基于改进灰狼优化核极限学习机的疾病诊断模型

为提高疾病诊断的效率,本文提出一种改进的灰狼优化算法与核极限学习机的混合模型。通过引入一种新的机制提高灰狼优化算法的探索与利用能力,改进的灰狼优化算法在进行特征选择的同时,也对核极限学习机的2个关键参数进行优化,模型在2个疾病数据集上进行实验验证。实验结果显示：提出的模型在准确率、敏感性、特异性等评价指标方面相对于其他混合模型高出约1%～2%,带特征选择的优化模型相对于没有特征选择的模型在评价指标上也高出约1%～2%。结果表明提出的模型具有一定的优势。     

基于改进极限学习机的中长期电力负荷预测

根据神经网络的非线性辨识能力和极限学习机(ELM)的高计算速度、高泛化能力等特点,提出一种批处理和逐次迭代相结合的改进极限学习机方法。实验结果表明,改进的极限学习机方法应用于中长期的电力负荷预测中,比传统的极限学习机效果更优。     

基于极限学习机的分布式电力负荷预测

现代电力负荷数据以海量形式存在,传统单机模式无法满足电力负荷在线预测效果的要求。为了改善大规模电力负荷数据的预测效果,设计了基于极限学习机的分布式电力负荷预测模型。首先提取电力负荷数据,通过混沌理论的相空间重构方法对电力负荷数据进行预处理,产生电力负荷数据预测建模样本,然后将电力负荷数据预测建模样本细分成为多个子样本,通过云计算集群系统的分布式方式并行实现子样本建模,每一个小样本通过极限学习机进行建模和预测,最后采用具体电力负荷数据进行了仿真测试实例研究,测试结果表明,本文模型加快了大规模电力负荷数据建模速度,可以足电力负荷在线预测效果,而且电力负荷预测精度要明显优于当前其它电力负荷预测模型。     

基于神经网络的多参数损伤识别

本文首先对损伤参数进行了理论分析,提出基于神经网络的损伤识别原理,利用ansys建立简支梁数值分析模型,建立非线性映射能力较强的单隐层BP网络进行损伤识别,定位损伤,较为准确的判断了损伤程度。     

基于神经网络的多参数损伤识别

以一矩形截面简支梁为研究对象,建立完好结构和损伤结构的有限元模型,曲率模态差进行损伤定位,以标准化后的频率下降量,振型变化量与频率变化平方的比值、曲率模态差、作为BP神经网络输入参数,建立非线性映射能力较强的单隐层BP网络进行损伤识别,以损伤位置和损伤程度作为网络的输出参数。数值分析结果验证了该方法的可行性。     

土木工程结构模态参数识别

土木工程结构对于我们国家的重要性其实是不言而喻的,它不仅对人们平安生活起着关键的作用,还参与构成我们国家基础设施。我们国家的土木工程结构模态参数识别包括对其监测与分析,这些主要是通过一些特征数据来完成的。模态参数在土木结构中其实是一个非常重要的参数,也是其主要的参数,它的识别方法一般来说有两种,对,一种是传统的模态参数识别方法,还有一种是环境激励下的模态参数识别方法。本文主要讲述的是后者,在这种状况下的土木工程结构的模态参数识别相关的问题。     

支墩刚度对轨道梁自振频率的影响分析

城市高榘轻轨得到普遍应用,但对轨道梁的动力分析多不考虑支墩刚度的影响,可能导致错误结果.将支墩模拟为弹簧,分析了支墩变形对轨道梁自振频率的影响,结果表明影响确实巨大,在可能情况下必须同时考虑支墩的影响.     

基于极速学习机的服装搭配智能推荐系统设计

随着电子商务的发展,越来越多的人选择网上购物。针对用户尤其是女性用户网上购买服装的个性化需求,提出了基于极速学习机的服装搭配智能推荐系统。该系统根据用户自身的特征(身高、体重、胸围、腰围、臀围和脚码)及用户选择的条件(风格、场合、季节和颜色),利用极速学习机算法,自动为用户推荐个性化的服装搭配方案。实验结果表明,基于极速学习机的服装搭配智能推荐系统能够为用户提供满意的服装搭配方案,具有一定的实用价值。     

改进MFCC参数在非特定人语音识别中的研究

随着信息时代的高速发展,人们越来越关注计算机的便携使用方式,以语音输入代替手动输入成为计算机未来发展的一个必然趋势.本文在MFCC特征参数的基础上,提出了一种改进MFCC特征参数--BMFCC特征参数,以提高原MFCC特征参数在语音识别时的识别率和运算速度.BMFCC特征参数在进行参数的提取时,分为特征分量加权、特征分量求差分、主成分分析三个步骤.仿真实验结果表明,本文提出的BMFCC特征参数在识别率和有运算速度上均优于MFCC特征参数,且更具鲁棒性.     

