基于灰色关联分析法的软件缺陷类型预测

灰色关联分析法是一种描述元素之间影响程度的分析法,适合于小项目数据集。小项目数据集制约着传统的软件缺陷类型的预测方法,使得预测的结果往往不够准确和可靠。因此在灰色关联分析法的基础上提出了特征子集选择、异常工程检测以及软件缺陷类型预测3种方法。通过实验的分析对比,验证了在灰色关联分析法的基础上,提出的软件缺陷类型预测方法的准确性和可靠性。

高速公路事故类型预测模型研究

介绍了事故类型预测模型的作用和原理,利用收集到的高速公路数据,建立了基于多分变量逻辑回归的高速公路事故类型预测模型,分析结论表明对事故类型影响较大的变量有城市-乡村变量、大小车速度差和大车比例变量,并对事故类型预测模型研究的重点进行了展望.

应用Fisher判别分析和案例推理两种方法的土壤类型预测及制图比较

土壤类型预测目前没有公认、成熟的模型和方法,原因是缺乏在同一地区不同模型之间的比较研究。该文利用已知类型的土壤样点及其所处位置的高程、坡度、平面曲率、剖面曲率、复合地形指数等数据,分别采用Fisher判别分析和案例推理两种方法对安徽宣城样区进行土壤类型预测和制图表达。结果表明,在土纲级别两种方法均能够较好地预测土壤类型,但由于土壤样点的剖面数量一定,随着从土类到土族级别的降低,两种方法预测土壤类型的准确率也逐步降低。但各个级别的土壤类型预测中,案例推理的预测能力要优于Fisher判别分析方法。

基于类型预测的甚块预测器

高性能的甚块预测器是保证EDGE体系结构性能的关键手段.为研究性能更好的甚块预测器,文中通过仿真实验发现甚块的出口类型独立于甚块的出口个数和甚块的动态执行结果而存在.以此为据,提出了基于类型预测的甚块预测器.该预测器摈弃了甚块出口号,直接对甚块出口类型进行预测.随后,根据对甚块出口类型可预测性的分析,通过实验证明甚块出口类型与历史和路径信息相关.仿真结果显示,与经典的基于出口预测的甚块预测器相比,文中提出的基于类型预测的甚块预测器能够将每千条指令误预测次数平均降低约10%.

基于失真类型预测的图像质量评价方法

目的克服单个图像质量评价方法针对各种失真类型的性能表现不均衡的问题。方法首先从多个角度测量参考与测试图像的视觉相似性(包括人眼视觉系统,低层次视觉处理和本地纹理),接着分别利用粗糙集和支持向量机完成特征简化与图像失真类型预测,并最终根据测试图像所遭受的失真类型选取适当的质量评价算法。结果提出一种基于失真类型预测的图像质量评价算法。结论该算法在整体性能上要优于传统的图像质量评价算法,更好地体现了主客观评价的一致性;针对单个失真类型开发性能优的质量评价方法,可以进一步提升该算法的性能。

多标志物联合检测肺癌及其对肺癌病理类型预测的价值分析

目的研究CEA、CYFRA21-1、NSE和SCC四种肿瘤标志物(TM)对肺癌的诊断价值及其与病理类型的关系。方法回顾性分析2017年1月~2018年12月在我院首诊245例肺癌及100例良性肺部疾病患者的临床资料。其中鳞癌(SC)79例,腺癌(AC)127例,小细胞肺癌(SCLC)39例。比较四种TM在不同病理类型肺癌患者中的血清学水平及阳性率,采用判别分析法建立Fisher判别函数诊断肺癌并预测肺癌病理类型。结果三个肺癌组CEA、CYFRA21-1、NSE和鳞癌组SCC血清学水平和阳性率均显著高于对照组(P<0.05)。四种TM联合诊断肺癌的敏感度为94.09%、特异度为79.63%、诊断正确率为89.57%。F1=-0.664+0.004 X1+0.027 X2+0.017X3+0.092X4(F1>0为肺癌,F1<0为良性)、F2=1.522+0.002X1+0.032X2-0.044X3+0.075X4(F2>0为NSCLC,F2<0为SCLC)、F3=0.045-0.004X1+0.003X2-0.015X3+0.203X4(F3>0为鳞癌,F3<0为腺癌)诊断准确率分别为90.43%、89.80%、74.76%。结论肿瘤标志物判别分析法进行肺癌诊断和病理类型预测有一定的临床应用价值。

