本研究提出了一种新型混合深度学习模型，结合VGG16、DenseNet121和MobileNetV2提取CT图像特征，采用主成分分析进行降维，最终通过支持向量分类器进行分类，检测准确率达到98.93%。

本研究使用行为生物特征进行身份验证研究，提供了一个包含15名用户手势数据的创新数据集。通过机器学习分类器，发现支持向量分类器是最强大的模型，准确率约为90%。然而，还需要进一步研究使其成为身份验证系统的可行选择。

本文介绍了一种名为ENIQA的无参考图像质量评估方法，结合了空间域和频率域的特征，使用支持向量分类器和回归进行质量预测和失真分类。实验结果表明该方法具有高度的客观和主观评估一致性，且具有很好的泛化能力。