这是一个关于机器学习文本分类的PPT，针对这个PPT，有一个我的博客是我这个PPT中代码的实现，博客链接：https://blog.csdn.net/qq_28626909/article/details/80382029

【高水平】基于机器学习的高能化合物分子设计与性质预测-天津大学硕士论文2020，超过130页

基于机器学习的新能源汽车残值评估方法.pdf

2021泰迪杯A2-基于机器学习模型预测财务造假的上市公司.pdf

在国家输电网中，对输电线路的检查是预防事故和停电的必要条件。而随着电力产业的 发展，借助于监控摄像机的远程智能巡检逐渐替代成本高、风险高、效率低的人工巡检。为了节省成本，降低风险，本文设计了一种基于机器学习算法的高压传输线检测算法，主要是针对无人机以及固定低功耗摄像机拍摄的图片进行分析。该算法将待分析图片读入之后，通过诸如灰度处理，高斯模糊去噪，图像算术运算和灰度线性变换的操作来对图像进行预处理。 其次，运用 Canny 算子检测出传输线的边缘像素点，并且设置感兴趣区域以提取传输线区域，抑制背景干扰。然后，分类检测出的边缘像素点，拟合传输线。最后，用红线绘制图像中的传输线，并且还输出已检测到的线的数量。与此同时，通过对比人工设定的传输线数量和算法输出的传输线数量，可以确定高压传输线的状态是否正常。实验证明，本文提出的算法可以去除天空和浮云等背景的干扰，同时可以准确检测高压线，且能够对交叉的高压线进行辨别，能处理边缘检测断点，具有一定的鲁棒性和实用性。 针对第五代无线通信系统中的毫米波大规模多输入多输出问题，已经提出了许多混合预 编码结构和方案。由于在该系统中射频链数量大大减少，传统的混合预编码技术会导致性能损失严重。本文主要针对该问题，首先介绍一种基于开关和逆变器的混合预编码架构，来作为降低功耗的解决方案。另外，通过对两阶混合预编码、基于天线选择的混合预编码方案和基于自适应交叉熵的混合预编码方案进行仿真，提供了对总速率和能量效率的详细性能分析，目的是为了证明基于 ACE 的方案的性能在所有参数值的有限范围内要远远优于其他方案。最后，确定了最佳的参数，并且证明了它们可以让系统达到最佳性能。

设 备 故 障 信 息 特 征 词 提 取 方 法 研 究在 分析 了 目 前 复 杂 系 统 设 备 故 障 信 息 的 特性 基 础 上 ， 研 究 了 文 本信 息 分 词和特 征 词 提取 方 法 ， 给 出 了 设 备 故 障 信 息 特 征词 提 取 方法 。 以 某 高 速 列 车 故 障 信 息为 例 ， 有 效 提 取 了 高 速 列 车 故 障 信 息 中 的 特 征 词 。 设 备 关 联 失 效 规 则 算 法 分 析 研 究在 提取 了 设备故 障信 息 特 征 词 的 基 础上 ， 基 于关 联分析方 法 ， 提 取 设 备关 联失 效 规 则 ， 建 立 了 设 备 关 联 失效 模 型 。 以 高 速 列车 牵 引 系 统 故 障 信 息 中 的 特 征 词为 例 ， 构 建 了 高 速 列 车牵 引 系 统 关 联 失 效 模 型 。 设 备故 障 识 别 方 法研 究在 构建 的 系 统 关联 失 效 模 型和故障 识 别 方法基础 上 ， 提 出 了 模 糊 故障 网的 故 障识 别 方 法 。 以 高 速 列 车 牵 引 系 统 的 关 联 失效 模 型 基 础 ， 验 证 了 设 备 故 障 识别 方 法 的 有 效 性 和准 确性 。 设 备 故 障 识 别系 统 实 现采 用 语 言 ， 利 用 框 架 技 术 对 各个算法进行 实 现 ， 得 到设 备故 障识 别 原 型 系 统 ， 完 成 通 过 故 障 数据 对 设 备故 障 状 态 以 及 故障 结 果 的 智 能 识 别

以车牌识别的实用性为目的,设计一种鲁棒的车牌识别系统。 首先提出了 Sobel-Color 算法,以 Sobel 边缘和颜色 两种特征进行车牌定位,并结合 MSER 算法,设计了一种可靠的车牌定位方法来获取候选车牌区域,然后采用 SVM 算法 对候选车牌区域进行车牌判断;最后根据车牌特征设计了一种车牌字符分割算法,能正确分割车牌的各个字符,并有效地 去除车牌边缘部分的虚假字符,又根据分割出的车牌字符特征对 LeNet-5 深度网络模型进行改进,然后采用改进的 LeNet -5 网络对车牌字符进行识别。 对设计的车牌识别系统进行了正常条件测试、恶劣条件测试以及效率测试等实验,实验结 果表明设计的车牌定位和车牌判断方法具有较高的可靠性,车牌字符识别具有较高的准确率,因而设计的车牌识别系统 具有较好的鲁棒性和实用性。

企业内网环境中，DNS协议是必不可少的网络通信协议之一，网络设备和边界防护设备在一般的情况下很少对DNS进行过滤分析或屏蔽，因此将数据或指令藏匿于DNS协议中进行传输是一种隐蔽且有效的手段。这类手段常用于APT中维持访问和数据窃取阶段。在实际场景中，当攻击者拿下某台服务器权限，或服务器被恶意软件、蠕虫、木马等感染之后，通过建立DNS隧道从而达到敏感信息盗窃、文件传输、回传控制指令、回弹Shell等目的。 相比于基于规则的静态阈值检测误报高，易被绕过等问题，可以使用机器学习技术从历史数据中学习出一个DNS隧道模式用于检测。使用机器学习构建DNS隧道检测模型，重要步骤是对DNS隧道流量进行特征挖掘分析，需要以DNS协议标准中各字段的统计分析、DNS隧道实现原理为基础，同时结合安全专家知识提取模型特征。在机器学习算法模型选择方面，鉴于在安全检测类产品中要求模型具有高效性、结果便于解释性等特点，在模型选取上更侧重选用一些基于特征的浅层学习模型。 Agenda APT - 隐蔽信道 APT - Deep Info DNS Convert Channel 实践 - DNS TUNNEL Detection & Machine Learning 实践 - 工程（框架&流程），0 -> 1

行业分类-物理装置-基于机器学习的安保活动方案生成方法、系统及安保活动管理系统.zip

行业分类-物理装置-基于机器学习的波宽控制方法.zip