提高自动驾驶车切入安全具有重要的研究意义。 展开更多
关键词 车速预测 碰撞风险 K-MEANS聚类 支持向量机 ARIMA模型
下载PDF
基于改进支持向量机的皮革划痕检测方法
2
作者 马静 《中国皮革》 CAS 2024年第11期22-28,共7页
针对传统皮革划痕检测方法存在检测准确率低、检测效率不高的问题,提出一种基于K-means聚类算法改进支持向量机SVM的皮革划痕检测方法。首先,对支持向量机基本原理进行分析;然后采用K-means聚类算法解决支持向量机SVM的二分类问题;最后... 针对传统皮革划痕检测方法存在检测准确率低、检测效率不高的问题,提出一种基于K-means聚类算法改进支持向量机SVM的皮革划痕检测方法。首先,对支持向量机基本原理进行分析;然后采用K-means聚类算法解决支持向量机SVM的二分类问题;最后搭建一个K-means-SVM皮革划痕检测模型,通过此模型实现皮革划痕快速准确检测。试验结果表明,本模型的检测精度为96.74%,相较于传统的YOLOv5模型、CRNN模型和SVM-DS模型分别高出了18.85%、20.17%、13.06%,且本模型进行皮革划痕检测的所用时长仅为11.52 s,均低于另外3种模型。由此说明,本模型的检测精度更高,检测速度更快,满足真皮表面划痕检测的实时性和准确性需求。 展开更多
关键词 皮革 划痕检测 K-MEANS聚类 支持向量机 二分类问题
原文传递
提取多场景视频关键帧的复合HOG特征聚类方法
3
作者 魏英姿 尹苏渝 张宇恒 《软件导刊》 2024年第9期187-192,共6页
由于直接利用帧差数据提取动态多场景视频关键帧往往会产生过多冗余帧,方向梯度直方图(HOG)特征对图像亮度、场景变化具有较好的稳定性。为此,提出了用于提取多场景视频关键帧的复合HOG特征聚类方法来提升关键帧提取效率。首先,通过提... 由于直接利用帧差数据提取动态多场景视频关键帧往往会产生过多冗余帧,方向梯度直方图(HOG)特征对图像亮度、场景变化具有较好的稳定性。为此,提出了用于提取多场景视频关键帧的复合HOG特征聚类方法来提升关键帧提取效率。首先,通过提取视频帧的HOG特征引入图像信息熵构成复合特征矢量,以保持数据特征相关性。其次,根据复合特征矢量统计视频帧间差异数据确定视频分割镜头、关键帧提取个数;再次,分别考虑镜头内帧集合和完整视频帧集合,无重复地将信息熵较大的视频帧选为初始聚类中心以引导聚类算法搜索方向,并通过K均值聚类抽取视频关键帧。与传统K均值聚类方法比较后发现,所提算法冗余度降低0.003~0.015,查准率提高了0.14~0.21,聚类时间得到下降,精度和效率较优。 展开更多
关键词 关键帧提取 视频分割 HOG特征 复合特征矢量 K均值聚类 图像熵
下载PDF
面向众核处理器的阴阳K-means算法优化
4
作者 周天阳 王庆林 +4 位作者 李荣春 梅松竹 尹尚飞 郝若晨 刘杰 《国防科技大学学报》 EI CAS CSCD 北大核心 2024年第1期93-102,共10页
传统阴阳K-means算法处理大规模聚类问题时计算开销十分昂贵。针对典型众核处理器的体系结构特征,提出了一种阴阳K-means算法高效并行加速实现。该实现基于一种新内存数据布局,采用众核处理器中的向量单元来加速阴阳K-means中的距离计算... 传统阴阳K-means算法处理大规模聚类问题时计算开销十分昂贵。针对典型众核处理器的体系结构特征,提出了一种阴阳K-means算法高效并行加速实现。该实现基于一种新内存数据布局,采用众核处理器中的向量单元来加速阴阳K-means中的距离计算,并面向非一致内存访问(non-unified memory access, NUMA)特性进行了针对性的访存优化。与阴阳K-means算法的开源多线程实现相比,该实现在ARMv8和x86众核平台上分别获得了最高约5.6与8.7的加速比。因此上述优化方法在众核处理器上成功实现了对阴阳K-means算法的加速。 展开更多
关键词 K-MEANS 非一致内存访问 向量化 众核处理器 性能优化
