基于AdaBoost.MH算法的汉语多义词消歧

本文提出一种基于AdaBoost.MH算法的有指导的汉语多义词消歧方法,该方法利用AdaBoost.MH算法对决策树产生的弱规则进行加强,经过若干次迭代后,最终得到一个准确度更高的分类规则;并给出了一种简单的终止算法中迭代的方法;为获取多义词上下文中的知识源,在采用传统的词性标注和局部搭配序列等知识源的基础上,引入了一种新的知识源,即语义范畴,提高了算法的学习效率和排歧的正确率。通过对6个典型多义词和SENSEVAL3中文语料中20个多义词的词义消歧实验,AdaBoost.MH算法获得了较高的开放测试正确率(85.75%)。

基于AdaBoost.MH的Reyes渲染架构时间预估算法

在大规模真实感渲染系统中,需要对渲染任务进行分解和调度,将其优化后分配给不同的可用计算资源,实现快速集群渲染。为了实现渲染任务的有效分解和调度,提高并行效率,高精度的时间预估算法是不可欠缺的。通过深入研究使用RenderMan规范的渲染器常用的Reyes渲染架构中对渲染时间产生影响的各种因素,分析提取出影响渲染时间的7大要素特征,提出了基于AdaBoost.MH的渲染时间预估算法。通过在基于Reyes渲染架构的渲染引擎中的实验与测试表明,训练集和测试集的准确率分别达到79%和78%,为渲染任务的并行调度奠定了基础,同时也为渲染费用预估提供了依据。

基于Adaboost-INGO-HKELM的变压器故障辨识

针对目前变压器故障诊断准确率低的问题,提出一种多策略集成模型。首先通过等度量映射(isometric mapping, Isomap)对高维非线性不可分的变压器故障数据进行降维处理。其次,利用混合核极限学习机(hybrid kernel based extreme learning machine, HKELM)进行训练学习,考虑到HKELM模型易受参数影响,所以利用北方苍鹰优化算法(northern goshawk optimization, NGO)对其参数进行寻优。但由于NGO收敛速度较慢,易陷入局部最优,引入切比雪夫混沌映射、择优学习、自适应t分布联合策略对其进行改进。同时为了提高模型整体的准确率,通过结合Adaboost集成算法,构建Adaboost-INGO-HKELM变压器故障辨识模型。最后,将提出的Adaboost-INGO-HKELM模型与未进行降维处理的INGO-HKELM模型、Isomap-INGO-KELM模型、Adaboost-Isomap-GWO-SVM等7种模型的测试准确率进行对比。提出的Adaboost-INGO-HKELM模型的准确率可达96%,均高于其他模型,验证了该模型对变压器故障辨识具有很好的效果。

基于改进SVM算法的电力工程异常数据检测方法设计

针对传统电力工程数据异常检测过程中存在准确度差且主观性较强的问题,文中提出了一种基于改进支持向量机的电力工程数据异常检测模型。其在传统支持向量机的基础上加入了二叉树多分类算法,从而使模型具备多特征分类能力。同时通过引入AdaBoost分类器,来改善支持向量机弱特征分类能力较差的不足。为进一步提高准确度,还使用鲸鱼算法对模型惩罚项、核函数及迭代次数进行优化。在实验测试中,所提算法的检测准确度相较其他三种对比算法分别提升了5.35%、2.17%和5.35%,说明该算法具备更为理想的性能,并可有效提升电力工程数据检测的准确度,故能为电力基建工程验收与管理提供数据支撑。

基于Adaboost回归算法的安徽省物流需求短期预测研究

【目的】物流需求预测有助于调整物流资源的分配,对促进物流业发展具有重要意义。【方法】选取安徽省1995—2022年与物流需求相关的指标数据为原始样本数据,用货运量来表征物流需求。通过XGBoost特征选择算法筛选出6个用于预测的指标。在此基础上,使用3种方法分别构建模型,并对这些模型进行对比分析。最终,选择精度最高的Adaboost回归算法来预测安徽省短期物流需求。【结果】2023—2026年,安徽省的物流需求预测值分别为402 942.428万t、369 877.222万t、380 884.375万t、382 319.5万t。【结论】未来四年,安徽省物流的货运量呈不稳定发展态势。根据安徽省的区位优势及疫情的全面开放,安徽省物流业表现出较大的发展潜力。

