ADASYN与类别逆比例加权法在阿尔茨海默病不平衡数据中的应用

目的利用自适应合成抽样(adaptive synthetic sampling,ADASYN)与类别逆比例加权法处理类别不平衡数据,结合分类器构建模型对阿尔茨海默病(alzheimer′s disease,AD)患者疾病进程进行分类预测。方法数据源自阿尔茨海默病神经影像学计划(Alzheimer′s disease neuroimaging initiative,ADNI),经随机森林填补缺失值,弹性网络筛选特征子集后,利用ADASYN与类别逆比例加权法处理类别不平衡数据。分别结合随机森林(random forest,RF)、支持向量机(support vector machine,SVM)构建四种模型:ADASYN-RF、ADASYN-SVM、加权随机森林(weighted random forest,WRF)、加权支持向量机(weighted support vector machine,WSVM),与RF、SVM比较分类性能。模型评价指标为宏观平均精确率(macro-average of precision,macro-P)、宏观平均召回率(macro-average of recall,macro-R)、宏观平均F1值(macro-average of F1-score,macro-F1)、准确率(accuracy,ACC)、Kappa值和AUC(area under the ROC curve)。结果ADASYN-RF的分类性能最优(Kappa值为0.938,AUC为0.980),ADASYN-SVM次之。利用ADASYN-RF预测得到的重要分类特征分别为CDRSB、LDELTOTAL、MMSE,在临床上均可得到证实。结论ADASYN与类别逆比例加权法都能辅助提升分类器性能,但ADASYN算法更优。

分时电价下任务调度–人员排班组合问题的代理模型求解研究

在分时电价背景下,制造成本和人力成本往往难以取得平衡:晚上电价较低但人员加班费较高,白天人员时薪较低而电价却较高。若将两个问题联合建模,则规模较大,不易求解。在实际应用中,较多采用先进行任务调度,再对人员排班的分阶段建模求解方法,但该求解思路难以保证得到较低成本的解。针对这一问题,提出一种代理模型的方法,以GA算法生成两个子问题的多组较优可行解作为训练样本,利用BP神经网络、深度学习及宽度学习系统分别拟合组合问题的代理模型,并采用BFGS法寻优。随着工件与工序数目的增加,本文所提供的自适应采样算法能有效解决维数灾问题。算例结果表明,新方法能得到明显优于利用遗传算法分阶段求解得到的结果,能为企业节省高达11.91%的电费与人力总成本。

基于频谱特征自适应采样的傅里叶单像素成像方法

傅里叶单像素成像(Fourier single-pixel imaging,FSI)中成像效率的提升主要借助优化重构算法和采样方法来实现,但在采样次数有限的情况下,FSI无法准确采样关键频率,导致成像质量差。为解决这一问题,提出一种频谱特征自适应采样策略。首先,研究傅里叶域中能量的集中程度,以此确定低频等距预采样的最优半径。进一步,通过预采样低频分量估计关键频谱位置的方式,测量相应的傅里叶系数,最终实现图像重构。与基于高频方向能量连续性的自适应采样方法相比,该方法可以针对不同频谱特征目标,自适应选择较优采样路径,获取关键傅里叶系数,进而改善成像质量,其峰值信噪比提高2.28 dB,结构相似度提高15.83%。因此,该方法在应对FSI对未知特征目标进行成像时,具有高效空间信息采集的优点,有望在单像素快速实时成像中得到应用。

复杂环境下基于改进Informed RRT*的无人机路径规划算法

针对无人机在复杂环境中进行路径规划时,快速搜索随机树(RRT)算法易出现规划时间长、路径冗余、狭窄空间中易陷入局部约束导致规划失败的问题,提出一种改进的Informed RRT*算法.首先,引入人工势场法使采样点按照势场下降的方式向目标点移动,以提高RRT树扩展的目的性和方向性.然后,考虑随机树在扩展过程中全局环境的复杂度,引入自适应步长调整策略以增加随机树在无障碍环境下的扩展速度,并在随机树扩展的过程中加入相关约束条件以确保生成路径的可行性.在找到第一条可达路径后,采用变化的椭圆或椭球采样域限制采样点选取和自适应步长的扩展范围,加快算法收敛到渐进最优的速度.最后,在复杂二维和三维环境下进行传统算法和改进算法的对比实验,仿真分析表明:改进算法可以在很少的迭代次数下找到更优的初始路径,更快地锁定椭圆或椭球采样域,从而给路径优化留出更多时间,算法规划效果更好.

