遗传模糊系统的研究概述

模糊系统能够解决许多应用领域中的不同问题。目前众多学者对增加模糊系统学习和自适应能力的研究兴趣不断增加。神经模糊系统和遗传模糊系统,将软计算领域中的神经网络和遗传算法与模糊系统的近似推理方法相结合,成为目前两个最成功的模糊系统。这里介绍了遗传模糊系统的各种模型和应用领域,分析了此领域的研究方向和趋势。

血栓通佐治急性脑出血82例临床研究

目的 :观察血栓通佐治急性脑出血的疗效。方法 :对82例急性脑出血病人应用常规治疗基础上并用血栓通静脉输注一疗程 ,并与常规治疗组(对照组 )比较分析。结果 :血栓通组 (观察组 )的显效率和总有效率高于对照组 (P <0 .0 1,P <0 .0 5 ) ,血液流变学各项指标明显降低 (P <0 .0 5 ) ,而对照组相应指标改变不明显(P >0 .0 5 ) ,两组间治疗后比较有统计学意义 (P <0 .0 5 ) ,两组头颅CT血肿容积减少比较无统计学意义 (P >0 .0 5 ) ,但观察组缺血区缩小较对照组明显。结论 :血栓通佐治急性脑出血效果良好。

层次化粒子群优化算法及其在分类规则提取中的应用

介绍层次化粒子群优化算法,采用自下而上的方式在层次结构中移动粒子.将此算法应用到分类问题,用于Iris数据集的分类规则提取,并与标准的粒子群优化(ParticleSwarmOptimizer,PSO)算法相比较,结果表明提取规则的精度得到提高.

基层医院卒中单元医疗模式的临床研究

目的观察在基层医院开展卒中单元医疗模式的临床效果。方法对90例病人实施自行设计的卒中单元医疗模式(观察组),并与0例传统治疗(对照组)进行对比分析。结果观察组总显效率为70.0%、总有效率为92.2%,高于对照组的7.5%、78.8%(P<0.01或P<0.05),常见4种并发症发生率显著低于对照组P<0.01)。结论脑卒中急性期实施卒中单元医疗模式效果优于传统治疗。

基于参数估计的遗传程序设计方法

在遗传程序设计算法中 ,针对应用传统的遗传程序设计方法 ( Genetic Programming,GP)解决符号回归问题所遇到的困难 ,嵌入一个基于模拟退火思想的参数估计过程 ,得到更为精确的参数和个体结构 .实验表明 ,此方法提高了

基层医院卒中单元医疗新模式VCD教学和康复训练示教片(附100例报告)

目的观察自行制作的基层医院卒中单元医疗新模式VCD教学和康复训练示教片实施后的临床效果。方法对100例患者实施VCD教学和康复训练(观察组)并与82例传统治疗(对照组)进行比较分析。结果观察组的总显效率为72%,总有效率为93%,高于对照组的37.5%、78.9%(P<0.01、P<0.05)常见的四种并发症发生率显著低于对照组(P<0.01)观察组健在患者对卒中防治知识有一定的认识,进步以上的患者掌握康复训练功能操作。结论实施基层医院卒中单元医疗新模式VCD教学和康复训练示教片效果优于传统治疗,实施性好。

56例消化性溃疡患者的心理健康状况调查

消化性溃疡目前认为系一种心身疾病,本文对56例消化性溃疡患者的心理健康状况及相关的类神经症症状进行了初步调查和分析。研究对象与方法对象:56例消化性溃疡组患者的诊断均为胃镜或胃钡餐所证实,其中胃溃疡36例,球部溃疡20例;男30例,女26例,年令在16～45岁,平均31岁;病程0.1～9年,平均1.2年,全部病人均无合并其他较严重的躯体疾病。

出血性脑卒中急性期康复程序的设计和实施后效果观察

目的：观察出血性脑卒中急性期康复治疗的效果。方法：对４０例患者实施自行设计的康复程序治疗，并与２７例纯药物治疗（对照组）比较分析。结果：显示治疗组的显效率和总有效率高于对照组（Ｐ＜０．０１和Ｐ＜０．０５）。常见四种并发症发生率显著低于对照组（Ｐ＜０．０１）。结论：提示出血性脑卒中急性期实施康复程度治疗效果优于纯药物治疗，本康复程序设计合理，实用性好。

进化算法中一种高级映射方式:胚胎生成

1. 引言 进化算法是借鉴生物界自然选择和自然界遗传机制的一类搜索算法,已在最优化、机器学习、人工智能、并行处理等领域得到了非常广泛的应用.它从任意个体组成的初始群体出发,通过选择策略,交叉和变异等遗传操作组成新的群体,群体经过若干代的进化,最终找到问题的最优解或次优解.