基于最佳特征子集的自适应非视距身份识别系统

身份识别一直是安防领域的研究重点,其在非视距场景下的研究存在较大意义。针对识别的舒适度和隐私性问题,提出基于最佳特征子集的自适应非视距身份识别系统。通过有效结合多种预处理手段获取Wi-Fi信号的低维有用数据;提出鲁棒性人员检测方法截取有效片段;设计有监督特征提取方法,使用“前向搜索”获取最佳特征子集;改进传统Adaboost算法实现群体变化下的自适应识别。实验评估表明,当系统中志愿者为2~12人时,与相关系统和传统分类算法相比,均具有较好的性能。

多域特征提取结合AdaBoost的含未知故障提速道岔故障诊断方法

针对提速道岔未知新故障误判影响列车安全运行及道岔检修效率的问题,提出一种基于多域特征提取和自适应提升算法(Adaptive boosting, adaboost)的信号分析及故障诊断模型。首先,为了深入挖掘道岔的故障特征,分别从时域、频域及时频域提取故障特征,构造原始特征集;然后根据AdaBoost模型获得的特征重要度排序构造不同特征数量的分类模型,并利用模型分类精度进一步获得最佳特征子集;最后将最佳特征子集输入含判定机制的AdaBoost故障诊断模型,完成对提速道岔含未知故障类型的诊断,同时,通过对模型的再训练,实现了对现有故障诊断模型的自适应更新。结果表明:本文方法在有效提取故障特征,提高道岔已知类故障诊断精度的同时,可以有效地识别出道岔之前未出现的新故障。

基于NLRP3介导的细胞焦亡探讨痹通方含药血清对类风湿关节炎成纤维样滑膜细胞损伤的保护作用及机制

目的探讨痹通方含药血清对脂多糖(LPS)诱导的类风湿关节炎成纤维样滑膜细胞(MH7A)的细胞焦亡的保护作用机制及对NLRP3通路的影响。方法SD大鼠随机分成3组:空白对照组,痹通方低、高剂量组分别给予4.2 g/(kg·d)、16.8 g/(kg·d)灌胃;空白对照组给予等量蒸馏水灌胃。连续灌胃10 d后制备含药血清。将细胞分为5组:空白对照组,LPS处理组,痹通方含药血清低、高剂量组,MCC950组。收集上述各组细胞,CCK8检测细胞活力,RT-qPCR检测各组细胞肿瘤坏死因子α(TNF-α)、白细胞介素(IL)-18、IL-1β、单核细胞趋化蛋白(MCP)-1、MIP-1α基因表达水平及Western blotting检测AIM2、ASC、Caspase-1、IL-18、IL-1β、cleaved-GSDMD、GSDMD、NLRP3蛋白表达。免疫荧光染色法检测NLRP3表达情况。结果与空白组比较,LPS处理组细胞活力下降(P<0.01),TNF-α、IL-18、IL-1β、MCP-1、MIP-1αmRNA表达升高(P<0.01),AIM2、ASC、Caspase-1、IL-18、IL-1β、cleaved-GSDMD、GSDMD、NLRP3蛋白表达升高(P<0.01);免疫荧光结果显示,与空白对照比较,模型组NLRP3荧光强度显著升高(P<0.01)。与LPS处理组相比,给予NLRP3抑制剂MCC950组和痹通方含药血清组均可改善上述指标变化。结论痹通方能有效抑制NLRP3炎症小体表达,减少MH7A细胞焦亡及改善炎症损伤,其机制可能与调控NLRP3通路相关。