中频感应加热电源谐振频率自适应追踪方法的研究

为解决中频感应加热电源在受到温度、工件材质等因素变化影响时固有频率发生波动的问题,提出了一种基于模数转换(Analog to Digital,A/D)采样优化的感应加热电源谐振频率自适应追踪方法。在一个感应加热电源的输出周期内,细化电流A/D采样过程,找到输出电流与电压的相位差并判断系统状态。在优选A/D采样次数的基础上,设计自适应调节机制来追踪谐振频率,使系统达到准谐振状态。以TMS320F28335控制芯片为基础搭建感应加热电源样机,对所采用频率自适应追踪方法进行了验证。实验结果表明,频率自适应追踪方法在环境温度变化剧烈时可避免系统受到干扰,并且能在无硬件过零检测电路的情况下快速追踪负载的谐振频率。

近红外光谱结合化学计量学方法快速检测蓝莓可溶性固形物和维生素C含量

采用近红外光谱技术,对不同贮藏时间的蓝莓营养成分进行定量分析,以寻求其化学成分与近红外光谱数据的相关性,实现利用光谱技术对蓝莓营养成分的无损检测。对获取的近红外光谱数据,运用偏最小二乘回归(Partial Least Square Regression,PLSR)和支持向量回归(Support Vector Regression,SVR)两种机器学习算法预测蓝莓可溶性固形物(Soluble Solids Content,SSC)和维生素C(Vitamin C,V_(C))含量。为增加预测精度,采用一阶导数(First Derivative,1-DER)、二阶导数(Second Derivative,2-DER)、标准正态变换(Standard Normal Variate Transform,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)、Savitzky-Golay平滑(S-G)等一种或几种方法组合对光谱数据进行预处理,比较分析最佳的预处理方式;采用竞争适应性重加权采样法(Competitive Adaptive Reweighted Sampling,CARS)和随机蛙跳算法(Random Frog,RF)及两种算法组合对光谱波长进行降维处理。结果表明,降维后的SSC波长变量分别降到了全光谱变量的1.7%、4.3%和5.6%,V_(C)波长变量分别降到了全光谱变量的2.5%、2.9%、4.8%。在筛选后的光谱波长变量的基础上,采用PLSR建立蓝莓近红外光谱与SSC和V_(C)含量的预测模型。对比发现CARS结合RF算法筛选出的波长变量预测效果更好,模型校正相关系数分别为0.9001、0.8707,校正均方根误差分别为0.8234、2.9429,预测相关系数分别为0.8424、0.8350,预测均方根误差分别为0.9613、2.9482。为排除模型性能对预测结果的影响,建立SVR模型将预测结果进行对比,同样发现CARS结合RF算法的预测效果更佳,模型校正相关系数分别为0.8702、0.8503,校正均方根误差分别为0.9549、3.2431,预测相关系数分别为0.8269、0.8183,预测均方根误差分别为0.8769、2.8818。本研究为蓝莓营养品质监测提供了模型基础,且选择特征波长的方法可以为更多果蔬营养物质预测模型提供参考。

左删失数据的双惩罚贝叶斯Tobit分位回归方法

在含潜变量的纵向数据混合效应模型应用中,通常包含大量截尾数据,若直接采用一般贝叶斯Tobit分位回归模型,参数估计的马尔科夫链蒙特卡罗抽样算法将会极其复杂,造成计算效率低下且估计结果偏差较大。同时,在高维情形下,由于受大量未知随机效应的干扰,固定效应中关键变量的选择与系数估计变得更为困难。为了解决上述问题,文章提出了一种新的双Adaptive Lasso惩罚贝叶斯Tobit分位回归方法,主要研究响应变量左删失情形下高维纵向数据的变量选择与参数估计问题。通过将Adaptive Lasso惩罚同时引入固定效应与随机效应的先验分布中,构造了参数估计的Gibbs抽样算法。蒙特卡罗模拟结果表明,新方法较无惩罚法和Lasso惩罚法在重要变量选择及系数估计上均更占优势。