下载PDF
基于双特征的短波红外星图识别算法
5
作者 廖屹 张磊 《电光与控制》 CSCD 北大核心 2024年第6期56-61,共6页
在短波红外波段进行昼夜测星有望实现近地空间全天时自动导航,其中,星图识别算法是实现全天时导航的关键技术之一。传统的三角形算法在导航星数增多的情况下,由于其匹配特征维度低,在识别时容易出现冗余匹配、误匹配的情况。针对这一问... 在短波红外波段进行昼夜测星有望实现近地空间全天时自动导航,其中,星图识别算法是实现全天时导航的关键技术之一。传统的三角形算法在导航星数增多的情况下,由于其匹配特征维度低,在识别时容易出现冗余匹配、误匹配的情况。针对这一问题,提出了一种基于双特征的短波红外星图识别算法,该算法选取三角形的面积与外切圆半径双高维特征作为匹配特征,通过构建面积特征的K矢量索引,应用K矢量查找法降低匹配识别的计算复杂度。此外,还提出一种优化的观测三角形的选择策略,减少了匹配过程中的计算量,提高算法的识别速度。实验表明,星点位置噪声低于2像素时,算法的平均识别率优于95%;伪星数未超过50%时,平均识别率可达87.6%;并通过实际观星试验验证了所提算法的可行性,与改进的三角形算法相比,该算法在识别速度、识别率以及抗噪声能力等方面都有明显优势。 展开更多
关键词 短波红外 星敏感器 星图识别 三角形算法 K矢量查找
下载PDF
基于主题词向量中心点的K-means文本聚类算法
6
作者 季铎 刘云钊 +1 位作者 彭如香 孔华锋 《计算机应用与软件》 北大核心 2024年第10期282-286,318,共6页
K-means由于其时间复杂度低运行速度快一直是最为流行的聚类算法之一,但是该算法在进行聚类时需要预先给出聚类个数和初始类中心点,其选取得合适与否会直接影响最终聚类效果。该文对初始类中心和迭代类中心的选取进行大量研究,根据决策... K-means由于其时间复杂度低运行速度快一直是最为流行的聚类算法之一,但是该算法在进行聚类时需要预先给出聚类个数和初始类中心点,其选取得合适与否会直接影响最终聚类效果。该文对初始类中心和迭代类中心的选取进行大量研究,根据决策图进行初始类中心的选择,利用每个类簇的主题词向量替代均值作为迭代类中心。实验表明,该文的初始点选取方法能够准确地选取初始点,且利用主题词向量作为迭代类中心能够很好地避免噪声点和噪声特征的影响,很大程度上地提高了K-means算法的性能。 展开更多
关键词 K-MEANS 初始点 决策图 迭代类中心 主题词向量
下载PDF
基于RLLE算法的脑力负荷分类
7
作者 苏峥 曲洪权 +1 位作者 柳长安 庞丽萍 《科学技术与工程》 北大核心 2024年第14期5760-5766,共7页
近年来,随着人工智能领域技术的不断发展,脑机接口(brain-computer interface,BCI)吸引了更多学者的关注。实时监测高强度脑力工作者的脑力负荷水平并根据其任务做出动态调整是保护国家财产和操作人员安全的重要手段。研究表明由脑电图(... 近年来,随着人工智能领域技术的不断发展,脑机接口(brain-computer interface,BCI)吸引了更多学者的关注。实时监测高强度脑力工作者的脑力负荷水平并根据其任务做出动态调整是保护国家财产和操作人员安全的重要手段。研究表明由脑电图(electroencephalogram,EEG)提取的特征功率谱密度对于脑力负荷的变化比较敏感,但由于其维数过高,容易造成数据灾难。传统的主成分分析降维(principal component analysis,PCA)算法会损失数据的部分非线性特征。局部线性嵌入(locally linear embedding,LLE)是常用的非线性降维算法,但该算法对噪声的敏感性高,降维结果受参数影响较大。稳健局部线性嵌入算法RLLE(robust locally linear embedding),在LLE优化权重矩阵时添加了正则项优化,不仅增强了模型的抗噪能力,也解决了解模型过程中可能会出现的矩阵病态和奇异性问题。实验结果表明,经过RLLE降维后的数据使用支持向量机(support vector machine,SVM)分类精度普遍高于经过PCA和LLE的降维方式,具有更强的抗干扰能力。 展开更多
