基于多层感知机的蛋白质变性温度预测

准确预测蛋白质变性温度在蛋白质工程和药物研制等领域具有重要意义。将全局特征和序列特征作为初始特征向量,利用提出的基于权值的降维算法对初始特征向量进行降维,降维后的特征输入多层感知机模型预测蛋白质变性温度。在盲测数据集上,该方法预测结果与实验测定结果的PCC值由降维前的0.77增加到0.8,RMSE值由降维前的0.17降低到了0.16,蛋白质变性温度预测值的分类准确率与现有方法比较有明显提升。     

基于注意力机制和图卷积的电信客户流失预测

针对客户流失预测任务中,离散特征进行one-hot编码后特征空间过大,特征表示向量过于稀疏,引发维度灾难的问题,提出一种流失预测模型。基于特征嵌入和Transformer将高维离散数据转换为基于上下文的嵌入,降低编码后的数据维度,增强特征值间的联系。结合基于自适应邻接矩阵定义的图卷积操作,自动学习特征间潜在的关联关系,提高对正类样本的识别精度。使用交叉验证的方式在两份公开数据集上进行对比实验和消融实验,实验结果表明,改进模型能够有效增强多层感知机对于样本的拟合能力,提高分类预测准确率。     

基于改进多层感知机模型的港口吞吐量预测研究

精确的港口货物吞吐量预测对于港口的发展至关重要.本文提出了改进粒子群优化去尾均值多层感知机模型对上海港货物吞吐量进行预测.选取了影响上海港货物吞吐量的十个因素进行训练,实验结果表明该预测模型的预测性能明显优于传统MLP预测模型和基本的粒子群优化多层感知机模型.对该预测模型的误差分析和收敛性分析表明该预测模型可靠.     

改进的ID3算法在客户流失预测中的应用

对分类预测中广泛使用的ID3决策树算法进行了分析,指出了该算法的取值偏向性以及运算效率不高等缺点,在此基础上提出了一种改进的ID3算法并将其应用于某移动通信公司的客户流失预测。改进的算法通过属性加权克服取值偏向性,运用熵函数的递推性质并通过二元熵函数查表法显著地提高运算效率。应用结果表明,提出的改进算法性能明显改善。     

基于门控多层感知机的端到端实体关系联合抽取

从非结构化文本中进行实体和关系抽取已经成为自然语言处理的一项关键任务,然而命名实体识别(NER)和关系抽取(RE)两个任务经常被分开考虑,从而丢失了大量的关联信息。鉴于此,该文提出了一种端到端的基于多层感知机SGM模块进行信息过滤的实体关系联合抽取方法。该方法在不引入外部其他复杂特征的情况下获得了丰富的语义,充分利用了实体和关系之间的关联。该文从句子级、词语级和字符级三个级别输入信息,利用SGM模块进行信息提取以获得高效的语义表示,之后利用Span-attention进行融合得到Span的具体表示,最后利用全连接层进行实体和关系的联合抽取。该文使用NYT10和NYT11数据集验证所提方法的有效性。实验结果表明,在NYT10和NYT11数据集上,该文提出的模型在关系抽取任务中的F₁值分别达到了70.6%和68.3%,相比于其他模型有较大提升。     

基于多层感知机的技术创新人才发现方法

专利数据中包含了丰富的科技信息。通过对专利数据的分析,不仅可以帮助企业快速了解当前领域的发展状况,还可以及时发现领域中的技术创新人才。当前的技术创新人才发现方法往往是孤立地从各个专利特征的角度来评估发明人的技术创新实力,而没有统一的学习模型来发现专利集合中的技术创新人才。针对该问题,提出一种基于多层感知机模型的技术创新人才发现方法。从专利数据中抽取发明人的各个特征;基于抽取的发明人特征构建多层感知机模型;采用该多层感知机模型在专利数据集合中发现技术创新人才。实验结果表明,该方法是有效的。     

SVM多类别分类方法在客户流失预测中的应用研究

针对移动客户的多类别特点以及不同类别客户的数据集分布不平衡,把CW-SVM应用于多类别分类,提出了DAG-CWS-VM算法,分别用1-V-R SVM、1-V-1 SVM、DAG-SVM与DAG-CWSVM算法进行分类预测,并用ROC曲线、AUC值、提升度(lift)指标对四种模型进行评价。实验表明DAG-CWSVM算法不仅能够处理数据多类别分类问题,而且能够有效地解决数据集不平衡对预测结果造成的影响,具有较好的预测效果。     

基于多层感知机模型的车牌识别技术

车牌识别是对实时图像中的车牌区域进行感知和截取,进行光学字符识别的过程.针对人工检测效率低的弊端,设计了一种应用于Android移动平台的车牌识别检测系统,利用OpenCV视觉开发库进行二次开发,使用支持向量机对图像进行判断,截取有效车牌区,并使用人工神经网络中的多层感知机模型实现字符的识别.测试结果表明,该系统检测速...     

