基于多视图与注意力机制的睡眠脑电分期

为了更全面地对睡眠脑电进行特征提取,提出一种基于多视图与注意力机制的睡眠脑电分期方法。首先针对原始睡眠脑电信号构造时域和时频域两类视图数据;然后设计融合注意力机制的混合神经网络对多视图数据进行表征学习;接着通过双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络进一步学习睡眠阶段之间的转换规则;最后使用Softmax函数进行睡眠分期,并利用类别加权损失函数解决睡眠数据类别不均衡的问题。实验使用Sleep-EDF数据库中前20名受试者的单通道脑电信号并采用20折交叉验证对模型进行性能评估,睡眠分期准确率达到83.7%,宏平均F_(1)值达到79.0%,Cohen′s Kappa系数达到0.78。与现有方法相比,算法性能提升明显,证明了所提方法的有效性。

多影响因素下的交通枢纽客流短期预测算法

交通枢纽短期客流受时间属性、天气条件等变化的影响非常大,因而提出基于改进PSOLSTM模型的交通枢纽客流短期预测算法。以时间属性、天气条件为影响虹桥交通枢纽短期客流变化的重要因素,构建基于LSTM的短期客流预测模型。将虹桥交通枢纽历史客流数据与天气数据作为模型输入,获得短期客流预测结果;为避免LSTM参数对短时客流预测效果影响,通过自适应惯性权重、时间系数以及根据遗传算法的变异思想确定的自适应函数改进PSO算法,通过改进后的PSO算法优化LSTM参数,提升短期客流预测效果。实验结果表明:在周末、长假时期交通枢纽客流量会明显增加,恶劣天气使得虹桥交通枢纽客流降低至最小值,该算法可实现不同时段短期客流预测,分析客流变化情况。

长期间断注射艾司氯胺酮对小鼠自发活动及认知功能的影响

目的:观察长期间断注射艾司氯胺酮(Esketamine,ESK)对小鼠自发活动及认知功能的影响。方法:按完全随机设计将80只小鼠根据给药频次分为每周1次组和每周3次组,每组再根据给药浓度分为生理盐水组(Saline组)和艾司氯胺酮实验组(10 mg·kg^(-1)组、20 mg·kg^(-1)组及40 mg·kg^(-1)组),每组10只小鼠,持续腹腔注射8周。未给予药物处理时初次测量小鼠体质量,此后每周测量1次;给药流程结束次日进行小鼠自发活动实验和新物体识别实验。结果:每周1次组的实验组小鼠在自发活动实验中的总运动距离均明显增加,其中10 mg·kg^(-1)组的变化最为显著,差异有统计学意义(P<0.05)。每周3次组的实验组小鼠在自发活动实验中的总运动距离也均有增加,但差异无统计学意义(P>0.05)。各实验组小鼠在新物体识别实验中对新物体探索的时间占比与Saline组相比差异均无统计学意义(P<0.05)。与Saline组相比,各实验组小鼠体质量差异均无统计学意义(P<0.05)。结论:长期间断注射艾司氯胺酮(每周1次)可以使小鼠自发活动增加,对小鼠体质量和认知功能无显著影响。

基于贝叶斯模型的专利分类

朴素贝叶斯分类器理论基础好,分类精度高。利用特征词权重函数修改朴素贝叶斯分类器,进而利用它实现专利文本的自动分类,不仅减少了专利人工分类的工作量和分类错误,而且为技术跟踪、竞争分析等提供了有效支持。实验与应用表明改进的朴素贝叶斯分类器用来解决专利分类是有效的。

提高大反射负载牵引测量准确度研究

针对大反射负载牵引测量过程中,由于矢网系统误差导致的负载牵引测量误差较大问题,提出可行的解决方案。首先,以矢网8项系统误差模型为基础,推导出大反射负载牵引功率增益测量模型。以直通线功率的增益误差和为目标函数,通过优化阻抗点分布、重新构建优化权重函数,实现大反射负载牵引测量准确度的进一步提高。经优化比较,在8 mm频段(负载反射系数模值0.9),系统测量直通线功率增益的最大误差由±1 dB优化到±0.2 dB以内(国内文献报道±0.3 dB),进一步提高在片大反射负载牵引系统测量准确度。此外,通过比较分析,明确反射跟踪误差是影响大反射负载牵引测量准确度的主要系统误差项。

基于局部和全局信息的自适应水平集图像分割

针对仅采用局部或全局信息无法快速准确分割灰度不均匀图像的问题,提出了一种基于局部和全局信息的自适应水平集图像分割模型。首先,利用图像局部信息和全局信息建立局部能量项和全局能量项,并且利用演化曲线轮廓内外小邻域的灰度均值差作为自变量,建立了权重函数模型,实现了局部能量项和全局能量项之间权重的自适应调整,提高了模型分割灰度不均匀图像的效率和准确性。其次,提出了一种新的能量惩罚项,避免了水平集函数的重新初始化,增强了数值计算的稳定性。最后,为验证模型的优越性,将模型与CV模型、LBF模型和LGIF模型进行了对比,并通过分割时间、迭代次数以及相似度等指标对分割结果进行了客观、定量分析。最终结果表明:该模型不但对初始轮廓具有较高鲁棒性,而且对灰度不均匀图像具有较高的分割准确性与分割效率。

