您当前所在位置: 首页 > 首发论文
筛选条件

时间

领域

全部

计算机科学技术(220)

电子、通信与自动控制技术(31)

信息科学与系统科学(12) 显示更多>>

数学(6) 管理学(6) 生物学(5) 经济学(5) 交通运输工程(4) 动力与电气工程(2) 中医学与中药学(1) 化学(1) 地球科学(1) 机械工程(1) 测绘科学技术(1) 药学(1) 预防医学与卫生学(1) 食品科学技术(1) 临床医学(0) 体育科学(0) 农学(0) 冶金工程技术(0) 力学(0) 化学工程(0) 图书馆、情报与文献学(0) 土木建筑工程(0) 基础医学(0) 天文学(0) 安全科学技术(0) 工程与技术科学基础学科(0) 心理学(0) 教育学(0) 材料科学(0) 林学(0) 核科学技术(0) 水产学(0) 水利工程(0) 物理学(0) 环境科学技术(0) 畜牧科学、动物医学(0) 矿山工程技术(0) 纺织科学技术(0) 能源科学技术(0) 航空航天科学技术(0)

学术评议

实时热搜榜

我的筛选 >
2003-2020 全部
为您找到包含“machine learning”的内容共299

Zou Bin,Li Luoqing

The generalization performance is the main purpose of machine learning theoretical research. The

2007-11-27

NSFC(10771053

SRFDP(20060512001

Hubei University,Hubei University

#Mathematics#

0评论(0 分享(0)

孙煜程,虞露

2015-11-30

机器学习能帮助挖掘出数据中隐藏的相关性等信息,因而开始应用在视频编码领域。本文对机器学习在HEVC编码实现中的具体应用进行了综述。首先介绍了包括朴素贝叶斯,SVM以及决策树算法在内的部分经典机器学习算法,并对每种机器学习算法的适用范围进行了分析。然后归纳了在编码实现中的分类,聚类,参数训练等类型的问题可以使用机器学习方法,从而提高编码实现速度或压缩效率。

高等学校博士学科点专项科研基金(20120101110032

浙江大学信息与电子工程学院,杭州 310027,浙江大学信息与电子工程学院,杭州 310027

#电子、通信与自动控制技术#

1评论(0 分享(0)

李丹艳,刘刚

2020-01-02

随着计算机技术的发展和人工智能的普及,语音情感识别研究收到学界和工业届的广泛关注。从语音情感识别的起源、语音情感的分类,到研究现状进行归纳与总结。目前的情感识别任务大多采用人工提取多种声学特征并物理降维,构建特征工程的方法,提升识别结果,于是对机器学习常用的几种算法进行调研,例如:支持向量机、决策树、支持向量机等。调研这些机器学习算法从原理到应用,并进行详细阐述。使用其中几种机器学习算法训练语音情感识别模型,利用模型进行语音情感分类。根据实验结果对比各个算法的性能,选择出其中最适合语音情感识别的机器学习算法。

Pattern Recognition of Intelligence Search Laboratory of Beijing University of Posts and Tele Communications, Beijing, 100876,Pattern Recognition of Intelligence Search Laboratory of Beijing University of Posts and Tele Communications, Beijing, 100876

#计算机科学技术#

0评论(0 分享(0)

令狐曦,武斌

2019-01-21

目的 对机器学习模型质量进行阐述,构建全面合理的机器学习模型质量测评指标体系。方法 采用文献研究法梳理指标体系构建相关文献,提炼指标体系构建原则与流程,梳理机器学习相关文献,构建机器学习模型质量模型;采用内容分析法构建初始测评指标体系;采用定性分析法初步选择指标;采用专家调研法对指标进行显著性筛选;采用重测可信检验法对指标进行可信度检验;采用层次分析法确定指标权重。结果 提出了机器学习模型的层次质量模型,提出了包含6个一级指标,7个二级指标,5个三级指标,多个度量指标的"机器学习模型质量测评指标体系",并结合具体场景构建了手写数字识别模型质量测评指标体系。结论 所得指标体系全面合理,指标数量适宜,在具体业务场景下也具有较强的可操作性和有效性。

School of Cyberspace Security, Beijing University Of Posts And Telecommunications, Beijing 100876,School of Cyberspace Security, Beijing University Of Posts And Telecommunications, Beijing 100876

