大数据技术及其在煤矿安全管理中的应用探讨

基于大数据技术,围绕提升安全风险辨识管控能力、事故隐患预测预警能力,全面推进安全生产信息化、智能化,进一步提升煤矿安全管理和监管水平。

引导战士树立正确的利益观

最近,围绕物质利益问题,同基层干部进行了研究探讨,觉得要引导战士正确认识和贯彻物质利益原则,就必须以马克思主义作指导,更新物质利益观念,确立正确的利益观。合理调整战士的"利".

基于Levenberg-Marquardt算法的心电高斯模型研究

针对心电信号中各构成成分(P波、QRS波、T波)波形特征,本研究提出了一种基于伯格–马夸尔特算法创建心电高斯模型以实现心电波形特征研究进而对心电特征进行定性评价研究。首先,基于小波分解对心电信号进行预处理,以消除基线漂移以及背景噪声;其次,以心电信号各R峰间距为参考,按照1:2的分割比例对心电信号进行周期分割;最后,基于Levenberg-Marquardt (LM)算法创建心电高斯混合模型以刻画各成分波形特征。本算法通过对MIT-BIH心律失常数据库中48条心电数据进行分析,利用其拟合优度均值为0.9668对本算法可行性进行了验证。

基于最小二乘法椭圆拟合在心音识别中的应用研究

心音识别是诊断心脏疾病的重要方法之一,其识别精度使医护人员为患者提供更加准确的治疗手段。鉴于此,为提高识别精度,本研究提出了基于支持向量机(SVM)对心音信号特征生成分类边界曲线,考虑到分类边界曲线的形状,建立了基于分类边界曲线的最小二乘法椭圆模型,优化了心脏疾病诊断的复杂性。其算法步骤为:首先根据心音信号的频率特征生成基于支持向量机的分类边界曲线,然后建立基于分类边界曲线的最小二乘法椭圆模型对分类边界曲线进行椭圆拟合。为验证在心音识别应用中椭圆模型的有效性,对在线心音数据库和临床心音的实验分析,即对188例房颤、181例主动脉瓣返流、257例二尖瓣返流、325例正常声音和150例肺动脉瓣狭窄心音进行检测,其分类精度分别为91.7%、98.8%。98.4%、99.8%和98.7%,证明其分类具有较高的精度。

基于高斯混合模型的心音分类研究

为表示复合心脏病的复杂诊断信息,本研究提出一种基于高斯混合模型结合概率诊断心脏病的方法。本文结构如下:首先,利用电子听诊器采集心音信号;其次,采用小波分解对心音信号进行预处理,以保留心音信号有效成分,然后采用功率谱分析结合阈值线方法提取心音信号频率域特征;最后,基于精度建立最优高斯混合模型数量并结合后验概率得出诊断结果。为验证本研究有效性,以2560秒心音数据作为研究对象,实验结果表明,该方法可以概率模式描述不同类别所属程度得出最终诊断结果。

基于增量高斯混合模型的心电分类研究

本研究提出一种基于增量高斯混合模型算法的心电分类方式。与其相对应的分为三个阶段:第一阶段,基于小波分解对心电信号进行预处理,以消除基线漂移(0.15~0.3 Hz)和背景噪声;第二阶段,首先基于短时修正希尔伯特变换(STMHT)定位R峰,然后自动确定QRS波进而提取心电特征参数;第三阶段提出一种无监督式增量高斯混合模型算法实现心电信号分类。本研究结果在MIT-BIH心律失常数据库中对48组心电数据进行分类比较,其准确率达93.31%。