导读:本文包含了学习机器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
学习机器论文文献综述
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）
徐玉芳,苏斌[2]（2019）在《Python语言特点及其在机器学习中的应用》一文中研究指出本文概述了Python语言的特点及其在机器学习中的应用情况,给出了Python中常用的机器学习框架和基本使用流程,展示了Python机器学习的简洁与高效,有助于推动新一代人工智能在国内的普及与发展。(本文来源于《计算机产品与流通》期刊2019年12期）
李丽[3]（2019）在《关于机器学习中建模的指标分析》一文中研究指出在人工智能迅猛发展的今天,机器学习是研究的热门领域。如何进行精准的数学建模和高效的机器学习是至关重要的,面对海量的数据模型,标定典型模型是非常困难和复杂的。既要符合逻辑又要精确有效,算法简单,值得我们去深入研究。(本文来源于《计算机产品与流通》期刊2019年12期）
熊余,周彬,贺进有,杨坤融[4]（2019）在《基于机器学习的区分可用性抗灾难保护策略》一文中研究指出针对灾难下空分复用弹性光网络中业务的保护成功率低、保护开销以及芯间串扰高的问题,提出一种基于机器学习的区分可用性抗灾难保护策略.首先,使用基于线性判别式分析的支持向量机感知业务可用性需求;然后,在此基础上采用动态竞争优先级分配,在确保业务可用性需求的前提下,为多链路故障提供最大化保护频谱的共享;最后,为了降低芯间串扰,设计了交替式频谱纤芯选择方案.仿真结果表明:该保护策略在提高业务保护成功率的同时,可以取得较低的频谱冗余率和芯间串扰.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年12期）
朱婷,马洁,王宏勇[5]（2019）在《基于分形插值与机器学习模型的股指分析和预测》一文中研究指出股票市场预测一直是金融市场分析中的热点和难点,一些传统的预测模型很难对股票市场做出有效的预测;针对这一问题,将分形插值方法与机器学习算法相结合,提出了分形插值与SVM以及分形插值与BP神经网络两种混合模型;所提的混合模型利用机器学习算法首先计算出分形插值所需要的插值点,然后建立分形插值外推模型对所需其他值进行预测;实证结果发现两个混合模型的预测效果均比单独使用分形插值模型预测效果更佳,预测精度更高;因此分形插值方法与机器学习算法相结合所得到的混合模型,能较好地预测诸如股票市场指数等非平稳金融时间序列。(本文来源于《重庆工商大学学报(自然科学版)》期刊2019年06期）
张志武[6]（2019）在《基于机器学习的软件缺陷预测方法研究》一文中研究指出随着信息技术的不断发展,信息安全面临的挑战日益严峻,其中软件安全引起人们越来越多的重视。作为软件安全风险的主要根源之一,软件缺陷不仅可威胁计算机信息系统的安全性和稳定性,甚至可能被黑客利用而恶意入侵。软件缺陷预测是软件工程领域中与软件质量保证密切相关的重要的研究课题,它对提高软件系统质量和优化测试资源分配都有重要意义。在软件工程数据挖掘领域中,基于机器学习的静态软件缺陷预测根据软件历史仓库数据,采用缺陷相关的度量对软件代码或开发过程进行分析,利用机器学习方法来预测软件项目中待测试程序模块的缺陷倾向性或缺陷数量。影响缺陷预测性能的主要因素有:度量元的设计、缺陷预测模型的构建以及缺陷预测数据集的相关处理。本文从机器学习的角度针对上述影响因素对软件缺陷预测方法进行了系统的研究,主要研究成果总结如下:(一)基于联合表示的软件缺陷数据特征选择与分类提出了基于联合表示值的过滤型软件缺陷数据特征选择方法(CRS)和基于联合表示的软件缺陷预测分类方法(CSDP)。