基于Relief-F算法的心血管介入患者术后死亡风险预测

针对心血管介入患者全周期病理数据普遍存在缺失、不连续、非结构化等问题,建立了心血管介入专病数据库,并采用基于Relief-F算法的预测方法,对心血管介入患者术后死亡风险进行预测。首先参照HL7、CDISC等国际心血管疾病统一标准对各数据源进行标准化处理,建立研究数据集,并对数据进行清洗和预处理;其次采用Relief-F算法对特征进行选择,最终保留30个特征变量;再次选择逻辑回归、支持向量机、随机森林等3种机器学习方法进行建模分析,并采用10折交叉验证方法对分类器进行训练;最后引入准确率等模型评价指标来评估各算法在数据集上的分类预测效果。实验结果表明:随机森林的分类效果在该研究数据集上的表现最佳,准确率达到81.97%,精确率为86.90%,召回率为82.14%,F1值为0.8441。该研究提出的方法能够客观反映患者术后死亡风险,为心血管介入患者术后死亡风险预测提供了一种有效的解决方案。

基于区域阈值模型的地震信号凸集投影高效重建方法

地震信号重建广泛应用的凸集投影(POCS)算法大都采用线性或指数阈值模型,虽然计算效率高,但由于难以完全消除缺失信号泄露引起的噪声,重建效果不佳。为此,提出了一种基于区域阈值模型的POCS地震信号重建方法,将数值阈值转化为区域阈值,将区域滤波窗口作为阈值进行迭代更新。其核心思想是根据时—空域缺失地震信号的频率—波数(F⁃K)谱分布范围,在每次POCS重建迭代时按照一定规律选取固定大小的矩形或扇形区域作为阈值,将区域内和区域外的变换系数分别保留和置零,以尽可能地保留有效信号的变换系数,构建了地震信号POCS重建的矩形与扇形区域阈值模型。数值试验结果表明:相比于F⁃K域指数阈值模型的POCS重建,F⁃K域区域阈值模型对连续缺失信号的重建精度更高;相比于扇形区域阈值模型,矩形区域阈值模型的重建精度和计算效率均略高;与曲波域指数阈值模型的POCS重建相比,F⁃K域区域阈值模型的重建精度相当,但计算效率提高了约90%。

阿尔茨海默病多病程自适应筛查模型的构建

人口老龄化导致更高的阿尔茨海默病患病率,造成沉重的家庭和社会负担。尽早发现是延缓和逆转病程的关键,但现有检测方法无法满足价格低廉、低侵入性、快速、可靠的筛查与检测需求。生理液体光谱技术已在医学检测方面显示出了潜力,但在阿尔茨海默痴呆症检测上所面临的挑战是血浆光谱中阿尔茨海默病相关特征信息难以提取以及多病程复杂分类的难题。本文从信息空间建立、特征挖掘以及筛查与检测体系构建的角度展开研究,建立模型特征波数驱动的阿尔茨海默病多病程自适应筛查与诊断体系。针对阿尔茨海默病早期、中期和晚期3个不同病程阶段,模型检测的灵敏度分别为90.0%、87.5%、100%;特异性分别为83.3%、93.7%、100%。实验结果表明,基于阿尔茨海默病多病程自适应筛查与诊断模型具有较好的检测灵敏度和特异性。

基于特征优选和随机森林的掘进机多工况截割岩石硬度识别

为了实现岩巷掘进机不同工况截割岩壁岩石硬度的识别,通过掘进机多截割工况岩石硬度识别实验平台,获得不同工况截割不同硬度岩石的截割电机电流及扭矩信号,提出一种基于特征优选和随机森林(RF)的掘进机截割岩壁岩石硬度识别方法。该方法首先利用自适应噪声的完全集合经验模态分解(CEEMDAN)对实验获得的电流及扭矩信号进行分解,获得本征模态分量(IMF)并计算IMF的样本熵(SE),将SE最高的IMF进行变分模态(VMD)二次分解。计算二次分解IMF的模糊熵后对电流及扭矩信号重构,再计算重构信号的时频特征,与二次分解IMF的模糊熵组成电流及扭矩信号的时-频-熵特征。为了避免特征过多影响模型识别,提出Relief-F结合Pearson相关系数的特征选择方法,最后通过乌燕鸥算法(STOA)优化随机森林(RF)的最大特征数和决策树个数,完成了不同截割工况下岩石硬度识别模型的建立。结果表明:(1)对电流及扭矩信号先CEEMDAN分解再VMD分解可以降低原始信号的随机性和波动性,相较于CEEMDAN及VMD的一次分解,岩石硬度识别准确度分别提升15.2%和23.9%;(2)不同截割工况下岩石硬度识别,电流信号的时域特征占岩石硬度识别准确度权重最大;(3)提出的Relief-F结合Pearson相关系数的特征优选方法对3种工况下截割4种硬度岩石的电流及扭矩信号特征聚类明显;(4) STOA对RF关键系数的选取有优化效果,且算法迭代次数少,相较于传统的粒子群优化算法,以不同工况截割不同硬度岩石识别准确度提高7.2%。

