基于数据流的K-S变化检测的动态多目标规划算法

为了更加准确地判断环境是否发生变化并快速追踪动态多目标规划问题(dynamicmulti-objectiveoptimization problem,DMOP)当前时刻的Pareto前沿,提出了一种基于数据流的Kolmogorov-Smirnov(K-S)变化检测的动态多目标规划(DSK-SDMOP)算法。该算法以NSGA-Ⅱ为基础,通过数据流建立2个时刻的检验窗口,再利用K-S检验基于数据流的Pareto最优前沿是否发生变化,检测2个窗口的数据是否服从同一分布来判断环境是否发生变化,并就环境变化的剧烈程度实行相应的应答机制,以提高对环境的适应程度。利用基于数据流的K-S检测方法,对环境变化不会过于敏感,而且不用提前假设对应目标值的分布,易于操作。通过5个动态多目标规划标准测试函数对该算法进行测试,并和现有的2种算法进行对比分析,结果表明该算法处理动态多目标规划问题具有良好的性能。

基于K均值聚类算法和LSTM神经网络的管道腐蚀阶段预测方法

针对声发射检测获得的管道腐蚀信号,提出了一种基于K均值(K-means)聚类算法和长短期记忆(LSTM)神经网络的管道腐蚀阶段预测方法。首先,利用K-means聚类算法将腐蚀信号分类,再构建LSTM神经网络模型,并采取了无监督学习的方式,以声发射波形为出发点,对模型进行参数优化,最后进行管道腐蚀阶段预测,并根据评价指标对模型进行评价。研究表明:对LSTM神经网络模型适当增加隐藏层,可以使得模型更加稳定,鲁棒性更好;与现有故障诊断模型相比,LSTM神经网络模型的精度更高。

基于参数化角编码的量子K-means算法

结合K-means算法和角编码技术,提出了一种无需量子随机存储(QRAM)的量子K-means算法。该算法利用量子操作的并行性,仅需对数数量的时间复杂度就能完成数据的加载;并且通过对输入数据进行参数预处理操作,确定数据分量的参数阈值,解决了样本不同特征尺度差异的问题。该算法由编码数据、相似度度量、量子最小值搜索和质心迭代更新四个主要步骤组成,细致描述了这些步骤所涉及的算子和线路构建,并对关键线路进行了仿真模拟。实验结果和经典预测结果一致,验证了所提量子K-means算法的可靠性。此外,理论分析表明所提出算法相比于经典算法在运行时间上有平方级加速。

达雷妥尤单抗治疗患者检出抗-K、抗-Wr^(a)的血清学分析

目的 通过对1例使用达雷妥尤单抗患者的抗-K、抗-Wr^(a)标本特点进行分析,以研究合理的血清学检测途径。方法 选取盐水法、凝聚胺、卡式抗人球蛋白方法、二硫苏糖醇(Dithiothreitol, DTT)处理、胰蛋白酶处理、木瓜蛋白酶处理等方法,对患者血浆、酸放散液进行意外抗体筛查和鉴定。用K抗原阴性红细胞吸收患者血清后热放散。分析抗体性质,持续检测效价。排除达雷妥尤单抗干扰后进行交叉配血。结果 患者血浆在盐水、凝聚胺介质中检出抗-K、抗-Wr^(a),患者自身放散液中应为达雷妥尤单抗。木瓜酶不能排除达雷妥尤单抗干扰;DTT、胰蛋白酶处理红细胞后可排除达雷妥尤单抗干扰。但DTT处理破坏K抗原,漏检Kell系统IgG抗体;胰蛋白酶处理不影响K抗原,可检出达雷妥尤单抗治疗患者血清中的Kell系统IgG抗体(抗-k)。该患者抗-K为IgM,盐水法效价4,39 d后减弱至盐水法室温不凝集;抗-Wr^(a)为IgG,凝聚胺法效价4,39 d后减弱为1;76 d后抗-K、抗-Wr^(a)均测不出。选择K、Wr^(a)抗原阴性的红细胞输注,安全有效。结论 DTT处理红细胞可排除达雷妥尤单抗干扰,但要注意Kell系统抗体的漏检。为避免达雷妥尤单抗掩盖同种抗体,可联合使用DTT处理、凝聚胺法、胰蛋白酶处理等多种方法。

0-k膨胀计数回归模型的参数估计与统计检验

0-k膨胀计数回归模型的参数估计与统计检验一直是数据分析的热点问题.借助隐变量重新设定0-k膨胀回归模型,并采用EM算法和Fisher信息矩阵给出参数的点估计和区间估计;基于Wald统计量和LR统计量对0-k膨胀分布是否会退化的现象进行统计检验;以0-k膨胀泊松回归模型为例进行实际应用.研究结果显示,采用EM算法进行参数估计时收敛速度较快且估计结果稳健,不同的0-k膨胀泊松分布对原始数据的拟合效果不同,若将k设定为非膨胀数值可能会导致拟合结果出现偏差.

