基于K-spectrum的下一代测序数据的纠错算法分析

【目的】对现有的下一代测序(Next Generation Sequencing,NGS)纠错算法和工具进行分析,提出基于Hadoop平台的纠错算法,以解决大数据处理中计算机内存不足和运行时间长的问题,提升纠错性能。【方法】使用特定的数据对现有的基于K-spectrum的纠错算法进行测试,对各纠错工具的运行时间、内存峰值和纠错结果进行比较来衡量纠错工具的性能。在此基础上提出Hadoop分布式并行纠错算法(Parallel algorithm),并与串行程序、Lighter和Racer进行比较,分析分布式并行实现的可行性。【结果】现有的基于Kspectrum的纠错工具普遍存在较大的内存消耗现象,其中Racer和Sga的纠错效果较好。而Hadoop分布式并行纠错算法对计算机单机内存的消耗较低,当数据量超过一定值时,并行分布式程序的运算时间比串行单机程序明显减少。【结论】本研究提出的Hadoop分布式并行纠错算法不仅降低了内存消耗,而且提高了运算性能,更有利于大规模基因数据的分析处理。

GPR绕射波与反射波分离的变分模态分解方法研究

针对传统绕射波与反射波分离方法易造成有效信号丢失的问题,本文利用二维变分模态分解(2D-VMD)进行探地雷达(GPR)数据的绕射波与反射波分离。对二维GPR数据进行2D-VMD分解后,可得到包含从低频低波数到高频高波数的各阶模态分量及各阶模态分量的F-K谱。通过分析绕射波与反射波在频率-波数域的差异,分别重构绕射波与反射波对应的模态分量,得到分离后的绕射波与反射波数据。数值模拟与实测数据处理结果表明,相比于传统方法,该方法可以有效分离绕射波与反射波,并且不损失任何有效信号。

基于IKNN和LOF的变压器回复电压数据清洗方法研究

基于回复电压极化谱提取特征参量是目前广泛应用的变压器油纸绝缘状态评估方法,但极化谱易受工况干扰、人工失误等因素影响而出现特征数据异常的情况,严重降低评估准确性。针对上述问题,该文提出了一种基于局部离群因子(LOF)和改进K最近邻(IKNN)的回复电压数据清洗方法。首先,选取回复电压极化谱的回复电压极大值Urmax、初始斜率Sr与主时间常数tcdom作为老化特征参量,并基于LOF算法对非标准极化谱中的异常特征量数据进行识别与筛除。其次,利用模糊C均值(FCM)聚类算法减小噪声点对KNN算法的干扰,并通过加权欧氏距离标度突出各特征量间的关联性,进而构建出基于IKNN的数据填补模型架构以实现特征缺失数据的填补。最后,代入多组实测数据验证所提数据清洗方法的实效性。结果表明,数据清洗后的状态评估准确率相较于原有数据上升了50%左右,有效提高了变压器回复电压数据质量,为准确感知变压器运行状况奠定坚实的基础。

基于SVD-K-means算法的软扩频信号伪码序列盲估计

针对通信中软扩频信号伪码序列盲估计困难的问题,提出一种奇异值分解(singular value decomposition,SVD)和K-means聚类相结合的方法。该方法先对接收信号按照一倍伪码周期进行不重叠分段构造数据矩阵。其次对数据矩阵和相似性矩阵分别进行SVD完成对伪码序列集合规模数的估计、数据降噪、粗分类以及初始聚类中心的选取。最后通过K-means算法优化分类结果,得到伪码序列的估计值。该算法在聚类之前事先确定聚类数目,大大减少了迭代次数。同时实验结果表明,该算法在信息码元分组小于5 bit,信噪比大于-10 dB时可以准确估计出软扩频信号的伪码序列,性能较同类算法有所提升。