基于旅游微观数据平台的旅游消费类型预测模型研究

利用旅游微观数据平台中获取的大量旅游消费类数据,建立了一个旅游者消费类型预测模型,在部分缺失旅游消费数据的情况下可以对旅游者的消费类型进行预测和判断。该模型基于监督性学习理论,首先针对已有的完整的消费数据进行学习,使用学习算法不断降低模型的判断误差,直到可以进行比较准确的数据预测;再根据数据缺失情况的不同,采用BP神经网络和均值插补的方式进行补足;然后通过K-means聚类分析方法,对已经补足的数据进行聚类,从而达到预测判断旅游者消费类型和层次的效果,进而达到在已知部分旅游数据的情况下能对旅游者的消费类型进行预测判断的效果。

基于GBDT的铁路事故类型预测及成因分析

运用数据挖掘技术进行铁路事故类型预测及成因分析,对于建立铁路事故预警机制具有重要意义.为此,本文提出一种基于梯度提升决策树(Grandient boosting decision tree,GBDT)的铁路事故类型预测及成因分析算法.针对铁路事故记录数据缺失的问题,提出一种基于属性分布概率的补全算法,最大程度保持原有数据分布,从而降低数据缺失对事故类型预测造成的影响.针对铁路事故记录数据类别失衡的问题,提出一种集成的GBDT模型,完成对事故类型的鲁棒性预测.在此基础上,根据GBDT预测模型中特征重要度排序,实现事故成因分析.通过在开放数据库上进行实验,验证了本文模型的有效性.

基于希尔伯特曲线-卷积神经网络的肿瘤类型预测

针对肿瘤的早期检测,提出基于希尔伯特曲线-卷积神经网络(H-CNN)的肿瘤类型预测模型。该模型首先使用变分自编码器对32种肿瘤类型病人的RNA表达量和DNA甲基化数据进行融合,然后通过使用希尔伯特曲线将融合数据可视化后送到CNN进行训练。基于以上过程,可以实施关于新样本的肿瘤类型预测。实验结果表明,基于融合数据的H-CNN模型在肿瘤分类问题上具有优秀的性能,并且对肿瘤病人的早期诊断和治疗具有重要的指导意义。

基于广义伪氨基酸组成的蛋白质结构类型预测

在传统的20种氨基酸组成的基础上,根据氨基酸自身的6种重要性质和6种氨基酸疏水模式构造了32-D特征向量来表示蛋白质序列,然后借助于贝叶斯决策对于同源性不超过25%的数据集进行蛋白质结构类型的预测研究,正确率达到55%左右。

上海城区的社区类型预测和社区的文化建设

本文着重预测上海从目前到今后10—15年的发展过程中将会出现的社区类型,探讨其中居住性社区和综合性社区的社区文化建设。 一、今后社区的几种类型预测 预计在未来15年发展过程中,将再现五种类型的社区。这五种类型社区的划分标准是以其地域中的主要居住者(单位或个人)的社会职能不同为衡量尺度的,它们是:

南阳凹陷东部油气运移路径分析及圈闭类型预测

南阳凹陷东部的魏岗和张店地区断层极为发育、构造破碎,处于多物源发育区,属典型的复杂小断块稀油油藏区域,经过40年的开发已处于高含水开发的后期阶段,面临的主要问题是无后备储量接替。根据储层沉积特征、主控断裂产状及二者匹配关系,预测构造和断层+岩性圈闭发育部位,利用丰富的钻井油气显示资料,结合构造演化及油气运移路径研究结果,提出了牛三门油源平面上油气显示具有“两贫、两富、两连片”的分布特点,油气运移距离在15km左右,在油气运移路径范围内新发现有利圈闭36个,已完钻4口均钻遇油层,并试获工业油流,滚动增储效果显著。

