球面上Poisson方程的两子域加性Schwarz算法

研究求解球面上的Poisson方程的加性Schwarz算法。对于两子域加性Schwarz算法,通过选取最优参数得到子域内边界上的优化传输条件,由此得到的最优加性算法可大大加快收敛的速度;而且,算法具有有限步收敛性。

解非线性方程组的一类多重分裂加性Schwarz算法

讨论求解一类非线性方程组的多重分裂加性Schwarz算法和两水平多重分裂加性Schwarz算法,分析其收敛性和收敛速度并建立了收敛性理论.这类算法结合多重分裂和加性Schwarz算法,具有很好的并行性能,因而特别适合于并行计算.数值算例证实了算法的有效性.

解摩擦问题的加性Schwarz算法

摩擦问题是第二类非线性的变分不等式 ,本文给出了解简化摩擦问题的加性Schwarz算法并给出算法的收敛性。

基于国密加性同态的医学影像可逆信息隐藏方法

医学影像共享是医疗信息云共享中最重要的部分,因为医疗信息80%以上是医学影像,但信息共享面临数据安全、隐私保护和信息检索等问题。虽然已有很多密文域可逆信息隐藏(RDH-EI,Reversible Data Hiding in Encrypted Image)方案,但一般不能直接应用于DICOM医学影像上。为了满足云服务中DICOM文件的隐私保护和信息检索需求,文章提出一种基于ZUC加性同态和多层差值直方图平移的DICOM图像RDH-EI方案。所提方案不改变DICOM文件格式,不增加文件大小,且图像解密和信息提取可分离。实验结果表明,所提出的方案具有良好的灵活性和计算效率,是一种适用云共享的RDH-EI方案。

线性互补问题的多重分裂加性Schwarz迭代算法

许多科学与工程问题都可归结为线性互补问题,研究求解线性互补问题的数值算法是很有必要的。多重分裂方法是一类适合并行计算的有效算法。基于多重分裂方法和Schwarz方法的思想,提出了一类求解线互补问题的有效的新算法——多重分裂加性Schwarz迭代算法,得到了算法的收敛性定理,给出了算法的收敛速度分析,并证明了算法的全局收敛性。

变分不等式的加性广义Schwarz算法

将加性广义Ｓｃｈｗａｒｚ算法推广到求解变分不等式，并在适当条件下证明了其收敛性．

对称线性互补问题的乘性Schwarz算法

本文提出了求解对称性互补问题的乘性Schwarz算法,其中子问题用投影迭代方法求解.利用投影迭代算子的性质及投影迭代的收敛性,证明了算法产生的迭代点列的聚点为原互补问题的解,并在一定条件下,证明算法产生的迭代点列的聚点存在.

急性心肌梗死合并肾功能不全患者主要不良心脑血管事件风险预测模型构建

目的应用不同机器学习算法构建急性心肌梗死(AMI)合并肾功能不全患者主要不良心脑血管事件(MACCE)的风险预测模型。方法选取2014年1月至2019年8月于首都医科大学附属北京安贞医院住院治疗的740例AMI合并肾功能不全患者为研究对象,收集患者一般特征、生命体征、合并症和实验室检查结果等临床资料。采用简单随机抽样法按80%∶20%将研究对象分为训练集(592例)和测试集(148例),采用逻辑回归、随机森林、极限梯度提升(XGBoost)、支持向量机和深度神经网络5种机器学习算法分别构建MACCE的预测模型。采用受试者工作特征曲线下面积(AUC)评估模型的可靠性,选择最优模型。使用Shapley加性解释算法评估特征影响并进行特征选择构建最终模型。结果740例AMI合并肾功能不全患者中有473例(63.9%)发生MACCE。XGBoost模型的AUC最大(AUC=0.862)。在根据特征重要性等级对特征进行减少后,建立了具有5个特征的可解释的最终XGBoost模型。最终的模型可以在内部验证中准确预测MACCE发生(AUC=0.955),其中影响XGBoost模型重要临床特征分别为血尿酸、白蛋白、糖化血清白蛋白,体重和血小板计数。结论基于机器学习算法的5种模型中XGBoost模型预测AMI合并肾功能不全患者发生MACCE效果最佳。

解摩擦问题的乘性Schwarz算法

给出在一致重叠条件下解摩擦问题的乘性Schwarz算法，并证明了此算法的收敛性。

自伴不定问题的WOPSIP方法的两水平加性Schwarz预条件子(英文)

弱过度惩罚对称内罚方法(WOPSIP),是一种间断有限元方法,其主要特点是它满足能量范数和L2范数的正确的误差估计,且它不要求调整罚参数。此外,由于双线性形式比较简单,使得WOPSIP方法的编程比较简单,且程序易于实现并行。提出了非自伴不定问题的WOPSIP方法的两水平加性Schwarz预条件子。条件数有界,界为(1+maxiHiδi)2,其中Hi和δi分别为子区域Ωi的直径和相邻子区域之间的重叠度。

求解M-函数对应的非线性互补问题乘性Schwarz算法

使用乘性Schwarz算法求解M-函数对应的非线性互补问题,该算法在特殊选取初值情况下具有单调收敛性.

