基于Bagging-WOA-SVR的粮堆温度场预测模型

采用阵列式分布的测温电缆检测粮仓温度变化情况,利用机器学习技术来预测粮食温度,用粮仓1年监测数据来预测粮堆未来27 d温度。传统的BP、RBF、RF、SVR单模型对粮堆温度进行预测存在误差大、泛化能力差等缺点,提出一种基于Bagging集成的鲸鱼算法优化支持向量回归模型(Bagging-WOA-SVR),并与灰狼算法优化支持向量回归模型作比较。将影响粮堆温度的多种因素做灰色关联分析,选取粮仓内温度、粮仓内湿度、粮仓外温度、粮仓外湿度、粮仓平均温度、地表温度作为神经网络的输入,粮堆平均温度作为预测输出,选取3个指标为评判标准,对比分析模型预测精度。结果表明:提出的Bagging-WOA-SVR模型相比之下有着较好的稳定性,均方误差为0.24,相关系数为0.9892。

糙皮侧耳BAG家族蛋白鉴定及其基因表达模式分析

在NCBI、JGI数据库检索糙皮侧耳(Pleurotus ostreatus)BAG蛋白(PoBAGs),对其进行生物信息学分析,并测定不同发育(菌丝、原基、子实体)阶段和高温(42℃)、低温(4℃)胁迫时PoBAG基因的表达情况,分析其表达模式。结果表明:共检索到3个(分别命名为PoBAG-1、PoBAG-2、PoBAG-3)具有BAG结构域的蛋白,其中,PoBAG-1、PoBAG-2还分别含有1个IQ基序和类泛素化结构域;PoBAG-1、PoBAG-3为亲水性不稳定蛋白,且亲缘关系较近,可能主要定位于细胞核和细胞质中;PoBAG-2为亲水性稳定蛋白,与其他具有类泛素化结构域的BAG蛋白具有较近的亲缘关系,可能主要定位于线粒体和细胞质中。与菌丝相比,3个PoBAGs在原基和子实体中相对表达量均显著上调;与对照(25℃)相比,42℃高温胁迫时,PoBAG-1、PoBAG-3相对表达量极显著上调,PoBAG-2显著下调;4℃低温胁迫时,PoBAG-1和PoBAG-2相对表达量显著上调,PoBAG-3显著下调。研究结果为进一步解析BAG家族蛋白在糙皮侧耳生长发育以及温度胁迫响应过程中的功能提供参考。

基于MLP-Bagging集成分类模型的在线学习行为分析

针对教育者难以对学习者多样化的在线学习行为进行监测和研判等问题,提出一种带嵌入层的MLP-Bagging集成分类模型对学习者的在线学习行为进行分析与判别.考虑到学习者的在线学习行为以及个体特性,从学习准备行为、知识获取行为、交互学习行为、学习巩固行为和辅助特征5个方面构建在线学习行为模型,并采用MLP-Bagging集成分类模型对学习者进行分类判别.实验结果表明,所构建的学习模型可对在线学习者的学习行为进行符合实际的建模,加入辅助特征有利于对各类学习者的在线学习行为进行深入的分析与指导,并且在分类模型中加入嵌入层可以有效克服标签编码带来的数据冗余和误差缺陷,从而获得更好的分类效果.与其他分类模型相比,融合多个MLP分类器的Bagging集成模型可以减少单个MLP分类器的方差,其分类准确率达到98.72%,具有较好的实际应用价值.

基于小波和Bagging-PNN网络的柴油机轴承故障研究

针对柴油机故障诊断速度慢、诊断模型准确率低等问题。提出一种基于小波和Bagging-PNN网络的柴油机轴承故障诊断法。首先,利用时域、频域对采样后的故障数据进行分析,通过小波分析对数据进行去噪处理;然后,将Bagging算法与概率神经网络(Probabilistic Neural Network, PNN)进行融合,通过多个PNN分类器以相同的方式进行投票建立柴油机轴承故障分类模型,提高诊断准确度;最后,通过对比实验表明基于小波和Bagging-PNN的柴油机轴承故障诊断方法的识别准确性有明显提高。