不平衡回归中的自适应加权采样的稀有值预测

现实世界面临的一个问题是如何处理不平衡数据。当目标变量是名义变量时,是经典的不平衡分类问题,目前已有深入研究;而当目标变量是连续变量时,是不平衡回归问题,但鲜有研究。在回归任务中,需要解决的重要问题是如何提高稀有值的预测精度。根据稀有值的稀缺程度提出一种自适应加权采样方法,通过定义相关函数反映目标变量的稀缺性,并依据目标变量稀缺程度对数据点进行赋权,以确定稀有值采样生成的个数,使训练出的模型更偏好于稀有值。实验结果表明,上述方法在这些特定的回归任务中能够提高稀有值预测的精度。

基于重要抽样法的耐压球壳可靠性计算方法研究

目的 解决耐压球壳极小失效概率的可靠性计算问题。方法 在自适应Kriging的基础上,结合重要抽样法提出耐压球壳可靠性计算方法。该方法在较大失效概率下构建的Kriging模型基础上获得重要方向,在重要方向上计算得到较低失效概率下的设计点,以设计点为中心,构建小失效概率的Kriging模型,并通过此模型采用重要抽样法开展可靠性计算。结果 分别使用提出的重要抽样法和蒙特卡洛法计算了2个算例的失效概率,计算结果表明,该方法具有较高的精度和效率。使用该方法对某耐压球壳工作载荷下的失效概率进行了计算,计算得到该球壳失效概率为4.094×10^(–96)。结论 研究结果可为无失效方程下极低失效概率的可靠性计算问题提供参考。

轨道不平顺小样本全信息表达的联合模拟方法

针对传统方法需要生成大量轨道不平顺样本才能涵盖所有随机特征,但样本数多又会导致计算效率低的问题,本文提出了一种自适应采样法(ASM)与改进的第二类随机谐和函数法(MSHF)结合的轨道不平顺模拟的联合方法。ASM自适应选取符合轨道不平顺功率谱密度函数(PSD)谱概率分布的高代表性样本点,从而减少样本数量;之后在SHF中添加一类符合谱概率分布的独立变量进行改进,通过将ASM选取的样本点代入新增变量,实现了轨道随机不平顺的时域小样本全信息表达。以车轨桥耦合系统(TTBS)随机动力分析为例,与传统一次性采样和SHF方法相比,本文方法在提高精度的同时可以减少41.67%的计算时间。

P值合并法中基于有效终止概率的适应性样本量调整的优化研究

目的 在P值合并法中,本文对三阶段适应性样本量调整(sample-size re-estimation, SSR)进行权重优化并基于有效终止概率(efficacy stopping probability, ESP)选择最优的设计方案。方法 以两样本均数比较的优效性检验为分析目的,在三阶段SSR下,采用基于P值之和的方法,通过设定不同的样本量分配权重、每阶段的有效终止概率、设计参数及对应低估的实际模拟参数,计算得到在不同ESP组合下的最优样本量分配权重及相应的最大功效和平均样本量(average sample number, ASN)。结果 SSR在不同的第二阶段有效终止概率(ESP_(2))下存在不同的最大功效;设定第一阶段有效终止概率(ESP1)为0.10,无论原设计及实际模拟参数为多少,ESP_(2)在0.15~0.45的范围内均能获得较好且相近的最大功效,并随着ESP_(2)的增大,相应的ASN先递减而后趋于平稳或平稳上升,其中最优设计的ESP1、ESP_(2)和ESP3分别为0.10、0.45和0.35;在ESP1设定为0.1和0.2条件下,最大功效的变化范围不同,前者最大功效的极差为1.8%,后者为5.7%。结论 三阶段适应性样本量调整在ESP1不确定的情况下,为了降低ESP_(2)的选择对试验功效的影响,建议设定较小的ESP1;当确定ESP1后,可根据实际数据模拟得到较优的ESP_(2),使设计能获得较好的功效和适宜的ASN。

基于相关原理的非整周期信号相位差测量算法

为提高相关法在非整周期采样情况下的相位差测量精度,提出一种基于相关原理的非整周期信号相位差测量算法:首先采用自适应格型陷波器进行滤波,以求信号频率;然后利用滤波后的原2路同频信号产生具有90°相移的2个参考信号;将原2路同频信号分别与2路参考信号进行相关运算,再利用相关和正弦函数的一些性质得到相位差的计算公式。同时,针对引入两参考信号相移不是90°的情况,进行了误差分析并给出了相应的补偿措施。理论分析表明,该算法测量精度不受采样是否整周期的影响,能实现相位差的动态检测,与传统算法相比,该算法测量精度更高,抗噪性能更强。仿真分析与工程应用均证实了该算法的有效性和可行性。

