基于脑电信号空域特征的紧急制动行为识别

基于脑电信号对紧急制动行为的分类识别和预测,是开发以人为中心的智能辅助驾驶系统的关键问题。为实现对驾驶过程中紧急制动和正常驾驶行为的分类识别,提出了基于PLV的特征表示方法来构建功能性脑网络,结合对网络特征参数的统计分析,确定显著性差异的特征参数,以及通过对数欧式距离提取脑电信号空域特征,并结合机器学习算法完成对紧急制动和正常驾驶行为的分类识别。实验结果表明,针对17名被试的紧急制动和正常驾驶的分类准确率均高于84%,最高准确率达到95.7%;对功能性脑网络的分析结果表明,在两种驾驶行为过程中,脑区间的交互都涉及全脑区,且在紧急制动过程中,脑区间的交互主要出现在额-中央-颞叶区,这与紧急制动下大脑更专注于判断决策相符。研究结果对理解驾驶过程中,尤其是紧急制动过程中驾驶员对应脑区间的依赖关系,以及开发智能辅助驾驶系统在驾驶过程中提前识别紧急制动意图具有一定的参考价值。

基于超图理论的中医方剂网络药对挖掘方法

随着复杂网络研究的深入发展,利用复杂网络理论对中药药方数据进行建模分析已成为研究中药配伍规律的重要方法之一。然而,传统的“药-药”网络结构只基于“点-边”关系,无法体现方剂和中药之间的高阶交互关系,从而影响药对挖掘的准确率和效果。针对该问题,提出了一种基于超图的方药超网络建模方法来刻画方剂与中药之间的高阶关联关系,以方剂为超边、方剂中的中药为节点构建方药超网络,对比传统“药-药”网络和方药超网络的统计特性发现,方药超网络节点超度分布更加符合幂律分布特征,具有小世界和无标度特性,证明了方药超网络建模方法具有合理性和可行性;基于方药超网络提出一种融合多因素的双权重度中心性指标(double weight degree centrality,DWDC)挖掘方剂中的常见中药,引入超边属性对节点特性的影响,以网络的脆弱性和鲁棒性为依据,通过各算法之间的对比实验,验证所提出方法能够更有效筛选出方剂超网络中的常见中药;再将DWDC指标推广到二阶常见药对挖掘,提出高阶指标H-DWDC,基于真实数据集的实验结果表明,该方法能够有效地从海量数据中挖掘出常见药对。

宋家嘴渡槽爆破拆除工程的实践

东风渠灌区宋家嘴渡槽因老化损坏严重,拟爆破拆除后原址重建。基于宋家嘴渡槽爆破拆除工程实例,对爆破方案选择、参数与网络设计、爆破安全、防护措施及效果等进行了较为详细的阐述与分析。实践证明,爆破方案和各项防护措施符合工程的实际情况,达到了预期的目的,对于同类型的渡槽爆破施工有一定的借鉴作用。

基于多层脑功能网络特征的动作意图识别

基于脑电信号完成对步态特征的解码分析并就动作意图做出可靠识别和预测,是基于脑机接口的人机混合康复训练系统和智能助行机器人中的核心问题。为实现对站立、坐下以及静止状态这些最基本步态过程的分类识别,提出了基于多层脑功能网络分析的特征表示方法,结合对各类脑功能网络特征的统计分析,确定对不同动作敏感的网络特征量,并结合支持向量机、线性判别分析、逻辑回归以及朴素贝叶斯算法完成对不同动作过程的分类识别。实验结果表明,所提出的方法可较好地实现对上述动作意图的识别,针对13名被试者对站立、坐下和静止状态的识别准确率均高于71%,最高达到77%。对多层动态脑功能网络的分析结果表明,下肢运动过程的发生会弱化脑区间的相互依赖关系,导致网络拓扑连接结构变得逐渐稀疏。研究结果对理解下肢运动过程中大脑认知过程变化,开展基于脑机接口的下肢康复策略研究和康复系统开发具有一定的参考价值。

