基于优化有向无环图支持向量机的多变量过程均值异常识别

针对多变量过程均值异常模式类型数量太大、一般模式识别工具难以适应的问题,提出优化有向无环图支持向量机。该方法识别效率高,并通过启发式方法生成优化的拓扑结构,即先根据定义在核空间的模式类型平均差异测度对类型编号排序,再依序提取对应两分类支持向量机组成有向无环图结构,使越易区分类型间的支持向量机越靠上层布置,由此缓解分类误差累积效应和弥补上层出现类型分类容错能力的不足,保证相对较高的总体分类准确度。仿真实验表明,优化有向无环图支持向量机用于多变量过程均值异常模式的识别相比其他几种多分类支持向量机在识别精度和效率上具有综合优势。基于优化有向无环图支持向量机构建了多变量过程均值异常识别模型,并在实际齿轮生产中进行了应用实验,验证了模型的有效性和实用性。

基于软加权k-均距异常因子的雷达数据剔野方法

针对雷达测量数据的特点,提出一种基于软加权k-均值距离异常因子的雷达数据剔野方法。对测量序列进行软性加权,再将序列映射到特征空间通过计算异常因子来对野值进行检测,并以某型雷达在某次任务中的一段测量数据进行实验。实验结果表明:该方法能很好地识别野值,最大限度地保持轨迹测量数据的完整性。

心血管疾病检测及年轻化趋势研究

目的了解AST、CK、CK-MB、a-HBDH和LDH等心血管疾病指标在不同年龄段的统计特点及变化趋势。方法对渭源县人民医院4370例不同年龄段就诊人员的心血管疾病指标检测结果进行统计分析。结果不同年龄段心肌酶异常均值差别不同,CK-MB在54～74岁和31～42岁检测异常均值显著高于0～30岁、43～53岁和75岁以上的人群,HBDH在65岁以上的异常均值极显著高于64岁以下各年龄段,LDH在54～65岁的异常均值显著高于34岁以下年龄段和65～74岁年龄段,但跟高于75岁以上高龄段的LDH异常均值接近,AST和CK各年龄段没有差别。结论 54～65岁的10年围退休期、75岁以后的高龄期和31～42岁的中青年期是心脑血管疾病指标值异常变化最大的几个年龄段,心血管疾病的年轻化必须引起重视,要定期体检心血管疾病指标,做到及时发现异常值,对疾病做到早期诊断和预防。