关键词 稳健局部线性嵌入 k值 脑力负荷 支持向量机
下载PDF
基于BERT-LDA和K-means聚类的绘画作品价值评估指标体系构建
8
作者 李天义 刘勤明 《软件工程》 2024年第1期68-73,共6页
针对目前绘画领域缺乏标准的价值评估指标体系,提出了基于BERT-LDA和K-means聚类的绘画作品价值要素挖掘方法。运用超平面法对绘画文献进行了停用词筛选,基于BERT-LDA模型构建了包含文本语义信息的融合特征向量,运用K-means算法对融合... 针对目前绘画领域缺乏标准的价值评估指标体系,提出了基于BERT-LDA和K-means聚类的绘画作品价值要素挖掘方法。运用超平面法对绘画文献进行了停用词筛选,基于BERT-LDA模型构建了包含文本语义信息的融合特征向量,运用K-means算法对融合特征向量进行降维可视化,随之构建了绘画作品价值评估指标体系。结果表明,基于BERT-LDA模型和K-means算法识别的主题及主题词相比传统LDA模型的查准率、查全率和F值分别提升了28.5%、10%和21.5%。通过随机森林等算法对指标体系进行验证,验证了构建的绘画作品价值评估指标体系的科学性。 展开更多
关键词 BERT-LDA 融合特征向量 K-MEANS聚类 绘画 指标体系
下载PDF
基于原型优化方法的分类器设计
9
作者 柳新强 徐欢 王栋 《微型电脑应用》 2024年第8期1-3,共3页
常规分类器如k近邻、支持向量机等已经被广泛使用,但在大数据时代背景下,较多的训练量会大幅度降低分类器的训练效率和准确率。为了解决该问题,利用原型优化方法对已有训练数据进行筛选压缩,滤除大量冗余数据,将压缩后的数据集作为原型... 常规分类器如k近邻、支持向量机等已经被广泛使用,但在大数据时代背景下,较多的训练量会大幅度降低分类器的训练效率和准确率。为了解决该问题,利用原型优化方法对已有训练数据进行筛选压缩,滤除大量冗余数据,将压缩后的数据集作为原型来训练分类器,提高训练效率和分类准确率。在已有方法基础上做出改进,设计新的基于原型优化方法的分类器,可以大幅度减小训练量,并保证分类准确率,测试结果验证了所提方法的有效性。 展开更多
关键词 原型优化 分类器 K近邻 支持向量机
下载PDF
基于机器学习分类算法解析EIS数据的有机涂层性能评价方法
10
作者 纪皓迪 马小兵 《装备环境工程》 CAS 2024年第5期142-149,共8页
目的基于机器学习分类算法快速评估有机涂层的防腐性能。方法通过实验室加速试验模拟涂层真实的退化过程,并根据测得的电化学数据,分析不同退化阶段的等效电路元件参数。随后,采用随机抽样方法获取大量数据,用于机器学习模型训练。通过... 目的基于机器学习分类算法快速评估有机涂层的防腐性能。方法通过实验室加速试验模拟涂层真实的退化过程,并根据测得的电化学数据,分析不同退化阶段的等效电路元件参数。随后,采用随机抽样方法获取大量数据,用于机器学习模型训练。通过对比支持向量机(SVM)、k最近邻(k-NN)和随机森林(RF)3种不同的机器学习算法,以及多种输入特征集训练的涂层性能分类器模型的准确率,分析最适合用于涂层性能快速评估的机器学习算法和电化学特征。结果根据不同输入特征训练的k-NN和RF模型均表现出良好的预测效果,而SVM模型的预测效果相对较差。根据不同频率范围训练的分类器模型中,在低频区表现最佳,而在高频区表现较差。结论基于阻抗虚部、虚部+实部和阻抗模值3种输入特征训练的RF分类器模型的预测效果最准确。不同频率区间内,低频区的阻抗特征更能准确表征涂层性能。 展开更多
关键词 有机涂层 分类算法 机器学习 电化学阻抗谱 支持向量机 k最近邻 随机森林
下载PDF
煤矿井下钻进速度影响因素及其智能预测方法研究
11
