💻 计算机科学
Computational Personality Assessment: A Data- Driven Machine Learning Approach Using Engineered Behavioral Features
本文提出了一种数据驱动的机器学习流水线，通过构建三个复合行为特征并评估 13 种算法，将内向与外向分类的准确率显著提升至 91.90%，证明了在统计稳健的框架下，K-最近邻算法表现最优。
💻 Category
cs
4157 篇论文
💻 计算机科学
Automatic Discovery of Intra-Class Sub-Structure for Supervised Tabular Classification: Offline Clustering vs. Joint Sub-Center Training
这项严谨的实证研究表明，虽然通过对倒数第二层特征进行常规离线聚类来发现类内子结构是不可靠的，且往往会降低表格分类性能，但一种联合端到端的子中心训练方法能有效缓解这些风险，尽管作者得出结论称，目前尚不存在能够预测何时进行此类子结构发现是有益的稳健启发式方法。
💻 计算机科学
An automated pipeline for biomedical research hotspot mining integrating contextual embeddings and temporal citation ranking: a case study in cataract research
本文提出了一种全自动流水线，该流水线整合了 BioBERT 上下文嵌入、混合聚类和时间引用排序，以有效地绘制生物医学研究图景并识别演变中的热点，并通过对白内障研究的全面案例研究进行了验证。
💻 计算机科学
Global Interaction Modeling with Human Knowledge for Important Traffic Objects Identification
本文提出了一种用于识别重要交通目标的创新框架，该框架利用鸟瞰图全局交互建模和对比语言-运动预训练方法来整合人类知识，从而克服了现有二维视觉方法在时空推理和动态理解方面的局限性。
💻 计算机科学
CATD-LPT-CFPM- Cluster Aware Top-Down Linear Prefix Tree for Closed Frequent Pattern Mining
该论文提出了 CATD-LPT-CFPM 框架，该框架通过对事务进行聚类以减少搜索空间，并采用一种带有自顶向下封闭性剪枝机制的多级剪枝策略，旨在最大限度地减少冗余处理和内存使用，尽管这会产生一定的聚类和树构建开销。
💻 计算机科学
Canonical Alignment and Weighted Neural Network for Autonomous Part Defect Identification in 3D Point Clouds
本文提出了一种增强型基于 PointNet 的框架，用于 3D 点云中的自主缺陷识别，该框架利用基于确定性 SVD 的规范对齐和加权交叉熵损失来克服几何变异性和类别不平衡问题，从而在提高准确性的同时降低推理延迟，以实现实时工业检测。
💻 计算机科学
Atmospheric Turbulence-Driven Chaotic Cloud Drift Optimization for Feature Selection and Forecasting
本文提出了混沌改进云漂移优化（CI-CDO）算法，这是一种通过大气湍流动力学和混沌映射增强的新型元启发式算法，该算法在解决基准优化问题、为分类选择最优特征子集以及预测现实世界环境数据方面展现出了卓越的性能。
💻 计算机科学
Metadata Supervised Imaging Representations for Modelling and Controlling Acquisition Variability
本文提出了一种元数据监督的方法，旨在将生物医学成像中的解剖结构从采集依赖性变化中解耦，从而实现采集感知表示的创建以及一个统一的协调模型，进而提升跨不同成像协议和站点的泛化能力、可解释性和临床部署能力。
💻 计算机科学
Interpretable Ensemble Machine Learning for Process-Parameter-Driven Prediction of TiO₂–PVP Electrospun Nanofiber Diameter
本研究表明，一种可解释的集成机器学习框架（具体为利用极端随机树回归）能够基于工艺参数准确预测 TiO₂–PVP 电纺纳米纤维的直径，从而为传统的耗时实验优化方法提供了一种高效且精确的替代方案。
💻 计算机科学
MSF-TrashDet: A Lightweight Multi-Scale Feature Fusion Network for Automatic Waste Object Detection Using the TrashNet Dataset
本文提出了 MSF-TrashDet，这是一种轻量级多尺度特征融合网络，该网络利用一种新型的多尺度特征增强模块和结构化通道剪枝，在 TrashNet 数据集上实现了高精度、高效的垃圾目标检测，在保持低计算复杂度的同时，以 91.91% 的 mAP50 性能超越了 YOLOv5n、YOLOv8n 和 YOLOv11n 等最先进模型。