肺缺血再灌注细胞模型的建立及Bag-1表达

目的 建立肺缺血再灌注细胞模型并研究BCL-2结合抗凋亡基因(BCL-2 associated anthanogen-1,Bag-1)在肺缺血再灌注中的表达,以期为研究Bag-1在肺缺血再灌注疾病的作用机制提供实验基础。方法 本课题以A549细胞系作为肺缺血再灌注模型的细胞模型,实验分5组,将A549细胞给予不同缺氧时间:0 h、6 h、12 h、18 h、24 h缺氧,再复氧24 h处理后,通过低温、低氧、葡萄糖剥夺建立缺血再灌注细胞模型。通过比较5组细胞活性、乳酸脱氢酶(lactate dehydrogenase,LDH)以及活性氧自由基(reactive oxygen species,ROS)水平,确定建模效果,同时观察Bag在肺缺血再灌注中的表达。结果 不同缺氧时间处理后,缺氧组细胞活性均较正常组细胞活性降低(P<0.01),并随缺氧时间延长细胞活性下降,各时间点间细胞活性存在显著差异(F=85.03,P<0.001)。缺氧组LDH、ROS浓度均较正常组细胞明显升高(P<0.01),各时间点间LDH(F=107.67,P<0.001)、ROS(F=42.61,P<0.001)水平具有统计学意义,Bag-1表达在缺氧6 h时最高,后随时间延长水平逐渐下降。结论 以A549细胞系作为模型细胞,以低温、低氧、葡萄糖剥夺为方法可成功建立缺血再灌注细胞模型,Bag-1在缺血再灌注损伤中表达趋势为先升高,再降低。

BAG-1通过MAPK/ERK通路调控乳腺癌细胞对吉非替尼敏感性的研究

目的:探讨B淋巴细胞瘤-2(Bcl-2)结合抗凋亡基因1(BAG-1)在乳腺癌细胞中的表达及与吉非替尼作用敏感相关性研究。方法:应用小干扰RNA(siRNA)在MDA-MB-231和T47D细胞系中特异性干扰BAG-1的表达,应用0、0.1、1、5、10、20及50μmol/L不同梯度浓度吉非替尼暴露BAG-1 siRNA转染的细胞并应用MTT实验检查细胞生长增殖情况。以BAG-1 siRNA组为实验组,以未转染细胞和阴性对照control siRNA为对照组,在吉非替尼(10μmol/L)作用下检测不同组别细胞凋亡和周期变化。应用蛋白质印迹检测不同组别丝裂原活化蛋白激酶/细胞外信号调节激酶(MAPK/ERK)相关通路蛋白和磷酸化蛋白的表达。免疫组织化学分析87例三阴性乳腺癌BAG-1与表皮生长因子受体(EGFR)表达相关性。结果:干扰BAG-1表达后,相对于阴性对照,BAG-1siRNA实验组EGFRmRNA及其蛋白表达同样显著增加(P<0.05)。MTT检测MDA-MB-231以及T47D细胞中BAG-1表达减低后对不同浓度梯度吉非替尼介导的生长抑制变化差异有统计学意义(P<0.05),吉非替尼(10μmol/L)作用下MDA-MB-231、T47D的对照组比实验组细胞增殖抑制显著(P<0.05)。干扰BAG-1基因表达增加吉非替尼作用下细胞凋亡并促进细胞G1期阻滞(P<0.05)。BAG-1敲低时下调磷酸化MAPK激酶(p-MEK)和磷酸化ERK(p-ERK)表达(P<0.05),并上调小泛素相关修饰物(SUMO)特异性蛋白酶1(SENP1)和COP9信号小体5(CSN5)蛋白水平(P<0.05)。免疫组织化学结果验证三阴性乳腺癌标本中BAG-1与组织学分级和EGFR表达密切相关(P<0.05)。结论:BAG-1通过EGFR/MAPK/ERK通路抑制信号传导可能增强乳腺癌细胞对吉非替尼的敏感性,BAG-1基因是乳腺癌治疗的前瞻性生物学靶点。

