我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

机器学习算法在反窃电分析中的应用 下载：29 浏览：326

王浩 马迅 刘安磊 贾旭超 纪书军 骆云娟 徐冬冬 《中国电力技术》 2020年2期

摘要:
针对现阶段利用高科技手段进行窃电的行为，提出了基于机器学习算法构建的反窃电模型，分析用户用电数据、异常事件以及线损，介绍随机森林算法以及其在反窃电分析中的应用，通过进行验证测试，认为随机森林算法在反窃电领域可行、有效。

基于稀疏字典的李群机器学习算法 下载：44 浏览：405

熊啸东 李凡长 王邦军 梁合兰 《人工智能研究》 2020年9期

摘要:
李群机器学习理论被广泛应用于图像集分类中的数据表示和处理,并获得较优结果.由此,文中提出基于稀疏字典的李群机器学习算法.首先使用协方差矩阵对图像集建模,分析协方差矩阵构成的李群结构,应用对数映射将数据映射到线性空间中,得到数据的距离矩阵.再使用路标多维缩放对数据进行降维处理,降低运算成本.最后,使用带费舍尔判别字典学习进行分类.在YTC数据集上的实验证明文中算法具有良好的鲁棒性和准确率.

机器学习算法在核电厂换料堆芯装载优化中的应用 下载：253 浏览：2555

曲勇 《核工业与技术》 2021年11期

摘要:
核电厂换料堆芯装载优化是典型的大规模组合优化问题，其计算复杂度高，基于传统进化算法的优化方法对本问题适用性不强，优化性能较弱。机器学习算法是一类新型且有望解决组合优化问题的算法，其主要思想是基于神经网络结合强化学习，让智能体不断探索可行域。这类算法的研究也越来越多，主要集中在指针网络和图神经网络，训练方法则主要为监督学习或强化学习。另一方面，结合机器学习和智能进化算法求解组合优化问题的算法也在探索求解核反应堆领域的组合优化问题。本文通过广泛调研机器学习算法在组合优化领域的应用，提出了未来开展核电厂换料堆芯装载优化的研究方向和具体技术路线。

基于机器学习算法的战场通信频谱规划模型设计与优化 下载：51 浏览：683

郝培丽 闫鹏飞 蔺健 《信息通信与技术》 2025年2期

摘要:
随着现代战争自动化与智能化程度的提高，战场通信在军事指挥系统中的地位越来越重要。然而，战场环境的复杂性及不确定性使得通信频谱规划成为一个挑战。本研究基于机器学习算法，提出了一种战场通信频谱规划模型。模型的核心思想是利用机器学习算法预测并优化通信频谱的使用，通过数据驱动的方法，根据历史数据对未来可能出现的情况进行预测和规划。模型在理论上被证明是有效的，通过实际战场环境的模拟验证，结果表明，模型在降低通信干扰，提高通信质量等方面表现出了较好的性能。这项研究的结果不仅对于提高战场通信频谱利用效率，降低通信干扰有重要的理论和实际价值，而且，为相关人员提供了一种新的、高效的决策工具。

探究大数据环境下机器学习算法趋势 下载：136 浏览：1518

​黄舟 《中国环境保护》 2023年6期

摘要:
当前信息库中的信息数量越来越多，信息处理的过程越来越复杂，在创建起大数据环境的同时，对于相关技术也就提出了更高的要求。同时，人工智能技术已经得到广泛应用，机器学习作为其中的核心，受到了越来越多的关注。相对于既往的分析方式来说，机器学习可以大幅度提升数据分析的效率和应用价值，所以需要在积极研究机器学习算法，以提升大数据环境下的机器学习应用效果，所以本文主要针对大数据环境下机器学习算法趋势进行探究，以供参考。

基于大数据的机器学习算法在人工智能应用中的研究 下载：37 浏览：926

曹明 《人工智能研究》 2024年9期

摘要:
随着大数据技术的发展，机器学习算法在人工智能应用中的重要性日益凸显。本文探讨了基于大数据的机器学习算法在智能推荐系统、图像识别和自然语言处理中的应用。通过分析和总结当前的研究成果，本文详细介绍了决策树、支持向量机、神经网络和集成学习等主要算法在大数据环境下的应用，并结合实际案例展示了其效果和挑战。研究表明，大数据为机器学习提供了丰富的数据资源，而机器学习算法能够从大数据中提取有价值的信息，提升智能系统的性能。未来研究可以进一步优化算法，提升其计算效率和预测准确性，同时关注数据隐私与安全问题，确保人工智能技术的合法合规应用。本文的研究成果为大数据和机器学习领域的研究者和从业者提供了参考，推动了人工智能技术在各行业中的应用和发展。

大数据分析在电商平台的个性化推荐系统研究 下载：35 浏览：742

王天秀 《数据与科学》 2024年7期

摘要:
随着大数据时代的到来，电商平台日益庞大的用户群体带来了丰富的数据资源，也使得个性化推荐系统成为提高用户体验，提升电商平台竞争力的重要工具。本研究以大数据技术为基础，研究并构建个性化推荐系统，以期通过高精度的推荐结果，满足不同用户的个性化需求。我们首先通过分析用户行为日志，收集用户的偏好信息，然后运用机器学习算法，如协同过滤、深度学习等，进行推荐模型的构建和训练。实验结果显示，相比于只依赖历史购物记录的传统推荐方法，使用大数据分析的推荐系统能有效提升推荐结果的准确性和覆盖率，并显著提高了用户的点击率和购买转换率。因此，运用大数据技术进行个性化推荐系统研究，能够提升电子商务平台的服务质量，增强其市场竞争力，对电子商务行业具有重要的实用价值和理论意义。

互联网金融智能反欺诈技术研究 下载：104 浏览：781

​邹建豪 刘龚榆 卢梦柯 戴治波 《金融研究杂志》 2024年4期

摘要:
互联网金融发展迅速，金融欺诈问题突显，需要有效的反欺诈机制。本文提出基于智能算法的反欺诈方案。首先，通过深度学习分析交易数据，建立多维度用户行为画像，全面了解交易特征。其次，采用机器学习算法实时监测和分析用户行为，识别异常交易模式。引入自然语言处理技术，对用户资料和交流信息进行情感分析，提高识别准确率。最后，建立反馈机制优化算法模型，提高系统自适应性和鲁棒性。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享