作者 戴剑博 王忠宾 +6 位作者 张琰 司垒 魏东 周文博 顾进恒 邹筱瑜 宋雨雨 《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第7期209-221,共13页
在煤矿井下钻探领域,钻进速度(DR)是评估钻探作业最有效的指标之一,钻速预测是实现煤矿钻进智能化的前提条件,对于优化钻机钻进参数、降低作业成本、实现安全高效钻探具有重要意义。为此,提出煤矿井下钻进速度影响因素及其智能预测方法... 在煤矿井下钻探领域,钻进速度(DR)是评估钻探作业最有效的指标之一,钻速预测是实现煤矿钻进智能化的前提条件,对于优化钻机钻进参数、降低作业成本、实现安全高效钻探具有重要意义。为此,提出煤矿井下钻进速度影响因素及其智能预测方法研究,探索基于钻压、转速、扭矩以及钻进深度等少量钻机参数采用机器学习算法实现钻进速度精准预测。首先通过实验室微钻试验,深入分析煤岩力学性能、钻压、转速和钻进深度对扭矩、钻进速度影响规律。研究结果显示,在煤矿井下钻进过程中,随着钻进压力增大,钻进速度呈逐渐升高趋势,在较高的转速条件下钻进压力对钻进速度影响更加明显,转速增加有利于提高钻进速度,但转速对硬度较低的煤层钻进速度影响更为显著;然后,根据煤矿井下防冲钻孔现场数据,采用K–近邻(KNN)、支持向量回归(SVR)和随机森林回归(RFR)3种不同的机器学习算法建立钻进速度预测模型,并结合粒子群算法(PSO)对3种模型超参数进行优化,最后对比分析PSO–KNN,PSO–SVR和PSO–RFR三种钻进速度预测模型预测结果。研究结果表明,PSO–RFR模型准确性最好,决定系数R2高达0.963,均方误差MSE仅有29.742,而PSO–SVR模型鲁棒性最好,在对抗攻击后评价指标变化率最小。本文研究有助于实现煤矿井下钻进速度的精准预测,为煤矿井下智能钻进参数优化提供理论支撑。 展开更多
关键词 钻机参数 K–近邻 随机森林回归 支持向量回归 粒子群算法 钻进速度预测
下载PDF
基于支持向量回归和分位数的雷达K分布海杂波形状参数估计方法
12
作者 薛健 孙孟玲 潘美艳 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第4期1399-1407,共9页
针对传统的雷达K分布海杂波形状参数估计方法在异常样本存在情况下估计精度严重下降的问题,该文提出一种基于支持向量回归(SVR)和样本分位数比值的K分布海杂波形状参数估计方法。首先给定K分布杂波参数和分位数位置的值,根据K分布的累... 针对传统的雷达K分布海杂波形状参数估计方法在异常样本存在情况下估计精度严重下降的问题,该文提出一种基于支持向量回归(SVR)和样本分位数比值的K分布海杂波形状参数估计方法。首先给定K分布杂波参数和分位数位置的值,根据K分布的累积分布函数计算样本分位数比值及其对数,然后建立以样本分位数比值对数为输入、待估计形状参数为输出的SVR模型,通过交叉验证确定SVR模型的超参数,最后训练SVR模型实现对K分布海杂波形状参数的稳健精确估计。仿真和实测雷达数据表明,所提方法的估计误差低于基于矩的估计方法的估计误差,并且与基于分位数的估计方法具有相近估计性能。此外,相比已有基于分位数的方法,所提方法的超参数容易确定,并且不依赖于查表。 展开更多
关键词 海杂波 K分布 参数估计 支持向量回归模型 样本分位数
下载PDF
基于机器学习的冠心病风险预测模型构建与比较
13
作者 岳海涛 何婵婵 +3 位作者 成羽攸 张森诚 吴悠 马晶 《中国全科医学》 CAS 北大核心 2025年第4期499-509,共11页