为消除软件缺陷数据集中缺陷度量元间的冗余性和提高特征选择方法的计算效率,CRS利用联合表示和l_2图构建缺陷数据关系图的邻接关系和权重,在考虑联合表示保留能力的同时考虑数据方差,通过联合表示值的大小排序并迭代选择缺陷数据特征。CSDP首先对无缺陷训练数据集进行Laplace Score采样以构建类别平衡的训练数据,接着利用联合表示求得查询样本的投影矩阵,最后利用基于正则化最小二乘的联合表示分类方法构建软件缺陷预测器。CSDP采用_2l范数正则化取代_1l范数正则化,进一步增强稀疏分类的效率、降低计算复杂度;CSDP中的联合表示分类器既利用类特定的表示残差的鉴别能力,又利用l_2模“稀疏项”的鉴别信息,分类性能得到提升。在广泛使用的软件缺陷预测数据集上的实验结果表明了两种方法的有效性。(二)基于字典学习的软件缺陷预测将以预测缺陷倾向性为目标的软件缺陷预测看成是一个二分类问题,在分类预测时引入字典学习技术,针对软件缺陷预测的代价敏感性与类不平衡性特征、缺陷数据的逐步积累增量式学习和半监督场景下的缺陷预测的问题,分别提出了叁个字典学习软件缺陷预测方法,即代价敏感鉴别字典学习(CDDL)、类特定增量字典学习(CIDL)和基于二次学习的半监督字典学习(TLSDL)。CDDL在构造初始字典原子时,通过PCA处理消除了类不平衡问题,利用软件模块间的相似性,设计出有鉴别能力的字典,同时考虑软件缺陷预测的风险成本,在鉴别字典学习缺陷预测模型中引入代价敏感学习。CIDL针对传统字典学习在大数据集上批量学习时计算代价过高的问题,设计了增量式字典学习方法。在初始集上采用类特定字典学习,学得的有监督字典有利于分类预测,在增量集上采用互信息最大原则选取增量字典原子,有利于充分利用增量数据的互补信息。为了解决在有标记样本较少而无标记样本丰富的半监督场景下构建有效的缺陷字典学习模型困难的问题,TLSDL采用二次学习框架,在第一阶段学习中,大量无标记样本通过概率软标记标注扩充到有标记训练样本集中,实现半监督学习的扩展,在第二阶段学习中,通过鉴别字典学习,实现稀疏表示分类和预测性能的提升。实验结果表明了叁种字典学习方法的有效性。(叁)基于图学习的半监督软件缺陷预测为了充分表示软件缺陷数据间潜在的聚类关系,提出了一个具备稀疏性、高鉴别能力和自适应近邻的信息图——非负稀疏图(NSG)的构建方法,NSG在稀疏图的学习过程中加入了非负限制,图上结点的连接关系和权重在非负稀疏编码时同时得到。在NSG上提出了两个基于图学习的半监督缺陷预测方法:基于非负稀疏图的协同训练缺陷预测方法(NSGCT)和基于非负稀疏图的标记扩散缺陷预测方法(NSGLP)。NSGCT方法结合基于图学习的方法和基于分歧的方法的优点,对无标记数据进行显式置信度估计,减少了噪声数据的引入,提高了半监督协同训练算法的性能。NSGLP方法采用拉普拉斯采样技术对数据集进行不平衡处理,利用NSG表示缺陷数据间的关系,在NSG上利用标记扩散半监督学习方法迭代预测无标记模块的类型标记,NSGLP通过不平衡处理和有效构建信息图提升了半监督缺陷预测的性能。实验结果表明了两种基于图的半监督方法的有效性。(本文来源于《南京邮电大学》期刊2019-12-09）
金钰,朱鋆,贾黄林[7]（2019）在《以机器学习平台为基石 打造反欺诈业务360°防护罩——兴业银行风控决策一体化平台解决方案》一文中研究指出随着支付业务和技术的不断发展,交易欺诈的屡屡发生逐步成为困扰金融、电商等企业的主要问题。Kroll行业调查显示,全球有超过84%的企业遭受过欺诈问题的困扰。而在金融行业,这一数字是91%,在所有遭到欺诈的行业中排名榜首。《中国银行卡行业发展蓝皮书》显示,交易欺诈(伪卡交易、电信诈骗、互联网欺诈)成为了造成国内银行业过去几年损失最严重的前叁大欺诈手段。国外研究机构统计结果显示,外部欺诈风险每年导致全球银行损失金额达736亿美元,境内银行每年欺诈风险损失也达上百亿元人民币。为满足人民银行120号文中"通过交易行为分析、(本文来源于《中国金融电脑》期刊2019年12期）
