超声测量舌-颏距离比值对全身麻醉患者困难气道的预测价值

目的探讨超声测量的舌-颏距离比值(HMDR)对全身麻醉患者困难气道的预测价值,为临床困难气道管理提供新的评估手段。方法回顾性分析2022年7月至2023年12月于医院接受全身麻醉手术的217例患者资料,根据Cormack-Lehane分级将患者分为困难气道组(30例,≥3级)和非困难气道组(187例,<3级)。所有患者均行超声检查测量中立位的舌-颏距离(HMDn)、过伸位舌-颏距离(HMDm)检查,计算HMDR值。绘制受试者工作特征(ROC)曲线分析HMDn、HMDm和HMDR对困难气道的预测价值,比较两组HMDn、HMDm和HMDR水平。结果困难气道组HMDm和HMDR水平均低于非困难气道组,差异有统计学意义(P<0.05)。HMDR、HMDm和HMDn预测困难气道的临界值分别为<1.20、<5.32 cm和<5.51 cm,特异度分别为0.800、0.667、0.647,灵敏度分别为0.840、0.733、0.668,ROC曲线下面积(AUC)分别为0.873、0.701和0.562。结论HMDR预测全身麻醉患者困难气道准确性较高,可为术前预测困难气道提供参考。

支撑矢量预选取的中心距离比值法

支撑矢量机为小样本模式识别提供了一新的途径 ,但其支撑矢量的选择相当困难 ,也成为其应用的瓶颈问题 .对此 ,本文提出了一种能够预先选取支撑矢量的方法———中心距离比值法 .该方法在不影响支撑矢量机的分类能力情况下 ,大大地减少了训练样本 ,提高了支撑矢量机的训练速度 .文中给出的仿真实验结果也验证了该方法的有效性和可行性 .

一种基于距离比值的支持向量机增量训练算法

由于支持向量机具有较好地学习性能和泛化能力,目前已经得到了广泛的应用。如何使支持向量机进行有效的增量学习是目前支持向量机应用中需要解决的问题。深入研究了支持向量分布特点,提出了一种新的支持向量机增量训练淘汰机制——距离比值算法。该算法根据遗忘规则,设定一个合适的参数,按距离比值法中的定义计算各个样本中心距离与其到最优分类面距离的比值,舍弃对后续训练影响不大的样本,即可对训练数据进行有效的淘汰。对标准数据集的实验结果表明,使用该方法进行增量训练在保证分类精度的同时,能有效地提高训练速度。

基于中心距离比值的增量支持向量机

研究了支持向量、中心距离比值、边界向量以及增量学习之间的关系,提出了基于中心距离比值的增量支持向量机。与传统方法相比,基于中心距离比值的增量支持向量机有效的利用了中心距离比值,解决了CDRM+SVM的阈值选取问题;且适合于增量学习;从而在保证了支持向量机的分类能力没有受到影响的前提下提高了支持向量机的训练速度。

企业财务危机预警双基点距离比值法

本文介绍了国内外主要企业财务危机预警模型,对模型的空间几何意义进行解释。提出了企业财务危机预警双基点距离比值模型,该模型采用非线性方法对危机企业与非危机企业的财务指标集合进行分割。用112例样本实证,预警识别率达到92.8%。

基于中心距离比值准则的无监督特征选择算法

特征选择是模式识别中的一个重要组成部分。针对未知类标号的样本集,提出基于中心距离比值准则的无监督特征选择算法。该算法利用爬山法确定聚类数目范围和估计初始聚类中心,再通过K-均值聚类算法确定特征子集的最佳分类数,然后用中心距离比值准则来评价特征子集的分类性能,并通过特征间的相关性分析,从中选择出分类效果好,相关程度低的特征组成特征子集。

基于距离比值尺度的模糊粗糙集属性约简

属性约简能有效地去除不必要属性,提高分类器的性能。模糊粗糙集是处理不确定信息的重要范式,能有效地应用于属性约简。在模糊粗糙集中,样本分布的不确定性会影响对象的近似集,进而影响有效属性约简的获取。为有效地定义近似集,文中提出了基于距离比值尺度的模糊粗糙集,该模型引入了基于距离比值尺度的样本集的定义,通过对距离比值尺度的控制,避免了样本分布不确定性对近似集的影响;给出了该模型的基本性质,定义了新的依赖度函数,进而设计了属性约简算法;以SVM,NaiveBayes和J48作为测试分类器,在UCI数据集上评测所提算法的性能。实验结果表明,所提出的属性约简算法能够有效获取约简并提高分类的精度。