背景冠状动脉粥样硬化性心脏病(以下简称冠心病)是全球重要的死亡原因之一。目前关于冠心病风险评估的研究在逐年增长。然而,在这些研究中常忽略了数据不平衡的问题,而解决该问题对于提高分类算法中识别冠心病风险的准确性至关重要。目... 背景冠状动脉粥样硬化性心脏病(以下简称冠心病)是全球重要的死亡原因之一。目前关于冠心病风险评估的研究在逐年增长。然而,在这些研究中常忽略了数据不平衡的问题,而解决该问题对于提高分类算法中识别冠心病风险的准确性至关重要。目的探索冠心病的影响因素,通过使用2种平衡数据的方法,基于5种算法建立冠心病风险相关的预测模型,比较这5种模型对冠心病风险的预测价值。方法基于2021年美国国家行为风险因素监测系统(BRFSS)横断面调查数据筛选出112606名研究对象的健康相关风险行为、慢性健康状况等24个变量信息,结局指标为自我报告是否患有冠心病并据此分为冠心病组和非冠心病组。通过进行单因素分析和逐步Logistic回归分析探索冠心病发生的影响因素并筛选出纳入预测模型的变量。随机抽取112606名受访者的10%(共计11261名),以8∶2的比例随机划分为训练与测试的数据集,采用随机过采样和合成少数过采样技术(SMOTE)两种过采样的方法处理不平衡数据,基于k最邻近算法(KNN)、Logistic回归、支持向量机(SVM)、决策树和XGBoost算法分别建立冠心病预测模型。结果两组年龄、性别、BMI、种族、婚姻状态、教育水平、收入水平、家里有几个孩子、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者、过去30 d内是否有体育锻炼、心理健康状况以及自我健康评价比较,差异有统计学意义(P<0.05)。逐步Logistic回归分析结果显示:年龄、性别、BMI、种族、教育水平、收入水平、是否被告知患高血压、是否被告知处于高血压前期、是否被告知患妊娠高血压、现在是否在服用高血压药物、是否被告知患有高脂血症、是否被告知患有糖尿病、吸烟情况、过去30 d内是否至少喝过1次酒、是否为重度饮酒者、是否为酗酒者以及自我健康评价为冠心病的影响因素(P<0.05)。风险模型构建的分析结果显示:k最邻近算法、Logistic回归、支持向量机、决策树和XGBoost采用SMOTE处理不平衡数据的总体分类精度分别为59.2%、67.4%、66.2%、69.2%和85.9%,召回率分别为75.2%、71.4%、70.5%、62.9%和34.8%,精确度分别为15.4%、18.2%、17.5%、17.6%和28.7%,F值分别为0.256、0.290、0.280、0.275和0.315,受试者工作特征曲线下面积分别为0.80、0.78、0.72、0.72和0.82;采用随机过采样处理不平衡数据的总体分类精度分别为62.5%、68.5%、69.0%、60.2%和70.1%,召回率分别为70.0%、69.5%、71.9%、69.0%和67.6%;精确度分别为15.8%、18.4%、19.1%、14.8%和19.0%,F值分别为0.258、0.291、0.302、0.244和0.297,受试者工作特征曲线下面积分别为0.80、0.77、0.72、0.72和0.83。结论本研究不仅确认了已知冠心病的影响因素,还发现了自我健康评价水平、收入水平和教育水平对冠心病具有潜在影响。在使用2种数据平衡方法后,5种算法的性能显著提高。其中XGBoost模型表现最佳,可作为未来优化冠心病预测模型的参考。此外,鉴于XGBoost模型的优异性能以及逐步Logistic回归的操作便捷和可解释性,推荐在冠心病风险预测模型中结合使用数据平衡后的XGBoost和逐步Logistic回归分析。 展开更多
关键词 冠心病 机器学习 风险预测模型 LOGISTIC回归 k最邻近算法 支持向量机 决策树 XGBoost
下载PDF
具有射影向量场的近Ricci-Bourguignon孤立子
14
作者 张晓丽 刘建成 《吉林大学学报（理学版）》 CAS 北大核心 2024年第6期1359-1362,共4页
用几何分析的方法,研究具有射影向量场的近Ricci-Bourguignon孤立子.首先,证明势向量场是射影向量场的近Ricci-Bourguignon孤立子的Cot ton张量场为零,Bach张量场散度自由,Ricci张量场是共形Killing张量场;其次,证明势向量场为射影向量... 用几何分析的方法,研究具有射影向量场的近Ricci-Bourguignon孤立子.首先,证明势向量场是射影向量场的近Ricci-Bourguignon孤立子的Cot ton张量场为零,Bach张量场散度自由,Ricci张量场是共形Killing张量场;其次,证明势向量场为射影向量场的K-切触近Ricci-Bourguignon孤立子是Einstein流形. 展开更多