齿轮参数对小型鼓形齿联轴器承载能力的影响

在空间有限、高承载和角向补偿量大的工作条件下,两轴间传递扭矩时需要小型鼓形齿联轴器,但是GB/T 26103.1—2010中的鼓形齿联轴器由于旋转直径大于100 mm、角向补偿量小于1°而无法满足工作要求。通过三维软件模拟小型鼓形齿联轴器加工过程并生成三维模型,对互相接触的内外齿面进行网格细化,建立高精度的鼓形齿联轴器内外全齿的有限元模型,研究在不同轴间偏角时转动过程中的齿面接触状态。模数、齿数是鼓形齿联轴器的基本参数,分析在轴间偏角为5°时不同模数、齿数对鼓形齿联轴器齿面接触情况和最大应力数值的影响,对比总结鼓形齿联轴器在转动中的规律,为小型鼓形齿联轴器的设计提供依据。

非小细胞肺癌化疗患者骨髓抑制发生状况及其影响因素

目的分析非小细胞肺癌化疗患者骨髓抑制发生状况及其影响因素。方法回顾性分析2017年2月—2019年8月期间本院进行化疗治疗的80例非小细胞肺癌患者临床资料,统计非小细胞肺癌化疗患者骨髓抑制发生情况,并根据其情况分组;收集所有患者临床资料,分析非小细胞肺癌化疗患者骨髓抑制发生的相关影响因素。结果80例非小细胞肺癌化疗患者中发生骨髓抑制45例,发生率为56.25%;经单因素及多项Logistic回归分析,年龄≥60岁、化疗方案为紫杉醇联合铂类,TNM分期在Ⅲ-Ⅳ期,发生骨转移是非小细胞肺癌化疗患者发生骨髓抑制的影响因素(OR>1,P<0.05)。结论年龄≥60岁、化疗方案为紫杉醇联合铂类,TNM分期在Ⅲ-Ⅳ期,发生骨转移会增加非小细胞肺癌化疗患者骨髓抑制的发生风险,临床上可据此来制定合理的干预措施,以降低患者骨髓抑制的发生风险。

3.0T磁共振动态增强扫描与超声检查对不同分子亚型乳腺癌的诊断价值

目的:探讨3.0T磁共振动态增强扫描与超声检查对不同分子亚型乳腺癌的诊断价值。方法:选取阳春市人民医院2021年8月—2022年8月收治的经磁共振和超声检查的乳腺癌患者60例,根据不同分子亚型将患者分为三阴性组(n=6)、HER2阳性组(n=12)和Luminal组(n=42),分析不同分子亚型乳腺癌患者的临床影像资料。结果:三组强化、强化方式比较,差异均有统计学意义(P<0.05);HER2阳性组、Luminal组强化方式以肿块为主,占比均高于三阴性组,差异均有统计学意义(P<0.05);三阴性组病灶均匀强化率显著高于HER2阳性组、Luminal组,差异均有统计学意义(P<0.05)。三阴性组形态规则率、边缘规整率、后方回声增强率均显著高于HER2阳性组、Luminal组,差异均有统计学意义(P<0.05)。结论:不同分子亚型乳腺癌病灶在3.0T磁共振动态增强扫描下具有不同的强化方式及病灶强化特征,在超声下具有不同的形态、边缘、回声,结合上述特征差异对临床鉴别诊断不同分子亚型乳腺癌有一定的帮助。