增加T_8椎体前缘至胸骨后缘距离/胸廓前后径比值在直背综合征的诊断价值

目的：探讨增加T_8椎体前缘至胸骨后缘距离/胸廓前后径比值,结合T_8椎体前缘至胸骨后缘距离/胸廓横径比值及T3～T12曲度弧高对直背综合征的诊断价值。方法：随机选择100例健康体检的胸部正侧位片及临床诊断为直背综合征50例患者的胸部正侧位片,测量：AB：胸廓横径,CD：胸廓前后径,CI：T_8前缘至胸骨后缘距离,GH：T3～T12曲度弧高,计算CI/AB及CI/CD比值。结果：正常组与病变组CI/AB、GH及CI/CD均有统计学差异（P〈0.05）。结论：增加CI/CD比值使直背综合征诊断更可靠。

用于HRRP多类目标识别的D距离分类器

在雷达自动目标识别(radar automatic target recognition,RATR)领域,为了保证基于高分辨距离像(high-resolution range profile,HRRP)的目标识别算法在进行小样本多类目标识别时仍然具有优异的识别性能,需要提出一种同时具备优异泛化性能与低运算复杂度的识别算法。利用比值计算两个向量之间的比值距离,并将比值距离应用于距离分类器中,称之为D距离分类器。然后利用八类地面目标实测数据将D距离分类器与其他一些RATR统计模型进行比较,分别分析其在小样本与多类目标时的识别精度。最终结果验证出D距离分类器在训练样本有限且多类目标识别时仍然具有优异的泛化性能与很低的运算复杂度。

基于RSSI的改进加权质心定位算法

基于加权算法的权值选择,分析传统三角加权质心定位算法的权值不合理性,提出一种基于三角质心定位与改进的信号强度比值的加权质心定位的混合定位算法,利用近似点(信标节点间的交点)代替信标节点作为顶点,节点间距离的比值代替信号强度的比值作为权值。该算法正确体现了不同节点对未知节点的影响程度,有效降低了路径损耗指数变化对定位精度的影响。实验结果表明,该算法提高了定位精度,可以实现区域定位。

一种改进的加权支持向量机

根据支持向量样本、边界向量样本、噪声样本、中心距离比值、百分位数和加权系数之间的关系,提出了基于中心距离比值的加权支持向量分类机,有效地处理了支持向量样本对加权系数的影响,并能够应用于非均衡数据和噪声数据,从而提高了加权支持向量机的分类能力.

增量支持向量机算法研究

在进行增量学习时,随着新增样本的不断加入,致使训练集规模不断扩大,消耗大量计算资源,寻优速度缓慢。在深入研究了支持向量分布的特点的基础上提出了分治加权增量支持向量机算法。该算法有效利用了广义KKT条件和中心距离比值,舍弃对后续训练影响不大的样本,得到边界支持向量集,对训练样本进行有效的淘汰。将所剩样本合并,进行加权处理,解决某些样本严重偏离所属的类别,对正常分布的样本不公平的问题。实验结果表明,该方法在保证分类精度的同时,能有效地提高训练速度。

基于阈值优化的CDRM-SVM入侵检测算法

为了提高中心距离比值法预选取支撑矢量的效率,降低支撑矢量机的训练时间,引入自适应动态克隆算法对中心距离比值法的阈值进行优化,并将该算法应用于入侵检测中,提出了基于阈值优化的CDRM-SVM入侵检测算法.算法首先利用自适应动态克隆算法对中心距离比值法中的阈值进行优化,获得理想的阈值,从而可以提取出包含全部支撑矢量的边界矢量集,然后使用边界矢量集代替训练样本集进行支持矢量机的训练,大幅度减少了训练样本的数量,使支持矢量机的训练速度显著提高.同时,由于边界矢量集中包含了支撑矢量,因此,支撑矢量机的分类能力没有受到影响.采用KDDCUP 99数据集进行试验,试验结果表明:与传统方法相比,在保证性能的情况下,所提算法能够有效地降低支持向量机的训练时间.