混合增强型机器学习算法在稀土供应链金融中评价中小企业信用风险的研究

稀土是支撑高端技术创新和新能源产业发展的关键原材料之一,研究解决稀土供应链中小企业融资困难的问题,做强我国稀土产业链,更好地维护国家战略利益是当务之急。供应链金融作为创新型融资方式成为实现中小企业融资授信的一种主要手段,但其中信用风险问题成为融资决策中需解决的最关键问题之一。本文提出了一种混合增强型机器学习算法,首先采用动态透镜成像反向学习改进的海洋捕食者算法(IMPA)对支持向量机算法(SVM)进行优化,再采用AdaBoost算法对优化后的SVM进行集成,建立AdaBoost-IMPA-SVM模型。采用该模型对供应链金融风险进行评价,重新建立供应链金融风险体系指标,通过相关性分析进行特效选取,并从计算机通信及其他制造业选取52家中国上市中小企业2019—2021年期间140个样本作为特征变量输入模型。仿真实验结果验证了该模型相较于其他信用风险评价模型具有更好的分类识别性能。

miR-27a通过TLR4/NF-κB信号通路对类风湿关节炎滑膜细胞生物学行为的影响

目的:探讨miR-27a通过Toll样受体(TLR)4/NF-κB信号通路对类风湿关节炎(RA)滑膜细胞生物学行为的影响。方法:选择行膝关节置换术的30例RA患者(RA组)和同期因创伤急诊截肢的18例患者(对照组)的滑膜组织,采用qRT-PCR法检测miR-27a的表达。将RA成纤维样滑膜细胞MH7A分为4组:空白对照组,不进行任何处理;TNF-α组,加入终浓度为20μg/L的TNF-α处理24 h;TNF-α+miR-NC组,加入终浓度为20μg/L的TNF-α处理后转染miR-NC;TNF-α+miR-27a mimic组,加入终浓度为20μg/L的TNF-α处理后转染miR-27a mimic,采用qRT-PCR法检测组织或细胞中miR-27a的表达量,CCK-8法检测细胞增殖情况,克隆形成实验检测细胞克隆形成能力,Transwell法检测细胞侵袭和迁移能力,Annexin V/PI双染法检测细胞凋亡情况,双荧光素酶报告实验验证TLR4 mRNA与miR-27a的靶向关系,Western blot法检测细胞中TLR4、NF-κB、磷酸化TLR4(p-TLR4)和磷酸化NF-κB(p-NF-κB)蛋白的表达情况。结果:对照组和RA组滑膜组织中miR-27a的表达量分别为(1.00±0.08)和(0.36±0.05),RA组低于对照组(P<0.001)。与空白对照组比较,TNF-α组和TNF-α+miR-NC组细胞中miR-27a表达量下降,TNF-α+miR-27a mimic组miR-27a表达量升高;与TNF-α组和TNF-α+miR-NC组比较,TNF-α+miR-27a mimic组细胞中miR-27a表达量升高(P<0.05)。与空白对照组比较,TNF-α组和TNF-α+miR-NC组细胞增殖、克隆形成、侵袭和迁移能力增强,细胞凋亡率降低;与TNF-α组和TNF-α+miR-NC组比较,TNF-α+miR-27a mimic组细胞增殖、克隆形成、侵袭和迁移能力减弱,细胞凋亡率升高(P<0.05)。双荧光素酶报告实验证实TLR4是miR-27a的靶基因。与空白对照组比较,TNF-α组和TNF-α+miR-NC组p-TLR4/TLR4、p-NF-κB/NF-κB升高;与TNF-α组和TNF-α+miR-NC组比较,TNF-α+miR-27a mimics组p-TLR4/TLR4、p-NF-κB/NF-κB降低(P<0.05)。结论:miR-27a可能通过抑制TLR4/NF-κB信号通路,降低RA成纤维样滑膜细胞的增殖、侵袭和迁移能力,促进其凋亡。

