随着互联网的发展，每天产生的数据量已经与日俱增，传统的搜索引擎已经 无法完全满足当前的需求，推荐系统成为了互联网时代的新宠，其是为了解决海 量数据所带来的挑战以及给用户更好的体验而发展成一门交叉学科。推荐系统算 法通常会包含机器学习算法，而云计算的广泛应用也使得机器学习算法可以快速 的部署与运算，为推荐系统的性能与效果提升提供了保障。 本文对目前的机器学习算法与推荐系统进行了研究。采用天猫淘宝真实数据 集，并利用阿里巴巴的ODPS云计算平台，基于混合技术与深度学习技术构建了 两套推荐系统，并对随机森林算法在不平衡数据条件下有针对性的进行了改善。 本文主要工作如下: 1.利用Ali Mobile Rec数据集与ODPS平台构建了基于混合技术的推荐系统， 该系统使用了多种混合策略，包括特征混合技术、分级型混合推荐技术、瀑布型 混合技术、加权混合推荐技术，最后利用多个模型进行融合，取得了较好的实验 效果，最终F1值为8.11%，并在此基础上验证了各混合技术的提升效果以及使 用条件; 2.利用Taobao Clothes Match数据集以及ODPS平台构建了基于深度学习的 搭配推荐系统，该系

随着无线通信领域的发展,具有诸多优点的可见光通信(VLC)已经发展成为了一种具有广阔前景的通信手段。然而,可见光通信中的各种非线性效应会给其信号处理带来诸多的困难,并恶化系统的性能。机器学习在解决非线性问题方面具有很大的优势和潜力,结合机器学习算法的可见光通信技术必然具有巨大的研究价值。已有研究表明,传统的机器学习算法如K-means、DBSCAN以及支持向量机(SVM)等在预均衡、后均衡、抗系统抖动,以及相位纠正等方面均有很好的表现。而深度神经网络(DNN)则因为其强大的非线性拟合能力能够更进一步提升VLC系统的性能。对以上几种方法进行了分析和介绍,并对其在可见光通信信号处理领域的应用进行了分析与总结,希望可以为机器学习解决可见光通信方面的各种非线性问题提供参考。

医学影像分割是从二维或三维医学影像中检测出目标对象的边界,获取正常 组织器官及肿瘤病变区域，其分割技术在诊断的形态和解剖分析、治疗前的活检 引导与路径规划、治疗中的跟踪与定位、预后的病情进展变化等方面有着重要的 临床意义。虽然基于机器学习的全自动分割算法目前在多模态医学影像分割上取 得了众多的研究成果，并展示出其优秀的分割性能。然而，不同模态的成像技术 受噪声、部分容积效应和图像强度信息不均匀等因素影响，严重降低了图像质量 而引起边界定位困难。加之，肿瘤及组织器官解剖多样性和在不同模态图像上的 特异性表达及空间与时间分辨率各有不同，从而增加了目标对象的复杂性,因此， 全自动、稳定、鲁棒和准确的医学影像分割依然具有较大的挑战。 为解决上述难题，本论文进行了如下研究:从边界识别和形状多变自适应能 力的角度研究提升分割算法精度的方法;研究数据驱动的乳腺超声(Breast Ultrasound, BUS)、肝脏计算断层成像(Computed Tomography,CT)、前列腺磁 共振(Magnetic Resonance Imaging， MRI)的跨模态图像精准分割算法;调研分 析和验证分

目标跟踪技术一直以来都是计算机视觉、图像处理领域的研究热点，其在 国防侦察、安防监控、智能控制等领域具有重要应用价值，是武器装备、监控 设备等的核心技术之一。数十年来，国内外一直有大量学者从事目标跟踪算法 方面的研究，但是由于跟踪过程中所观测的目标信息的多变性、目标的机动性 以及背景的复杂性、自身或背景遮挡等原因，目标跟踪仍然是一个非常具有挑 战性的问题。近年来，将机器学习理论应用到目标的跟踪、识别问题是一个研 究热点，与传统跟踪的目标匹配不同，运用机器学习理论进行目标跟踪是将目 标跟踪问题转换成目标分类问题，即用算法将视场中的目标和背景分类，分类 结果置信度最大的目标所在的位置就是目标位置。机器学习的一大特点就是学 习，即让计算机有人一样的“学习”能力，可以通过学习被跟踪目标的不同变化， 如位置变化、姿态变化和相似干扰等，及时调整跟踪器的状态，适用于多种复 杂的目标跟踪问题。 本文从三个方面对基于机器学习的目标跟踪算法进行了较为深入的研究， 主要创新工作及研究成果如下: 1.针对传统相关跟踪算法实时性不好、不能适应目标变化的问题，提出一 种自适应相关滤波目标跟踪算法，采用相关滤波的方

