数据空间结构性及在KNN算法中的应用

数据空间结构性是多维数据客观存在的本征特征,是数据挖掘的重要内容.通过统计学的方法,分析多维数据空间属性变量和类型变量之间的结构特征,可以准确刻画数据在多维变量空间的相关性及其各向异性.数据空间结构特征可以用于机器学习算法的改进和提升,以提高模式识别的效果.融合了数据空间结构特征的KNN算法在稳定性和识别精度上均优于传统算法.通过在苏里格气田苏东41-33区块复杂碳酸盐岩的岩性识别中的应用表明,与传统KNN算法相比,数据空间结构的引入能提高识别准确率12.35%,并显示出算法的灵活性和适用性.多维数据空间结构的研究对机器学习算法的泛化能力和迁移性的提升等方面具有促进作用.     

基于超球结构的支持向量机增量学习算法

本文首先分析了增量学习过程中支持向量与非支持向量的相互转化问题,而后在此基础上提出了基于超球结构的支持向量机增量学习算法。该算法主要利用超球结构,完成对增量学习中训练样本的选取,进而完成分类器的重构。实验表明,该算法比传统支持向量机增量学习算法具有更高的分类精度。     

对恐怖袭击事件记录数据的量化分析

近年来,恐怖袭击愈演愈烈,合理分析判断恐怖袭击事件对于预防应急和安全救治可以发挥重大作用.根据用特征选择方法筛选出的主要属性,结合求出的属性权重构建了线性函数模型,以量化求出恐怖袭击事件的危害值,并以此构建恐怖袭击事件的量化分级模型.同时,还利用数据分析方法对恐怖袭击事件和反恐态势进行了分析.     

基于机器学习方法的H1N1神经氨酸苷酶抑制剂的分类预测

流感是一种主要的呼吸道传染病, 在普通人群中有着较高的发病率, 而对于一些年老和高危病人还有较高的死亡率. 研究显示抑制神经氨酸苷酶(NA)可以阻断病毒RNA复制, 因此NA是有效治疗H1N1型流感病毒的重要药物靶标. 通过计算机方法进行虚拟筛选和预测NA抑制剂已经变得越来越重要. 针对酶活性位点进行基于结构的合理药物设计, 开发H1N1 病毒神经氨酸苷酶抑制剂, 已成为药物研究的热点之一. 本文通过多种机器学习方法(支持向量机(SVM)、k-最近相邻法(k-NN)和C4.5决策树(C4.5DT))对已知的神经氨酸苷酶抑制剂(NAIs)与非神经氨酸苷酶抑制剂(non-NAIs)建立分类预测模型. 其中227个结构多样性化合物(72个NAIs与155个non-NAIs)被用于测试分类预测系统, 并用递归变量消除法选择与神经氨酸苷酶抑制剂分类相关的性质描述符以提高预测精度. 本研究对独立验证集的总预测精度为75.9%-92.6%, NA 抑制剂的预测精度为64.3%-78.6%, 非H1N1抑制剂的预测精度为77.5%-97.5%. SVM法给出最好的总预测精度(92.6%). 本研究表明支持向量机等机器学习方法可以有效预测未知数据集中潜在的NA抑制剂, 并有助于发现与其相关的分子描述符.     

结合纹理和形状特征的在线混合随机朴素贝叶斯视觉跟踪器EI北大核心CSCD

基于机器学习的思想并充分利用外观信息,提出一种在线选择纹理和形状特征的混合随机朴素贝叶斯视觉跟踪器。构造归一化空间金字塔,通过强度二值特征和金字塔梯度方向直方图二值特征,描述全局与局部区域的纹理和形状;并根据特征描述的二值性和多模性,设计并实现了在线混合朴素贝叶斯分类器。分类器预测类别后验概率生成信任图,跟踪器通过分析信任图实现目标跟踪,并利用极大似然估计和交叉验证实现外观学习和特征选择。选用基准测试集比较同类方法,从性能和复杂度两方面评估了跟踪器。实验结果表明跟踪器对光照变化,部分遮挡等情况具有一定的适应能力,且执行速度较快,存储空间较小。     

基于ANN-GA协同寻优的动态拉伸试样尺寸优化方法

材料动态拉伸力学性能测试中,动态拉伸试样的几何尺寸对测试结果的准确性与有效性有着较大影响。为对动态拉伸试样的结构进行优化设计,以使其在动态拉伸过程中更好地满足一维应力与变形均匀等基本假设。首先,建立了量化的试样测量准确度指标,即应力平衡达到时间、变形均匀度、非轴向应力相对水平、过渡段相对变形。然后,对试样结构参数进行正交试验设计,通过数值模拟的方法得到了关于试样尺寸与测量准确度指标的正交试验数据库,并对正交试验数据库进行多目标正交试验矩阵分析,得到了试样结构参数对各测量准确度指标影响的主次顺序和规律。最后,以正交试验数据库为训练集,采用人工神经网络（artificial neural network, ANN）协同遗传算法（genetic algorithm, GA）的全局寻优方法对试样的结构尺寸进行优化设计,得到了试样的最优结构尺寸,并对最优尺寸的有效性进行了验证。结果表明,优化后的试样结构在材料动态拉伸力学性能测试精度上的表现明显得以提升。因此,采用ANN-GA协同优化的方法对动态拉伸试样的结构进行优化具有可行性和有效性。     

