导读:本文包含了机器学习算法论文开题报告文献综述及选题提纲参考文献，主要关键词:公共安全管理,一屏,赋能,实战应用,公安机关,管理职能部门,管理科学化,户籍,科技处副处长,城市运行
机器学习算法论文文献综述
本报,何易[1]（2020）在《“一屏观”“一网管”赋能城市公共安全管理》一文中研究指出去年8月13日，上海警方通过“智慧公安”实战应用系统，发现冯某、刘某、贾某密谋结伙抢劫。叁人决定在上海会合后，赴浙江实施抢劫。然而，令叁人万万没有想到的是，他们刚到上海，就被警方一举抓获。在今年上海两会上，市人大代表、市公安局科技处副处长顾晓燕给(本文来源于《文汇报》期刊2020-01-17）
刘心怡,周永章[2]（2019）在《基于大数据关联规则算法和机器学习在凡口地区深部找矿预测中的研究》一文中研究指出自20世纪80年代,我国不断地开展区域地球化学调查以来,勘查地球化学方法在矿产勘查中一直占据主导地位(王学求,2003)。因此随着人工智能时代的到来,如何有效地利用大量积累的这些数据来进行科学研究,是值得我们思考的重要问题。世界的本质是数据,大数据将开启一次重大的时代转型,大数据挖掘技术成为了深度开发数据的隐藏信息,从而解决相关问题的重要途径(Mayer-Schonberger et al., 2013;(本文来源于《第九届全国成矿理论与找矿方法学术讨论会论文摘要集》期刊2019-12-13）
周永章,王俊,肖凡,沈文杰,余晓彤[3]（2019）在《地质大数据挖掘与机器学习算法在矿床学研究中的应用》一文中研究指出在大数据时代,地质大数据挖掘具有极端重要性,对机器学习算法应用的需求变得特别迫切。已有着作建立了地球科学大数据挖掘与机器学习的基本框架,包括高维数据降维、分类与预测、大图形社区结构识别、无限流数据处理、机器学习及人工智能地质学的建模过程,对必要的应用场景,使用Python语言给出案例(周永章等,2018)。在机器学习中,SVM是一种比较有代表性的方法。它的基础是二元分类算法,核心思维是升维和线性(本文来源于《第九届全国成矿理论与找矿方法学术讨论会论文摘要集》期刊2019-12-13）
周超,方秀琴,吴小君,王雨晨[4]（2019）在《基于叁种机器学习算法的山洪灾害风险评价》一文中研究指出依据洪灾风险概念模型,从触发因子、孕灾环境和承灾体3方面选取江西省的12个洪灾风险指标,采用k近邻、随机森林、AdaBoost 3种机器学习算法构建洪灾风险评价模型。利用精度、Kappa系数、ROC曲线(AUC值)3种定量评估指标评价洪灾风险模型,基于随机森林和Boruta特征提取算法共同分析指标重要性,最后对比3种模型绘制的江西省山洪灾害风险分区图并分析山洪灾害分布特征。结果表明:①AdaBoost模型的精度、Kappa系数和AUC值的平均值为别为0.902、0.870和0.826,精度和Kappa系数略优于随机森林,AUC值与随机森林相当,而k近邻模型的3种性能指标均低于前2种算法;②农田生产潜力、年最大6 h暴雨均值、年最大1 h暴雨均值、归一化差值植被指数、年降雨量均值这5个指标对最终的洪灾风险形成具有非常重要作用;③江西省较高风险区与最高风险区的面积和约占江西省总面积的34.4%,且主要分布于高降雨量、高暴雨量、农田生产潜力大的山区。(本文来源于《地球信息科学学报》期刊2019年11期）
高晓格[5]（2019）在《基于机器学习算法的船舶通信网络信道估计》一文中研究指出针对传统船舶通信网络信道估计方法调控响应性能较差的问题,提出一种基于机器学习算法的船舶通信网络信道估计方法。在物理层LTE协议中定义导频序列,基于gold序列设计船舶通信网络信道的导频序列,通过奈奎斯特定理决定导频信号的插入密度,在设计的船舶通信网络信道导频序列中按照该密度插入导频信号,基于机器学习算法拟合不同时间点同一子帧内的信道估计值,以实现船舶通信网络的信道估计。为了证明基于机器学习算法的船舶通信网络信道估计方法的调控响应性能较强,比较该方法与传统船舶通信网络信道估方法。实验结果证明该方法的调控曲线拟合性最强,即该方法的调控响应性能优于实验中的传统方法,证明了该方法的优越性。(本文来源于《舰船科学技术》期刊2019年22期）
张华[6]（2019）在《基于机器学习的光纤故障大数据分类算法研究》一文中研究指出为了提高光纤故障诊断能力,提出一种基于机器学习的光纤故障大数据分类算法。对采集的光纤网络传输数据进行低维度的特征集构造,构建光纤故障分布大数据库,对光纤故障数据库中的异常数据特征集采用加权统计分析方法进行样本回归分析;以少量的样本类别数据为测试集,采用层次聚类方法对光纤故障大数据进行极端随机数分析;对全部的故障样本进行抽样训练,提取光纤故障大数据的关联特征量,结合K-means算法和最近邻算法进行数据聚类中心扰动性分析;将光纤故障大数据的特征提取结果输入到机器学习器中进行数据分类,结合大数据融合聚类方法实现光纤故障大数据分类。仿真结果表明,采用该方法进行光纤故障大数据分类的准确性较高,误分率较小,提高了故障检测识别能力。(本文来源于《安阳工学院学报》期刊2019年06期）