关键词 近Ricci-Bourguignon孤立子 射影向量场 共形Killing K-切触
下载PDF
基于改进K-SVM的防疫物资生产设备健康度识别方法研究
15
作者 曹琦 简昊 《医疗卫生装备》 CAS 2024年第4期39-44,共6页
目的:为有效识别防疫物资生产设备的工况,提出一种基于改进K-SVM的防疫物资生产设备健康度识别方法。方法:首先,通过K-means算法过滤掉部分不利于支持向量机(support vector machine,SVM)分类器样本训练的数据;其次,利用K-means算法及... 目的:为有效识别防疫物资生产设备的工况,提出一种基于改进K-SVM的防疫物资生产设备健康度识别方法。方法:首先,通过K-means算法过滤掉部分不利于支持向量机(support vector machine,SVM)分类器样本训练的数据;其次,利用K-means算法及特征提取算法获取新的SVM分类器训练样本,并依据此样本训练SVM分类器;最后,利用训练好的SVM分类器对初始样本进行分类从而得到最终的预测结果。为验证改进K-SVM算法对设备健康度的识别性能,将该算法与SVM算法、未改进K-SVM算法、XGBoost算法进行对比实验。结果:改进K-SVM算法能较为准确地识别设备故障点,识别准确率为89.79%,优于SVM算法、未改进K-SVM算法和XGBoost算法。结论:提出的改进K-SVM算法能够较好地识别防疫物资生产设备健康度,对保证防疫物资生产设备的工作效率具有重要意义。 展开更多
关键词 防疫物资 生产设备 健康度识别 K-MEANS算法 支持向量机
下载PDF
基于机器学习的DNA序列分类研究
16
作者 保志康 陈继璇 +4 位作者 刘印晓 张茂源 章洪博 刘振安 魏晓娟 《生物化工》 CAS 2024年第3期20-27,共8页
DNA承载了生物体内的所有遗传信息,决定基因的结构和功能。对DNA所属类别进行预测,可以判断一个未知类是否为新物种、外来物种或者熟知物种。随着生物技术的发展,如何从获取到的DNA序列中提取完整信息并预测其序列组成,找到组成规律,准... DNA承载了生物体内的所有遗传信息,决定基因的结构和功能。对DNA所属类别进行预测,可以判断一个未知类是否为新物种、外来物种或者熟知物种。随着生物技术的发展,如何从获取到的DNA序列中提取完整信息并预测其序列组成,找到组成规律,准确反映物种特性成为生物信息学中的一个重要问题。本研究从NCBI网站上下载序列登录号为CP021707和CP085300的两类DNA序列文件,基于碱基频率和数量特征提取方法进行单碱基、双碱基和三碱基的特征提取,构建出84维、168维和35维特征向量,分别基于K近邻(K-Nearest Neighbor,KNN)、支持向量机(Support Vector Machine,SVM)以及K近邻和支持向量机融合(KNN-SVM)算法模型进行分类预测。实验结果表明,在168维特征向量下,基于KNN-SVM算法模型的分类准确率比基于KNN或SVM算法模型的分类准确率高,对判断一个未知类的相关特性具有积极意义。 展开更多
关键词 支持向量机 DNA序列 特征提取 K近邻 分类准确率
下载PDF
基于机器学习算法和优化模型的古代玻璃制品成分分析与鉴别
17
作者 谭可儿 谭洁 《中阿科技论坛（中英文）》 2024年第5期113-117,共5页