一种CDRWPCA网络故障特征提取算法

针对主元成分分析(PCA)在网络故障特征提取过程中可能丢失分类信息的问题,提出了一种中心距离比值加权主元成分分析(CDRWPCA)算法。算法计算样本每维特征的中心距离比值来衡量特征间的差异,并根据特征差异构造权重因子,对更具有鉴别性的特征赋予更大的权重,得到加权数据集;然后对加权数据集运用PCA进行特征提取后将提取后的数据集送入支持向量机(SVM)验证算法的有效性。算法相比较与PCA算法增加了时间复杂度,但相对于PCA算法本身的时间复杂度,增加不多。在网络故障诊断中的实验结果表明算法能在提取特征维数更少的情况下,提高了故障识别率。

针对三维模型检索中D2形状分布算法的改进

如何减少检索时间和提高检索效率是三维模型检索中的2个关键问题。针对Osada等的D2形状分布算法对外形相似而细节不同的模型区分度不高的问题,通过对三维模型任意2个三角面片重心之间距离的计算,得到模型重心与这2个三角面片的重心的距离的比值,利用统计出来的数据分别构建距离分布直方图和距离比值直方图,利用2个直方图进行模型匹配。实验表明,提高了检索性能。

基于支撑矢量机的自动视频分类方法

提出了一种基于支撑矢量机和中心距离比值的自动视频分类方法。它通过提取视频镜头中的颜色和运动特征,利用核支撑矢量机将视频的低级别特征映转到其高层的语义特征上,并在进行支撑矢量机训练算法之前使用了中心距离比值法进行支撑矢量的预选取,实现了语义内容上的自动视频分类。仿真结果表明,该算法能对视频进行比较准确的分类。

基于DWT和ONMF的人脸表情特征提取

提出了一种基于离散小波变换(discrete wavelet transformation,DWT)和标准正交非负矩阵分解(orthonormal non-negative matrix factorization,ONMF)的人脸表情特征提取方法,该方法先通过离散小波变换,降低图像的噪声,并将得到的图像的低频信息作为研究对象;再采用标准正交非负矩阵分解来提取表情特征。实验结果表明相对于PCA,NMF和LNMF方法,本文方法能够有效地减小类内与类间距离的比值,体现了很好的聚类效果;较高的识别率和较快的识别速度表明了该特征提取方法的有效性。

烟用香精香料的GC/MS指纹图谱

采用无水乙醇溶解-GC/MS法对8种烟用香精香料不同批次样品、掺兑品和稀释品的主要挥发、半挥发性成分进行分离和鉴定,建立了烟用香精香料的GC/MS指纹图谱,通过色谱图中能代表样品主要挥发、半挥发性成分的色谱峰峰面积,利用夹角余弦法和欧式距离比值法计算不同样品之间的相似度。结果表明:1该方法操作简便、快速,各色谱峰峰面积的相对标准偏差均小于6%,适用于烟用香精香料成分的快速检测;2不同批次样品之间相似度较高,夹角余弦和欧式距离比值都能在一定程度上反映不同样品主要挥发、半挥发性成分的差异,而欧式距离比值更能反映样品之间浓度的变化。

不同管径完全斜切断口轨迹公式论证

在各类工业金属管道的施工过程中,需要大量的不同口径弯头进行管道走向的改变连接,目前在对不同口径、不同斜口角度的管道综合研究在国内仍然是一项空白,经过研究发现,若需要解决在不同口径、不同斜口角度管道任意完全斜切断口都能简单切割的问题,研究计算出一个符合不同口径、不同斜口角度管道任意完全斜切断口轨迹公式是关键,而公式的论证求实是解决现实生产问题的基础,求实后的公式才能对研制各种发明机械提供核心信息支持。

一种稀疏最小二乘支持向量分类机

一般的支持向量分类机需要求解二次规划问题,最小二乘支持向量机只需求解一个线性方程组,但其缺乏稀疏性.为了改进最小二乘支持向量分类机,本文结合中心距离比值及增量学习的思想提出一种基于预选、筛选支持向量的稀疏最小二乘支持向量机.该方法既能弥补最小二乘向量机的稀疏性,减少计算机的存储量和计算量,加快最小二乘支持向量机的训练速度和决策速度,又能对非均衡训练数据造成的分类面的偏移进行纠正,还不影响最小二乘支持向量机的分类能力.3组实验结果也证实了这一点.