利用词向量和多标签分类模型实现基于影片简介的影片类型预测

影片类型是一种描述影片内容的重要指标,可以帮助用户快速定位感兴趣的影片,也是视频网站向用户推荐影片的重要依据。文章涉及实验旨在利用机器学习技术实现影片类型的自动分类,为视频投放、用户画像等应用场景提供影片分类基础。文章基于词向量模型和多标签分类技术,使用影片简介作为影片分类的主要素材,搭建了一套对影片类型进行预测的模型。通过验证测试和结果评估可知模型有效,为实现影片内容自动分类提供探索性实验方案。

基于XGBoost的高速公路事故类型及严重程度预测方法

高速公路事故频发,而以往研究未能充分揭示交通流动态特性对事故类型与严重程度的影响。为此研究了基于动态交通流数据的高速公路事故类型与严重程度的预测方法。从高速公路门架数据中提取流量、密度、速度等交通流数据,同时考虑时间特征以及时间和空间不均匀性特征的数据,与事故数据相匹配构成全样本。建立了基于极端梯度提升树(extrem Gradient Boosting,XGBoost)算法的预测模型,预测事故是否发生、事故类型以及事故严重程度。分别考虑追尾事故和其他事故2种事故类型、有人员伤亡和仅财产损失2种事故严重程度,模型的结果表明:(1)上下游速度差大、低速、路段车流量大且频繁分流、合流条件下交通事故风险较高;(2)低速、路段车辆多且合流、分流交通量大、上下游速度差大的情况下发生追尾事故的风险更高;(3)路段车流量较少且追尾事故发生于周末或夜间可能会增大事故严重程度。将常用机器学习算法与XGBoost算法的预测效果进行对比,XGBoost事故类型预测模型与事故严重程度预测模型的ROC曲线下面积(Area Under Curve,AUC)分别达到了0.76和0.88——相比于序列Logistic、高斯朴素贝叶斯、线性SVM、随机森林以及神经网络等其他常用算法,平均分别提升了0.08和0.24。这表明基于XGBoost建立的模型具有较好的预测性能。研究结果为高速公路路段实时交通流状态预警提供了可靠手段,进而可以提升高速公路行车安全。

中国金矿床的预测类型及其应用

矿产预测类型是以“矿床式”为基础,从预测的角度对矿产资源的一种分类,是沟通成矿规律与成矿预测方法的桥梁。文章在《重要矿产预测类型划分方案》所划分8大类和15个亚类的基础上,根据新的勘查和研究成果,结合金成矿条件,对中国6大行政区域的金矿预测类型进行补充和调整,并以预测区容矿建造为依据,从时间全位的视角将中国金矿预测类型划分出80个矿床式。文章认为以“全位成矿”理念为指导,以“矿床式”为基本单位的金矿成矿预测分类方案,能够推动找矿思路从“由果及果”转变为“由因推果”。金矿预测过程中通过紧抓“深、浅、远、近”4个条件,即成矿物质的初始来源深、成矿岩体就位浅、流体运移距离远、风化剥蚀搬运近,有助于开拓找矿思路。在特定区域开展中大比例尺金矿的成矿预测时,既可以根据已知矿床的矿床式开展就矿找矿,也可以根据成矿条件结合相邻地区已知金矿的成矿规律来发现新的矿床。