高黏度骨水泥椎体成形治疗骨质疏松性椎体压缩骨折

背景:有研究证实,采用高黏度骨水泥进行椎体成形治疗,可明显降低骨水泥渗漏风险。目的:分析高黏度骨水泥椎体成形治疗对骨质疏松性椎体压缩骨折的临床疗效。方法:纳入2014年10月至2017年2月衡水市人民医院骨病科收治的骨质疏松性椎体压缩骨折患者200例,其中男82例,女118例,年龄60-82岁,随机分2组:试验组(n=100)采用高黏度骨水泥行椎体成形治疗,对照组(n=100)采用低黏度骨水泥行椎体成形治疗,记录术中骨水泥渗漏情况。治疗前及治疗后3个月、1年,利用目测类比评分、下腰痛功能障碍指数评分、健康调查简表SF-36评分评估临床症状改善情况,利用影像学检查评估伤椎椎体高度恢复与Cobb角矫正情况。试验已获得哈励逊国际和平医院伦理委员会批准,批准号:2015-2-003(卫)。结果与结论:①试验组骨水泥渗漏率明显低于对照组(10%,27%,P=0);②治疗后3个月、1年,两组的目测类比评分、下腰痛功能障碍指数评分明显低于治疗前(P<0.05),SF-36评分明显高于治疗前(P<0.05),两组间目测类比评分、下腰痛功能障碍指数评分及SF-36评分比较差异均无显著性意义(P>0.05);③治疗后3个月、1年,两组的伤椎椎体高度与Cobb角均较治疗前明显改善(P<0.05),两组间伤椎椎体高度与Cobb角比较差异无显著性意义(P>0.05);④结果表明,高黏度骨水泥与低黏度骨水泥椎体成形治疗骨质疏松性椎体压缩骨折均具有较好的临床疗效,但使用高黏度骨水泥的骨水泥渗漏风险较低。

抵御背景知识推理攻击的服务相似性位置k匿名隐私保护方法

针对已有位置k匿名方法不能很好地权衡位置隐私和服务可用性之间的关系、易于遭受背景知识推理攻击、资源开销大的问题,提出了一种抵御推理攻击的服务相似性位置k匿名隐私保护方法。通过引入服务相似性生成标签相似地图,并根据服务相似度将用户所在分区与其他分区合并,生成满足用户服务质量需求的匿名候选区。为抵御推理攻击,在选择k匿名集时使用位置熵对攻击者的背景知识进行量化以生成熵最大的k匿名集。在生成k匿名集时,采用贪心策略并在匿名集随机选取一个位置点请求服务以降低资源开销。安全性分析和实验结果表明:相较于已有位置k匿名方法,在相同条件下,所提方法的隐私保护度和服务可用性平均提高了48.49%和60.01%,时间开销和通信开销平均降低了86.12%和66.57%。所提方法在隐私保护度、服务可用性和资源开销之间取得了更好的权衡,且可有效抵御背景知识推理攻击。

基于ACNNC模型的中文分词方法

目前,现有中文分词模型大多是基于循环神经网络的,其能够捕捉序列整体特征,但存在忽略了局部特征的问题。针对这种问题,该文综合了注意力机制、卷积神经网络和条件随机场,提出了注意力卷积神经网络条件随机场模型(Attention Convolutional Neural Network CRF,ACNNC)。其中,嵌入层训练词向量,自注意力层代替循环神经网络捕捉序列全局特征,卷积神经网络捕捉序列局部特征和位置特征,经融合层的特征输入条件随机场进行解码。实验证明该文提出的模型在BACKOFF 2005测试集上有更好的分词效果,并在PKU、MSR、CITYU和AS上取得了96.2%、96.4%、96.1%和95.8%的F值。

融合高阶信息的社交网络重要节点识别算法

识别重要节点是复杂网络研究的基础性问题。现有理论框架主要以"点-边"这种低阶结构为基本单元,往往忽略了多个节点之间可能存在的交互性、传递性等重要因素。为了更加精确地识别重要节点,对网络中以模体为基本单元的高阶结构进行了研究,首先,提出了节点高阶度的概念,进一步引入证据理论融合了节点的高阶结构和低阶结构信息,设计了一种融合节点高阶信息的半局部重要节点识别方法。在3个真实社交网络上的实验结果表明,相较于只关注低阶结构的已有方法,所提出的算法能够更加精确地识别网络中的重要节点。

秦淮河流域水系结构及连通度变化分析

为定量分析城镇化所导致的河网结构及水系连通变化,通过计算1990年、2000年、2010年和2015年4个时期秦淮河流域的河网密度、水面率、河网复杂度、河网稳定度、河网连通度、水文连通度,得出秦淮河流域水系结构演变过程及连通度变化规律,并运用统计学方法得到水系结构指标与水系连通度之间的联系。结果表明:近25年来,秦淮河流域河网密度、水面率均呈不断减小趋势,河道呈现主干化特征,流域河网整体规模呈萎缩趋势,水系连通变化与河网结构变化总体趋势一致,均呈降低趋势,且其变化与水面率、河网密度和河网复杂度具有显著相关性。