遗传程序设计方法在分类问题中的应用

分类是数据挖掘的一项重要任务 ,如何发现可理解的、令人感兴趣的分类规则是数据挖掘面临的一个主要问题。将遗传程序设计方法应用到分类规则的挖掘上 ,利用具有分层结构的两类别分类问题的分类器解决多类别的分类问题。

基于遗传算法的Bayesian网结构学习研究

从不完备数据中学习网络结构是 Bayesian网学习的难点之一 ,计算复杂度高 ,实现困难 .针对该问题提出了一种进化算法 .设计了结合数学期望的适应度函数 ,该函数利用进化过程中的最好 Bayesian网把不完备数据转换成完备数据 ,从而大大简化了学习的复杂度 ,并保证算法能够向好的结构不断进化 .此外 ,给出了网络结构的编码方案 ,设计了相应的遗传算子 ,使得该算法能够收敛到全局最优的 Bayesian网结构 .模拟实验结果表明 ,该算法能有效地从不完备数据中学习 .

遗传程序设计方法综述

近年来 ,遗传程序设计 (genetic program ming,GP)的研究引起了人们很大的关注 ,它运用遗传算法(genetic algorithm,GA)的思想 ,通过生成计算机程序来解决问题 .介绍了遗传程序设计的研究状况以及目前的研究进展 ,概述了它的基本算法、主要特点、理论与技术 ,同时介绍了一些 GP实现系统以及主要的应用领域 ,最后探讨了遗传程序设计的研究方向 .

自适应定向加权中值滤波

提出了自适应定向加权中值(ADWM)滤波的算法.ADWM滤波是结合定向滤波与加权中值滤波的思想而构造的滤波模型,是一种高度非线性的图像平滑和增强技术.运用移动窗口方差和基方差使ADWM滤波获得了自适应性.ADWM滤波器既有定向滤波器的特征,也有中心加权中值滤波器的特征.定向滤波器可以有效保持边缘,而中心加权中值滤波器对减少随机噪声尤其有效,同时也能在一定程度上减少冲击噪声的数量,并根据子窗口内像素的最低方差自适应地调整中心像素的权值以保持图像的细节.

基于Fourier-Mellin不变量的图像配准方法

提出了基于Fourier-Mellin不变量的图像配准方法,该方法可对存在旋转、比例和平移变换的两幅图像进行配准。原有的基于Fourier- Mellin不变量的方法是建立在无限连续图像模型基础之上的,因此当应用于有限离散图像时,不能取得理想的相关峰值。改进方法针对有限离散图像采用了滤波技术,能有效去除Fourier- Mellin域中的伪像,并能产生明显的相关峰值;同时又能克服噪声干扰的影响;此外,通过将原有方法中二维相关函数的计算简化为两个一维相关函数的计算,可以降低时间计算复杂度,提高配准效率。

基于遗传算法的动态Bayesian网结构学习的研究

动态Bayesian网是复杂随机过程的图形表示形式 ,从数据中学习建造动态Bayesian网是目前的研究热点问题 .本文针对该问题提出了一种遗传算法 .文中设计了结合数学期望的适应度函数 ,该函数利用进化过程中的最好动态Bayesian网把不完备数据转换成完备数据 ,使动态Bayesian网的学习分解为两个Bayesian网 (初始网和转换网 )的学习 ,简化了学习的复杂度 .此外 ,文中给出了网络结构的编码方案 ,设计了相应的遗传算子 .模拟实验结果表明 ,该算法能有效地从不完备数据序列中学习动态Bayesian网 。

荧光造影图像序列的噪声滤波

通过对视网膜血流荧光造影图像分析, 将自适应加权平均方法与顺序统计滤波器相结合, 构造了扩展自适应加权平均(EAWA)滤波器. EAWA滤波器是一个灵活的滤波器模型,它通过设计关键像素和权值分布函数, 以达到特定滤波效果. 在此模型基础上, 针对荧光造影图像, 建立了高亮度保持(HIP)滤波器. 实验结果表明, HIP滤波器不仅可以有效地滤波,又可以保持高亮度点的亮度不被退化.