基于近似粗糙集分辨力分类算法的飞机类型预测

传统的C4.5分类决策树作为数据分类算法具有计算简单、准确率高的优势,由于飞机具有参数多和数据量大的因素,C4.5算法需要对连续属性值进行多次顺序扫描,分类时间效率较低。针对此问题,提出近似粗糙集和决策分辨力分类算法,利用粗糙集近似度来判断属性划分样本数据能力,并将其代入到决策分辨力算法中,以决策分辨力最大的属性作为分裂特征建立分类决策树。算法在保证分类决策准确率的同时,提高计算效率并减少过拟合问题的产生。通过对UCI(University of California, Irvine)数据集上多组数据样本的对比实验分析,验证了本文提出PSRP(rough set and resolving power)的算法在保证相同准确率的情况下,平均计算时间效率提升约10%,可靠性提升2%。

基于预测的JavaScript类型系统研究

随着互联网和万维网的流行以及JavaScript在Web浏览器中的作用越来越重要,对JavaScript程序的执行行为的研究将有利于提高浏览器的性能,改善用户的体验.传统的研究认为JavaScript语言的动态性是其性能的主要瓶颈,因此大部分主流的JavaScript执行引擎都将优化集中在其动态性的处理上.为了更深入的研究JavaScript程序的动态性,提出了两种算法:类型预测算法和基于位置的内联缓存算法,分别用于处理JavaScript程序中元数据和对象的类型.以这些算法为基础,在SunSpider测试程序集上系统地研究了JavaScript的类型系统.实验表明,算法平均能够正确识别或者预测99%的类型实例,因此可以认为,尽管JavaScript语言提供了丰富的动态性,实际的应用程序所使用到的动态行为是有限的.这是已知文献中首次提出类似的观点.

矿产预测类型及其在矿产资源潜力评价中的运用

矿产预测类型是从成矿预测和矿产资源潜力评价的角度对矿产资源进行分类的一种方法,具有区域性但也兼顾典型矿床的一般性成矿规律,其理论基础就是成矿系列理论的矿床式。回顾了矿产预测类型概念的提出与演变过程,以阿舍勒式、大厂式和甲玛式为例探讨了作为预测工作第一步骤的重要性及划分矿产预测类型的理论依据,以大冶式铁矿为例阐述了矿产预测类型在成矿预测中的重要性和优越性。矿产预测类型基于典型矿床但又超越典型矿床的具体成矿条件因而体现出预见性,为成矿预测奠定了理论基础;同时,可以根据预测工作尺度的不同而分层次给出矿产预测类型的划分方案,可以满足分级别预测的需要;再者,矿产预测类型具有区域性特点但又不排斥一般性,既有针对性又有可操作性。分析讨论了2006年以来在全国运用矿产预测类型概念开展潜力评价工作中存在的若干问题,指出只有加强成矿规律研究才能科学地评价矿产资源的潜力。

中国镍矿预测类型及主要战略接续区

为了充分展示和利用全国镍矿预测的思路及其主要成果,本文根据矿产预测类型的划分标准,将镍矿划分为岩浆型镍-铜硫化物矿、风化壳型镍矿和海相沉积型镍-钼-钒矿3种类型,并系统总结了各矿产预测类型的基本特征、成矿规律、利用现状、预测要素和预测方法。在此基础上,对中国镍矿从成矿地质背景、地球化学特征、矿床分布密集程度、成矿强度以及资源潜力方面进行了分析与综合,结合矿床类型特点,提出了喀拉通克、觉罗塔格、北山、辽吉、龙首山、祁曼塔格、墨江—金平和宝坛等8个战略接续区,用以指导镍矿找矿工作部署。

钦杭成矿带东段(江西段)矿产预测类型谱系

钦杭成矿带东段是江西省最重要的成矿带。矿种有煤、铁、铜、铅、锌、金、银、钨、钼、锰、镍、锂、铌、钽、磷、硫、萤石、重晶石等。通过综合研究成矿带内16个主要矿产预测类型，从成矿时代、成矿作用、适用矿种的角度分析归纳各矿产预测类型特征，总结其主要预测要素，归属全国评价模型，初步构建钦杭成矿带东段（江西段）矿产预测类型谱系。认为该带各个地质历史时期均成矿，而180～148Ma的燕山期为主要成矿期，以岩浆热液及火山成矿作用为主，以沉积及变质成矿作用为辅。