基于Python的One-hot编码的实现

One-hot编码是一种将类别值转换为易于在机器学习算法中合理计算类别值之间距离或相似度的编码的过程。介绍One-hot的编码规则,与标签编码进行比较,给出Python下One-hot编码的具体实现过程,指出One-hot编码的优缺点和One-hot编码维度过高的解决方法。

基于地质图编码及深度残差网络的找矿预测方法——以陕西石泉地区金矿为例

利用人工智能技术进行找矿预测是矿产勘查的前沿领域,解决了地质图因精度不足而无法被用于找矿预测及模型训练等问题。提出并采用ONE-HOT编码方法进行地质图网格化,结合地球化学数据,以多通道二维网格窗口数据作为输入数据,利用平移、旋转、缩放等数据增强方法进行扩充训练,采用改进的ResNet神经网络预测模型,通过大量试验与对比,优化了超参数。在石泉地区进行了找矿预测,结果表明,该方法的找矿远景区面积占比6.5%,覆盖了所有已知金矿,并预测出8处不包含已知金矿的新找矿远景区,所提出的ONE-HOT编码方法可以有效利用已有地质图数据,且ResNet神经网络预测模型预测结果明显优于典型CNN网络模型和证据权重法的预测结果。

基于Adam梯度数学模型的计算机网络安全检测研究

为解决因攻击性信息频繁入侵而造成的计算机网络非安全运行的问题,给互联网数据提供更加安全的传输环境,设计了一种基于Adam梯度数学模型的计算机网络安全检测技术.根据Adam算法相关参数设置情况,对梯度目标进行融合处理,从而确定应用行为序列表达式,实现对计算机网络安全事件等级的评估.在此基础上,建立集中式B/S架构体系,通过获取One-Hot编码的方式,得到数据归一化处理结果,完成基于Adam梯度数学模型的计算机网络安全检测方法的设计.对比实验结果表明,Adam梯度数学模型的应用,可以有效控制攻击性信息的入侵能力,从而解决计算机网络非安全运行的问题,符合保障网络数据传输环境安全性的实际应用需求.

利益相关者视角下智慧高速公路可持续运营效益识别模型

首先构建智慧高速公路利益相关者认知及可持续运营效益的测量指标,然后建立融合One-Hot编码和深度神经网络(DNN)的模型(OH-D模型),以帮助各利益相关者在项目建设前期高效识别智慧高速公路项目可持续运营效益(包括运输效率、服务水平、相关产业发展水平、生产要素流动效率),并在建设、运营过程中采取有效的组织措施和管理对策.结果表明:该模型能根据利益相关者认知识别智慧高速公路项目可持续运营效益,其准确率达96.1%;同时,准确性、收敛速度均优于传统DNN、极端梯度提升(XGBoost)、K-最近邻(KNN)及支持向量机(SVM)等模型.所提模型为立足利益相关者视角识别智慧交通基础设施项目运营效益提供了分析工具和决策支持.

基于半监督主动学习的菊花表型分类研究

鉴于人工和专家分类模式的局限性,基于表型的菊花分类存在效率低下的问题。本文采用基于半监督主动学习技术,在已分类菊花数据的基础上,利用未标号菊花样本数据提供的信息,建立了菊花表型分类模型,提升了分类质量和效率。该模型可以不依赖外界交互,利用未标号样本来自动提升菊花分类的质量。为了训练学习模型,本文收集了菊花的表型特征数据,标注了菊花表型类别,并研究了菊花分类属性特征的编码技术。在此数据集上,采用基于图标号传播的半监督学习技术对未标号的菊花数据进行建模,为了提升半监督分类的有效性,在标号传播的基础上使用主动学习技术,采用熵最大策略来选择难以识别的样本,以改进分类质量。在该数据集上进行了试验验证,并进行了试验对比和分析,试验结果表明,本文方法能够较好地利用未标号菊花样本提升分类的精度,随着标号百分比从6.25%升至23%,识别精度达到0.7以上,标号百分比在81.25%时,平均识别精度和召回率分别达到0.91和0.88。

融合用户属性的虚拟学术社区用户画像模型构建研究

[目的/意义]旨在提高虚拟学术社区推荐系统推荐结果的准确率。[方法/过程]以“小木虫论坛”为例,构建了融合用户属性的虚拟学术社区用户画像模型,利用One-hot编码和TF-IDF算法分别对用户属性特征和发帖特征进行向量化处理,利用余弦相似度算法和熵权法计算用户间的相似度,并在此基础上引入协同过滤推荐算法验证所构建模型的性能。[结果/结论]相比于仅考虑用户发帖内容特征的传统模型,本文所构建的融合用户属性的用户画像模型推荐结果的准确率提升了2.34%,且有效解决了协同过滤推荐算法的冷启动和数据稀疏性问题。

一种基于格雷码与one-hot混合编码思想的组合数生成算法

为解决组合数生成算法复杂、效率低及空间占用率高等问题,提出一种基于格雷码与one-hot混合编码思想的组合数生成算法.算法融合了格雷码的编码可靠性和one-hot编码的离散特性及扩展性,采用非递归方式生成格雷码,基于one-hot编码思想存储格雷码.与基于字典序的常规组合数生成算法相比,本文提出算法的空间占用率仅为其1/n,同时具有更优的生成效率.