基于K-means的水下控制系统集成测试风险分析

采用危险源辨识分析(HAZID)工具对南海某水下控制系统集成测试进行风险识别,研究水下电力和通信设备的联合测试等过程存在的风险,针对HAZID技术识别的测试风险,定义风险的3个指标,包括风险发生可能性、风险后果严重程度和风险预防控制能力,将风险进行K-means聚类分析,采用SPSS软件将风险分为重大风险、高风险、中风险、低风险等4个聚类等级,识别4类共21个测试风险。在实际运用中,该方法可为水下控制系统集成测试风险制定有针对性的措施,可高效、科学和系统地指导水下控制系统集成测试工作开展。

基于M-K检验法的青海高原降水特征分析

利用青海省49个气象站1961-2018年降水资料,将青海省分为3个区域,采用单变量和多变量Mann-Kendall(M-K)检验法,分析了青海省降水时空变化特征。结果表明:1961-2018年,青海省年平均降水量总体呈上升趋势;年平均降水量、年平均降水日数、年最大降水量的空间分布基本保持一致,呈由东南向西北递减趋势,三者最高在黄河源地区、祁连山东段、青海省东部地区和三江源东部地区,其次为三江源中西部地区,最低值在柴达木盆地。青海省降水量总体呈上升趋势主要是由Ⅰ区(柴达木盆地和祁连山区)和Ⅲ区(三江源地区)降水量显著上升引起的,而Ⅱ区(青海省东部地区)降水量变化不显著。在整体趋势分析方面,单变量检验只能分析单个变量的变化趋势,多变量检验能综合分析联合变量的变化趋势,单变量和多变量M-K趋势分析方法结合应用,能同时考虑整体序列中的每个成分的趋势变化,从而得出更加可靠和准确的结论,分析结果对进一步了解青海高原降水特征,合理开发和利用降水资源具有重要的参考价值。

基于k-均值聚类算法的高层建筑表面风压分区研究

为分析高层建筑表面的风压特征和关键区域,以高宽比为4∶1的高层建筑风洞试验模型为对象,采用k-均值聚类算法,对0°风向角下模型各个面的风压测压管时程数据进行分析,研究结果表明:建筑左、右侧面以强烈的负压为主导,且角点附近存在负压极值;k-均值聚类算法可以有效地识别不同表面风压场的特征,风压的聚类结果与平均风压系数的分布较为吻合,且能得到代表性的风压测压管。

mTOR Complex1-S6K1信号通路在2型糖尿病发生发展中的作用

随着人们生活水平的提高，全身代谢性疾病逐渐成为影响人类生活质量的主要疾病之一。在近年的调查研究中发现，糖尿病的发生率较过去20年间呈数倍增加，尤其糖尿病并发症引起的死亡率较前大大提升。所以深入研究糖尿病的发生、发展机制成为目前治疗糖尿病的关键。mTOR信号通路是雷帕霉素的靶分子，是丝氨酸／苏氨酸蛋白激酶，在感受营养信号、调节细胞生长和增殖中起关键性的作用。mTORComplexl-S6K1信号通路可受如生长因子、激素、能量信号等多种因素的调节，在糖尿病的发生、发展中起重要作用。本文将详细阐述mTORComplexl-S6K1信号通路在糖尿病的发生发展中的作用机制。

基于拉丁方抽样及K-S检验的边坡可靠性分析

边坡稳定性是受复杂因素影响下的多维非线性问题,大多数边坡工程都存在着不确定性。大量试验和工程实践证明,影响边坡状态的因素中有许多具有显著的随机性,参数具有变异性。从概率的角度出发,结合实际工程,对于原始数据采用K-S检验法进行假设验证,确定参数变量的分布类型,克服了人为假设的误差,并分别采用Latin方抽样(LHS)法和Monte Carlo法对参数进行抽样,得到状态函数值,确定安全系数及可靠指标,对比两种抽样方法,基于LHS法模拟次数要少于Monte Carlo法,而且破坏概率的收敛性也优于Monte Carlo法,明显节省了计算时间。

二维K-S检验法在岩体统计均质区划分中的应用

在常规的岩体统计均质区划分方法中,产状数据相似性判定结果通常会受到投影图子区划分方案的影响,并且不适用于小样本数据。为解决上述问题,引入二维K-S检验法进行产状数据相似性判定。首先介绍了K-S检验法的基本原理,继而根据二维K-S检验法提出了产状数据相似性判定的具体算法,并利用算例验证了算法对小样本产状数据的适用性。最后,针对北山坑探设施斜坡道进行了应用和验证。提出的算法不需要进行投影图子区划分,适用于小样本数据,为岩体统计均质区划分提供了一种新手段。

基于K-S检验和动态灰色模型的机械设备剩余寿命预测方法

提出了一种基于K-S检验和动态灰色模型的机械设备剩余寿命预测方法。提出以Kolmogorov-Smirnov检验为基础的K-S距离作为描述机械设备退化状态的性能指标,通过退化指标序列动态训练灰色模型、更新模型参数,预测退化指标的变化趋势并确定到达设定失效阈值时的预测步数,以此计算机械设备的剩余使用寿命。最后通过轴承全寿命样本数据对其验证,并与传统的二次曲线拟合预测法和静态灰色模型预测法进行比较,结果表明所提出的方法更能有效地预测轴承的剩余寿命,具有较高的预测精度。