#计算机科学技术#

0评论(0 分享(0)

Qiu ZhenYu,Peng Lijuan

the performance and efficiency. The support vector machine (SVM) is a machine-learning method which

2008-04-17

Institute of Image & Graphics, College of Computer Science, Sichuan University,Institute of Image & Graphics, College of Computer Science, Sichuan University

#Computer Science and Technology#

0评论(0 分享(0)

王玉山

2009-09-11

本文首先介绍了机器学习系统的基本结构,主要分析研究了基于实例的机器学习原理和特点,探讨了距离函数、有效寻找最近邻等机器学习方法,指出了这些方法存在的问题,通过减少样本集数量、修剪干扰样本集、属性加权和推广距离函数等真正实现了机器学习方法,并且得到了理想的结果。

武汉理工大学信息工程学院

#计算机科学技术#

0评论(0 分享(0)

吴流丽,刘章孟,黄知涛

2017-05-04

波达方向(DOA)估计被广泛应用在雷达、蜂窝通信、卫星通信等领域。传统的DOA估计方法运算量较大,难以对目标实现实时跟踪。本文提出一种基于机器学习的有效的到达角估计方法。该方法将测向问题转换为回归问题或分类问题,然后利用机器学习算法对这一问题进行解决。通过仿真实验验证所提算法的可行性,并与传统测向方法性能进行比较。结果表明,基于机器学习的测向算法在空域分辨率,计算效率,以及多信号环境适应性方面具有明显优势。

高等学校博士学科点专项科研基金(编号20134307120023

国防科学技术大学电子科学与工程学院,长沙,410073,国防科学技术大学电子科学与工程学院,长沙,410073,国防科学技术大学电子科学与工程学院,长沙,410073

#电子、通信与自动控制技术#

0评论(0 分享(0)

李心达,钱旭,王飞航

2018-04-10

本文研究当前源代码的质量的检测方法,并探索了机器学习算法在软件源代码代码质量以及安全特性方面的应用。以公共数据MDP数据集为预测的训练数据,尝试使用weka搭建的算法模型作为工具,用训练好的模型对数据进行测试分类。找出机器学习算法中的最佳预测算法。

中国矿业大学(北京)机电与信息工程学院北京 100083,中国矿业大学(北京)机电与信息工程学院北京 100083,中国矿业大学(北京)机电与信息工程学院北京 100083

#计算机科学技术#

0评论(0 分享(0)

唐思佳,熊昕,谢满,丁力,张上

2019-10-23

本文旨在构建机器学习优化股票多因子模型,用以处理A股市场风格切换和选股问题来最终获得超额收益。分别从因子表达,机器学习算法两个角度来对A股市场股票的波动规律进行研究,获取最大回撤的超额收益。首先构建因子分析模型来筛选出7个最优因子。然后构建了基于机器学习的随机森林模型,通过随机森林回测某段时间的股票波动情况。本文使用公开的2016 年1月1日至2018年9月30日我国A股市场的数据对算法性能进行评估。实验结果显示回测的正确率为83%。收益的平均利率约为1.57%。

赛尔网络下一代互联网技术创新项目(NGII20161210

China Three Gorges University,School of Computer and Information,YiChang 443002,China Three Gorges University,School of Computer and Information,YiChang 443002,China Three Gorges University,School of Computer and Information,YiChang 443002,China Three Gorges University,School of Computer and Information,YiChang 443002,China Three Gorges University,School of Computer and Information,YiChang 443002

#计算机科学技术#

0评论(0 分享(0)

杨光,叶平

2018-11-05

本文提出一种基于机器学习的主动式双目匹配算法,DOE(Diffraction Optical Element)装置作为主动光源,利用机器学习算法提取斑点图中的二值化特征向量,再利用特征向量进行汉明距离转换得到初始代价,最后对初始代价进行代价聚合和后处理,得到最终的视差值。该方法适用于一般场景,无需针对不同场景重复学习,算法的运行时间较传统的匹配算法不会有明显的增加。大量的实验结果表明,本文算法匹配整体效果好,精度也高于传统的匹配算法。

Automation School,Beijing University of Post and Telecommunications,Beijing 100876,Automation School,Beijing University of Post and Telecommunications,Beijing 100876

#电子、通信与自动控制技术#

0评论(0 分享(0)