混合k空间经颅聚焦超声相位校正

经颅聚焦超声是一种非侵入性治疗方式,为脑功能性疾病的治疗提供了一种新思路,其常见的应用有血脑屏障打开、脑部肿瘤消融、神经调控等。由于颅骨的异质性,超声在传播过程中会产生畸变,需要一定的相位校正实现超声的聚焦。利用时间反转结合k空间伪谱可以实现对于非均匀的颅骨进行相位校正。然而,在相控聚焦过程中,同时提高相位校正的精度和减少计算的时间是一个矛盾的关系。该文提出伪谱法和角谱法相结合的混合k空间方法在较短时间内优化相位校正,k空间伪谱模拟非均匀的颅骨部分,角谱法模拟均匀的脑组织部分,并对经兔颅骨后的声场进行仿真与测试。结果表明,混合k空间和k空间相位校正方法得到焦点处的声压差和位置差较小,分别为3%和6%。在模型网格大小为310×310×300条件下,混合k空间相位校正方法的相位计算时间(14.98 min)与k空间方法(91.73 min)计算时间相比大幅降低,在脑超声治疗临床方面具有良好的应用前景。

电能计量装置异常状态监测方法研究

电能计量装置计量过程中,受功率谱谐波震颤强度影响,其状态指标数据呈现高度混沌状态,导致监测性能较差。为此,提出基于改进聚类分析的电能计量装置异常状态监测方法。通过构建电能计量装置状态评估体系,选取具有评估价值的技术指标及其对应的参数指标,并将相关指标参数视为待分类对象,以获取电能计量装置运行状态的混沌样本数据。利用蚁群算法优化K-Means聚类方法的聚类指标数据,实现电能计量装置状态监测。试验结果表明:该方法应用后的电能计量装置异常状态检出率较高,并且预测值与实际值的拟合率、准确率均较高。该方法监测性能较好。

基于太赫兹光谱的大鼠脑缺血早期诊断技术的研究

脑缺血是一种常见的突发性脑外科疾病,具有较高的致死致残率,快速、准确对脑缺血程度进行检测对脑缺血的诊断与治疗工作具有重要意义。基于衰减全反射式太赫兹时域光谱技术,分别对脑缺血时间为0,0.5,1,2,4,6和24 h的大鼠脑脊液和血清进行光谱检测,并对不同缺血时间的大鼠脑脊液和血清的吸收系数和折射率随缺血时间的变化规律进行分析。结果表明,与对照组相比,不同缺血时间的大鼠脑脊液和血清的吸收系数和折射率均存在一定的差异。在此基础上,根据不同缺血时间的大鼠脑脊液和血清的吸收系数,采用主成分分析法和机器学习算法对大鼠的脑缺血程度进行自动分类识别。其中,基于脑脊液吸收系数的支持向量机分类模型的识别准确率相对较高,达到了89.3%。该方法为脑缺血的早期诊断提供一种新的检测方法。

O_(2)/CO_(2)和O_(2)/N_(2)气氛下单颗粒煤火焰碱金属光谱辐射特性

不同气氛条件对煤颗粒反应特性有着很大的影响,因此本文研究了O_(2)/CO_(2)和O_(2)/N_(2)气氛对单颗粒煤燃烧过程火焰面积、火焰温度及碱金属(Na^(*)和K^(*))光谱辐射特性的影响。基于煤颗粒可视化滴管炉,结合火焰光谱诊断系统,捕捉了火焰图像并采用多波段辐射法计算不同氧浓度为30%、40%和50%下的火焰温度。结果表明,随着反应的进行,火焰温度增加而火焰面积先增加后减小。O_(2)/CO_(2)气氛下,煤颗粒周围出现一层薄薄的“火焰层”,而在O_(2)/N_(2)气氛下没有观察到类似的现象,这源于CO_(2)较高的热容值。随着氧浓度的增加,火焰中Na^(*)和K^(*)的辐射峰值强度增加。另外,O_(2)/N_(2)气氛下Na^(*)和K^(*)峰值强度和火焰温度高于O_(2)/CO_(2)气氛,且Na^(*)和K^(*)峰值强度的与火焰温度呈正相关,可以用碱金属原子辐射光谱来表征火焰温度。

K-SVD字典在航空伽马谱数据降噪中的应用研究

为降低航空伽马谱数据中的噪声,消除统计涨落对数据产生的影响,开展了K-SVD训练字典的降噪应用研究。根据稳定性测试所采集到的航空伽马谱数据,采用K-SVD训练字典进行了降噪实验,并将信噪比、皮尔森相关系数以及均方差等值作为降噪效果的评价指标,与NASVD以及S-G算法进行了降噪效果对比分析。实验结果表明,经过K-SVD字典降噪后的上下测窗谱数据与真值数据之间的相关系数分别达到了0.9983和0.9999,其整体降噪效果要优于NASVD与S-G算法。进一步利用不同降噪方法对实际测区数据进行处理,结果表明K-SVD算法能够有效滤除噪声并还原地质体特征。分析认为K-SVD算法能够有效降低统计涨落对原始波形带来的影响,在提升波形平滑性的同时使得数据的波峰波谷等特征得到较好的还原,在航空伽马谱数据处理中具有较好的降噪效果。