基于集成算法的腐蚀管道失效压力预测研究

为了提高腐蚀管道剩余强度的预测精度、解决单一预测模型易受训练数据的质量影响而发生运行及预测输出不稳定的问题,引入两种集成模型方法。首先对于串行结构集成方法,以支持向量回归(SVR)融合正余弦策略改进的黑猩猩优化算法(IChOA)为基础建立AdaBoost-IChOA-SVR模型;其次对于双层并行结构方法,根据预测问题筛选出相关性低且学习效果良好的预测算法作为第一层基预测器,调节新数据集形成方式及相关参数设置,建立Stacking堆叠集成模型。以含腐蚀缺陷管道失效压力爆破数据为例,利用MATLAB分别进行仿真模拟,与基础SVR和PSO-ELM模型的预测结果及评价指标进行对比分析。研究结果表明:集成预测模型具有更好的预测输出性能,且串行结构的AdaBoost集成学习模型的构造流程较为简洁,运行速度及精度更高;该模型对腐蚀缺陷管道失效压力预测问题的拟合度可达0.996,相对误差均值可达3.69%,可为后续腐蚀管道相关预测模型建立和防护维修策略制定提供参考。

考虑同侧和跨侧网络效应的UGC平台广告投放和内容创作补贴策略

UGC平台连接着内容创作者和消费者,双边用户间存在的同侧和跨侧网络效应吸引着他们进入一个或多个平台,从而形成不同的部分多归属结构。基于Hotelling模型,通过构建UGC平台的竞争模型,研究了双方均单归属(SS)、仅消费者边部分多归属(MS)和仅内容创作者部分多归属(SM)3种部分多归属结构下同侧和跨侧网络效应影响下的平台广告投放与内容创作补贴决策,以及其对市场份额和平台利润的影响。研究发现:当消费者边单归属(SS或SM)时,平台的广告投放随同侧网络效应单调递减;当消费者边多归属(MS)时,平台的内容创作补贴和消费者规模会随同侧网络效应单调递增,而同侧网络效应对平台的广告投放水平的影响是非单调的,其受到消费者对广告厌恶水平的影响。当消费者边多归属(MS)时,随着消费者边的跨侧网络效应的增加,平台会采取提高广告投放水平和内容创作者补贴,即从消费者处获得更多的广告收入以补贴内容创作者的策略;而随着内容创作者边的跨侧网络效应的增加,平台会降低广告水平并提高内容创作者补贴,即采取同时向两边用户让利的策略。当内容创作者边多归属(SM)时,随着消费者边的跨侧网络效应的增加,平台会同时向两边用户让利;而随着内容创作者边的跨侧网络效应的增加,平台会降低广告投放和内容创作者补贴水平,即降低对内容创作者的补贴而让消费者观看更少的广告。当某一边用户选择多归属时,该边用户的规模会随跨侧网络效应的提升而增长。通过对不同情形下均衡结果的横向比较,还发现双边用户中存在多归属的前提是较强的跨侧网络效应,而内容创作者多归属时,平台更容易对内容创作者提供补贴。

基于改进LSTM-AdaBoost的铣刀磨损量预测

针对铣刀磨损量预测时精度低的问题,提出一种基于黑寡妇算法(BWO)优化的长短期记忆神经网络(LSTM)与AdaBoost集成学习算法相结合的铣刀磨损量预测方法。在铣刀磨损振动信号中提取时域、频域以及时频域多域特征。通过BWO算法优化LSTM的核心参数,并将优化后的LSTM网络与AdaBoost算法进行结合,构建铣刀磨损量预测模型。最后用PHM Society 2010铣刀全寿命周期的振动数据进行实验。研究结果表明:所提方法能够有效地预测出铣刀磨损量变化值,优化后模型的平均绝对误差百分比为3.436%、均方根误差为6.471、决定系数R^(2)为0.935。该方法能够获得准确率更高的铣刀磨损量预测值,预测效率更高。

