包含 1. 传统方法：NMSE、SS、WF 2. 基于机器学习：CNN、NMF、serGAN 3. 加噪处理代码 4. 评价指标代码：LLR、PESQ_STOI、segSNR 5. 时域图、语谱图绘制的MATLAB代码 全套代码、工程，亲测可用

单通道语音增强算法的研究： word格式，可编辑，标准论文形式3w+字数论述和实验结果

1、股市预测问题研究方法 2、统计学习理论与支持向量机 3、基于支持向量机的股市预测

基于机器学习的优化股票多因子模型，唐思佳，熊昕，本文旨在构建机器学习优化股票多因子模型，用以处理A股市场风格切换和选股问题来最终获得超额收益。分别从因子表达，机器学习算�

针对电力系统状态估计的虚假数据注入攻击（FIDA）是传统方法无法有效解决的问题。 本文使用IEEE14仿真平台中机器学习领域的四种离群点检测方法，即一类SVM，鲁棒协方差，隔离林和局部离群因子方法进行测试和比较。 通过仿真估计准确性和准确性，以观察分类效果。

SmartShark-具有一些机器学习功能的IDS SmartShark项目是学生研发中心PoC Innovation的两名成员Valentin De Matos和Quentin Fringhian的工作的结晶。 该项目于2020年4月开始，并于2020年8月完成。 什么是SmartShark（SmSh）？ SmartShark是基于机器学习的IDS（入侵检测系统）。 SmSh的主要目标是防止网络受到DDoS（分布式拒绝服务）或MITM（中线人）的攻击。 DDoS可以关闭整个网络，避免它会保护您的服务（网站/ API / app /等），而MITM会监视您的连接并窃取重要数据。 Smart

5G 的发展带来了终端设备爆炸式增长的现象,使得频谱资源紧缺的问题越加严峻,认知无线网( cognitive radio, CR)的提出,被认为是提高频谱利用率的有效途径。 认知无线网,融合了当代无线电通信技术、计算机技术、微电子学技 术、软件无线电技术和现代信号处理技术等多学科之长,通过感知周围的电磁环境、学习及理解等方式,自主为用户寻找 到当前空闲的频谱,完成信息交互过程。 针对频谱资源紧张的现状,为改善频谱分配,首先介绍了有关认知无线网络的概 念及其特点,重点介绍了机器学习中遗传算法,强化学习和隐马尔可夫模型在认知无线网络中的应用,并展望了其在认知 无线网络中的发展前景。 机器学习算法的引入,实现了高效的频谱资源管理,有效地解决了无线频谱资源紧张的问题。

目的:新型冠状病毒肺炎具有传播能力强、检测准确率低、治疗难度大等特点,对我国乃至全世界人类健康和社会安全造成了巨大威胁。新冠肺炎目前没有特效药物,因此,需要比较各类药物对新冠肺炎的治疗效果,为重症肺炎患者的治疗提供参考。方法:本文选取某院1 384名重症出院患者作为数据集,提取最广泛使用的三类药物作为训练特征,构建基于药物使用情况预测患者治愈率的多个机器学习模型,最后基于综合性能最优的模型,分析三类药物对于治愈率的重要性。结果:年龄是影响治愈率的最重要因素;激素类药物在所有药物中影响占比最大,中成药的疗效也非常突出。结论:相对于传统的针对单个药物药效的统计学研究方法,机器学习可以将所有药物药效

基于机器学习的数据库技术综述_李国良.pdf

资源包括基于机器学习SVM车牌识别的源代码和参考报告，系统的描述链接是：https://blog.csdn.net/shooter7/article/details/115433365