简介:论文介绍了在真实能谱衰减环境中,提出一套对核素进行识别学习算法的流程。采用SVD特征抽取对能谱数据降维,提取到能谱特征向量,在形成的特征向量数据集上,训练决策树分类器,进而通过AdaBoost集成学习算法对多轮的决策树算法的训练结果进行融合,使用K轮类别投票法结合策略,构建一个结果更为接近标签值的假设函数算法模型,解决了探测器检测的能量信息具有局部特征、存在重叠峰值导致核素判别出现错失误判的问题,提高核素识别率。
简介:古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。
简介:随着智能移动设备的普及,越来越多的移动终端APP出现,并在Android操作系统的基础上获得了良好的发展。时代在不断进步,Android操作系统与移动终端APP也需要跟随时代的步伐做出改变,应结合Android操作系统的种种优势对移动终端APP进行深入开发研究。