文章利用机器学习算法和优化模型对古代玻璃制品的化学成分进行了分析和鉴别,并采用卡方检验分析了玻璃文物的风化情况,以及风化情况与类型、纹饰和颜色的关联性。研究结果表明,风化对化学成分含量有显著影响,尤其是S_(i)O_(2)和Na_(2)... 文章利用机器学习算法和优化模型对古代玻璃制品的化学成分进行了分析和鉴别,并采用卡方检验分析了玻璃文物的风化情况,以及风化情况与类型、纹饰和颜色的关联性。研究结果表明,风化对化学成分含量有显著影响,尤其是S_(i)O_(2)和Na_(2)O等物质的含量变化最为明显。基于以上发现,文章建立了支持向量机的二分类模型,以区分高钾玻璃和铅钡玻璃,并进一步通过主成分分析和K-means聚类法进行亚类划分。该方法成功划分了不同的玻璃亚类,通过模型敏感性分析,证实了模型的有效性和准确性。 展开更多
关键词 玻璃制品 支持向量机 主成分分析 K-MEANS聚类
下载PDF
基于电力大数据的电力用户用电特征识别模型研究
18
作者 耿志慧 袁飞 +1 位作者 刘剑宁 伦晓娟 《自动化技术与应用》 2024年第2期89-93,共5页
采用目前方法对电力用户用电特征进行识别时,存在识别准确率低、F1分数低和识别结果易受用电数据分帧长度影响的问题。为此提出基于电力大数据的电力用户用电特征识别模型,利用电力数据采集系统采集用户用电数据,并调节用电数据负荷曲... 采用目前方法对电力用户用电特征进行识别时,存在识别准确率低、F1分数低和识别结果易受用电数据分帧长度影响的问题。为此提出基于电力大数据的电力用户用电特征识别模型,利用电力数据采集系统采集用户用电数据,并调节用电数据负荷曲线、数据标准化和数据降维,再利用K-means聚类算法提取预处理后优化用电数据的特征,将用电特征带入支持向量机中,根据分类结果实现电力用户用电特征的识别。实验结果表明,所提方法识别准确率高、F1分数高、识别结果不受用电数据分帧长度的影响。 展开更多
关键词 电力用户 K-MEANS聚类算法 支持向量机 用电特征识别
下载PDF
基于多源遥感数据广东省水土保持K因子提取分析
19
作者 陈晓翠 李可 《陕西水利》 2024年第11期108-110,共3页
K因子是RUSLE模型中土壤可蚀性参数,对评估土壤侵蚀程度具有重要意义。以广东省为例,基于实地采样获取的84个土壤样本数据,通过多源遥感数据和数字制图技术,提取省域K因子精细分布。结果表明,基于scorpan土壤景观模型,从气候、土壤、生... K因子是RUSLE模型中土壤可蚀性参数,对评估土壤侵蚀程度具有重要意义。以广东省为例,基于实地采样获取的84个土壤样本数据,通过多源遥感数据和数字制图技术,提取省域K因子精细分布。结果表明,基于scorpan土壤景观模型,从气候、土壤、生物等。 展开更多
关键词 K因子 广东省 支持向量机 制图
下载PDF
近邻密度辅助模糊优化孪生支持向量机的钢板表面缺陷分类
20
作者 侯政通 胡鹰 +1 位作者 乔磊明 邓志飞 《计算机集成制造系统》 EI CSCD 北大核心 2024年第3期1115-1126,共12页
为提升钢板表面缺陷分类精度,提出一种选择性弱化样本的分类模型。首先,在图像预处理阶段引入显著性检测算法来减少二值化后图像出现失真的影响;其次,为了降低不利的边缘样本点对模型的影响,同时又能提高有利的边缘样本点对模型的贡献,... 为提升钢板表面缺陷分类精度,提出一种选择性弱化样本的分类模型。首先,在图像预处理阶段引入显著性检测算法来减少二值化后图像出现失真的影响;其次,为了降低不利的边缘样本点对模型的影响,同时又能提高有利的边缘样本点对模型的贡献,构造了一种新的密度模糊隶属度函数对样本进行权重赋值;最后,在孪生支持向量机(TWSVM)的基础上,将构造的密度模糊隶属度函数作为优化条件嵌入模型内,提出了近邻密度辅助模糊优化的TWSVM算法,以提高分类效果。在数据集NEU上的实验结果表明,引入显著性检测算法后,重新设计的特征在整体准确率上提高了1.66%,同时采用优化后的算法进行缺陷分类,准确率达到98.33%,进一步提高了分类性能。 展开更多
关键词 图像处理 显著性检测 缺陷分类 孪生支持向量机 密度函数 K近邻
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 37 下一页 到第 页
使用帮助 返回顶部