一种肿瘤基因的支持向量机提取方法

根据结肠癌肿瘤基因表达谱样本高维数、小样本和高噪声的特点,提出用Bhattacharyya距离对肿瘤基因进行测量,滤除分类无关基因,然后用肿瘤基因对支持向量机模型的敏感度进行二次提取.并用它的归一化值对重要基因赋权,形成只有少数重要致病肿瘤基因的新样本集.最后,支持向量机应用于对新样本集的特征基因进行分析与测试.实验证明这种分析方法提高了肿瘤诊断的准确率.

宁夏汛期分级降水客观预报方法应用检验

利用2010—2013年5—9月T639模式产品和同时段宁夏25个国家级气象站降水实况资料,应用概率回归和交叉验证方法,建立宁夏汛期5—9月小雨、中雨、大雨3个级别的168 h分级降水概率预报方程,对比检验客观产品T639-MOS、数值模式T639和上级指导产品NMC对2014年5—9月降水预报效果。检验结果表明:相较T639和NMC,T639-MOS空报率明显降低,漏报率略有增加,但预报准确率明显提高,预报技巧较T639和NMC平均提高10%左右;T639-MOS对大范围降水和强降水预报效果较好,且随着预报时效临近,数值模式预报性能调整,预报能力显著提高;客观方法选取的预报因子代表性和物理意义明确,水汽、动力和热力因子是宁夏降水预报的关键因子,其中,小雨预报关键因子是中低层水汽通量,中雨和大雨预报关键因子是湿位涡和经向风,大雨预报还考虑了关键动力因子的高低层配置;宁夏降水样本数相对较少,且主要以小雨为主,中雨以上降水是小概率天气,所以,降水强度越大,漏报率越高,预报准确率明显下降,但不同级别降水都是T639-MOS预报准确率最高。

基于大数据的配电网架空线路工程造价预测

大数据与人工智能技术推动了工程造价全方位创新,为了提升配电网工程造价决策的水平,针对配电网架空线路工程中存在造价影响因素多、预测精度低等问题,提出一种配电网架空线路工程造价组合预测模型。首先,对配电网架空线路工程中重要数据缺失情况进行分析处理,其次,基于随机森林算法对配电网架空线路重要造价影响因素进行选取。最后,在参数寻优基础上采用最小二乘支持向量机模型进行造价预测。仿真对比结果显示,所构建的造价预测模型能有效提升预测速度和精度,该预测模型可为实现配电网架空线路工程造价预测提供一种有效实用的方法。

肿瘤信息基因启发式宽度优先搜索算法研究

基于基因表达谱的肿瘤检测方法有望成为临床医学上一种快速而有效的肿瘤分子诊断方法,但由于基因表达谱数据存在维数过高、样本量很小以及噪音很大等特点,使得肿瘤信息基因选择成为一件有挑战性的工作.根据肿瘤基因表达谱样本集的特点,提出了一种以支持向量机分类性能为评估准则的寻找信息基因的启发式宽度优先搜索算法,其优点是能够同时搜索到基因数量尽可能少而分类能力尽可能强的多个信息基因子集.实验采用了3种肿瘤样本集以验证新算法的可行性和有效性,对于急性白血病、难以分类的结肠癌和多肿瘤亚型的小圆蓝细胞瘤样本集,分别只需2,4和4个信息基因就能获得100%的4-折交叉验证识别准确率.与其它优秀的肿瘤分类方法相比,实验结果在信息基因数量及其分类性能方面具有明显的优越性.为避免样本集的不同划分对分类性能的影响,提出了一种能够更加客观地反映信息基因子集分类性能的全折交叉验证评估方法.

基于支持向量机回归的飞行载荷参数识别研究

飞行载荷参数识别是单机寿命监控中的重要技术,主要通过建立飞行参数与飞行载荷之间的转换关系,实现间接获取关键部位的载荷谱。针对飞行参数与飞行载荷之间非线性识别问题,结合飞机典型的机动动作,提出了一种改进的支持向量机回归(SVM-R)飞行载荷识别模型。该模型首先采用主成分分析缩减SVM-R模型输入,再利用交叉验证和遗传算法优化SVM-R模型设置参数,最后根据优化参数训练得到飞行载荷的SVM-R识别模型。通过在半滚机动动作下,飞行参数识别某一部位弯矩的实例分析,验证了优化改进的SVM-R模型对飞行载荷识别的最大残差可控制在实测载荷的20%以内,平均残差控制在实测载荷的3%以内,且优于未经优化的SVM-R模型。

一种新型时间序列多分辨预测模型研究

使用单一模型实现复杂时间序列预测一直是一个研究热点和难点问题.本文采用经验模式分解方法首先将复杂时间序列分解为一系列本征模式函数之和,然后对各个本征模式进行径向基神经网络预测建模,在此基础上,通过各个分量预测结果的等权求和得出综合预测结果.此外,各RBF网络核函数的最优参数对数值与各本征模式分量呈近似线性关系,利用该线性关系可以减少交叉验证求参数的次数,从而降低计算负担.仿真结果表明分解域多RBF网络预测模型对复杂时间序列预测性能好于单一的RBF网络预测模型.

小波收缩策略的广义分数幂模型

作者分析了几种常用的小波去噪收缩策略问题 ,经归纳提出了小波去噪收缩策略的广义分数幂模型 ,给出了具体选择最优收缩策略的算法与快速算法 ,并把它应用于样例信号的去噪处理。然后结合交叉验证方法和通用阈值方法等进行仿真试验 。

网络故障管理的贝叶斯模型参数学习

网络中设备之间关系复杂、试验费用昂贵,使确定贝叶斯网络(Bayesian Network)有向弧参数问题突出。针对其特点,提出采用Noisy-OR/AND模型并利用梯度下降学习方法来降低数据需求量和计算复杂度。能够较快地构建贝叶斯网络,具有样本需求量小、故障诊断准确度高等特点,可为复杂网络故障诊断提供支持。

EPS电源蓄电池在线健康状态估计

在分析蓄电池充电时间与容量之间的相关性的基础上,提出一种基于相关向量机(relevance vector machine, RVM)的蓄电池在线健康状态估计(state of health, SOH)方法,可以实现对应急电源(Emergency Power Supply, EPS)蓄电池健康状态的实时监测,对保证EPS的高效稳定运行和提高系统寿命有重要意义。

航空发动机传感器信号重构的K-ELM方法

针对航空发动机传感器信号重构,提出了评价核极限学习机(K-ELM)模型性能的一种快速留一交叉验证方法.结果表明:该方法可以避免原始的留一验证方法 N次模型的显式训练,将计算复杂度降低为原来的1/N(N为样本数目).该算法可以快速准确评价核极限学习机的性能,为核极限学习机确定最优的核参数.