半监督Relief-F特征选择算法

数据规模的不断增加,使得为数据库中全部样本做标记变得尤为困难,数据集也因此呈现出了明显的弱标记性.为此,针对大规模少数标记数据集的特征选择问题,基于经典的Relief-F算法,通过综合考虑有标记样本与无标记样本对数据样本近邻的影响,重新定义样本近邻的搜索策略,提出了一种面向符号数据的半监督特征选择算法.为进一步分析新算法的有效性,仿真实验中选取了5组UCI数据集,并引入机器学习中3个常用分类器对新算法和对比算法的特征选择结果的分类性能作了分析和比较,实验结果很好地验证了本文中提出的新算法的有效性和可行性.

一种考虑气象因素的配电网设备故障关联挖掘模型

电网结构日益复杂,故障监测与防范的成本随之增大,而强对流天气的频繁出现使得设备故障与外界条件关联更加紧密,因此挖掘故障设备与故障因素间的关联关系,并对具有较高关联度的设备进行重点监测与防范,对电力系统的安全稳定运行具有重要意义。基于模糊频繁项挖掘算法,提出了1种考虑气象因素的配电网设备故障关联挖掘模型。该模型首先从多元信息库中提取故障特征数据,采用Relief-F算法排除相关程度较小的冗余特征,通过数据预处理与数据整合,构建包含气象因素的故障关联特征库。其次,以故障关联特征库为基础,引入模糊集理论,提出基于模糊频繁项集挖掘算法的故障因素与故障设备关联模型构建方法。最后,基于故障关联模型进行了算例分析,结果验证了所提方法的正确与有效性。

基于一阶矩改进的太阳图像灰度质心算法

提出了一种改进的基于一阶矩算法的太阳图像灰度质心计算方法。与一阶矩算法相比,新算法的像素误差减小了0.74209 pixel。该算法首先采用梯度法消除太阳图像的背景噪声,然后将图像划分为与指定线对应的区域,在计算这些线的质心之后,最终利用简化质心点和一阶矩计算太阳图像的灰度质心。此外,给出了直线的最佳选择长度(88个点)和最佳间距(7.5°)。通过提取标准圆盘的质心,将该算法的提取精度与一阶矩法进行了比较,结果表明,该方法是有效和准确的,可以在亚像素级别有效地提取二维图像灰度的质心。

基于特征优选的面向对象毛竹林分布信息提取

【目的】提出一种基于Relief F特征优选的面向对象分类方法,为解决面向对象森林资源遥感分类提供参考。【方法】以SPOT5高分辨率遥感影像为数据源,以浙江省安吉县山川乡为研究区,通过影像分割,选取8个地物类别的370个对象样本,并设置SPOT5影像每个波段的8个灰度共生矩阵纹理、每个波段及NDVI的平均值和标准差等42个对象特征。利用Relief F算法对设置的42个对象特征进行优选,采用面向对象的最近邻方法提取研究区毛竹林分布信息。为了比较基于最优特征的面向对象的分类结果,另采用CART决策树方法在相同的分割参数和训练样本前提下,通过样本构建决策树分类规则,对研究区进行分类并提取竹林信息。【结果】1)通过Relief F特征优选方法对分类特征进行优选,大幅提高了毛竹林样本的分类精度,与特征优选前相比,毛竹林样本分类精度由68%提高到88%,优选的红波段均值、绿波段均值、红波段均质纹理、红波段熵纹理和NDVI植被指数均值5个特征能够精确地提取研究区毛竹林分布信息,其用户精度和生产者精度分别达到97%和95%;2)基于CART决策树面向对象的研究区毛竹林用户精度和生产者精度均低于基于最优特征的最近邻分类结果,主要原因是CART决策树中毛竹林、针叶林和阔叶林之间的误分相对较高。【结论】Relief F算法特征优选时注重特征的分类能力,筛选的特征参与面向对象分割提取的毛竹林分布信息高于同类研究,可为面向对象多尺度分割森林资源遥感分类时特征的选取提供一个更为科学合理的方法。