基于Kolmogrov-Smirnov检验和LS-SVM的机械设备故障预测

提出一种基于Kolmogrov-Smirnov检验和LS-SVM的机械设备故障预测新方法。基于K-S检验计算参考样本与正常状态样本经验分布函数的相似度,确定2个样本是否属于同一分布,即设备是否处于相同的运行状态,实现对设备运行退化状态进行识别,并采用当前退化状态与正常状态的K-S距离作为性能评估量化指标,在此基础上给出基于K-S检验和LS-SVM的设备故障预测系统框架。研究结果表明:该方法可以有效地对设备进行退化评估和故障预测,计算效率高,具有较好的适用性。

基于K-S检验和邻域粗糙集的特征选择方法

传统的肿瘤基因选择算法挑选出的特征基因中存在大量噪声基因和冗余基因,从而对基因算法的准确性和分类精度产生影响.针对这一问题,将K-S检验与邻域粗糙集融合成为一种新的特征选择方法.首先,采用累积分布函数计算正负类样本的累积函数值和K-S检验统计量,对照显著性水平下的样本统计量,从而去除冗余基因和噪声基因;然后,使用邻域粗糙集进行约简,对比条件属性重要度得出最优约简结果;最后,对比K-S检验和两种基于K-S检验的特征选择方法得到的冗余度和分类精度,通过实验验证这种方法不仅能准确挑选出具有显著区分能力的肿瘤基因,且效率高具有可行性.

K-S检验在轴承故障诊断中的应用

将K -S检验应用于轴承故障诊断中 ,成功快速诊断出轴承微弱故障 ,然后通过小波分析结合频谱细化分析 ,精确得到轴承故障位置。实践证明 ,K -S检验是一种有效、实用和快捷的智能诊断方法。

K-S检验与mRMR相结合的基因选择算法

为了解决基因数据集的基因选择难题,提出一种基于K-S检验与最小冗余最大相关(minimum redundancy-maximum relevance,mRMR)原则的基因选择算法。该算法先采用K-S检验选择出具有一定区分能力的基因,然后对选择到的基因进行mRMR判断,保留与类别高度相关而其间相关性较小的基因构成最终被选基因子集。以SVM为分类器,以F1_measure、分类准确率和AUC为评价指标对该算法选择的基因子集进行评估,并将本算法与K-S检验、mRMR,以及经典的RELIEF和FAST算法进行比较。五个经典基因数据集上的平均实验结果表明:本算法的运行时间远低于mRMR算法,且其各项评价指标值优于其他比较算法。因此,提出的K-S检验与mRMR结合的基因选择算法能选择到非常有效的基因子集。

基于改进K-S检测的STBC-OFDM信号盲识别算法研究

针对多输入单输出(MISO,multiple input single output)通信系统的STBC-OFDM信号盲识别问题,提出基于OFDM块的改进Kolmogorov-Smirnov(K-S)检测方法。该方法首先对MISO通信系统的STBC-OFDM信号建模;然后利用STBC-OFDM信号编码矩阵的相关性,构造不同时延向量下STBC-OFDM接收信号OFDM块的经验函数作为特征函数;最后通过改进K-S检测方法检验经验分布函数之间的距离盲识别STBC-OFDM信号。该方法不需要噪声信息、调制信息和信道系数,适合非合作通信场合。理论分析和实验验证了该方法的可行性。

基于K-S检测的SAR图像灰度压缩性能评估

根据灰度压缩前后图像直方图间的形态差异,提出一种衡量各种合成孔径雷达(SAR)图像灰度级压缩算法性能的两步检验方法。首先,基于柯尔莫哥洛夫-斯米尔诺夫(K-S)检测原理,在给定置信界限下,选出压缩后图像分布与原始分布满足一致性的算法。其次提出等效均值偏量、等效方差偏量、等效偏态差三个检验指标,对经第一步选择出的方法做进一步定量评价,从而得到最终的算法性能检验结果。计算机仿真表明,该方法能有效衡量压缩前后图像灰度分布函数间的形态差异。

基于重构背景二维K-S检验的有害入侵光纤预警

提出一种基于重构背景二维K-S检验的有害入侵光纤预警方法.利用有序统计量恒虚警率初步检测Ф-OTDR采集信号,筛选出入侵信号.为将有害入侵信号从筛选出的入侵信号中有效分离,对检测背景进行空域重构,使检测背景仅包含入侵信号.基于重构入侵背景中有害信号的空间幅度及时域间隔特性,设计了二维柯尔莫哥洛夫-斯米诺夫(K-S)检验方法来检测有害入侵信号.在实际的光纤入侵预警系统中,该方法主要应用于施工工地和过车公路等无害入侵较多的场景,能够有效地提取有害入侵信号.

基于K-S统计量的两个总体相等性的Bootstrap检验

文章提出基于K-S统计量的新的统计量及相应的Bootstrap统计量,证明它们在原假设下有相同的极限分布,并进行了数值模拟.