【摘 要】
：
由于空气组成成分多、含量波动较大，严重影响着分类结果的准确率，因此为了增加空气质量分类预测的可靠性，提出了粒子群（Particle Swarm Optimization,PSO）优化支持向量机（Support VectorMachin,SVM）算法的分类方法。此方法首先通过迭代寻优的方式在全局搜寻最优粒子作为支持向量机的运行参数，之后通过训练集数据进行机器学习建立了支持向量机多分类模型，最后将测试
论文部分内容阅读
由于空气组成成分多、含量波动较大，严重影响着分类结果的准确率，因此为了增加空气质量分类预测的可靠性，提出了粒子群（Particle Swarm Optimization,PSO）优化支持向量机（Support VectorMachin,SVM）算法的分类方法。此方法首先通过迭代寻优的方式在全局搜寻最优粒子作为支持向量机的运行参数，之后通过训练集数据进行机器学习建立了支持向量机多分类模型，最后将测试集的输入向量导入该模型得到分类结果。分析结果表明，粒子群优化的支持向量机分类方法能够有效的抑制人为设定运行参数对分类结果的影响，提高了支持向量机的分类准确率，为空气质量等级分类问题提供了一个新的研究思路。
其他文献
会话推荐作为推荐系统的重要分支,近年来引起工业界和学术界的广泛关注。与传统推荐相比,会话推荐仅利用当前会话中的交互数据来捕捉用户的动态偏好,进而提供及时、准确的推荐建议,而不使用任何个人隐私和历史交互。现有的会话推荐工作通常只考虑会话中的单一类型行为,无法捕捉相关类别行为（例如点击、添加购物车、购买）的语义与关联,因而难以有效解决数据稀疏的问题。本文拟针对多行为的会话推荐任务进行深入研究,提出基于
篇章机器翻译是目前机器翻译快速发展下的一项重要的研究课题。指代作为篇章衔接的常用手段之一,在翻译单元上占的比重很小,但是指代部分的歧义会严重影响译文的质量。因此以指代为切入点来研究篇章翻译具有非常重要的意义。近年来,在神经机器翻译（Neural Machine Translation,NMT）质量得到极大提高的同时,基于神经网络的指代消解的性能也得到很大提升。本文以指代消解为驱动,在利用有限和全局
事件抽取旨在挖掘自由文本中的信息,并以结构化的形式呈现。随着自然语言处理技术的发展,预训练模型逐渐成为主流的神经网络模型,在各个领域大放异彩。事件抽取任务也借助预训练模型获得了新的突破。然而,利用预训练模型的特性进行事件抽取还存在很多问题亟待研究。本文针对预训练模型在事件抽取任务上的应用展开研究,具体研究内容如下:（1）针对预训练模型在样本较少的事件类别上分类效果差且语料资源匮乏等问题,本文提出一
新型功能化微孔炭材料因具有丰富的微孔孔隙、高的比表面积、可调的表面化学性质等特点,在吸附与催化领域具有良好的应用前景。然而,该类材料的制备目前面临两方面的挑战:（1）传统制备微孔炭材料的方法在很大程度上依赖复杂的制备工艺和特定的前驱体,缺乏对材料物化性质的精细调控。从前驱体分子的组装出发,设计一种简单通用的制备功能化微孔炭材料的方法非常必要。（2）对于多孔炭负载的金属催化材料而言,小尺寸的金属纳米
近年来我国经济社会飞速发展,国内社会较以往发生很大的变化,新生问题越发复杂,网格化管理正是在这种背景下应运而出。网格化管理借助智能化手段实现了社会治理的现代化,打破了传统政府管理职能的边界,畅通了各细分场域的信息和资源壁垒,以其精准性、便捷性、高效性,构建了社会治理的创新体系,迅速席卷全国,在不同地区、不同领域产生了许多先进典型实践实例。本文主要针对网格化管理模式在基层乡镇的具体实施和执行,依照新
高能量密度,高功率密度的电化学储能系统是推动社会发展的重要技术,尤其在便携式电子设备和电动汽车等新兴产业中。在电化学储能装置中,锂离子电池因其能量密度高,循环寿命长,价格便宜以及绿色环保而受到越来越多的重视。提高锂离子电池能量/功率密度的研究重点是研发高容量正极材料。LiNiO2正极材料以及其衍生物因具有理论高比容量、高工作电压以及低成本引起了广泛的研究兴趣。然而,LiNiO2材料本身存在显著的缺
炭黑具备良好的耐光热稳定性、抗静电性、抗紫外性,是纺织行业良好的着色剂。为积极响应“双碳”目标,炭黑水性分散体系的使用愈发广泛。具有高表面能炭黑原生粒径小,不具备完全疏水或亲水的性质,这就为防止炭黑重新团聚提出了严格的要求。本文采用分散剂直接分散法研磨分散炭黑,以制备具有良好分散性能的炭黑分散液。首先,研究了市售的三种不同分散剂制备的炭黑分散液的性能,通过探究炭黑分散剂各组分的添加量对炭黑分散液中
随着人工智能的发展,互联网医疗等概念被提出。将中医与人工智能结合起来,充分利用深度学习的优势,扩大中医的应用场景（如辅助诊疗、疾病风险评估、远程会诊等）成为当前的研究热点。本文就如何将深度学习算法应用到中医辅助诊疗任务中做深入研究。本文的任务是中药推荐。中药推荐是中医在人工智能背景下的主要任务。通过分析病人症状并结合辨证论治等相关理论,给出精准药方,辅助中医师临床诊疗,具有重要的应用意义。基于这一
在当前中国城市建设提倡重视城市风貌特色、关注高品质发展的背景下,很多传统街区已经逐渐打造成体验型传统商业街区,深受游客青睐,但随着经济的不断发展,识别其所包含的地域性风貌特征,有着重要意义。传统商业街区保留着古城的记忆,而街区界面则被认为是识别古城特色风貌的有效途径,通过研究发现,游客虽然是作为传统街区片区风貌商业化趋势的潜在影响者,但同时他们也是街区界面信息最直接的感知者。通过视觉感知的方式识别
事件抽取是自然语言处理中的一个重要的工作,用于抽取文本中的结构化信息。事件论元抽取作为事件抽取的子任务,旨在识别出文本中与事件相关的实体和其对应的角色类别,不仅能获取事件中的重要信息,而且在舆情监测、对话系统和事理图谱构建等领域有着重要的意义。目前,现有的句子级中文事件论元抽取研究通常只考虑句子内部的信息,忽略了其他层面的信息（比如篇章信息、标签信息、实体信息等）。在实际场景中,句子级信息往往难以