高一向量同步练习 (7)

ISCAS89的测试向量文件，用于初始化电路，对电路程序功能进行测试

微博立场检测是判断一段微博文本针对某一目标话题所表达的观点态度是支持、中立或反对.随着社交媒体的发展，从海量的微博数据中挖掘其蕴含的立场信息成为一项重要的研究课题.但是现有的方法往往将其视作情感分类任务，没有对目标话题和微博文本之间的关系特征进行分析，在基于深度学习的分类框架上，扩展并提出了基于Bert-Condition-CNN的立场检测模型，首先为提高话题在文本中的覆盖率，对微博文本进行了主题短语的提取构成话题集；然后使用Bert预训练模型获取文本的句向量，并通过构建话题集和微博文本句向量之间的关系矩阵Condition层来体现两个文本序列的关系特征；最后使用CNN对Condition层进行特征提取，分析不同话题对立场信息的影响并实现对立场标签的预测.该模型在自然语言处理与中文计算会议（NLPCC2016）的数据集中取得了较好的效果，通过主题短语扩展后的Condition层有效地提升了立场检测的准确度.

通过运算符重载，实现了二维向量的加减、点乘、叉乘运算。

基于距离向量算法的rip协议的实现，C++代码，运行环境VS2005

迁移学习旨在利用大量已标签源域数据解决相关但不相同的目标域问题. 当与某领域相关的新领域出现时, 若重新标注新领域, 则样本代价昂贵, 丢弃所有旧领域数据又十分浪费. 对此, 基于SVM算法提出一种新颖的迁移学习算法—–TL-SVM, 通过使用目标域少量已标签数据和大量相关领域的旧数据来为目标域构建一个高质量的分类模型, 该方法既继承了基于经验风险最小化最大间隔SVM的优点, 又弥补了传统SVM不能进行知识迁移的缺陷. 实验结果验证了该算法的有效性.

为了方便付款和无分类，如今信用卡付款已变得非常流行。 从我们的银行帐户中，我们可以直接在线支付款项。 尽管采用这种简单的付款方式，但它仍具有欺诈的缺点。 未授权人员访问其他人的银行详细信息称为入侵者。 这些入侵者还可以访问一些未经授权的交易。 为了防止这种情况，我们需要一些强大的机制。 在本文中，我们使用了三种不同的分类算法（逻辑回归，随机森林和支持向量）进行欺诈检测，并将发现这三种算法的准确性比较。

支持向量机—理论、算法与拓展，较为详细的介绍了支持向量机的理论以及实用技术，本书为扫描版。

为了提供医学数据可视化分析工具，引入了机器学习方法，以在医学数据库MIMIC-III（美国重症监护医学信息中心）中对肺部恶性肿瘤进行分类。 选择了K最近邻（KNN），支持向量机（SVM）和随机森林（RF）作为预测工具。 根据实验结果，将机器学习预测工具集成到医学数据可视化分析平台中。 该平台软件可以为医生提供灵活的医学数据可视化分析工具。 相关实践表明，即使没有经过专门的数据分析训练，医生也可以根据简单的步骤生成可视化的分析结果，以便医生对医院中积累的数据进行一些研究工作。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码