基于惩罚项的热连轧轧制规程多目标函数优化

为了解决传统热连轧负荷分配优化普遍采用约束方法进行求解时求解步骤繁琐、不容易获得最优解的问题,提出了一种惩罚函数算法.通过引入函数惩罚项,将多目标函数约束求解问题转化为无约束求解问题.建立了带有惩罚项的轧制力、板形、功率和温度的单目标函数,进而采用线性加权求和法建立了综合多目标函数.利用Nelder和Mead单纯形解法则进行求解,简化了求解的步骤,最终得到了兼顾轧制力平衡、板形最优及温度合理的负荷分配方案.实际应用效果表明,与传统负荷分配方式相比,基于多目标优化得到的轧制规程更符合实际生产要求,具有良好的应用前景.

Web信息检索结构化排序函数与标引词加权技术

分析了当前Web信息检索的技术现状,指出检索效率不高的根本原因在于搜索引擎所采用的排序函数和标引词加权技术。介绍了传统的信息检索排序函数和标引词加权技术。分析了Web文档的特点,指出其主要形式HTML文档是一种结构化文档,结构由标签显式地定义,不同文档结构对检索性能的贡献不同。对本领域国内外学者的成果作了对比研究。最后探讨了Web信息检索排序函数及标引词加权技术的发展方向。

一种高精度时频分析技术在碳酸盐岩烃类检测中的应用

WVD时频分析是一种高精度的时频分析方法,在碳酸盐岩烃类检测中具有更高的精度。但是交叉项的存在,会对有效信号造成严重干扰,导致其精度有所下降。为此,利用两种加权窗函数分别抑制交叉项在时间方向和频率方向的影响,理论计算显示了其有效性。在塔里木盆地哈拉哈唐地区地震资料的实际应用中,利用该方法获得了高精度的时频分析结果,为该区今后的勘探开发部署提供了重要依据。

风电场短期风速的集成学习预测模型

准确的风电场风速预测对含大规模风电的电力系统安全稳定运行具有重要意义。针对时间序列法、卡尔曼滤波法、神经网络法等单一预测模型预测精度不高的问题,引入集成学习的分析方法,提出了一种基于Ada-boost算法改进的支持向量机(SVM)短期风速预测方法。该算法使用多个SVM模型通过加权累加得到最终输出,弥补了单一预测模型的缺陷。同时引入隶属度函数,通过赋予历史数据样本不同的权重来突出不同时间样本在预测模型中的差异性。以内蒙古风电场的实际采集数据为算例进行测试,结果表明模型预测精度显著提高,为实现更准确的在线短期风速预测提供了可能。

新生儿生后肺功能变化情况的研究

目的研究足月新生儿肺功能参数正常值,为呼吸系统疾病的诊治和呼吸机参数的设定提供参考。方法收集2015年1月至2016年12月我院新生儿科住院的足月新生儿,选取正常体重足月儿150名,低体重足月儿100名,正常体重足月儿按日龄各分为A、B、C、D四组,低体重足月儿按日龄各分为a、b、c、d四组,日龄分别为出生后1d、7d、14d、28d,检测肺功能参数。采用肺功能仪,测量肺功能参数:潮气量(VT)、每公斤体重潮气量(VT/kg),呼吸频率(RR),,吸气时间(Ti),呼气时间(Te),吸呼比(Ti/Te),每分通气量(MV/kg),达峰时间比(TPTEF/TE),达峰容积比(VPEF/VE),25%、50%、75%潮气量时呼气流速(TEF25、TEF50、TEF75),呼吸系统的顺应性(Crs),呼吸系统阻力(Rrs)。结果正常体重足月儿和低体重足月儿RR随日龄增加呈降低趋势,VT、MV/kg、TEF25、TEF50值均随日龄增长而逐渐上升,均有统计学差异(P<0.05)。低体重足月儿TPTEF/TE、VPEF/VE、Crs、TEF75值随日龄增长而逐渐上升,均有统计学差异(P<0.05)。低体重足月儿与正常体重足月儿相比较,RR明显升高(P<0.05),VT、TPEF/Te、VPEF/Ve、TEF25、TEF50、TEF75、Crs明显降低(P<0.05)。结论本研究为建立足月新生儿肺功能参数正常值提供了参考,同时发现低体重足月儿会出现呼吸频率快,潮气量及功能残气量低、呼吸系统顺应性降低等特点。

