简介：降维与分类一直是机器学习的研究热点，在很多领域有着成功的应用．针对基因数据分类存在特征维数过高、冗余数据和高噪声等问题，现提出一种基于ReliefF和自适应粒子群（APSO）优化的混合降维算法．即先通过ReliefF和APSO算法选择特征子集，然后使用超限学习机作为评价函数对基因数据进行分类，最后通过循环迭代得到最优的分类精度．实验证明，混合降维算法与已有的算法相比分类精度更高、更稳定，它适用于基因表达数据降维．

简介：针对空气污染物氨气、乙醇、氨气乙醇混合气体,搭建在线检测电子鼻系统.采用不同的特征提取方法得出特征,并利用主成分分析（PCA）和线性判别式分析（LDA）做类别区分.结果显示,利用传感器响应最大值特征和LDA能更好地区分三类气体.利用最大响应值特征,采用多层感知器（MLP）神经网络和粒子群（POS）优化的支持向量机（SVM）对110个测试样本分类.结果显示,MLP神经网络的正确率为70%,POS优化的SVM正确率为96.3640%.最后,根据Loadings分析,剔除了TGS2602,MQ138,MQ3传感器,优化了传感器阵列.结果表明,该在线电子鼻系统能够应用到这三类空气污染物分类.

简介：针对推荐系统的准确性提出了一种优化算法，该算法首先利用用户的特征进行聚类，然后在聚类之后的各个聚簇中运用混合协同过滤框架为每个聚簇训练一个模型；同时在运用混合协同过滤时，针对传统的基于用户的协同过滤推荐算法在计算用户相似度方面进行了改进.实验表明，提出的优化算法显著提高了预测的准确性，从而提高了推荐结果的质量.

简介：本文阐述了用超声波短时作用来处理水样,从而找到更科学地计数水体中微囊藻细胞数的方法。并通过实验进一步研究了超声波频率和作用时间对处理效果的影响。

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：用NH3-TPD、CO2-TPD和了PR方法表征了乙醇一步合成乙酸乙酯时混合氧化物催化剂物种和还原特性。结果表明,催化剂表面同时存在酸中心和碱中心,在Cu/ZnO/CoO/Al2O3催化剂体系中添加TiO2和ZrO2或以NiO代替CoO,导致NH3-TPD和CO2-TPD谱的变化,TPR谱的还原峰温度大大降低并由一个还原峰分裂为二个还原峰,这些变化已被反应动力学数据证实是有利于催化性能的提高。

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：在数据驱动的集中式空调系统故障诊断过程中，特征选择是一个必要的预处理．选取重要的特征作为分类依据，无论是从经济的角度还是对故障的有效判断上，都具有非常重要的意义．现采用不同的特征选择方法对一组冷水机组故障数据进行特征选取，并利用支持向量机完成分类，最后通过对比分析获取冷水机组故障诊断中最重要的特征子集．

简介：为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出一种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.

简介：为解决空气处理机组在故障检测过程中难以获得大量带有类标记样本,且故障样本数据标记代价较高的问题,本文结合支持向量机与半监督学习方法,提出了针对空气处理机组故障检测的半监督学习算法.首先利用序列前向选择选出重要的特征作为分类依据,将半监督学习方法引入支持向量机的学习过程中,并使用遗传算法寻找支持向量机的最佳参数.然后选择类标记置信度高的未标记样本加入训练样本集,利用未标记样本中有利于支持向量机的信息,提高学习性能.实验表明,提出的混合算法能够在故障标记样本比较少的情况下达到较高的故障诊断率.

简介：在临床和法庭毒物学领域,广泛范围药物筛选是一项非常重要而又常被忽视的工作。这项工作的侧重点是所有毒物学相关的物质,无论其结构或极性如何,都能被分离、检测和鉴定。近几年来,我们已尝试建立一个系统的固相提取方法,能够有效地从生物检材中分离出药物,并已经建立了利用单根Bond—ElutCertify固相柱提取的步骤。虽然这个步骤适用

简介：针对观缆车主轴系统难以拆卸的特点,将声发射检测技术应用于观缆车轴承的故障诊断中,提出一种经验模态分解(Empiricalmodedecomposition,EMD)与近似熵相结合的观缆车轴承故障诊断方法.即利用观缆车试验台对滚动轴承无故障、内圈故障和滚动体故障进行模拟,采集其声发射信号.通过EMD方法将获取的声发射信号分解为若干个本征模态函数(Intrinsicmodefunction,IMF)分量,然后利用能量和相关系数法选取IMF分量,最后对筛选的IMF分量进行近似熵计算.实验结果表明,该方法能够有效判断观缆车滚动轴承是否存在故障.