收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型

李静  徐路路  
【摘要】:[目的/意义]细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架,以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建,然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析,最后利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。[结果/结论]实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高,支持向量机预测效果次之,BP神经网络预测效果较差且预测稳定性不足,同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势,可为我国学科领域大势研判和架构调整提供决策支持和参考。

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 李静;徐路路;;基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型[J];现代情报;2019年04期
2 士紫薇;张仕光;李燕培;晋洁;牛永博;范静;;BP神经网络与支持向量机模型在智能手机对大学生影响中的评价研究[J];现代计算机(专业版);2018年36期
3 秦超;;基于BP神经网络的煤炭企业转型程度评价[J];中小企业管理与科技(上旬刊);2017年10期
4 施江旭;张成良;吕文乾;王自龙;;基于BP神经网络对隧道围岩变形的预测[J];中国水运(下半月);2017年08期
5 张文东;吕扇扇;张兴森;;基于改进BP神经网络的非均衡数据分类算法[J];计算机系统应用;2017年06期
6 辛民;江亚男;;基于BP神经网络的铁路货车横向稳定性评估[J];大连交通大学学报;2017年04期
7 罗俊松;;基于神经网络的BP算法研究及在网络入侵检测中的应用[J];现代电子技术;2017年11期
8 陈进东;潘丰;;基于在线支持向量机的非线性内模控制[J];计算机工程与应用;2009年09期
9 唐思源;邢俊凤;杨敏;;基于BP神经网络的医学图像分割新方法[J];计算机科学;2017年S1期
10 罗威;吴志攀;;一种基于BP神经网络的指纹识别技术[J];现代计算机(专业版);2017年20期
11 王凌;;大数据背景下的机器学习算法简述[J];数字传媒研究;2017年05期
12 宋福印;路远;杨星;乔亚;唐聪;凌永顺;;基于BP神经网络的红外透过率计算[J];光电子·激光;2017年06期
13 肖红;;大数据下的机器学习算法探讨[J];通讯世界;2017年06期
14 王骏涛;易叔海;;基于机器学习算法构建手机恶意软件研判模型的研究[J];网络安全技术与应用;2017年09期
15 李成录;;大数据背景下机器学习算法的综述[J];信息记录材料;2018年05期
16 李利民;刘明辉;;基于机器学习算法的人脸识别鲁棒性研究[J];中国电子科学研究院学报;2017年02期
17 钟伟民,皮道映,孙优贤;基于支持向量机的直接逆模型辨识[J];控制理论与应用;2005年02期
中国重要会议论文全文数据库 前10条
1 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
2 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
3 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
5 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
6 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
7 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
8 刘爽;贾传荧;;一种加权支持向量机算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
9 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
10 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
2 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
3 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
4 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年
5 宋夫华;支持向量机逆系统方法及其应用研究[D];浙江大学;2006年
6 钟伟民;支持向量机在先进控制中的应用研究[D];浙江大学;2006年
7 吴春国;广义染色体遗传算法与迭代式最小二乘支持向量机回归算法研究[D];吉林大学;2006年
8 张国云;支持向量机算法及其应用研究[D];湖南大学;2006年
9 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
10 李海生;支持向量机回归算法与应用研究[D];华南理工大学;2005年
中国硕士学位论文全文数据库 前10条
1 金晶;基于神经网络的递增支持向量机研究[D];南京航空航天大学;2012年
2 黄卓彬;跨领域的终身机器学习算法研究[D];华南理工大学;2017年
3 朱鹏博;基于机器学习算法的恶意代码检测技术研究[D];北京邮电大学;2018年
4 朱熙文;大数据下的在线机器学习算法研究与应用[D];西南交通大学;2017年
5 彭英力;基于机器学习算法的摔倒检测和日常行为识别研究[D];东华大学;2016年
6 叶平;支持向量机神经网络研究及其硬件实现[D];西安理工大学;2008年
7 刘耀辉;支持向量机与神经网络的融合优化及其在数据挖掘中的应用[D];深圳大学;2017年
8 叶雷;机器学习算法在医疗数据分析中的应用[D];华中师范大学;2017年
9 朱海宁;基于改进支持向量机回归的地震预测方法研究[D];安徽大学;2016年
10 佟海侠;支持向量机及其在故障诊断中的应用研究[D];华北电力大学(河北);2009年
中国重要报纸全文数据库 前10条
1 记者 王晓洁;透视“阿尔法狗”背后的机器学习算法[N];经济参考报;2017年
2 记者 吴长锋 通讯员 杨保国;中科大首次实现量子机器学习算法[N];科技日报;2015年
3 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
4 ;神经网络小史[N];电子报;2018年
5 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
6 ;人工智能将取得大面积突破[N];中国企业报;2017年
7 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
8 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
9 中国科学技术大学终身学习实验室博士 吴茂乾;“寒武纪”人工智能大爆发的前夜[N];安徽日报;2017年
10 卡内基·梅隆大学计算机科学学院机器学习系主任 Tom Mitchell;突破人类和机器的边界[N];中国信息化周报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978