王凯宁[8]（2019）在《量子机器学习与人工智能的实现——基于可计算性与计算复杂性的哲学分析》一文中研究指出量子机器学习是量子计算与机器学习交叉形成的新研究方向,其主要目标是利用量子特性实现对传统机器学习算法的加速。目前已经出现了不少有实际应用价值的量子机器学习算法,这些算法能通过降低计算的复杂性程度,在一些特定领域实现弱人工智能。从可计算性的视角来看,量子机器学习能完成非决定性计算,在理论上可以实现对意识结果的模拟,从而为强人工智能提供支持。(本文来源于《科学技术哲学研究》期刊2019年06期）
姚金楠[9]（2019）在《“机器学习”或将破解家庭能源需求预测难题》一文中研究指出在燃气中混入20%的氢气用于家庭烹饪、取暖等常规用能，英国的这一试点项目能够减排多少二氧化碳？有多少英国家庭愿意参与这项试点项目？能源种类的改变是否会带来不同的用能体验？在苏格兰，计划建设的28兆瓦Kilbraur风电场项目承诺，建成后将为周边4公里范围(本文来源于《中国能源报》期刊2019-12-02）
孙逊[10]（2019）在《深度机器学习在医院智能化管理中的应用》一文中研究指出本文首先针对医院智能化管理数据挖掘应用流程,如做好数据前期准备工作、构建数据挖掘应用体系等予以分析,其次对医院智能化管理应用方向如医疗质量控制及医疗辅助诊断等予以阐述,最后对深度机器学习体系构建展开探讨,望借此可为医院管理智能化发展提供相应参考。(本文来源于《电子技术与软件工程》期刊2019年23期）
学习机器论文开题报告
（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：
本文概述了Python语言的特点及其在机器学习中的应用情况,给出了Python中常用的机器学习框架和基本使用流程,展示了Python机器学习的简洁与高效,有助于推动新一代人工智能在国内的普及与发展。
（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。
学习机器论文参考文献
[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].徐玉芳,苏斌.Python语言特点及其在机器学习中的应用[J].计算机产品与流通.2019
[3].李丽.关于机器学习中建模的指标分析[J].计算机产品与流通.2019
[4].熊余,周彬,贺进有,杨坤融.基于机器学习的区分可用性抗灾难保护策略[J].华中科技大学学报(自然科学版).2019
[5].朱婷,马洁,王宏勇.基于分形插值与机器学习模型的股指分析和预测[J].重庆工商大学学报(自然科学版).2019
[6].张志武.基于机器学习的软件缺陷预测方法研究[D].南京邮电大学.2019
[7].金钰,朱鋆,贾黄林.以机器学习平台为基石打造反欺诈业务360°防护罩——兴业银行风控决策一体化平台解决方案[J].中国金融电脑.2019
[8].王凯宁.量子机器学习与人工智能的实现——基于可计算性与计算复杂性的哲学分析[J].科学技术哲学研究.2019
[9].姚金楠.“机器学习”或将破解家庭能源需求预测难题[N].中国能源报.2019
[10].孙逊.深度机器学习在医院智能化管理中的应用[J].电子技术与软件工程.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;