加工中心主轴关键热敏感点选取与热误差预测

为探究数控机床主轴温度场信息与主轴热误差之间的非线性映射关系,提出一种基于人工蜂群优化算法(ABC)与广义回归神经网络的主轴热误差预测模型。首先,使用热成像技术布置温度传感器,并利用K-medoids算法对温度测点进行聚类分组,使用灰色关联度分析方法计算温度与主轴热误差之间的相关程度,进而提取出最佳热敏感点;其次,引入调节因子优化ABC算法的寻优过程,使用改进后的ABC网络确定GRNN网络的最佳参数及光滑因子;最后,以三轴数控加工中心为研究对象,进行温度数据与热误差数据的采集,建立基于ABC-GRNN热误差预测模型并与优化前进行比较。热误差实验结果表明,K-medoids算法与灰色关联分析相结合,有效避免了温度测点之间的多重共线性;ABC-GRNN模型可以更准确地预测出主轴各项误差值。

基于密度峰值聚类方法的多准则ABC库存分类模型

对于ABC库存分类管理的多准则优化问题,已有多种分类模型被提出,其中无监督机器学习方法具有吸引人的理论和实践特性,最大优点是不涉及主观性。在平均单位成本、全年货币使用量和提前期这三种库存决策要素的基础上,提出一个基于密度峰值聚类方法的多准则ABC库存分类模型。使用DPC模型和K-Means 模型对由47个库存单位组成的标准数据集进行聚类分类,利用成本-服务绩效方法将DPC模型、K-Means 模型和GMM模型分类结果进行比较分析。研究结果表明,在成本-服务绩效方面,DPC模型优于K-Means 模型和GMM模型,同时发现这三个无监督聚类模型分类结果优于使用同一数据集的几种数学规划模型。

阅读障碍儿童的同时性和继时性认知加工特征

目的:探明阅读障碍(Reading disorder,RD)儿童的同时性加工和继时性加工认知特征。方法:采用考夫曼儿童成套评估测验(Kaulinan Assessment Battery for Children,K-ABC)对未接受过药物治疗22名阅读障碍儿童和按照性别、年级及智力水平与之匹配的27名正常儿童进行了测试和分析。结果:RD组的同时性加工、认知加工和习得度量表得分低于对照组[(105.6±10.2)vs.(115.0±10.9),(112.9±14.9)vs.(123.3±11.6),(112.6±13.2)vs.(127.7±7.2),均P<0.05];分测试中,RD组的手部动作、完形测试、视觉类比推理、位置记忆、谜语和阅读/理解得分低于对照组[(11.3±2.3)vs.(13.4±2.9),(9.3±2.3)vs.(11.0±3.0),(10.8±1.7)vs.(14.0±1.8),(11.4±2.0)vs.(13.0±2.6),(97.6±12.3)vs.(111.7±9.1),(102.9±15.9)vs.(118.0±5.7),P<0.05]。同时性加工、继时性加工与习得度之间呈正相关(r=0.53、0.47,P<0.05)。结论:RD儿童存在同时性和继时性加工两方面的认知功能缺陷,尤以同时性加工为甚,已获得的知识技能亦低于正常儿童。

ADHD儿童同时性加工与继时性加工的实验研究

目的:采用考夫曼儿童能力评估成套测验(Kaufman Assessment Battery for Children,K-ABC) 对注意缺陷多动障碍(ADHD,Attention Deficit Hypemctivity Disorder)儿童进行检测,以探讨其同时性加工和继时性加工方面的神经心理反应特征。方法:对30例未接受过药物治疗的6-13岁ADHD 儿童以及与之年龄、性别和年级相匹配的30例正常儿童进行日本版K-ABC 测试,测验项目包括继时性加工量表(手动作、复数、词语顺序)和同时性加工量表(画面统合、积木摹摆、视觉类比推理、寻找位置)中的7个分测验,并对其结果进行比较和分析。结果:ADHD 组儿童在7个分测验中的成绩均低于对照组儿童,其中手动作(12.6±3.8/15.5±3.2.t=-3.215,P<0.01)、复数(15.5±2.9/17.3±2.1,t=2.818,P<0.01)、词语顺序(10.4±3.0/13.5±3.3,t=-3. 792,P<0.001)、视觉类比推理(12.6±3.5/15.1±2.7,t=-3.077,P<0.01)分测验的比较有统计学意义。结论:ADHD 儿童的继时性加工和同时性加工能力较正常儿童均存在一定程度的缺陷,尤以继时性加工方面的缺陷较为明显。