贝叶斯决策树在客户流失预测中的应用

针对电信企业客户流失问题,提出采用贝叶斯决策树算法的预测模型,将贝叶斯分类的先验信息方法与决策树分类的信息熵增益方法相结合,应用到电信行业客户流失分析中,分别将移动公司的客户数据以及UCI数据纳入到模型中得出相应的结果。加入贝叶斯节点弥补决策树不能处理缺失值以及二义性数据的缺点。检验结果表明,基于贝叶斯推理的决策树算法在牺牲了较小的训练时间与分类时间的情况下,得到了比仅基于决策树算法更高的覆盖率与命中率。     

基于谱回归特征降维的客户流失预测

针对于大样本数据的客户流失预测,从特征有效表达的角度,提出了一种基于谱回归特征约简的预测模型.模型在原始客户特征基础上,利用基于谱回归的流形降维,建立可区分性的低维特征空间,在此之上采用支持向量机实现客户流失的二分类.通过在网络客户和传统电信客户两种不同数据集上的大样本实验,并与不同分类器、不同特征约简或选择方法的对比...     

基于代价敏感的决策树的电信离网分析模型

随着电信行业竞争的加剧,客户流失率日益攀升,因此提高客户流失的预测精度将直接关系到电信企业的生存和发展.而电信客户数据集中存在严重的数据不平衡问题,会导致两类错分代价明显不等同.而基于传统决策树的客户流失模型却是在两类错分代价相等的前提下建立的,与实际情况不符.因此引入代价敏感学习理论,该理论将不同的错分代价纳入建模过程,以建立一个基于代价敏感的决策树的电信客户离网分析模型.该方法有效地提高了模型对流失客户的预测性能.这对促进电信业的发展具有相当重要的意义.     

电子商务客户流失的DBN预测模型研究

在电子商务迅速发展,企业快速抢占市场的背景下,客户成为企业竞争的核心因素。现有相关研究多致力于采用全数据输入模式解析客户流失现象,不同类型客户造成的差异性还有待进一步探讨。鉴于传统RFM模型不能精确解释电子商务客户流失原因,该研究将客户分为活跃与非活跃两个集群,提出一种优化的RFM理论模型与深度信念网络实证模型对电子商务客户流失进行预测。结果表明,不同类型客户流失因素的影响强度不同。对活跃用户而言,客户购买总金额是影响客户流失的主要因素;对非活跃用户而言,客户进入店铺的时间越长越可能留住客户。通过剖析非活跃用户不流失和活跃用户流失的原因,可帮助企业制定有效的客户管理策略,以最大程度地吸引潜在客户及保留现有客户,获取最多的市场利益。     

客户流失管理研究现状及展望

梳理了客户流失和客户流失管理的定义,客户流失问题的研究内容、应用场景,客户流失预测算法及特征选择方法,模型评估的常用技术与度量等方面的研究现状,指出当前研究的不足,并提出未来的研究方向.     

基于AP聚类与随机森林的客户流失预测研究

利率市场化、大数据迅速发展,银行业均表现出明显的"二八定律"现象,20％的优质客户占据了银行的大部分资产.那么,如何防止银行客户流失,尤其是优质客户的流失,已经成为银行越来越关注的问题.因此,建立优质客户流失预警模型就显得尤为重要.以某商业银行为例,重新对客户流失进行定义,重点关注银行优质客户的流失预警,首先使用AP聚...     

简化的广义多层感知机模型及其学习算法

提出了简化的广义多层感知机模型(SGMLP模型),并针对SGMLP模型给出了两种学习算法：广义误差反向传播算法(GBP算法)和基于遗传算法(GA)的学习算法。两个典型算例的实验结果表明,该模型及其学习算法是可行和有效的。     

融合卷积神经网络与多层感知器的鞍部识别方法

针对传统鞍部识别方法中特征选择困难及未考虑鞍部与其它地形要素的共生关系等问题,利用深度卷积神经网络的特征自学习性能,提出了一种卷积神经网络与多层感知器相结合的混合模型实现DEM数据中的鞍部要素识别.首先设计改进的卷积神经网络模型自动提取鞍部的深度特征,经过Softmax分类器得到候选鞍部点,再运用多层感知器对候选鞍部点...     

Empirical Evidence for Ultrametric Structure in Multi-layer Perceptron Error Surfaces

Combinatorial optimization problems share an interesting property with spin glass systems in that their state spaces can exhibit ultrametric structure. We use sampling methods to analyse the error surfaces of feedforward multi-layer perceptron neural networks learning encoder problems. The third order statistics of these points of attraction are examined and found to be arranged in a highly ultrametric way. This is a unique result for a finite, continuous parameter space. The implications of this result are discussed.     

基于RFM模型的随机森林算法对民航客户的流失分析

近几年,随着航空市场的快速发展,对于航空公司而言,如何在增加市场占有率的同时,对客户的流失进行有效的控制也刻不容缓.基于随机森林算法,根据航空客户数据,建立流失预测模型,对客户是否已流失进行预测研究,将传统的RFM客户价值模型进行改进,结合随机森林算法对客户流失进行预测.实验结果表明,基于RFM模型的随机森林算法构建的...     

C4.5算法在保险客户流失分析中的应用

保持客户和吸引客户是保险公司提高竞争力的关键,目前保险公司对客户流失的分析是粗略的或根据经验来判断。论文利用面向属性归纳和决策树C4.5算法对保险客户基本信息进行分析,找出客户流失的特征,帮助保险公司有针对性地改善客户关系。