基于机器学习方法的丙型肝炎病毒非结构蛋白5B聚合酶抑制剂活性预测

在丙型肝炎病毒(HCV)的基因复制和蛋白质成熟的过程中, 非结构蛋白5B(NS5B)作为RNA依赖的RNA聚合酶起到了重要的作用. 抑制NS5B聚合酶可以阻止丙型肝炎病毒的RNA复制, 因此成为一种治疗丙型肝炎的有效方法. 通过计算机方法进行虚拟筛选和预测NS5B聚合酶抑制剂已经变得越来越重要. 本文主要采用机器学习方法(支持向量机(SVM)、k-最近相邻法(k-NN)和C4.5决策树(C4.5 DT))对已知的丙型肝炎病毒NS5B蛋白酶抑制剂与非抑制剂建立分类预测模型. 1248个结构多样性化合物(552个NS5B抑制剂与696个非NS5B抑制剂)被用于测试分类预测系统, 并用递归变量消除法选择与NS5B抑制剂相关的性质描述符以提高预测精度. 独立验证集的总预测精度为84.1%-85.0%, NS5B抑制剂的预测精度为81.4%-91.7%, 非NS5B抑制剂的预测精度为78.2%-87.2%. 其中支持向量机给出最好的NS5B抑制剂预测精度(91.7%); C4.5决策树给出最好的非NS5B抑制剂预测精度(87.2%); k-最近相邻法给出最好的总预测精度(85.0%). 研究表明机器学习方法可以有效预测未知数据集中潜在的NS5B抑制剂, 并有助于发现与其相关的分子描述符.     

基于高光谱成像的纸质文物“狐斑”检测方法研究

受保存条件影响,很多纸质文物表面会形成狐斑（foxing）,如果不能进行有效监测和科学判断,会进而影响纸质文物安全。纸质文物狐斑病害检测存在滞后性、主观性等问题,对于书画藏品被墨色、颜料及印章等覆盖的区域更是难以通过肉眼进行识别,因此,基于文物的预防性保护理念,亟待开发对于狐斑高效、精确识别的无损检测技术。可见光-近红外高光谱图像结合了光谱和图像,包含丰富的空间信息与光谱信息,可以实现无损批量地平面采集样本光谱信息。该研究提出一种基于高光谱成像技术检测纸质文物狐斑的快速识别方法,获取模拟纸质文物在360～970 nm的高光谱图像,因360～450 nm受噪声影响过大,所以选择剔除这部分光谱数据;选取感兴趣区域并获取相应的平均光谱反射率,比较健康区域与被狐斑感染区域,发现两者的光谱曲线存在差异;在450～600 nm附近,受狐斑影响区域比健康区域的光谱反射率偏高,并在600 nm附近出现波峰形态;而在600～900 nm范围内,被感染区域与健康区域的光谱都趋于平稳,两者之间差异逐渐减小。选取从特征波长对应的图像中提取的特征信息建立图像识别模型,运用波段运算观察狐斑图像特征,狐斑的大小和分布情况都能清晰地显示,但与印章和墨迹重叠部分,狐斑被印章和墨迹遮盖,难以识别;利用最小噪声分离,虽然不同部分有重叠,但能发现仅凭肉眼难以识别的隐藏的狐斑;180条高光谱数据（450～970 nm）建立狐斑判别模型,随机地分为120条数据为训练集,60条数据为测试集,应用K-近邻法与BP神经网络建立纸质文物狐斑光谱判别模型,总体上两种方法对狐斑判别率分别达到73.3%和85%;BP神经网络相较于K-近邻模型,总体判别率更高,识别效果也更好。结果表明,利用高光谱成像可高效准确识别纸质文物狐斑,为后续研究狐斑分布发展提供可靠的技术手段,也为博物馆馆藏文物的保存提供指导意见。     

腔体约束LIBS结合机器学习对土壤重金属元素的定量分析

土壤重金属元素含量检测及防治,对我国农业、生态环境修复具有重大意义。利用外加腔体约束结合激光诱导击穿光谱技术（LIBS）获得土壤光谱数据,采用机器学习对土壤中重金属元素Ni和Ba含量进行分析。实验设置延迟时间为0.5～5 μs,选择Ni Ⅱ 221.648 nm和Ba Ⅱ 495.709 nm作为目标研究特征谱线,计算两种LIBS条件下延迟时间对信噪比、光谱强度及增强因子的影响。结果表明,腔体约束LIBS（CC-LIBS）可以增大光谱强度及目标元素信噪比,同时随着采集延迟时间增长,等离子体数目变少,光谱强度及信噪比逐渐减小并趋于稳定;当延迟时间设置为1 μs时,CC-LIBS条件下Ni和Ba元素特征谱线信噪比达到最优,确定此时为LIBS最优实验条件。通过最优条件获取9种含Ni和Ba元素土壤样品的光谱数据,由于采集到的每组光谱信息有12 248个数据点,利用主成分分析（PCA）对CC-LIBS条件下的光谱数据降维,在保留95%以上的土壤原始信息后,选择9个主成分作为定量分析模型的输入变量,以提高模型的运算速度。采用机器学习中的Lasso,AdaBoost和Random Forest模型,对PCA降维后的光谱数据进行建模及预测,实现土壤重金属元素Ni和Ba的定量分析。结果表明,与Lasso和AdaBoost模型相比,Random Forest模型在训练集和测试集中表现出的预测性能最优。Random Forest模型下Ni元素在测试集中的R2为0.937,RMSEP为3.037;Ba元素在测试集中的相关系数R2为0.886,均方根误差RMSEP为90.515。基于腔体约束LIBS技术结合机器学习,为土壤重金属元素的高精度检测提供了技术指导。     

基于高斯核支持向量机和遗传算法的优化组合研究

选用2008~2015共8年数据,首先基于高斯核的支持向量机在沪市A股上构建周期性的投资组合,并通过误差图和评价指标与BP神经网络、广义回归神经网络进行比较,结果表明了支持向量机在股票预测上更具有优势.再将改进遗传算法运用于上证股票市场构建最优投资组合,以上证指数作为基准进行比较,得出混合遗传算法优化组合的模型相比单一模型更为有效.