王晓东,王超,左风云,赵慧茹,马立晨[7]（2019）在《基于蒙古族农牧民高血压大数据的可视化分析与机器学习算法应用比较研究》一文中研究指出以内蒙古某旗县蒙古族农牧民高血压患者数据为例,使用Python程序设计语言,实现非结构化文本数据的分词与统计以及高血压大数据的可视化分析处理,并通过KNN、朴素贝叶斯算法、随机森林分类等机器学习算法对病例数据分别训练,并对诊断结果进行预测,找出适合此数据集的机器学习预测模型,为高血压的预防、诊断、治疗提供辅助决策。同时,提出了针对其他慢病大数据分析的建议方案。(本文来源于《中国数字医学》期刊2019年11期）
周徐,方东旭,文冰松[8]（2019）在《一种基于GBDT机器学习的算法及应用研究》一文中研究指出本文采用GBDT机器学习的MassiveMIMO波束自适应配置算法,基于基站参数、地形地物、业务/用户分布等特征使用AI算法自适应匹配最佳的波束配置,同时建立实时定位跟踪引擎。通过5G终端MR及采样数据流结合MassiveMIMO波束自适应配置算法实时对终端进行跟踪定位,并根据无线环境变化进行波束优化调整,解决了MassiveMIMO海量模式选择性难题、实时优化、支撑工业互联网的5G实时优化平台开发等关键问题。(本文来源于《电信工程技术与标准化》期刊2019年11期）
张云,李岚,王浩东[9]（2019）在《一种机器学习中防止过拟合的Dropout优化算法》一文中研究指出针对机器学习中深度神经网络训练时常见的过拟合问题,提出了一种防止过拟合的Dropout优化算法.Dropout算法是在每批次的神经网络训练中,忽略掉一定概率的特征检测器,让某些神经元暂时停止工作,减少神经元之间的相互作用,隐式去除网络中的神经元、阻止某些特征的协同作用来缓解过拟合.算法中选择被暂时丢弃的神经元是随机概率,而优化算法在神经网络中应用伊辛模型来识别链接能量较低的神经元,并在训练和推理中把这些神经元暂时丢弃掉,算法使模型泛化性更强,有效缓解网络训练过拟合问题.(本文来源于《兰州文理学院学报(自然科学版)》期刊2019年06期）
万晓燕[10]（2019）在《基于机器学习模型的大数据挖掘优化算法》一文中研究指出大数据分析的方法有很多,借助机器学习模型对大数据进行挖掘优化是现今较为有效的方法。基于此,笔者提出基于机器学习模型的大数据挖掘优化算法,以机器学习技术为基础,建立分布式挖掘模型,通过计算数据相异度,完成数据挖掘中心的优化。实验结果表明,本设计算法在总计算量和预测准确度上均胜于传统算法,证明了方法的有效性和实用性。(本文来源于《信息与电脑(理论版)》期刊2019年21期）
机器学习算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
自20世纪80年代,我国不断地开展区域地球化学调查以来,勘查地球化学方法在矿产勘查中一直占据主导地位(王学求,2003)。因此随着人工智能时代的到来,如何有效地利用大量积累的这些数据来进行科学研究,是值得我们思考的重要问题。世界的本质是数据,大数据将开启一次重大的时代转型,大数据挖掘技术成为了深度开发数据的隐藏信息,从而解决相关问题的重要途径(Mayer-Schonberger et al., 2013;
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
机器学习算法论文参考文献
[1].本报,何易.“一屏观”“一网管”赋能城市公共安全管理[N].文汇报.2020
[2].刘心怡,周永章.基于大数据关联规则算法和机器学习在凡口地区深部找矿预测中的研究[C].第九届全国成矿理论与找矿方法学术讨论会论文摘要集.2019
[3].周永章,王俊,肖凡,沈文杰,余晓彤.地质大数据挖掘与机器学习算法在矿床学研究中的应用[C].第九届全国成矿理论与找矿方法学术讨论会论文摘要集.2019
[4].周超,方秀琴,吴小君,王雨晨.基于叁种机器学习算法的山洪灾害风险评价[J].地球信息科学学报.2019
[5].高晓格.基于机器学习算法的船舶通信网络信道估计[J].舰船科学技术.2019
[6].张华.基于机器学习的光纤故障大数据分类算法研究[J].安阳工学院学报.2019
[7].王晓东,王超,左风云,赵慧茹,马立晨.基于蒙古族农牧民高血压大数据的可视化分析与机器学习算法应用比较研究[J].中国数字医学.2019
[8].周徐,方东旭,文冰松.一种基于GBDT机器学习的算法及应用研究[J].电信工程技术与标准化.2019
[9].张云,李岚,王浩东.一种机器学习中防止过拟合的Dropout优化算法[J].兰州文理学院学报(自然科学版).2019
[10].万晓燕.基于机器学习模型的大数据挖掘优化算法[J].信息与电脑(理论版).2019
标签：公共安全管理; 一屏; 赋能; 实战应用; 公安机关; 管理职能部门; 管理科学化; 户籍; 科技处副处长; 城市运行;