基于EEMD的薄板结构模态参数的识别

模态参数的识别在结构动力学分析中有着重要的作用。本文研究了一种采用时域响应信号,辨识薄板结构固有频率和阻尼比的方法。首先将信号进行EEMD分解,获得本征模函数(IFM),减弱模态混叠现象;然后采用Hilbert变换,利用单自由度自由响应信号的特点,识别出结构的模态参数。结合仿真和实验,结果表明该方法优于EMD和传统的半功率带宽法。     

基于机器学习的新能源汽车核心技术识别及布局研究

基于机器学习和经验模态分解(Empirical Mode Decomposition,EMD)方法,构建一种从海量数据中核心技术识别方法,运用该方法识别出新能源汽车领域20项核心技术与21项潜力技术.之后,运用专利相对优势指标法(Revealed Patent Advantage,RPA)分析我国新能源汽车领域关键技术...     

基于机器学习的Web链接的抽取

互联网网页是通过超链接连接起来的,为人们的日常生活和商务用途提供了非常丰富的信息资源。链接结构分析在万维网的很多研究领域发挥着越来越重要的作用。然而存在着许多与主题无关的链接,造成了主题漂移。本文分析了链接本身的特点,介绍了一种有监督机器学习方法自动地抽取网页中的相关链接。试验结果表明该算法具有实用的价值。     

基于机器学习的旅游推介系统的设计

个性化的旅游服务往往能得到客户更多的关注。潜在客户对旅行社计划推出的旅游线路的关注信息,常出现在留言板上或者关于旅游线路或景点的投票页上,利用这些信息,借助文本挖掘和机器学习技术,可以找出最适合推荐给潜在客户的旅游线路,从而实现旅游服务（线路）的推介。     

基于机器学习的自适应个性化数字图书馆模型研究

由于信息数量和种类增加,用户对数字图书馆期待更多的智能服务.本文提出通过引入机器学习技术来解决此问题,首先简要介绍了机器学习技术,说明了可适应个性化数字图书馆局限性,然后提出基于机器学习的自适应个性化数字图书馆模型,最后探讨了用户模型的自动创建.实践表明,此模型可满足用户对信息的需要,简化信息查找过程.     

基于机器学习的扫描图书元数据自动抽取研究

在对纸本图书数字化加工过程中,元数据录入是必需的环节,然而手工录入工作量大、效率低,针对这一问题,提出了一种基于机器学习的扫描图书元数据自动获取方法。首先定义元数据的描述、管理和结构元素,然后以扫描页面的DjVu XML文档为数据源,分析页面的格式、结构等特征,以行作为初始特征向量,采用基于有监督的机器学习方法进行元数据抽取,实验表明该算法能够取得较高的准确率和召回率,能够显著的提高图书数字化的效率。     

基于机器学习SAR图像噪声抑制技术研究

为提高含噪声SAR（合成孔径雷达）图像的目标识别能力,提出基于机器学习的图像噪声抑制技术的研究思路。该思路通过问题估计,为舍噪声图像获得清晰的输出景物,从而生成一个与含噪声图像相符合的增强的合成景物世界。该技术以马尔可夫网络为体系,根据图像与景物、景物与景物之间的联系来确定网络上的信息传递规则,从大量的训练事例中学习并获得网络参数,利用贝叶斯方法为原图像找到理想的后验概率,生成一个清晰的超分辨率结果图。     

基于机器学习的渠道糙率反演

引进机器学习的思想,通过数据挖掘的手段,提出了一种新的渠道糙率直接反演方法,并应用于石头河水库灌区水流模拟计算。结果表明,计算水位于实测水位过程基本吻合。     

基于机器学习的电磁脉冲相位特征挖掘算法

对电磁脉冲信号相位特征的准确挖掘和参量估计可以有效准确地确定信号源的方位,实现对识别目标的准确定位。传统的相位特征挖掘算法采用贝叶斯估计算法,算法在受到脉冲干扰时估计性能不好。提出一种基于机器学习的电磁脉冲信号相位特征挖掘算法,实现对相位估计精度的改进提高。首先构建电磁脉冲信号的模型,得到相位特征挖掘模型原始模型,求解相位模糊数搜索结合解得到两个阵列输出数据的相位差。计算电磁脉冲信号参数相位补偿项,采用机器学习算法进行电磁脉冲信号相位特征挖掘,构建调频信号作为估计目标方位角的载波信号,采用最小二乘拟合求斜率最终实现相位特征等相关信息的挖掘。仿真实验表明,该算法能准确估计出电磁脉冲信号辐射源的相位等参数信息,相位特征挖掘性能较好,展示了优越的数据挖掘和目标检测定位性能。     

基于知识图谱的机器学习研究前沿探析

机器学习是人工智能的一个前沿分支学科,同时也是实现人工智能的一个重要途径.以机器学习领域内的著名期刊《机器学习》(Machine Learning)和《机器学习研究杂志》(Journal of Machine Learning Research)作为样本,运用多视角引文网络分析CiteSpaceⅡ软件绘制的知识图谱显示出国际机器学习研究的前沿领域是以“数据挖掘”为代表的9个知识群;通过对知识图谱的深度解读,进一步揭示出机器学习研究的前沿演化路径.