研究机器学习的文献

　　机器学习是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。为了方便大家了解这方面的研究动态，在这给大家分享几篇研究机器学习的文献。

　　1.基于机器学习的实时云数据关联规则提取与运维分析方法-电子设计工程. 2022,30(04)

　　摘要：以往的数据关联规则提取方法的项集标记结果不全面。针对该问题,提出了基于机器学习的实时云数据关联规则提取方法,为数据运维分析奠定良好的基础。构建机器学习网络架构,利用无监督训练和调优两个步骤训练机器学习网络,由此构建任务调度模型,以最小化构建排队处理提取与运维任务。依据机器学习扫描原理寻找强项集,从强度集合中导出关联规则。在此基础上,描述关联规则运维流程,删除不符合最低支持度的项目集。实验结果表明,该方法获取的实例数据集与实际情况一致,说明其提取效果较好。

　　2. 采用机器学习分割算法和扫描电镜分析页岩微观孔隙结构-中国石油大学学报(自然科学版). 2022,46(01)北大核心 EI CSCD

　　摘要：以五峰-龙马溪组页岩样品为例,进行拼接扫描电镜(MAPS)和聚焦离子束扫描电镜(FIB-SEM)测试,建立样品二维和三维灰度图像,采用机器学习分割算法划分为孔隙、有机质、矿物骨架和黄铁矿。根据孔隙周围矿物类型和形状,将孔隙细分为有机孔、无机孔和微裂缝,并统计含量和孔径分布。结果表明:与常规灰度阈值分割算法相比,该方法准确识别灰度异常区域的组分类型,实现孔径10～200 nm页岩孔隙的精确划分;受分辨率限制,SEM图像识别的页岩总孔隙度与有机质含量与实验结果存在差异。

　　3. 基于机器学习的舰船机电装备故障诊断-船电技术. 2022,42(02)

　　摘要：随着信息技术的发展,以机器学习、模式识别为代表的人工智能技术在故障诊断领域逐步得到应用。通过对振动噪声信号的采集,利用时频分析技术对信号进行分解,并提取故障特征参数,再利用机器学习或模式识别技术对信号进行判别分类,可以实现舰船机电装备的智能诊断。为了验证该方法,选择经验模态分解方法进行信号分解,采用支持向量机进行诊断分类。通过实验表明,该方法有着较高的诊断精度,故障诊断率达到了96.7%,可以对舰船机电装备常见故障进行准确的智能诊断。

　　4. 基于机器学习的5G无线传播模型的构建-计算机应用与软件 . 2022，39(02)北大核心

　　摘要:针对5G无线传播模型的构建使用Pearson系数量化特征与目标值之间的相关性以此构造出新的特征。将这些特征送入到BP神经网络、决策树、随机森林中来建立无线传播模型，并且能够预测新环境下无线信号要盖的强度。该模型为建立精的无线网络提供技术支持,使网络建设成本降低,并提高建设效率。