基于MLP-Bagging的PCB电热耦合建模方法

随着三维集成电路性能的提高和复杂程度的增加,印制电路板(PCB)的散热问题日益突出。研究了PCB在电热多物理场相互作用下各部件的发热情况,提出了基于混合激活函数的多层感知机(MLP)-Bagging多物理参数算法。通过使用ReLU和Sigmoid两个激活函数进行学习和训练,建立了精度更高的MLP模型。之后,结合Bagging算法构建多个并行的MLP模型。所提出的神经网络多物理模型可以快速准确地预测PCB的电热响应。实验结果表明,此方法与有限元法相比,可以节省约97%的计算内存和99%的计算时间,与传统神经网络如随机森林(RF)、长短时记忆(LSTM)网络、MLP相比,该方法表现优良且泛化能力较好,为提高PCB设计效率提供了一种可行方法,为PCB热分析提供了更高效的解决方法。

Bagging算法在中文文本分类中的应用

Bagging算法是目前一种流行的集成学习算法,采用一种改进的Bagging算法Attribute Bagging作为分类算法,通过属性重取样获取多个训练集,以kNN为弱分类器设计一种中文文本分类器。实验结果表明Attribute Bagging算法较Bagging算法有更好的分类精度。

基于Bag-of-phrases的图像表示方法

在过去的几年,将图像内容表示为特定"视觉词"出现次数直方图的Bag-of-words模型,展示了其在图像内容分类方面的强大优势.然而,在这种统计特定"视觉词"出现次数直方图的模型中,"视觉词"之间的相互位置关系几乎被完全丢弃了.本文从分析Bag-of-words模型在文本分类和图像内容分类领域的对应关系的角度出发,提出一种加入"视觉词"之间的相互位置关系的图像表示方法—Bag-of-phrases模型.在标准数据集上验证了该图像表示方法对图像内容分类性能的影响.实验结果显示,本文提出的方法相对于传统的Bag-of-words模型可以达到更好的分类性能.

基于Bagging的概率神经网络集成分类算法

目前的神经网络较多集中在以BP算法为基础的BP神经网络上。针对BP神经网络的不足,在分析研究概率神经网络和机器学习的基础上,结合集成学习的思想,提出了基于Bagging的概率神经网络集成分类算法。理论分析和实验结果都表明,提出的算法能够有效地降低分类误差,提高分类准确率,具有较好的泛化能力以及较快的执行速度,能够取得比传统的BP神经网络分类方法更好和更稳定的分类结果。

基于Bagging集成学习算法的地震事件性质识别分类

地震台网在监测地震的同时记录到的非天然震动事件会对后续的科研和预报工作造成较大的影响,因此快速准确的对天然震动事件与非天然震动事件加以区分就显得尤为重要.本文针对传统人工方法识别地震事件性质的不足之处,采用Bagging机器学习算法对地震事件性质进行区分.首先选取震中距范围在80～200km内的地震数据,之后采用AIC算法自动识别P波到时,进而用处理后的数据训练模型,最后使用测试数据对模型进行评估,准确率可达85%以上.因此,本文提出的方法可以有效地对天然震动事件与非天然震动事件加以区分.

基于图像Bag-of-Words模型的无载体信息隐藏

介绍一种基于bag-of-words(BOW)模型的无载体信息隐藏方法.该方法使用BOW模型提取图像的视觉关键词(visual words,VW)以表达待隐藏的文本信息,从而实现文本信息在图像中的隐藏.首先使用BOW模型提取图像集中每幅图像的VW,构建文本信息的关键词和VW的映射关系库;然后把每幅图像分为若干子图像,统计每一幅子图像的VW频数直方图,选择频数最高的VW表示该子图像;最后根据构建的文本关键词和子图像VW的映射关系库,搜索出与待隐藏文本信息存在映射关系的子图像序列,将含有这些子图像的图像作为含密图像进行传递.实验结果和分析表明,该隐藏算法在抗隐写分析、鲁棒性和安全性方面均有良好的表现.