结合基因遗传和贪婪搜索的布谷鸟社区检测算法

为了提高复杂网络社区结构挖掘的精度,结合基因遗传和贪婪搜索提出一种面向模块度优化的布谷鸟社区检测算法(GGCSCA)。布谷鸟种群在有序邻居表上逐维随机游走,并采用优质基因遗传策略,使得种群高效优化,同时应用局部模块度增量最大化的贪婪偏好搜索算法快速提升种群质量,以取得好的社区划分结果。GGCSCA在基准网络和经典网络上进行了实验,并与一些典型算法进行对比,结果说明了本社区发现算法的有效性、准确性和快速收敛性,具有较强的社区识别能力,能够精细地检测出网络社区结构。

基于弹簧模型的重要节点排序算法

重要节点排序是复杂网络研究的重要问题。用网络的鲁棒性和脆弱性指标评价基于引力模型的重要节点排序算法GM(gravity model)和其局部算法LGM(local gravity model)时,当度大的节点从网络中移除后,其引力较大的近邻节点的后续移除通常并不能在很大程度上影响网络的结构与功能,说明算法在重要节点排序精度方面仍然存在提升之处。基于此,在弹簧模型的启发下,进一步考虑网络节点近邻和路径信息,并结合网络直径,提出了重要节点排序算法SM(spring model)和其局部算法LSM(local spring model)。基于合成网络和真实网络数据集针对网络的鲁棒性和脆弱性与经典算法进行对比实验,结果表明SM算法和LSM算法对于网络中重要节点排序具有更高的准确性。特别地,在Power网络上的SIR传播实验进一步证明了SM算法相较于其他算法,具有更高的合理性和有效性。

基于约束投票极限学习机的在线静态电压稳定评估

快速准确的在线静态电压稳定评估是规模化互联电网安全稳定运行的重要保障。针对传统神经网络学习模型调参繁杂、训练时间长、样本需求数量庞大等缺点,提出了一种基于约束投票极限学习机(constrained voting extreme learning machine,CV-ELM)的在线静态电压稳定评估模型。CV-ELM基于类间样本差值构建差向量集计算输入层对隐藏层的权值及隐藏层节点偏置项,并引入多数投票机制,通过集成学习的方式进行分类决策。此外,CVELM可自适应确定网络参数,在分类准确率、鲁棒性及泛化能力方面均优于传统的ELM。最后,基于新英格兰10机39节点系统的算例仿真结果证明了所提模型的有效性。

考虑量测数据缺失的电力系统暂态稳定评估

电力系统量测数据在传输过程中可能出现缺失,进而影响现有暂态稳定评估方法的性能。为此,基于生成对抗网络(generative adversarial networks,GAN)和极限学习机(extreme learning machine,ELM),提出了一种考虑量测数据缺失的电力系统暂态稳定评估方法。首先,使用GAN生成符合真实数据分布的新数据,解决量测数据缺失问题;然后,利用ELM评估模型实现对电力系统的暂态稳定评估;最后,在新英格兰10机39节点系统上进行测试。结果表明,所提方法能够有效修复缺失数据,显著提高暂态稳定评估准确率。与其他评估模型相比,其更适用于电力系统暂态稳定评估领域,有益于基于数据驱动的暂态稳定评估方法的实际应用。