基于数据挖掘的局域网异常流量检测方法

由于数据自身缺陷的干扰,导致对异常流量检测结果的可靠性相对较低,为此提出基于数据挖掘的局域网异常流量检测方法。根据数据的分布设置网络允许异常阈值,将其作为数据预处理的基准,通过丢弃异常属性大于网络允许阈值的数据,实现对数据的预处理。采用one-hot编码数值化的方式对预处理后的数据进行简化,利用数据挖掘中的欧式距离计算任意两个连续数据之间的关系,并将欧式距离差值大于等于整体流量数据阈值上限,或小于等于整体流量数据阈值下限的数据判定为异常数据,以此实现对局域网异常流量的检测。测试结果中,设计方法对异常流量检测的准确率稳定在88.00%以上,且错误率低于5.00%。

基于GRU-RNN的网络入侵检测方法

针对数据集中少数分类用例过采样问题,本文依据网络入侵行为具有时序特征的特点,将门控循环单元记忆模块引入递归神经网络当中,提出了一种基于记忆和时序的入侵检测网络模型——GRU-RNN模型。针对原始攻击数据具有离散性且分布较广的问题,对数据进行数值化及归一化的预处理操作,并对攻击的时序性进行分析,探讨门控循环单元在递归神经网络中应用于入侵检测的可行性,构建GRU-RNN网络模型,选取最优的损失函数、分类函数,提出了基于时序的不平衡学习入侵检测模型,用于检测具有时序特征的攻击行为。将模型应用在KDD数据集中进行实验测试,表明与其他不平衡学习方法相比,本模型具有更好的识别率与收敛性。

网络地址转换环境下的隐蔽通道构建方法

隐蔽通道是一种利用公开通道传输秘密信息的通信技术,也是安全通信的重要组成部分。文章提出一种能够穿透网络地址转换环境(NAT)的隐蔽通道构建方法,该方法利用NAT对于地址和端口映射的关系,对数据包源端口号进行控制,采用编码技术对待通信数据进行编码,进而构建隐蔽通道。文章构建了NAT真实实验环境,测试该通道在不同参数条件、不同应用场景下的数据传输速率、丢包率,并对其安全性进行分析。选择合适的通道参数,在公网环境下该隐蔽通道数据传输速率可达24.7KB/s;在局域网环境下可达101.1 KB/s。

使用随机森林进行工艺路线分工

在新的机型投入生产之前,需要安排每个零件的工艺路线,如果该工作能实现自动化,就可以事先快速地给出一个基本正确的方案,为后续的并行协调提供方便。文章将介绍使用机器学习技术建立工艺路线分工模型的思路和方法,首先是任务性质的分析、数据清洗、特征工程、one-hot编码等准备工作,然后使用随机森林算法训练工艺分工预测模型,对模型的性能进行审查,以及模型学到的内容进行解释,最后对更先进的机器学习技术在工艺路线分工中的应用进行展望。

玻璃文物特征分析及风化预测模型——基于机器学习与统计分析

本文基于2022年高教杯C题,首先将数据集行one-hot编码,对化学成分数据进行填补缺失值,并使用Person相关系数对数据相关性进行分析。后基于奇异值分解的PCA算法对数据降维。通过随机森林、支持向量机、Xgboost、Logistic回归对降维后的数据进行分类并求得决策边界,基于软分类器预测出了各个文物的风化程度,得到在文物信息数据的验证集分类准确度达到了86.7%,化学成分数据达到了94.1%。之后利用召回率、f1值、精度、ROC曲线等评价指标对模型进行了评价与选择。最终得到了各特征的相关性以及各文物的风化概率,同时得出了Xgboost在该数据集中预测的优越性。

浅谈状态机的设计方法及应用

有限状态机(Finite State Machine,FSM)是时序电路设计中经常采用的一种方式,尤其适用于设计数字系统的控制模块。有限状态机不是孤立的一个状态,它依赖于输入输出关系,系统需求,编程语言的条件限制以及其他诸多因素。本文主要介绍了有限状态机的原理及实际应用。

基于集成学习预测DNA N4-甲基胞嘧啶位点

DNA N4-甲基胞嘧啶(N4-methylcytosine,4mC)是生物体中一种非常重要的表观遗传修饰,在生物过程中起着非常重要的作用。因此,本文提出了一种基于集成学习的方法来预测DNA N4-甲基胞嘧啶(N4-methylcytosine,4mC)位点,简称为4mC-DeepM。该方法同时使用了DNA序列组成信息和one-hot编码后的位置信息,将DNA序列组成信息、one-hot编码后的序列位置信息分别放入全连接网络和卷积神经网络,然后将它们的输出通过全连接网络进行集成,得到最终预测结果。