随着人们对生活质量要求的越来越高以及ios，Android等智能手机的普及， 智能家居这个概念又上次浮上水面，同时电子设备的集成度也越来越高，各种智 能设备也不断出现,传统的电器也开始有了计算能力,智能家居正变得炙手可热， 又将要掀起一股热潮。 智能家居是指通过在家庭中布置各种传感器和控制设备,实时地监视家庭中 各种环境以及控制各种用电器，使得整个家庭环境设施变地智能化。人们可以更 方便更详细地了解或者控制家里面的环境和设备。由此在能得到更舒适的居住环 境的同时还能保证居家环境安全。 市面上已经出现了很多智能家居的系统，能够提供一些环境的监测和用电器 的远程控制，但是在整套设备中，各设备之间并没有很好地结合到一起，仅能够 单独地提供各传感器状态和手动控制各节点，并没有达到智能系统的要求。近年 来，随着人工智能，机器学习的快速发展，智能家居有了真正意义上的智能的可 能性，这些变化为智能家居的发展方向提供了与以往不同的思路和难得的机遇。 本文通过使用Python定时读取智能家居系统数据库中各个节点间的数据并 使用Google最新开源的机器学习框架TensorFlow实现前反馈神经网络(fe

近年来，互联网和移动互联网的快速发展，网络中的图像数据展现出了爆炸 式的增长。图像数据简单直观，并且包含丰富的信息，被人们广泛作为信息交流 的载体。基于内容的图像识别能够从图像本身出发，先从图像中提取显著的特征， 再根据特征的差异对图像进行识别，具有很好的识别效果。机器学习在人工智能 中具有非常重要的位置，机器学习通过算法对数据进行学习，然后进行预测和决 策，是实现人工智能的钥匙。机器学习的图像识别是基于图像内容的，机器学习 从图像数据本身出发，从数据中提取底层的图像特征，然后通过机器学习的算法 建立起底层特征和高层图像语义之间的联系，进而实现图像识别。 图像识别是机器视觉的基础，图像内容千变万化，机器视觉就千差万别。对 计算机来说，图像的底层特征和高层图像语义没有直接的联系，所以解决“语义 鸿沟”就是图像识别的重点和难点问题。机器学习发展经过了浅层学习和深层学 习两个阶段，专家和学者提出了很多的算法模型，在图像识别、语音识别和人工 智能方面取得了较多成果。 首先介绍了基于统计理论的支持向量机模型，支持向量机模型是根据人工提 取的特征来训练分类器，通过分类器来达到图片识别的目标。对于底

我国慢性疾病调查数据显示,目前全国慢性疾病确诊患者的数量达到了2.6亿 我国是世界上慢性疾病患者最多的国家，慢性疾病是一类高致残率、高死亡率而 且无法治愈的终身性疾病，已经成为当前我国医疗卫生事业发展道路上最大的障 碍。由于慢性疾病的特殊性，研究发现疾病预防是慢性疾病管理中最有效的措施， 疾病预测的研究对提高慢性疾病管理效率有着重要的意义。随着互联网和大数据 的发展，医疗数据的形式和数量不断增加，人们开始将数学模型用于疾病研究中， 通过定量分析的方法研究疾病的发病特征和原理，由于机器学习方法在处理复杂 数据问题时可以获得较好的精确度，被越来越多的人用于对疾病的预测研究。 在此背景下，本文旨在采用机器学习方法建立慢性疾病预测模型，在此基础上 搭建慢性疾病风险预测系统，通过该系统实现对用户慢性疾病风险的预测，进而 实现对高危人群的预警和疾病干预，达到对慢性疾病有效管理的目的。本文的主 要研究内容如下: (1)提出了新型慢性疾病管理模式。通过对我国目前的传统慢性疾病管理模 式的研究，分析了传统慢病管理模式存在的问题，结合新一代信息技术提出了新 型慢性疾病管理模式，强调疾病预测在慢性疾病管理中