黑山露天矿薄煤层煤炭干法分选

基于黑山露天煤矿气候环境采用干法分选工艺对该地区煤炭进行提质。为明晰原煤可选性,对黑山露天矿薄煤层进行了煤质资料分析,确定了煤种及原煤质量,分析了原煤浮沉特征。同时对80~0 mm原煤进行了分选试验,通过床层颗粒能量分布确定了分选过程中床层密度分布规律,采用响应面交互试验分析了各因素对灰分离析度的影响,确定了最佳分选条件,并用分选试验验证了该分选技术的可行性。结果表明,黑山露天矿薄煤层原煤属中等可选,随频率、振幅和气速的增加(均会引起能量增加),密度分布差异和灰分离析度呈先增加后减小的趋势,合适的床层能量输入有利于颗粒按密度离析分层。响应面分析表明灰分离析度对各因素变化敏感性较高,在频率32 Hz,振幅2.8 mm,气速0.6 m/s时,灰分离析度最大为0.98。在最佳分选条件下,80~0 mm原煤分选密度为1.97 g/cm^(3),可能偏差E为0.22 g/cm^(3),精煤产率为74.92%,精煤灰分为21.77%;对13~0 mm精煤再选后,灰分较主选精煤降低6.79%,80~0 mm精煤综合产率为66.99%,灰分为17.91%,干法分选工艺可有效提高黑山矿薄煤层的产品煤质量。

考虑样本不平衡的电力系统鲁棒暂态稳定评估

由于实际电力系统中暂态失稳样本稀少,基于数据驱动的暂态稳定评估方法面临训练样本类别分布失衡问题,严重影响暂态稳定评估结果的可靠性。针对此问题,提出了一种基于MAHAKIL过采样和BCLM的鲁棒暂态稳定评估方法。首先,通过MAHAKIL过采样改善原始样本集的类别分布;然后,基于BCLM构建电力系统鲁棒暂态稳定评估模型。在新英格兰10机39节点系统上的测试结果表明,所提方法能够显著降低原始样本类别失衡的影响,并对数据缺失和数据噪声具有较强鲁棒性。

基于迁移学习的智能静态电压稳定评估方案

由于电力系统拓扑结构复杂多变,基于数据驱动的静态电压稳定评估通常存在模型泛化能力不足的问题。针对该问题,文中提出了一种基于迁移学习的智能静态电压稳定评估方案。基于最大相关最小冗余(Maximal Relevance Minimal Redundancy,MRMR)准则和shapley值构建S-MRMR特征选择框架,对离线生成的数据集进行数据降维;基于梯度提升分段线性回归树(Gradient Boosting With Piecewise Linear Regression Trees,GBDT-PL)算法构建静态电压稳定评估模型,提取电力系统运行特征与静态电压稳定指标间的映射关系;利用迁移学习对GBDT-PL模型进行实时更新,提高模型的泛化能力。在由电力系统仿真软件PSS/E提供的23节点系统和1648节点系统上的仿真结果表明,文中所提方案对电力系统拓扑结构变化具有较强的鲁棒性,能够满足在线电压稳定评估的要求,为数据驱动方法实际应用于静态电压稳定评估提供了有益的参考。

融合多元信息的多关系社交网络节点重要性研究

识别重要节点是社会网络分析领域的重要任务之一,也是理解复杂网络结构和动力学特性的有效方式,迄今发展起来的节点重要性分析框架主要面向单关系网络.多关系网络作为准确刻画现实世界复杂系统的典型建模形式,已成为当前网络科学领域研究的热点,但对于多关系网络的节点重要性研究尚缺乏系统性的研究成果.针对多关系社交网络节点重要性研究问题,通过构建有向多重网络模型和基于张量代数的数学框架对其进行建模和分析,将中心性、声望和传递性作为影响社交网络节点重要性的关键因素,提出了一种面向多关系社交网络的节点重要性度量指标,并针对其存在不足引入D-S(Dempster-Shafer)证据理论进行改进,进一步提出了IOMEC(in-degree out-degree multiplex evidential centrality)节点重要性度量方法.在4个真实网络上的实验结果表明:采取信息融合的方法可以有效消除多关系网络耦合信息和传递机制对节点重要性评测造成的影响,提出的IOMEC方法能够更准确地对节点重要性进行度量,并且具有较低的时间复杂度,在论证节点中心性和声望是衡量节点重要程度主要因素的同时,说明了综合考虑节点传递性的必要性.所做工作为多关系网络节点重要性研究提供新的思路方法的同时,进一步拓展了信息融合技术的应用场景.