摘要：交易风险预测是近年来电子商务和互联网金融领域关心的一个话题。传统的风控方法是基于具体规则来制定的,不能满足大数据时代应用的需要。比较流行的方法是先基于统计的特征挖掘,再基于特征进行模型训练,这也是比较传统的机器学习方法的工作模式。本文将改变传统的人工设计数据特征维度的方法,从图结构中自动地挖掘出特征,再结合最新机器学习Light GBM框架中的分类模型,进行用户交易风险分析。比传统的利用黑名单控制、基于统计特征分析的方式效果更好。同时,结合图的结构特征挖掘的方式在标签样本稀疏的情况下,效果也比传统方式更好。

摘要：入侵检测系统(IDS)是保障信息安全的重要手段。分析了机器学习应用于网络连接级的异常检测模型的过程,然后建立了异常检测系统原型,以验证此方法用于IDS的可能性及所能达到的性能。实验以DARPA网络数据为例,对数据的特征进行了分析、选取及构造,并针对多种情况进行了测试。实验结果表明,该IDS系统具有很好的检测性能。最后对结果进行了分析,并得出了几个有用的结论。

摘要：贝页斯数学模型在文本分类计算中得到广泛应用。过滤模型原理简单、运算效率高,保证了文本分类准确,但同时也产生一定偏差。利用贝页斯数学模型[1],针对测试样本集合的变化,分析研究贝页斯过滤规则的变化规律。为设计一种过滤方案提供理论依据。

摘要：电力变压器故障高精度检测是保障电力系统稳定运行的基本条件。现结合最小二乘法与支持向量机,构建了最小二乘支持向量机分类模型,通过参数优化与样本分类的方式,实时检测变压器运行故障。首先设计了油色谱在线监测系统,获取变压器故障特征样本信息;然后采用粒子群算法优化分类模型的两个参数,粒子群算法优化参数过程中将分类误差作为适应度值,直到其符合迭代终止条件,输出参数优化结果;最后将优化后的参数带入分类模型,将油色谱在线监测数据作为测试样本,模型输出结果即为变压器故障类型,以此实现电力变压器故障检测的目的。

摘要：针对基于单机的经典随机森林算法无法满足海量数据处理需求的问题,文中采用Spark分布式存储计算技术设计并实现了改进的随机森林算法。首先计算特征的重要程度,将特征分为公共特征、独有特征和非重要特征;然后按顺序和比例分别在各个特征子空间中随机选择特征;最后通过Spark集群进行实验,分析改进的随机森林算法分类性能、加速比和效率。结果证实改进的算法提高了随机森林构建效率,可以用来解决海量数据挖掘问题,具有良好的可扩展性。

摘要：为实现微细电火花孔加工的电极形状损耗形式的分类预测,选择SVM支持向量机、BP神经网络、Logistic回归、KNN临近算法四种典型的分类算法,分别建立了微细电极损耗形式的分类模型,并根据分类情况,结合理论分析,探讨了形状控制的一般方法,同时设计了验证实验。结果表明:Logistic回归模型最为合适,能较好贴合实验数据;在小的脉冲能量下选取大的脉冲宽度有利于实现电极的均匀损耗,且此种方法具有一定的通用性。研究成果初步实现了微细电极的形状预测与控制,对提高微细电火花加工精度具有一定的指导意义。

摘要：针对数据中心中主机故障数据的标记稀缺的问题,提出一种改进的Co-Forest方法,结合少量标记和大量未标记的IT运维数据,实现硬件的故障预警。方法使用评估函数对Co-Forest算法的每轮训练需要加入的未标记数据进行过滤,避免半监督学习的性能恶化问题。对比实验结果表明,相比只使用了标记数据的分类模型和传统Co-Forest,方法能显著提高分类器的准确度。

摘要：为解决公共安全视频图像信息轨迹追踪的问题,设计一个基于图像识别的视频内容快速检索系统,使用方向梯度直方图特征提取(HOG:Oriented Histogram Feature Extraction)算法进行人脸定位,通过迁移学习对Res Net模型进行再训练建立专用的神经网络的分类器。进行视频内容检索的过程是提取视频关键帧,对其中人物进行定位,提取其特征值,使用训练好的分类模型进行分类。将分类信息标注在图片上,将有关信息存入数据库,使用时查询数据库,得到详细信息。实验结果表明,该系统可有效地对视频内信息进行快速定位,对截取图片可以进行精准识别,在公共安全领域具有应用前景。

摘要：手写识别作为改善人机交互的技术之一已经变得越来越重要,涌现了大量对手写文字和手绘图形的研究工作,而作为手写识别的一个重要部分,对图形和文本的分类工作一直没有获得足够的重视。本文基于开源数据挖掘工具Weka设计并实现一种手写图文分离方法,基于LogitBoost、Random Forest和LADTree三种不同分类器的测试结果表明,LogitBoost的综合分类效果最好。通过联合3个分类器能够实现精确的图形判定,但文本的分类效率则受限于分类效果最差的分类器。同时基于信息增益评估结果,分析了不同特征对图文分类的影响。

摘要：针对当前各种场合下虚拟实体对象行为仿真的需要,文中提出基于Horn-Schunck算法的人群动画高仿真度重建方法。研究中构建了人群动画信息采集模型和人群流动特征域分类模型,通过利用人群图像信息多维动态特征域的模板匹配函数,实现人群图像信息跟踪采集,并且采用分特征域特征匹配方法进行人群图像信息的分块融合和特征块匹配,进而实现人群动画模型分类,从而实现人群图像的特征快速、精确采集。研究中还采用光流约束方程和全局约束算法的Horn-Schunck算法模型,实现了人群动画高仿真度重建。试验表明,文中方案优于其它设计方案,具有较广泛的应用价值。