常用算法、方法一览表

现在是知识爆炸的年代，也是大数据的年代。在科学研究中，有许多研究方法、算法助力科技人员研发出科技成果。下面简单罗列一些常用的方法、算法，供朋友们参考。

表1  常用研究方法、算法一览表

名称	内容	备注
数字孪生	充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。	是一种超越现实的概念，在体育智能化已有成功应用
知识图谱	显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。	可应用于智能搜索、风险控制、机器阅读、文本分析、异常监控等
粒子群算法	群体间互相协作和信息共享，使得群体行为形成从无序到有序的演化，进而达到目的的自然现象。通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。	是群集智能 （SI) 的一种
随机森林算法	利用多棵树对样本进行训练并预测的一种分类器。	模型具有可读性，分类速度快
深度学习	学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力	使机器模仿视听和思考等人类的活动
支持向量机	对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。	应用于人像识别、文本分类、手写字符识别、生物信息学等
多智能体	多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。	是分布式人工智能）的一个重要分支
神经网络	是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。	应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等

最后要说明，这些方法各有优缺点，需要结合具体情况合理选用。同时，在这些方法基础上，改进的方法、算法以及多种方法、算法融合也是一种解决问题的办法，所以要活学、活用，解决问题是根本的目标。

• 0人已收藏

• 0人已打赏

  免费
• 0人已点赞

• 分享

  复制链接 新浪微博 微信扫一扫