基于K-modes的安全算法抵御SSDF攻击

为保障频谱感知安全,针对协作频谱感知中频谱感知数据篡改攻击,在集中式认知无线电网络中提出了一种基于K-modes的安全算法抵御此类攻击。利用K-modes算法对在融合中心收集到的次用户感知报告进行分类,在识别并剔除攻击者后,最后通过低复杂度的传统投票规则获得更高的网络感知性能。通过Python仿真,分析该算法在不同条件下对攻击者的识别性能,并验证该算法比传统防御算法的检测概率提高了约37%。

机器学习在乳腺癌荧光光谱诊断中的应用研究

乳腺癌是世界上对于女性非常危险的疾病,其患病率逐年增长,是世界妇女死亡的主要原因。在大样本情况下,乳腺癌临床诊断受优质医疗资源相对短缺的限制,诊断周期长、检测费用高。因此,高效、准确、性价比高的乳腺癌诊断方法具有广阔的应用前景,为临床诊断迫切需求。荧光光谱检测是一种可以表征细胞中物理和化学综合变化的方法,可用于表征正常和癌变细胞的特征。机器学习擅长从大量数据中挖掘有用信息,是进行分类和预测的有效手段。以往机器学习多使用包含部分生化信息的数据库训练模型,易导致信息缺失。荧光光谱是细胞多种物质的叠加光谱,使用荧光光谱特征峰诊断乳腺癌存在量化不确定性问题。因此,提出了机器学习结合乳腺癌样本荧光光谱的诊断方法。使用405 nm波长的激光,采集了正常和癌变乳腺组织(已做出病理诊断)的荧光光谱数据,以此作为数据集,比较了K-近邻(KNN)、支持向量机(SVM)、随机森林(RF)三种算法对正常和癌变乳腺组织荧光光谱的分类能力。判别结果显示:与SVM算法相比,KNN和RF算法的准确率更高、平衡召回率和精度的能力更强,对乳腺癌荧光光谱的分类能力更好,其准确性、召回率、精度以及F1-score函数结果均在95%之上,更利于乳腺癌的诊断。进而探讨了权重KNN(WKNN)算法对正常和癌变乳腺组织荧光光谱的分类能力。WKNN较KNN算法的分类评估结果有小幅度提升,且具有更好的抗噪和适应能力,算法简单。综上所述,本文提出的机器学习结合荧光光谱的乳腺癌诊断方法,精度高、速度快、性价比高,是未来乳腺癌诊断方法的发展方向,具有重要的临床应用价值。

分级分布式无人机协作频谱感知方法

无人机认知网络(Cognitive UAV Network,CUAVN)可以通过高精度的频谱感知提高频谱效率,但传统的集中式协作频谱感知不适用于无人机(Unmanned Aerial Vehicle,UAV)网络。UAV网络拓扑结构动态变化,使得全局信息很难快速收集至一个融合中心。针对上述问题,提出了一种基于K-means聚类算法的分级分布式协作频谱感知方法。首先,利用K-means聚类算法基于位置信息对UAV进行分簇;然后,采用两级分布式融合方案进行分层融合,在每个簇内先进行一致性信息融合得到K个融合结果,再进行第二次融合得到最终全局收敛结果;最后将最终收敛结果与检测阈值对比,得到最终决策。仿真结果表明,所提出的分级分布式融合方案具有较好的收敛性,且信息融合迭代次数比未分级融合方案更少。在不同权重因子的加权情况下,所提方案较未分级融合方案更好,且平均接收信噪比越大时检测性能越好。与未分级分布式融合方案相比,在UAV节点较多的情况下,该方案使CUAVN的频谱检测性能得到了提升。