基于F-J-M法的桥梁温度与地震作用效应组合研究

目前铁路桥梁设计逐渐由容许应力法向极限状态法转变,而《铁路桥涵设计规范(极限状态法)》(Q/CR 9300—2018)并未提及地震作用与温度等可变作用的联合作用,给高寒高烈度区桥梁结构抗震设计带来了较大困难。为了推进桥梁以更经济的抗力方式抵御外荷载作用,通过目标可靠度指标确定其最优地震设计状况荷载组合分项系数,从而对现行桥梁设计规范抗震设计进行优化。建立了高寒地区某桥温度作用效应概率模型,使用Ferry Borges荷载组合理论探究地震和环境温度作用的效应分布特征,并基于JC法和多灾害荷载系数设计法(MH-LRFD)建立地震、温度作用荷载系数的表达式。依托某桥梁工程实例分别探究了地震、温度以及两者共同作用下的桥梁的失效概率。研究结果表明:环境温度引起的桥梁温度内力响应、主要构件材料特性变异均能显著影响桥梁的失效概率;对于高寒大温差地区,现行规范忽略环境温度效应将显著低估桥梁在地震作用下的失效概率。本文提出的F-J-M(Ferry Borges+JC+MH-LRFD)方法计算地震、温度作用组合系数,可为高寒地区桥梁抗震设计提供必要理论依据。

基于Adaboost算法的沉积微相自动识别--以陇东气田Q区山西组为例

在油气田开发中,沉积微相识别对于明确沉积背景及单砂体刻画起着重要的作用。陇东气田地质条件复杂,主力气藏深度大、产层单一,仅山1段底部产气,对于多种资料交叉共同分析沉积微相,仅依靠人工判别沉积微相,过程复杂且容易出错,很难在沉积微相和测井数据之间建立精确的对应关系。为了充分利用测井资料,提高沉积微相划分的效率,提出一种基于Adaboost算法的沉积微相自动识别方法,为后期气田开发沉积背景及单砂体刻画提供更准确的依据。在研究中,对测井曲线进行优选,并进行预处理,运用数学统计法提取了6个特征参数作为训练的输入集,把沉积微相的类型作为训练的输出结果标签,从已解释的沉积微相数据中选取共1210组作为训练样本,其中组建的训练样本共约968组,组建测试样本242组。研究结果显示,应用该方法的训练效果和测试结果的准确性分别达到96.45%,90.4%,可以验证该方法在陇东气田Q区应用效果较好。

不均衡小样本下的设备状态与寿命预测

针对面向小样本不均衡设备健康监测数据时AdaBoost处理效果差的问题,提出了基于裁剪过采样新增AdaBoost算法的设备健康状态分析以及寿命预测模型。首先,基于AdaBoost计算出样本权值分布和容量,根据样本最大权值与样本个数生成改进裁剪系数,选择性地对权值大于裁剪系数的样本进行处理从而提高计算效率。其次,通过类k近邻法则过滤出错分类样本权值,随后引入合成少数类过采样技术提升该种类样本权值个数,有效规避迭代过程中不均衡数据集可能引起的过拟合问题。最后,通过对设备运行状态进行准确分类并拟合出与时间相关的设备寿命曲线预测设备寿命。算例结果表明,所提模型能够有效分析出不均衡数据下的设备健康状况,同时也可以对剩余寿命进行有效预测。

基于VMD-BOA-LSSVM-AdaBoost的短期风电功率预测

针对风电信号具有间歇性、非线性、波动性、非平稳性和不确定性等特征,建立一种基于变分模态分解(VMD)和蝴蝶优化算法(BOA)优化最小二乘支持向量机(LSSVM)的风电功率短期预测模型,为提高预测精度,引入自适应校正算法(AdaBoost)。首先,利用变分模态分解将原始功率信号数据分解多个子序列。其次,利用蝴蝶优化算法优化最小二乘支持向量机组合预测模型对每个子序列进行预测。最后通过自适应校正算法将多个分量预测值重构得到最终的预测值,结合西北某一风电场提供的风电功率数据为例验证模型的有效性。结果验证了建立的组合预测模型能够较好地对短期风电功率进行预测,并具有较好的预测精度。