基于遗传算法的无功优化在鄂州电网中的实现

在简要分析传统的电力系统无功优化方法的局限性之后 ,指出了在无功优化问题中引入遗传算法 ( GA)的必要性和可行性 ,然后将基于遗传算法的无功优化方法用于鄂州电网操作票管理专家系统无功优化子系统中 ,论述了基于 GA的无功优化方法的程序流程 ,着重解决了在实际应用时遇到的几个问题 ,即无功优化中离散变量的处理、目标函数及相关参数值的选取等。所开发系统的实际运行结果表明 ,该算法可有效地减少系统的网络损耗 。

一种基于特征选择的面向对象遥感影像分类方法

针对GF—1多空间分辨率遥感数据空间信息丰富,传统影像分类方法无法满足实际应用需要的问题,提出了一种基于特征选择的面向对象遥感影像分类方法——object-RJMC算法,即在影像分割及特征提取的基础上,运用Relief F算法和J-M(Jeffries-Matusita)距离算法去除无关及冗余特征,筛选出适于各类别分类的特征,然后利用CART算法建立分类规则,完成分类过程。以GF-1号2 m、8 m和16 m空间分辨率的三组影像进行算法验证,并与object-CART和pixel-CART影像分类方法进行对比分析。实验结果显示object-RJMC算法的分类精度均高于object-CART和pixel-CART算法的分类精度;且对高空间分辨率的影像分类效果要优于对中低空间分辨率影像的分类效果。该算法减少了特征选择及规则建立的人工干预,克服了以像素为单位的分类算法中由于缺少空间邻域信息而产生孤立、离散、不连通分类结果的问题,可有效地提高GF-1遥感影像分类精度。

基于改进快速鲁棒特征的图像快速拼接算法

针对快速鲁棒特性(SURF)算法实时性、鲁棒性等无法满足实际应用需求的问题,提出了一种对SURF的改进算法,实现图像快速拼接。改进的算法采用机器学习的方法,建立一个二进制分类器,识别出SURF提取的特征点中的关键特征点,并剔除非关键特征点。此外,采用Relief-F算法将改进的SURF描述子降维简化来完成图像配准。图像融合阶段采用带阈值的加权融合算法,实现了图像无缝拼接。实验结果表明,改进的算法具有较强的实时性和鲁棒性,并且提高了图像配准的效率,加快了图像拼接的速度。

基于时间衰减的协同过滤推荐算法

针对传统的协同过滤算法在计算相似度时未考虑时间因素的影响,导致推荐结果不准确的问题,本文提出将时间因素融入用户项目评分矩阵中,以解决兴趣衰减的问题。首先将遗忘曲线和记忆周期作为时间因素融入算法之中,将艾宾浩斯遗忘曲线用于指数函数拟合,从而获得时间与兴趣衰减的函数关系,以此用于优化用户项目的评分。并将改进的评分矩阵应用到基于项目的协同过滤推荐算法中进行推荐。在评分中加入记忆周期的影响,让目标用户对待预测的项目评分预测更为准确。实验结果表明,改进后的基于时间衰减协同过滤算法在准确性方面有显著的提高。

F-D算法求解最短路径

分析Floyd算法与Dijkstra算法的基本思想,将二者结合起来,给出一种新的求最短路径的优化算法——F-D算法,用F-D算法求解基于GIS的电力通信线路最短路径,并在约束条件下对所求最短路径进行修正,验证了F-D算法的先进性和高效性,优化了通信线路的拓扑,实际应用意义重大。

基于模糊聚类的城市快速路交通流状态划分

针对城市快速路交通流状态分类的问题,提出了一种改进的模糊C均值(FCM)算法。结合层次聚类算法和FCM聚类算法,运用层次聚类算法得到最佳聚类数和初始聚类中心,并通过Relief F特征加权对影响交通状态的不同特征指标赋予相应的权值,最终用FCM算法再次聚类得出交通流状态的分类结果。以VISSIM为工具,对该方法进行了模拟。对比分析结果显示,所提出的方法能够提高城市快速路交通流状态分类的效果。