水稻，原产于中国，是最悠久的粮食种类之一，也是世界主要粮食作物之一。 水稻病害是影响水稻产量的最重要因素之一，其分布广危害大，造成了巨大的经 济损失。因此能有效地快速地在自然状态下识别水稻病害显得相当重要，而现在 对其的识别方法基本上停留在人为主观判断，这种方法对有经验的劳动力需求 大、效率低下、不具有实时性。随着社会的发展，计算机的普及与更新，使得人 工智能领域火热发展,其中应用神经网络对图像进行分类检测也取得了很好的效 果。针对以上问题的分析，本文针对水稻稻曲病和水稻的主要6种主要病害提出 了在自然环境下的识别方法。主要做了以下研究: 1.本文针对水稻稻曲病的识别算法进行研究。稻曲病的识别使用了两种方 法，一是用传统图像特征提取方法，如SVM(Support Vector Machine)结合特征提 取方法HOG(Histogram of Oriented Gradient);二是改进卷积神经网络 (Convolutional Neural Networks,CNN)。对于传统的图像方法，首先将原图片用 图像处理方法进行预处理，得到了一种分割水稻稻穗的方法，再使用HOG提取 图片特

随 着 大数据 时 代 的 快速发 展 ， 文 本 信 息 数据 量 急 剧 增 加 ， 为 了 获 取有 价值 的 信 息 ， 提升 信 息 获取 效 率 ， 就 需 对这些文本信 息进 行分类 。 因 此 ， 文 本分类系 统 的 研 究 与 实 现具 有 重要 意 义 。 新 闻 文本 是 文本信 息 的一个重 要组成部分 ， 也 是人 们 获取 信 息 的重要 方式 。 本 文 以 新 闻 文本 分类为依 托 ， 对 当 下 文本分类算法进 行 改进 ， 以 新 闻 文本分类系 统 为 实例 对文 本 分类系 统 的 设计 与 实 现进 行 说 明 ， 完 成 文 本 分类算法 的 研 究工 作 。 本文 以 大数据 时代背 景及 分类技术 的 发 展为背景 ， 对 贝 叶斯 分类 算 法 以 及 卷积 神 经 网 络 分类 算 法进 行 了 改进 ， 以 提升 分类 的 准确 度 ， 主 要 工作 内 容 有 以 下 几个方面 ： 第一， 本 文 针对 不 同 种 类 的 文本 分类方 法做 了 调 研 ， 通过 阅 读 文

本研究旨在撞髙交通状态判别与预测的效果，在分析各类交通数据的基础上，釆用先进机器学习方法，并有机结合特征选择、参数优化等理论方法，对交通状态判别与预测方法展开琛入研究，主要研究内容及成粜如下：基于ＲＢＦ神经网络的交通流缺失数据修复方法神经网络用于交通流领域研究的优势在于神经网络能够简化研究模型时的建模过程，尤其是针对交通流的非线性特征，对于复杂的非线性问题具有良好的解决能力。研究发现，ＲＢＦ神经网络具有自组织、自学习、自适应的功能，不会出现局部极小值问题，对非线性的连续函数具有一直逼近性，训练速度较快，同时它可以对数据进行大范围的融合，髙速处理数据。因此，本文以ＲＢＦ神经网络为主体构建了交通流预测模型，随后利用模型预测值修复交通流缺失数据。为了验证其可行性和精确度，本文将提出的模型与元非线性回归模型以及ＢＰ神经网络模型的修复精度进行了对比，结果表明本文提出的基于ＫＥＦ神经网络的模型对于交通梳缺失数据的修复效果更好。基于小波和 改进 ＢＰ 神 经 网 络 的 交通事件 自 动 检铡 方法本文在研究基础 上提出 了一种 基于小波和 改进 Ｂ Ｐ 神 经 网 络 进行道路......