摘要：文章提出一种基于深度学习的无线频谱感知方法,并引入l1正则化方法进行优化。首先,分析无线频谱感知的基本原理;其次,设计基于循环神经网络(Recurrent Neural Network,RNN)的频谱感知模型,并对传统RNN模型进行l1正则化优化;最后,利用单输入多输出(Single Input Multiple Output,SIMO)协同频谱感知场景数据集进行实验验证。实验结果表明,相较于传统RNN方法,优化后的RNN模型在准确率、召回率以及F1值等指标上均实现了更好的性能表现,证明了文章提出的方法在提高频谱感知性能方面具有显著的优势。

摘要：在关系学习中样本无法在Rn空间中表示.与其他机器学习问题有很大不同,因为无法利用Rn空间的几何结构使得其解决异常困难.将多核学习方法用于关系学习中.首先,可以证明当用逻辑规则生成的核矩阵进行多核学习时,其他核都可以等价转化为线性核.在此基础上,通过用修正FOIl算法迭代生成规则,构造相应的线性核然后进行多核优化,由此实现了由规则诱导出的特征空间上的线性分类器.算法具有"双稀疏"特性,即:可以同时得到支持向量和支持规则.此外,可以证明在规则诱导出的特征空间上的多核学习可以转化为平方l1SVM,这是首次提出的新型SVM算法.在6个生物化学和化学信息数据集上与其他算法进行了对比实验.结果表明不仅预测准确率有明显提高,而且得到的规则集数目更小,解释更为直接.

摘要：语音特征学习是精神病语音识别方法的核心和关键。深层特征学习可以自动提取语音特征,但受限于小样本问题;传统的特征提取(原始特征)避免小样本问题影响,但严重依赖经验且自适应不佳。为了解决这一问题,本文提出了一种深层内嵌混合稀疏堆栈自动编码器流形集成算法。首先,基于先验知识提取精神病语音特征,构造原始特征。其次,将原始特征内嵌入到稀疏堆栈自动编码器(深度网络)中,对隐藏层的输出进行滤波,增强深层特征与原始特征的互补性。再次,设计l1正则化特征选择机制,压缩由深层特征和原始特征组成的混合特征集的维度。最后,设计了加权局部保持投影算法和集成学习机制,构造了流形投影分类器集成模型,进一步提高了小样本下特征融合的分类稳定性。此外,本文首次设计了一个中大规模的精神病语音采集方案,收集并构建了一个大规模的中文精神病语音数据库,用于精神病语音识别算法的验证。实验结果表明,该算法主要创新部分有效;与其他有代表性的算法相比具有更好的分类准确率,最大改善了3.3%。综上所述,本文提出了一种基于深层内嵌混合稀疏堆栈自动编码器和流形集成的精神病语音识别方法,有效提高了精神病语音识别准确率。

摘要：中医方剂是中医药学的重要组成部分,也是中医临床治病的主要形式和手段.为了"辨证论治",需要从配伍功效出发,研究药组的配伍规则.多味药组成的方剂的功效不是其组成药物功效的简单叠加,而是由它们之间相互作用的结果.目前利用数据挖掘技术挖掘研究方剂的配伍,主要利用方剂中药物的频率,进行浅层分析,但这种方法并不能很好的揭示药物之间的相互联系.为此,本文提出了一种利用稀疏表达学习,自动挖掘古方中的功效配伍规律.稀疏表达学习结合l1正则化和逻辑斯蒂判别式,将不起作用或作用很小的药物视为是噪声过滤掉,起主导作用的药物则为被挖掘的功效配伍药组.最后,将提出的方法在14种功效的古方数据集中进行实验和验证,并以Dice系数和平均查准率作为评估参数,实验结果证明,稀疏表达学习方法相比目前的主流方法在配伍规则的挖掘上更准确、有效.

摘要：逻辑回归已广泛应用于财务危机建模,但是一定程度存在过拟合问题。为了避免建模出现上述问题,提出了基于l1正则化逻辑回归的财务预警模型。该模型是一种稀疏模型,能同时实现变量选择和参数估计,具有较强的鲁棒性。同时,针对l1正则化逻辑回归问题的求解,提出了一种高效的基于内点法的求解算法。结合沪深股市A股制造业上市公司进行实证分析,分析结果表明,l1正则化逻辑回归模型在预报精度、经济解释性等方面明显优于其他逻辑回归模型,并且提出的内点法与其它求解算法相比具有一定的优越性。

摘要：本文针对保险公司如何预判断客户续保概率这一问题,依托大数据的条件,综合运用反向传播BP神经网络、变权组合等方法对客户精准画像,建立客户续保概率模型。其次,运用神经网络l1正则化提取关键特征作为划分客户类别的依据,实现客户的等级划分。由此,针对不同的客户设计不同的优惠和福利方案,提高客户的续保率。

摘要：针对传统金属材料缺陷检测存在的弊端,结合当前的电磁层析成像技术,提出一种基于l1的正则化图像重建方案。在该方案中,根据电磁层析成像技术逆问题原理,在构建电磁层析成像数学描述的基础上,采用稀疏表示算法对模型进行求解,从而得到测量数据向量、灵敏度矩阵、图像灰度值向量三者之间的关系。为验证上述算法的可行性,从传感器设计、激励信号方案、采集模块等方面对电磁层析成像系统进行构建,并以铝盘作为被测对象。结果表明,采用l1的正则化得到的图像与真实金属材料缺陷分布更加接近。