一种基于密度的快速聚类方法

具有噪声的基于密度的聚类方法(Density-based spatial clustering of applications with noise,DBSCAN)在数据规模上的扩展性较差。本文在其基础上提出一种改进算法——具有噪声的基于密度的快速聚类方法(Fast-density-based spatial clustering of applications with noise,F-DBSCAN),对核心对象邻域中的对象只作标记,不再进行扩展检查,通过判断核心对象邻域中是否存在已标记对象来实现簇合并,对边界对象判断其邻域中是否存在核心对象来确认是否为噪声。此方法避免了原始算法中对重叠区域的重复操作,在不需创建空间索引的前提下,其时间复杂度为O(nlogn)。通过实验数据集和真实数据集,验证其聚类效果及算法效率。实验表明F-DBSCAN算法不仅保证了有良好的聚类效果及算法效率,并且在数据规模上具有良好的扩展性。

基于电流信号特征的弓网电弧识别方法

弓网电弧已成为电力机车安全运行的隐患,及时识别弓网电弧对于评价受流质量、调控弓网电弧、指导线路检修具有重要意义。该文开展了不同条件的弓网系统受流特性实验,将系统受流分为正常受流和电弧受流两种状态。提出一种基于回路电流和支持向量机(SVM)的弓网电弧在线识别方法及其工程实现方案。采用改进的F-score算法选择回路电流的平均值、标准差和相关系数作为弓网电弧的典型特征,利用svmtrain函数创建SVM模型,利用网格搜索算法优化SVM的径向基核函数。实验表明,该方法能够有效识别弓网电弧。接触压力、滑动速度和接触电流以及燃弧时间、电流采样频率均会影响弓网电弧的识别准确率。燃弧时间对识别准确率的影响较大,相同条件下燃弧时间越长,识别准确率越高。

基于F-measure的网络布局评测算法实现

分析基于F-measure的网络布局评测算法的设计思想,通过计算F-measure中的查全率和查准率,优化目标函数,得到网络布局的定量评测结果,并给出评测算法的实现流程。使用网格布局算法对不同规模和迭代次数下的网络进行布局,在vis Ant可视化平台上的测试结果表明,该算法的评测结果与网格布局算法的布局结果一致,从而证明其有效性。

基于加Hanning窗递推DFT算法的测频方法

常用递推离散傅里叶变换(DFT)方式动态计算频谱,根据相位计算结果实时计算电网变化的频率,动态调整测量控制装置的采样频率实现同步采样。但由于截断信号会产生频谱泄漏,使得相位和频率计算结果有一定误差,采用该方法跟踪频率,实时计算电网变化的频率速度较慢。为提高频率跟踪计算速度,对加Hanning窗递推DFT算法计算频率进行了研究,利用2次加Hanning窗递推DFT求出工频基波相位经过1个工频周期后的相位变化量,再利用该变化量求出对应频率的变化量。采用加窗递推DFT有效减小了频谱泄漏的影响,提高了相位差的计算精度和速度,从而可以提高频率的计算精度和速度。该方法简单,易于实现,计算量较小,频率跟踪速度快。

新型的适合于VoIP传输的轻量级加密算法

针对现有VoIP加密算法实现相对复杂、计算量大、系统性能消耗明显的情况,提出了一种适合于重视实现成本低、速度快、最小性能消耗的商业级应用轻量级VoIP加密算法。该算法本质上仍然是对称钥体系,但由动态小算法库组成,采用有记忆的改变每次加密的算法组合的原理,并在保证一定安全性的基础上解决了传统的必须要公钥密码体制传送密钥的问题,实现简单、速度快,计算量小。

基于旅客列车开行方案的客流分配方法研究

基于旅客列车开行方案的客流分配是评价列车开行方案编制质量的重要依据.本文总结基于列车开行方案的客流分配特点,构建了基于列车开行方案的列车服务网.通过分析旅客乘车选择行为,确定了网络阻抗的计算方法,配流过程中尽量减少短途客流对长途客流乘车选择的影响.结合铁路旅客运输组织特点,建立了以旅客换乘次数限制、OD客流量限制、列车能力限制为约束条件的客流分配模型.模型求解时,利用罚函数将多约束模型转化为标准的用户平衡模型,提出了能记录径路信息的基于F-W的改进算法.案例验证了该方法的可行性和有效性.