一种基于Bagging和混淆矩阵的自适应选择性集成

为了平衡集成学习中差异性和准确性的关系并提高学习系统的泛化性能,提出一种基于Bagging和混淆矩阵的选择性集成方法.基本思想是通过扰动训练集和特征空间生成基分类器,根据每一个基分类器的混淆矩阵构造一个基分类器间相关性的度量矩阵;然后基于相关性度量矩阵对基分类器集合进行子集划分,在每个划分中选择一个基分类器参与集成;最后用多数投票法融合所选基分类器的决策结果,并通过仿真实验验证该方法的有效性.

基于PageRank与Bagging的主题爬虫研究

为克服主题爬虫主题漂移现象,提高搜索引擎的查准率和查全率,提出了一个基于PageRank算法与Bagging算法的主题爬虫设计方法。将主题爬虫系统分为爬虫爬行模块和主题相关性分析模块。利用一种改进的PageRank算法改善了爬虫的搜索策略,进行网页遍历与抓取。用向量空间模型表示网页主题,使用Bagging算法构造网页主题分类器进行主题相关性分析,过滤与主题无关网页。实验结果表明,该方法在网页抓取的性能上和主题网页的查准率上都取得较好的效果。

基于“bag of words”的视频匹配方法

提出了一种利用"bag of words"模型对视频内容进行建模和匹配的方法。通过量化视频帧的局部特征构建视觉关键词(visual words)辞典,将视频的子镜头表示成若干视觉关键词的集合。在此基础上构建基于子镜头的视觉关键词词组的倒排索引,用于视频片段的匹配和检索。这种方法保留了局部特征的显著性及其相对位置关系,而且有效地压缩了视频的表达,加速的视频的匹配和检索过程。实验结果表明,和已有方法相比,基于"bag of words"的视频匹配方法在大视频样本库上获得了更高的检索精度和检索速度。

基于Bag of Features算法的车辆图像识别研究

将Bag of Features算法引入汽车图像识别领域中,并提出了将DoG(Difference of Gaussian)特征提取算法和PLSA分类算法结合在一起实现车辆和背景图像分类。首先用DoG特征提取算法提取图像特征,用这些特征聚类产生码书并对图像进行柱状图描述,最后设计PLSA分类器对车辆图像和背景图像进行分类。实验对比了该算法与Tamura纹理特征算法和Gabor纹理特征算法在车辆图像识别中的效果。结果表明本文算法分类正确率优于另外两种方法。

基于Bagging集成学习的字符识别方法

针对字符识别对象的多样性,提出了一种基于Bagging集成的字符识别模型,解决了识别模型对部分字符识别的偏好现象。采用Bagging采样策略形成不同的数据子集,在此基础上用决策树算法训练形成多个基分类器,用多数投票机制对基分类器预测结果集成输出。理论分析与仿真实验结果表明,所提模型相比其他分类方法具有更好的分类能力。

Bagging中文文本分类器的改进方法研究

在文本分类研究中,集成学习是一种提高分类器性能的有效方法.Bagging算法是目前流行的一种集成学习算法.针对Bagging算法弱分类器具有相同权重问题,提出一种改进的Bagging算法.该方法通过对弱分类器分类结果进行可信度计算得到投票权重,应用于Attribute Bagging算法设计了一个中文文本自动分类器.采用kNN作为弱分类器基本模型对Sogou实验室提供的新闻集进行分类.实验表明该算法比Attribute Bagging有更好的分类精度.

苦瓜BAG基因组织特异性表达研究

实时荧光定量RT-PCR分析表明:苦瓜BAG基因仅在心皮、雄蕊、花萼和幼果中表达,花瓣中没有表达。心皮中表达水平远远高于其它组织,为雄蕊的77倍之多;在幼果、雄蕊和花萼中有低水平的表达。因此BAG基因直接参与苦瓜花和果实发育,尤其对心皮的发育起着关键的作用。

基于Bagging支持向量机集成的入侵检测研究

对大数据集来说,支持向量机的时空耗费非常大,本文采用bagging技术对支持向量机进行集成。首先用bootstrap技术对训练样本集进行可重复采样,使所得到的新子样本集有较大差异,然后用多个支持向量机对各子样本集进行学习,并将学习后的结果用多数投票法集成最终的结论。实验表明,支持向量机集成对入侵检测数据有比单个支持向量机更好的分类性能。