基于改进人工蜂群算法的K均值聚类算法

针对K均值聚类(KMC)算法全局搜索能力差、初始聚类中心选择敏感,以及原始人工蜂群(ABC)算法的初始化随机性、易早熟、后期收敛速度慢等问题,提出了一种改进人工蜂群算法(IABC)。该算法利用最大最小距离积方法初始化蜂群,构造出适应KMC算法的适应度函数以及一种基于全局引导的位置更新公式以提高迭代寻优过程的效率。将改进的人工蜂群算法与KMC算法结合提出IABC-Kmeans算法以改善聚类性能。通过Sphere、Rastrigin、Rosenbrock和Griewank四个标准测试函数和UCI标准数据集上进行测试的仿真实验表明,IABC算法收敛速度快,克服了原始算法易陷入局部最优解的缺点;IABC-Kmeans算法则具有更好的聚类质量和综合性能。

一种改进人工蜂群的K-medoids聚类算法

针对传统K-medoids聚类算法初始聚类中心选择较敏感、聚类效率和精度较低、全局搜索能力较差以及传统蜂群算法初始蜂群和搜索步长随机选取等缺点,提出了一种基于粒子和最大最小距离法初始化蜂群和随着迭代次数增加动态调整搜索步长的人工蜂群算法,将改进的人工蜂群进一步优化K-medoids,以提高聚类算法的性能。实验结果表明:该算法降低了对噪声的敏感程度,具有较高的效率和准确率,较强的稳定性。

细水雾与CO_2、ABC干粉灭K类火的对比分析

对细水雾、CO2和ABC干粉灭火剂灭K类火进行了试验研究和比较分析。结果表明:细水雾具有更好的降温效果,不会发生复燃,耗水量小,且残留物只有水,灾后清理工作简单;ABC干粉灭火剂具有最好的灭火效率,灭火速度快,灭火剂的用量小,但降温效果不佳且容易复燃;CO2灭火剂在灭火效率和降温效果上都没有突出的表现。采用细水雾和ABC干粉灭火剂灭K类火比CO2灭火剂更加经济、高效。

基于K-means的改进人工蜂群聚类算法

针对K-means聚类算法对初始聚类中心敏感和易陷入局部最优解的缺点,提出一种基于K-means的人工蜂群(ABC)聚类算法。将改进的人工蜂群算法和K-means迭代相结合,使算法对初始聚类中心的依赖性和陷入局部最优解的可能性降低,提高了算法的稳定性。通过基于反向学习的初始化策略,增强了初始群体的多样性。利用非线性选择策略,改善了过早收敛问题,提高了搜索效率。通过对邻域搜索范围的动态调整,提高了算法收敛速度,增强了局部寻优能力。实验结果表明,该算法不仅克服了K-means算法稳定性差的缺点,而且具有良好的性能和聚类效果。

基于最优场景生成算法的主动配电网无功优化

针对间歇性分布式电源输出功率的不确定性和随机性,提出采用Wasserstein距离指标和K-means聚类场景削减技术生成最优场景,将随机优化问题转换为确定性优化问题。建立了风—光—荷多场景树模型,并以有功网损最小、电压偏差最小作为目标函数,考虑储能荷电状态约束影响,建立含间歇性分布式电源的主动配电网无功优化数学模型,并采用人工蜂群算法对模型进行求解。仿真分析得出基于Wasserstein距离指标和K-means聚类场景削减技术生成的最优场景能较精确地体现分布式电源有功出力的随机特性。最后,以IEEE-33节点配电系统为例进行仿真分析,验证了所提方法的有效性和可行性。

结合人工蜂群优化的粗糙K-means聚类算法

粗糙K-means聚类算法具有较强的处理边界不确定数据能力,但该算法也存在对初始聚类中心选取敏感,以及采用固定权重和阈值方式而导致聚类结果不稳定、精度下降等问题。许多研究工作从不同角度致力于解决这些问题。引入人工蜂群算法(ABC)从三方面对算法进行了改进:首先,以下近似和边界集中数据对象个数与对象在数据集中空间分布的差异性乘积的比值为基础,设计了一种更为合理的动态调整下近似和边界集的权重方法。其次,为加快算法的收敛速度,给出了一种与迭代次数相关联的自适应阈值ε的实现方法。最后,通过构造蜜源位置的适应度函数,引导蜂群向高质量蜜源全局搜索,把蜂群每次迭代得到的最优源位置作为初始聚类中心,并在此基础上进行交替聚类。实验结果表明,改进后的算法提高了聚类结果的稳定性,获得了较好的聚类效果。

基于聚类分析的ABC库存分类方法研究

合理的库存控制不仅能够保证商业企业的经营需求,而且能使库存量保持在合理的水平上。由于库存物资的品种繁多,每种物资的数量、价格也各有不同,因此一般要对库存物资进行有重点的分类控制与管理。ABC分类管理是库存管理中的常用方法,但由于此方法是按事先预定好的分类比例进行划分,往往会在分类边界出现划分误差。使用数据挖掘中的聚类分析思想,采用了K-means算法对ABC分类进行优化,并提出了有效的评价函数。结果证明,优化后的ABC分类提高了商品的分类精度,为决策者提供了更合理的管理依据。