解非线性单调问题的Schwarz算法

提出了解非线性单调问题的乘性与加性Ｓｃｈｗａｒｚ算法．并证明了这两种算法产生的序列收敛性．

乘性和加性噪声中谐波频率估计的快速有效算法

在本文中我们用一种三步迭代算法对乘性和加性噪声中谐波频率进行估计,并且这种估计达到了Op(N-(3/2))的收敛速度,即仅有加性噪声时的收敛速度。

椭圆外区域各向异性问题基于人工边界条件的Schwarz交替算法

研究一类二维各向异性外问题的重叠型区域分解.基于自然边界归化,对各向异性外问题提出了一种Schwarz交替算法,并给出其离散形式,分析了算法的收敛性.给出数值试验以示算法的可行性与有效性.

基于机器学习构建急性心力衰竭患者易损期死亡或再入院风险预测模型

目的应用不同机器学习算法构建急性心力衰竭(acute heart failure,AHF)患者易损期死亡或再入院的风险预测模型,并筛选出最优模型。方法选取2019年10月至2021年7月于陆军军医大学第二附属医院心血管内科住院治疗的651例AHF患者为研究对象,收集入院生命体征、合并症和实验室检查结果等临床资料。复合终点事件定义为AHF患者出院后3个月内发生全因死亡或心衰加重再入院。采用简单随机抽样法将研究对象按8∶2拆分为训练集(521例)和测试集(130例),基于逻辑回归(logistic regression,LR)、随机森林(random forest,RF)、决策树(decision tree,DT)、轻量梯度提升(light gradient boosting machine,LGBM)、极端梯度提升(extreme gradient boosting,XGBoost)和神经网络(neural network,NN)6种机器学习算法分别构建预测模型。采用受试者工作特征曲线(receiver operating characteristic,ROC)和临床决策曲线(decision curve analysis,DCA)对模型的预测性能和临床获益进行评价,使用Shapley加性解释(Shapley additive explanation,SHAP)算法评估不同临床特征对模型的影响。结果651例AHF患者中发生复合终点事件203例(31.2%)。ROC曲线分析显示,LR、RF、DT、LGBM、XGBoost和NN模型的曲线下面积(area under curve,AUC)依次为0.707、0.756、0.616、0.677、0.768、0.681,XGBoost模型的AUC最高,DCA曲线中XGBoost模型的临床决策净获益也更大,整体预测效能最佳。SHAP算法分析得出,影响XGBoost模型输出结果的重要临床特征分别为血清尿酸、D-二聚体、平均动脉压、B型利钠肽、左房前后径、体质量指数和NYHA分级。结论XGBoost模型预测急性心力衰竭患者易损期死亡或再入院风险效果最佳。

广义加性模型及其应用

目的探讨广义加性模型在医学研究领域中的应用。方法通过研究低出生体重与年龄、先兆流产、妊高症之间关系的实例分析说明模型的实际应用。结果该模型可以揭示出发病与年龄的复杂非线性关系。结论广义加性模型不需要对模型的线性假设,应用起来灵活性强,是探索变量间复杂关系的有力工具。

噪声环境下精英克隆选择算法的收敛性分析

利用随机过程相关理论对加性噪声环境下精英策略克隆选择算法(ECSA)的全局收敛性进行了研究.首先采用有序对的状态表示方法构造精英克隆选择算法在噪声环境中的Markov链;然后将算法种群中最佳亲和度函数的进化过程转化为下鞅,利用鞅理论证明了种群最佳亲和度函数的全局收敛性;最后通过分析加性噪声环境下精英克隆选择算法的状态转移概率的特性,证明了精英克隆选择算法在加性噪声环境下最终能以概率1收敛到全局最优解.

机加零件可制造性研究中的工艺参数优化方法

从改善产品可制造性测度出发 ,提出了一种机械加工零件工艺参数优化问题的数学模型 .采用外点罚函数法把此约束优化问题转化为一无约束优化问题 ,利用遗传算法进行求解 .算例表明了遗传算法对全局优化问题的有效性 .这种优化方法可以集成到并行工程环境 。

半离散非线性Galerkin算法的收敛性

本文给出了求解非线性发展方程的半离散非线性Ｇａｌｅｒｋｉｎ算法，即用非线性Ｇａｌｅｒｋｉｎ谱元法对空间变量进行离散。并分析了精确解和近似解的正则性以及近似解的收敛精度，和通常的Ｇａｌｅｒｋｉｎ算法进行比较，表明如果选取适当的有限维子空间，两种算法具有相同的收敛精度，然而非线性Ｇａｌｅｒｋｉｎ算法更为简单。

犹豫模糊偏好关系一致性改进算法及群决策

犹豫模糊偏好关系一致性分析方法是群决策问题中的一个重要课题。基于犹豫模糊偏好关系,对加性一致性、一致性指数、满意一致性进行了定义和度量,研究了加性一致性犹豫模糊偏好关系的若干判定条件,构造了满足加性一致性的特征偏好关系。在此基础上,构建了犹豫模糊偏好关系的加性一致性改进算法,论证了算法的收敛性,该算法使得改进后的犹豫模糊偏好关系满足满意一致性条件,进而使得决策者获得合理可靠的决策结果。最后建立了基于犹豫模糊偏好关系加性一致性的群决策模型,并通过应急管理系统的选择实验说明提出的群决策模型是合理的和有效的。