融合分数阶微分与PIMP-RF算法的集成学习模型预测成熟期苹果可溶性固形物含量

可溶性固形物含量(SSC)是反映苹果品质和成熟度的重要生理指标,能够用于苹果品质分析和成熟度预测。以新疆阿克苏冰糖心红富士苹果为研究对象,从果实膨大定形期至完熟期,以等间隔周期3 d采摘样本,测其380~1100 nm的可见/近红外光谱和SSC,共552个样本。然后融合分数阶微分(FD)及置换重要性-随机森林(PIMP-RF)算法,构建成熟期苹果SSC预测的集成学习模型。结果表明,基于PLS模型优选的分数阶微分阶次为0阶、0.4阶、1.1阶和1.6阶,且通过PIMP-RF算法进行特征重要性和可解释性分析结果显示,利用可见/近红外光谱预测成熟期苹果SSC的关键波长主要为可见光波段,这为今后研发新疆冰糖心红富士苹果的快速无损检测设备提供参考;基于分数阶微分技术和PIMP-RF算法构建的成熟期苹果SSC集成学习模型具有很好的预测能力,其训练集的相关系数r等于0.9892,平均绝对误差MAE等于0.2412,均方根误差RMSE等于0.3091,平均绝对百分误差等于0.0183;测试集的相关系数r等于0.9038,平均绝对误差MAE等于0.5499,均方根误差RMSE等于0.7408,平均绝对百分误差等于0.0434,相比于FD0-PIMP-RF、FD0.4-PIMP-RF、FD1.1-PIMP-RF和FD1.6-PIMP-RF模型,集成学习模型为最优。故而,集成分数阶微分技术与PIMP-RF算法,结合可见近红外光谱技术可有效地实现成熟期苹果的可溶性固形物含量预测。

高速公路换道行为的频谱结构识别及分类

为提高高速公路出口换道车辆与主流车辆之间安全性,以驾驶行为功率谱分析为基础,进行换道识别及危险特征分类。首先,采集高速公路出口车辆车头时距、速度、加速度特征数据,从车辆行驶横向、纵向运行方向计算碰撞时间(Time-To-Collision,TTC),以得到危险冲突与一般冲突发生概率。其次,基于特征参数划分换道过程中安全状态,根据换道车辆运动学规律,对换道行为数据抽样,同时进行频谱结构分析,在定阶为10的频谱下构建行为功率谱模型,得到碰撞安全阈值。此外,通过相关性分析得到一般冲突和严重冲突的特征量,并与实际换道数据进行匹配。最后,利用K-means聚类分析对危险行为进行分类。研究结果显示:K-means聚类分析算法的精度较高,能有效辅助交通管制措施。研究成果可为高速公路换道行为研究和高速公路出口复杂交通变化研究提供理论基础。

基于光子计数器能谱响应优化的能谱CT造影剂K边缘分解方法

受到光子计数探测器(PCD)电荷共享、光子逃逸以及散射等效应的影响,在K边缘附近的入射能谱在探测器下会产生失真,降低了能谱CT的重建和材料分解性能。为此,提出了基于能谱恢复优化的投影域K-edge材料分解算法。该方法由两个步骤组成:首先,对探测器的能量响应函数(Energy Response Function,ERF)进行建模,通过MLEM方法恢复入射能谱;然后,基于恢复的投影数据进行能谱CT的K边缘重建和材料分解,得到造影像和组织像的正确分布。碘造影剂的仿真实验表明,能谱恢复较好地实现了造影剂与组织的图像分离,可以有效地提高K边缘重建图像中碘造影剂信号,提升能谱CT的造影剂分辨能力。

北柴胡标准汤剂中柴胡皂苷量值传递规律研究

目的:通过计算北柴胡中柴胡皂苷(SS)的K值,研究北柴胡标准汤剂中物质传递规律。方法:依据《中药配方颗粒质量控制与标准制定技术要求》制备北柴胡标准汤剂,同时针对SS中的原生苷与次生苷建立超高效液相色谱(UPLC)特征图谱方法,采用对照品进行特征峰指认,并结合以标准汤剂、饮片中单位浓度下特征峰峰面积、标准汤剂出膏率为因子的公式,计算K值,描述标准汤剂中SS的量值传递。结果:采用UPLC建立的特征图谱确定了SS类9个特征峰,采用对照品指认了7个特征峰,经方法学验证,精密度、稳定性良好,能适用于标准汤剂特征图谱的检测。并基于SS特征图谱数据结合K值对标准汤剂物质分析,结果显示峰1、2、3、4、8的K值均小于1,表明标准汤剂中该SS类成分不易转移或发生分解(即负转化);峰7、9的K值大于1,表明标准汤剂中该SS类成分得到富集或由其他物质转化而来(即正转化);峰5、6在不同批次中传递趋势不同。结论:采用特征图谱结合K值分析的模式,能够明确北柴胡标准汤剂中SS类成分的物质传递规律,以指导北柴胡配方颗粒的生产全过程,保证临床用药的安全性、有效性。

