机器学习在党政干部日常考核模型权重赋值中的运用

机器学习方法在领导干部日常考核指标体系设置中被广泛运用。层次结构模型(AHP&FAHP)的基本思路是将复杂问题分解为若干层次和若干要素,通过简单比较、判断和计算,获得不同要素的权重,最后通过加权求和做出最优选择。而SVM作为一种新兴的机器学习方法,也逐渐被引入到领导干部日常考核的指标设计之中。SVM的原则是结构风险最小化,在样本分类误差尽可能小的前提下,充分提高分类器的泛化推广能力,这有助于解决小样本、非线性以及高维模式识别问题;文章总结和比较了AHP、FAHP、SVM三种模型的理论基础和基本方法,试图为领导干部日常考核提供理论依据。     

人工智能技术在法医学中的应用研究进展

人工智能（artifi cial intelligence, AI）是基于大数据、机器学习等技术的一种智能化解决方案,能够提升形态学识别能力、诊断效率及质量。随着科学技术的迅猛发展,AI技术突飞猛进,成果应用日益广泛,为解决各类现实问题提供了新的方案和参考。“AI+”被广泛用于各行各业,取得了优异的成绩,其中法医学领域近年来涌现出了一批优秀的研究成果。本文对近三年来国内外法医学者发表的有关论文进行综述,希望能够为全国法医同行在病理学、临床学、人类学、毒物学等方面的研究提供新的思路。     

面向重复犯罪人的再犯罪预测方法

对重复作案者的识别、研究和监控是减少和控制犯罪的有效手段。通过对少数人群的重点关注,预测其是否再犯罪,可达到预防、减少犯罪的目的。针对再犯罪概率的定量的预测方法,利用数据挖掘中的决策树分析技术,选取最大程度代表再犯罪人员的多个特点作为分类属性,建立一棵能最有效划分犯罪人员再犯罪可能的决策树,可减少犯罪预测和情报分析的工作成本。     

机器学习的著作权侵权问题及其解决

机器学习是人工智能的关键技术，包括输入、学习与输出三个过程，需要以大量资料作 为训练数据，但在获取、使用受著作权法保护的作品时可能侵犯他人著作权。严苛的著作权保护模式 在一定程度上将阻碍机器学习技术的发展与应用，反之，过于宽松的著作权保护模式将抑制作者的创 作激情。利益平衡理论要求著作权制度在保护著作权人利益时应考虑社会公共利益，为机器学习技术 的发展与应用让渡一定空间。相较于合理使用制度的倾斜保护，法定许可制度能兼顾各方利益，实现 技术发展与文化创新的平衡。     

治理算法化的证成与风险:如何理解人工智能的治理属性北大核心

人工智能对于治理领域产生的变革要求在理论上予以重构与创新,将人工智能置于治理的内部“理论证成”与外部“风险识别”的二阶结构中提出并论证治理算法化这一分析框架,不失为一条在人工智能时代探讨治理变革的有益进路。治理算法化成立的先决条件除了“可计算化”模块的努力之外,更重要的是重塑治理的边界。其源起既是治理信任补强之需,亦有个体化时代建构集体行动之必要。治理算法化应始终秉持以人为尺度的应用逻辑。治理算法化存在“道”与“术”的异步困境,即存在商业逻辑优先于治理逻辑、算法偏见内化为公共理性、技术权力泛化为液态监控以及拟态真实取代治理情境等风险。因此,治理算法化仍须进一步促进技术与人的和谐关系。     

基于“微警务”的网络舆情监测体系研究

研究和探讨了基于“微警务”的网络舆情监测体系,高效、实时、准确地收集网络舆情数据,并应用大数据、机器学习和可视化等经典信息处理技术,实现舆情信息的深度处理、自动分析、直观展现,提出了舆情监测体系的系统架构,并进行了实例研究。     

基于LOF算法的规律异常车辆检测

异常检测是机器学习的一个应用方向,用于离群点检测。通过对晋江市的海量卡口过车轨迹数据进行特征提取,进而使用LOF算法对车辆出行规律特征进行异常检测,发现各个卡口的规律异常车辆。通过对各个卡口的规律异常车辆进行综合分析,挖掘出全市范围内的规律异常车辆,为侦察破案、治安稳控、情报研判提供线索。同时,该数据分析方式可引申用于单一车辆的异常轨迹检测或单一卡口的异常车流检测。