FMM结合改进自适应MBPE技术快速求解单站RCS

电大目标单站RCS的计算效率已成为积分方程法求解电磁散射问题的关键技术之一。为了快速而准确求解 ,对已有自适应采样算法进行了改进 ,不仅适合并行计算 ,而且提高了搜索效率。最后 ,将基于改进自适应采样算法的Pade有理逼近与采用快速多极子加速方法的MoM结合求解几个典型实例的单站RCS ,数值结果表明了该方法的有效性。

基于自适应重要抽样的可靠性分析方法

基于自适应重要抽样(AIS,Adaptive Importance Sampling)的可靠性分析方法,能够克服基于蒙特卡洛方法分析小概率事件时存在的效率低、精度差问题.为解决显性失效方程不存在时寻找失效点困难问题,首先利用条件递归寻找失效点,并使之尽可能在失效面附近;以该失效点为采样中心,抽取失效样本,并不断调整采样中心,使失效样本不断靠近设计点;然后利用这组失效样本估计重要抽样函数的参数,再执行自适应迭代过程,直至失效概率的误差缩小到允许误差限内.最后通过两个典型案例对方法进行应用验证,仿真结果表明在没有失效方程的情况下,能够通过仿真方法很快找到失效点,表明对于不存在显性失效方程的系统,该方法同样适用.与蒙特卡洛方法的对比结果表明该方法在仿真效率上具有较大优越性,且失效概率越小,这种优越性越明显.

基于多次互相关的非整周期信号相位差测量算法

针对工程实际中频率未知情况下存在相位差测量精度较差的问题,提出一种基于多次互相关的非整周期信号相位差测量算法:首先采用自适应格型陷波器进行滤波,以求信号频率;然后对滤波后的原2路增强信号分别进行希尔伯特变换,产生具有90相移的2路相移信号;并利用估计出的信号频率产生具有90相移的2路参考信号;将原2路增强信号和两路相移信号分别与2路参考信号进行相关运算,再利用相关和正弦函数的一些性质即可得到相位差的计算公式。实验结果表明,该算法测量精度不受采样是否整周期的影响,能实现相位差的动态检测;与传统算法相比,该算法测量精度更高,抗噪性能更强,更具鲁棒性和普适性。

数字化变电站交流信号的自适应滤波测量法

在采用合并单元集中控制多台光电互感器完成采样的应用中,大多采用固定采样频率,直接运用传统的交流测量算法计算超差。文中采用梯度下降法设计了一种自适应滤波交流测量法,采用一组自适应滤波器产生拟合于被测交流信号的信号,完成被测信号的测量和分析。仿真结果表明该方法用于稳态信号测量时,自适应滤波器收敛周期小于6个周期,具有测试精确、综合运算量小等优点,可满足远动和计量测量的精度和实时性要求。文中同时给出了高次和非整次谐波信号分析解决方案,该方法在装置设计中已得到实际使用。

现有混凝土桥梁的时变可靠度分析

在研究现有混凝土桥梁抗力和荷载的时变性的基础上,建立了现有桥梁的时变可靠度计算模型,并采用自适应重要抽样法计算时变可靠指标。同时,对变量进行了参数敏感性分析。研究结果对于科学、经济地制定桥梁维修计划和方案具有重要意义。

基于改进 Monte Carlo 法的船体纵向弯曲强度可靠性分析

采用改进的搜索适应重要抽样法，分别考虑基本变量独立和相关两种情况，在设计点未知的前提下，对实船作了纵向弯曲强度可靠性分析，求出失效概率的无偏估计和方差．通过与一次二阶矩法比较，证明ＭｏｎｔｅＣａｒｌｏ法在可靠性分析中占有优势．

自适应分层采样辅助粒子滤波在视频跟踪中的应用研究

以视频目标跟踪中粒子滤波的粒子采样优化设计为研究内容,提出一种自适应分层采样辅助粒子滤波算法,以实现保证跟踪准确度和兼顾跟踪鲁棒性的要求.以Bhattacharyya系数为参量设计了粒子数调节函数,能够根据跟踪质量在粒子集中自适应分配用于保证准确度的粒子数和维持鲁棒性的粒子数.以最小二乘法对目标运动的预测点作为产生新粒子集的均值偏移操作起点,使新粒子集更准确的描述目标似然分布并提高算法效率.不同场景下的跟踪实验表明,算法能很好的应用于遮挡和运动方向渐变等情况下的跟踪,处理时间满足实时性要求.