基于新鲜度函数和预测有效度的模糊自适应变权重中长期电力负荷组合预测

针对传统电力负荷组合预测模型中出现的负权重、没有区别对待不同历史时段的误差对权重的影响以及变权重计算方法较为复杂等问题,文中提出一种基于新鲜度函数和预测有效度的模糊自适应变权重组合预测模型,并应用到中长期电力负荷组合预测中。利用预测有效度进行模型筛选,利用新鲜度函数体现预测中的"近大远小"原则,利用滚动时间域窗口的方法实现变权。算例表明,文中提出的组合预测模型预测精度较高,实用性强。

改进的Criminisi图像修复算法

数字图像修复技术是对图像上信息缺损区域进行信息填充并使观察者无法察觉出图像曾经破损或已被修复.针对Criminisi算法随着修复的进行置信度迅速降为零从而造成修复顺序出现偏差的不足,提出一种改进的优先级函数.将优先级函数表示为置信度项和数据项的加权和,并将置信度项修改为指数函数形式以平滑其迅速降为零的趋势,从而使得修复顺序更加准确.此外,对优先级函数中的置信度项和数据项选取不同的权重因子可得到不同的修复图像供用户选择.实验结果表明,该算法取得了较好的修复效果.

改进惯性权重的简化粒子群优化算法

针对传统的粒子群优化算法收敛速度慢、易陷入局部空间极值的缺点,提出一种基于简化粒子群优化算法同时改进惯性权重的新算法.该算法首先去掉速度项,使算法更加简便,然后改进位移项,最后改进惯性权重.对6个经典函数分别采用传统的粒子群优化算法、简化的粒子群优化算法和该改进的算法进行比较,数值实验表明,该改进的粒子群优化算法比其他两个算法的性能好.

M序列反馈函数重量与项数的分析

M序列是由n级非线性移位寄存器产生的周期为2n的伪随机序列,被广泛应用于各个领域。该文研究了M序列反馈函数的项数和重量的特性,分析了它们之间的关系以及给定重量和项数时M序列的数量特性,并得到一些相关的结论。

基于梯度保真项的低剂量CT统计迭代重建算法

针对低剂量计算机断层扫描(Computed Tomography,CT)重建图像时容易出现明显条形伪影这一现象,提出一种基于梯度保真项的低剂量CT统计迭代重建算法。该算法克服了原始全变分(Total Variation,TV)模型在抑制条形伪影和噪声的同时引入阶梯效应的缺点,首先把梯度保真约束项和能够区分图像平滑区和细节区的边缘指示函数应用到TV模型中得到基于梯度保真项的自适应全变分模型,然后再把新模型与惩罚加权最小二乘(Penalized Weighted Least Square,PWLS)重建算法相结合,使用交替方向迭代法得到最终的图像。采用Shepp-Logan模型来验证算法的有效性,实验结果表明,该算法不仅可以有效地去除条形伪影,还可以较好地保护图像的边缘和细节信息。

具有加权梯度源项的半线性抛物方程解的爆破时间下界

本文中研究具有加权梯度源项的半线性抛物方程Dirichlet初边值问题解的爆破时间下界。当解爆破发生时,利用修正微分不等式技巧,在高维空间中适当的加权测度意义下导出解的爆破时间下界估计,并给出应用举例。

一种基于主题词表的快速中文文本分类技术

针对中文文本的自动分类问题，提出了一种新的算法。该算法的基本思路是构造一个带权值的分类主题词表，该词表采用键树的方式构建，然后利用哈希杂凑法和长词匹配优先原则在主题词表中匹配待分类的文档中的字符串，并统计匹配成功的权值和，以权值和最大者作为分类结果。本算法可以避开中文分词的难点和它对分类结果的影响。理论分析和实验结果表明，该技术分类结果的准确度和时间效率都比较高，其综合性能达到了目前主流技术的水平。

基于BiLSTM的生猪音频识别

以5种猪声为研究对象,首先,用维纳滤波和端点检测对猪声进行预处理,获得有效语料;然后,提取梅尔倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)制作样本集,再构建基于BiLSTM的声学模型学习样本集;最后用训练好的模型对猪声MFCC序列进行分类,实现生猪音频识别。结果表明:(1)通过5折交叉试验验证,5组模型总体识别率均达到90%,最高组为92.52%;(2)用样本集外语料对最优组模型进行算法应用测试,模型对进食、咳嗽、发情、嚎叫和哼叫的样本识别率分别为88.35%、93.65%、90.38%、88.46%、92.63%,总体识别率为90.70%。

带齐次权的Hardy型不等式

在采用Hoffmann-Ostenhof和Laptev构造权函数的思想,进行加权推广,给出了一类带齐次权的Hardy型不等式.利用Avkhadiev和Wirths得到的一维Hardy型不等式,运用放缩法,得到一类带余项的加权Hardy型不等式.获得的结论将HoffmannOstenhof和Laptev中的相关结论推广至加权与带余项的情形.