无砟轨道温度简便计算及极端天气影响分析

为了研究无砟轨道的温度特性,分析道床板与环境的换热机理,开展了无砟轨道温度监测试验.运用频谱方法,研究了气象因素与道床板温度间的关系;基于热力学原理和试验研究,反演道床板材料热工参数,建立了道床板温度的简便计算方法,并对其计算精度进行评价;探讨了太阳辐射、风、大气温度等对道床板温度的影响,分析了极端天气下道床板的温度特性.研究结果表明:本文方法能够有效计算无砟轨道道床板温度,误差在0.4~3.0℃之间,具有较高精度和实用性;道床板导温系数宜取为0.004 3 m2/h;平均气温和太阳辐射主要决定整体温度,气温振幅对温度梯度有较大影响;风力等级达到4级以上时,板面温度近似为等效气温;极端天气下,道床板下表面温度可能达到50℃,温度梯度达到110℃/m.

高温固相法制备CaCO_3:Eu^(3+),K^+红色荧光粉的研究

采用高温固相法制备红色稀土荧光粉CaCO3:Eu3+,K+,并对样品的煅烧温度、结构和荧光性能进行研究。XRD、荧光光谱、FT-IR和Ram an光谱分析表明,当煅烧温度在560℃以上时,样品的主晶相为三角晶系的方解石结构,掺杂Eu3+和K+离子分别作为激活剂和敏化剂进入到基质CaCO3的晶格中;煅烧温度的升高有利于提高样品的发光强度;Eu3+离子在基质中表现出自身的特征电子拉曼跃迁7F0→7FJ(J=3,4);样品的最大激发波长位于272nm处,对应于O2--Eu3+的电荷迁移跃迁(CTB);发射峰由5D0→7DJ(J=0~4)的跃迁形成,其中以电偶极跃迁5D0→7F2(610 nm)为主,样品在紫外光激发下可以产生强的红色发光,并且Eu3+离子处于非对称中心的格位上。

ZnO薄膜光学常数测量

利用Kramers-Kronig方法(K-K方法)测量了ZnO薄膜的复分电常数和复折射率(折射率和消光系数)。为了满足K-K方法所要求的条件,光源发出的光束通过一个特殊设计的中间带孔的反射镜垂直投射到ZnO薄膜表面,在ZnO薄膜表面产生的反射光穿过反射镜中间的小孔进入单色仪,从而测量出正入射情况下ZnO薄膜的反射光谱。对有限波段下测量的数据经合理的外推后,得出全波段的薄膜反射谱,然后利用K-K方法计算出ZnO薄膜的复分电常数和复折射率。实验结果表明,氧化锌薄膜在可见光范围内的折射率近似为一常数3.5;在430 nm附近出现折射率最大值,而在短波长范围所对应的折射率大大降低,其值在0.5～2.5之间起伏波动。

维生素K_3的表面增强拉曼光谱研究

首次报道了维生素K3 (VK3 )分子的常规拉曼光谱 (NRS)及该分子在活性衬底银镜上的表面增强拉曼散射 (SERS) ,并对它的拉曼特征谱带进行了初步的指认和归属。通过对比VK3 的常规拉曼光谱和SERS谱 ,发现VK3 分子吸附在银表面后拉曼散射强度被大大增强了。另外 ,VK3 的羰基与银粒子发生电荷转移后形成负离子自由基 ,碳氧双键打开。受VK3 分子吸附在银镜表面的影响 ,萘环结构发生了很大的扰动 ,导致一些拉曼特征峰产生位移 ,环变形振动对应的拉曼散射强度得到了增强。这些研究结果为SERS技术今后对VK3进行药物检测以及痕量分析方面的应用提供了依据。