IL-6通过激活JAK2/STAT3信号通路增强小鼠肺泡巨噬细胞的吞噬功能

目的 探讨白细胞介素6(IL-6)对MH-S小鼠肺泡巨噬细胞吞噬功能的影响及其相关机制。方法 脂多糖(LPS)经气道滴入激发构建小鼠急性肺损伤(ALI)模型,ELISA检测支气管肺泡灌洗液(BALF)中IL-6的含量。体外培养MH-S细胞,在信号转导子与转录激活子3 (STAT3)抑制剂Stattic(5μmol/L)存在与否的情况下,再加入IL-6(10 ng/mL~500 ng/mL)刺激6 h,加入荧光微球孵育2 h后,采用流式细胞术检测MH-S细胞吞噬荧光微球情况;Western blot法检测磷酸化的Janus激酶2(p-JAK2)、磷酸化的STAT3(p-STAT3)、肌动蛋白相关蛋白2(Arp2)、纤维型肌动蛋白(F-actin)的表达水平。结果 鼻腔滴入LPS后,小鼠BALF中IL-6含量显著升高。随着IL-6刺激剂量的增加,MH-S细胞吞噬荧光微球的作用增强,Arp2、 F-actin蛋白的表达水平升高。100 ng/mL IL-6刺激MH-S细胞后,p-JAK2和p-STAT3蛋白的表达水平升高。阻断MH-S细胞STAT3信号后,IL-6促进细胞吞噬的效应完全消失,IL-6诱导的Arp2、 F-actin蛋白表达增加被抑制。结论 IL-6通过激活JAK2/STAT3信号通路促进MH-S细胞Arp2、 F-actin蛋白的表达增强吞噬功能。

卫星微波湿度计资料同化对雅鲁藏布江大峡谷暴雨模拟的影响

利用数值预报系统Weather Research Forecast Model(WRF)与三维变分同化系统Data Assimilation(WRF-DA),通过控制方案(Con)、NOAA-19方案(MHS)和FY-3C方案(MWHS-2),研究了FY-3C搭载的Micro-Wave Humidity Sounder 2(MWHS-2)和NOAA-19(National Oceanic and Atmospheric Administration-19)的Microwave Humidity Sound-er(MHS)微波湿度计资料同化了雅鲁藏布江大峡谷暴雨模拟预报的影响。结果表明:利用WRF-3DVAR(Three Dimensional Variation)同化MHS与MWHS-2微波辐射资料的模拟,改善了降水的落区位置,但MWHS-2试验降水落区更偏北;同化使得水汽场的落区明显改善,但相较于落区的改善,其对强降水量级的改善作用较小。同化增强了700 hPa南北风分量,加大了研究区域水汽的输送强度,有利于水汽聚集。同化也改善了温度场,如700~400 hPa层形成具有不稳定性的垂直温度场结构,有利于降水产生和发展。总之,MHS试验的模拟结果优于MWHS-2,主要体现在风场、温和湿度场。此外,MWHS-2试验的24 h预报均方根误差变化较稳定,说明该数据更有利于中后期的模拟。

一种可用于肝癌呼气信号鉴别的改进AdaBoost级联分类器

为了降低呼气检测技术在肝癌筛查中的漏诊率,本研究设计一种改进的AdaBoost级联分类器,并将其应用于鉴别健康志愿者和肝癌患者的呼气信号。首先,对训练样本进行自助划分获得一组训练子集。基于该训练子集,先后利用不同的机器学习算法,采用K折交叉训练和投票法得到多个子分类器;接着,将多个子分类器加权组合得到一个改进的AdaBoost分类器;然后,再次自助划分训练样本,以新的训练子集训练得到另一个AdaBoost分类器;最后,将两个AdaBoost分类器串联形成级联分类器。测试样本送入该级联分类器后,按照级联规则,潜在的异常样本将被反复筛查。以电子鼻采集到的120名志愿者的呼气信号的Relief优化特征集为训练样本,构建改进AdaBoost级联分类器,并对40例测试样本进行鉴别。结果表明,该级联分类器可有效区分出测试组中的肝癌患者和健康人的呼气信号,平均敏感性为93.42%,明显优于传统AdaBoost级联分类器,漏诊率显著降低。此外,该级联分类器的稳定性较好,精度的变异系数仅为3.95%。可见,改进AdaBoost级联分类器可有效提升分类器对肝癌呼气信号的检测能力,对实现基于呼气检测的肝癌无创普及性筛查技术的研究具有重要意义。