基于BPNN-AdaBoost的隧道交通事故数预测研究

为了对高速公路隧道网进行综合全面的分析,预测交通安全的变化趋势,从而为评价区域交通安全形势题提供依据,本文基于BPNNAdaBoost组合模型对山西省高速公路隧道交通事故数进行了预测。设计了BPNN-AdaBoost的模型为预测不同隧道在不同年份的事故数,所用输入变量包括所在隧道的线形因素、交通因素以及往年历史事故信息等信息。模型的测试结果表明,BPNN-AdaBoost组合模型取得了较好的预测精度。本文还将BPNN-AdaBoost模型的预测精度与不经改进的BP神经网络进行了对比。结果表明,对于MAE、RMSE以及两起误差范围内的准确率3个指标,BPNN-AdaBoost模型均优于BP神经网络,说明BPNN-AdaBoost模型能很好地应用于事故预测中。     

物流成本预测方法研究

物流成本可以反映国家地区和企业的物流运行的规模、效率、结构等重要信息,通过预测物流成本不仅可以为相关政府部门了解物流成本的变化趋势,制定物流政策提供一定时期的依据,还对企业的物流成本控制起到一定作用,为国家地区和企业的发展具有重要意义,因此预测方法的选择也须重视.本文从传统的物流成本预测方法出发,对其做了简单介绍,并总结归纳了三种新的物流成本预测方法,通过分析比较各种方法,提出了各种方法的优缺点,以期对未来社会和企业物流成本的预测提供一定的参考价值和理论意义.     

区域性金融风险早期预警体系研究——以安徽省为例

2008年国际金融危机爆发以来,世界各国应对金融危机的经验表明,构建金融体系风险预警机制是必要且可行的。本文通过借鉴国内外关于建立金融风险预警指标体系的既有研究成果,综合运用模糊聚类分析、BP神经网络建模等,提出符合中国特色的区域金融风险预警体系框架,在此基础上对安徽省区域金融风险状况进行预测分析并提出相关建议。     

基于社群挖掘及决策树模型的欺诈团伙检测

当前,团伙欺诈模式越来越普遍,不同场景、不同业务对应的欺诈行为也越来越多。根据实际业务场景,基于套现欺诈用户更易和套现欺诈商户有所关联,形成聚集效应的团伙欺诈假设,通过构建商户—用户交易行为二分图,建立模型评估指标体系,对比不同社群挖掘算法fastgreedy算法、infomap算法、walktrap算法效果,最终在满足运行速度最快的基础上,用fastgreedy算法挖掘出社群最具区分度。针对挖掘出的社区,通过构建社区相关特征变量以及用户商户特征变量,设定好、坏社群标签,使用机器学习中的决策树模型,将社区结果进行分级,找出最坏的社群聚集群体。     

数据挖掘及其在银行业的应用

随着信息技术的飞速发展以及数据库管理技术的广泛应用,各大银行都在纷纷实施数据大集中,无数个数据库被用于办公、管理、开发等领域,大量的数据库信息如果不能合理使用和开发就会像垃圾一样成为银行业的包袱,如何提高信息的利用率,数据挖掘技术的应运而生给银行业带来无限生机,它将成为银行业发展过程中不可多得的新技术。     

基于机器学习的藏文图像识别系统设计与实现

随着人工智能技术的高速发展,机器学习应运而生,而人工智能的重点是机器学习。在人们的生活中,机器学习也扮演着越来越重要的角色。所以在藏文识别方面,机器学习理应发挥更重要的作用,方便人们更好地对藏文进行学习。文章采用Keras机器学习工具和卷积神经网络图像识别算法,识别的准确率可以达到97.92%,为图像识别提供了新的方法和途径。     

基于动态WSN中分簇脉冲耦合时间同步开销研究

动态无线传感器网络（Wireless Sensor Network,WSN）在时间同步收敛速度最快情况下,为减轻网络负担、通信开销,提高时间同步速度,使同步具有针对性和方向性。文章根据MPCOs模型得到参数最优情况下,再利用分簇算法将网络分成若干份,最后根据移动式脉冲耦合振荡实现动态WSN时间同步。通过仿真验证C-MPCOs算法明显比MPCOs同步周期缩短了1.670 9 s。     

创新赢取 低剂量未来

20多年来,我们一直开发减少CT辐射剂量的技术,最近我们推出了SOMATOM Definition Flash。与五年前发布的数据相比,该系统能够将心脏检查的剂量减少10~15倍。采用该项技术,目前能够以低于1mSv的辐射剂量对心脏进行扫描。这项技术开辟了疾病预防新的市场化应用。另一方面,剂量减少技术只有在不对临床工作流程产生负面影响的时候才会被接纳。过去两年来,计算机断层扫描迭代重建算法已经成为一个非常热门的话题。但是当推出一项新技术时,必须确保它适合临床工作流程,否则将不被     

软件雷达接收系统解调的一种可行结构

本文提出软件雷达接收系统的构想思路;同时文中提供了一种软件雷达接收系统解调的设计方案,包括硬件构成以及软件算法的介绍。