结合膜计算与人工蜂群算法的K均值算法

针对人工蜂群(ABC)优化的K均值(K-means)算法较易陷入局部最优、对初始聚类中心位置敏感等问题,结合具有广泛应用前景的膜计算(MC/P system)模型,提出一种改进的聚类算法。该算法利用最大最小距离积法对蜂群食物源进行初始化,提高初始值的适应度,加快收敛。ABC与K-means算法相结合,提高ABC算法的收敛速度;将ABC的蜜源进行K-means聚类,克服K-means对初始聚类中心的依赖及K-means算法易陷入局部最优的缺点。MC具有分布式、极大并行性和非确定性的特点,可以帮助提高蜂群的多样性,并平衡蜂群的勘探能力与开发能力。在提出的算法中,MC的结构以及其进化、溶解和通讯规则被整合到ABC算法中以增强蜂群的优化能力。实验结果表明,所提出的算法具有较好的聚类效果和稳定性。

血清生长分化因子15及ABC出血风险评分在预测老年非瓣膜病心房颤动患者口服非维生素K拮抗剂抗凝药出血风险的临床应用初探

目的探讨血清生长分化因子15(GDF-15)及以此为基础的ABC(年龄、生物标志物和临床病史)出血风险评分在老年(年龄≥65岁)非瓣膜病心房颤动(NVAF)患者使用非维生素K拮抗剂口服抗凝药物(NOAC)治疗后,随访期间发生出血事件的预测能力,并与传统HAS-BLED出血风险评分比较。方法选取心血管内科住院收治的、首次诊断为NVAF且接受NOAC治疗的老年患者,采集入选患者的临床资料并分析血清GDF-15水平,计算以GDF-15等心脏生物标志物为基础的ABC出血风险评分及HAS-BLED出血风险评分。对患者出院后进行随访,记录随访期间各种出血事件,按各出血事件的严重程度[重大出血事件、临床相关非重大出血的消化道出血事件(CRNM-GIB)、轻微出血事件、无出血事件]分组,分别评价及比较ABC出血风险评分与HAS-BLED出血风险评分对各种程度出血事件的预测能力。结果142例老年NVAF患者,CHA_(2)DS_(2)-VASc卒中风险评分为(4.86±1.75)分,HAS-BLED出血风险评分为(2.92±0.99)分,经ABC出血风险评分计算预测1年出血事件发生率为(5.72%±4.11%),平均随访(19.92±6.83)月,49例(49/142,34.5%)发生出血事件,其中脑出血3例,CRNM-GIB 19例,轻微出血27例。受试者工作特征(ROC)曲线显示,血清GDF-15水平对CRNM-GIB[曲线下面积(AUC)为0.718,95%CI为0.645~0.835,P<0.001]及全部出血事件有预测价值(AUC为0.670,95%CI为0.690~0.727,P<0.001),ABC出血风险评分对CRNM-GIB(AUC为0.688,95%CI为0.552~0.824,P<0.001)及全部出血事件有预测价值(AUC为0.679,95%CI为0.579~0.779,P<0.001)。与HAS-BLED出血风险评分相比,ABC出血风险评分预测脑出血能力较高(ABC出血风险评分AUC为0.868,95%CI为0.752~0.985;HAS-BLED出血风险评分AUC为0.745,95%CI为0.556~0.933,重分类改善指标(NRI)为84.17%,P=0.001),预测CRNM-GIB能力较低(ABC出血风险评分AUC为0.688,95%CI为0.552~0.824;HAS-BLED出血风险评分AUC为0.744,95%CI为0.639~0.849,NRI为-23.96%,P=0.025)。结论血清GDF-15水平对老年NVAF患者口服NOAC的出血风险有预测价值。相比HAS-BLED评分,ABC出血风险评分能提高对脑出血事件的预测能力。

猪链球菌2型ABC转运蛋白gene0910敲除突变体的构建及活性分析

目的:构建猪链球菌2型(Streptococcus suis type 2)强毒株05ZYH3389K毒力岛上的ABC转运蛋白gene0910敲除突变体,并初步分析其活性,为进一步研究猪链球菌假想毒力因子在致病中的作用提供实验基础。方法:以猪链球菌2型05ZYH33基因组为模板,扩增gene0910两侧各约500bp左右的片段为上下游同源臂,以pSET1质粒为模板,扩增氯霉素抗性基因Cm为中间片段,采用重叠PCR方法搭建三个片段,并克隆到自杀载体pSET4S上,构建基因敲除的载体。电转化05ZYH33感受态细胞,经30℃双交换和40℃质粒丢失,最后点板法筛选出基因敲除突变体△0910。对突变株和野生株的生物学活性及小鼠的致病性进行了初步比较。结果:PCR分析和测序结果均显示gene0910完全被氯霉素抗性基因Cm所替代,基因敲除突变体构建成功。结论:突变株的生物学活性和对小鼠的致病性与野生株相比差异不显著。