基于多模态超声建构胎儿先天性心脏病决策树模型及其应用价值

目的:分析基于多模态超声建构胎儿先天性心脏病决策树模型及其应用价值。方法:随机选取2021年4月-2023年7月在本院产前超声检查孕中期孕妇300例,常规产科超声检查确定胎儿生长程度,核实孕周,采用超声多断面模式方法对胎儿心脏进行多断面检测,包括四腔心断面、三血管断面、主动脉弓断面、左室流出道断面、右室流出道断面。对正常分娩的新生儿进行心脏多断面超声检测。对300例胎儿进行多断面模式超声检测,分析胎儿是否伴有先天性心脏畸形,对比超声检查与随访结果符合情况。结果:超声检出21例先天性心脏畸形胎儿,8例选择引产,余13例正常分娩。超声诊断与随访结果对比,卵圆孔直径增大、法洛四联症、完全型心内膜垫缺损、二尖瓣闭锁、右室发育不良综合征、左室发育不良综合征、大动脉转位、永存动脉干、单心室、三尖瓣下移符合率均为100%,超声诊断室间隔缺损7例,随访发现室间隔诊断5例,诊断符合率71.4%。279例超声诊断无先天性心脏畸形胎儿出生后经超声诊断发现有1例卵圆孔未闭、3例室间隔缺损,共4例漏诊患儿,漏诊率0.54%。四腔心断面、三血管断面、主动脉弓断面、左室流出道断面、右室流出道断面诊断胎儿畸形率分别为3.95%、0.63%、2.76%、3.27%、3.25%。由决策树模型可得,产前超声检查发现胎儿心脏可疑异常、高龄孕妇、孕妇接受药物治疗或射线暴露、孕妇有先天性心脏病家族史是胎儿存在先天性心脏病的独立危险因素,其中产前超声检查发现胎儿心脏可疑异常的影响最为显著。结论:孕中期胎儿产前超声多断面模式筛查胎儿先天性心脏病,能够对多数胎儿先天性心脏病进行诊断。

基于回溯树的动态容重比平衡货物配载研究

针对零担物流货物装载率低下的现状,研究货物有限条件下多车多品种货物的货物配载问题,构建以最小化车辆数量、最大化车辆总容积和总载重量利用率为目标的多目标数学模型,考虑到单件货物的装载会对车辆以及车辆集合的剩余容积和剩余载重量产生影响,设计基于动态容重比平衡法和装载回溯树的启发式算法,对算法结果进行非支配排序,得到帕累托解集,计算帕累托解集内每个解的拥挤距离,并选择拥挤距离最大的解为最优装载方案。以算法计算精度和时间复杂度为标准,将所设计算法与NSGA-2、CPLEX算法进行对比分析,算例结果验证了算法的有效性。

具有串并行异类工序约束的多柔性车间联合调度

为了减少具有串并行异类工序约束多车间联合调度的总延期时间,提出了基于知识牵引遗传算法的调度求解方法。首先,采用扩展工艺树描述串并行异类工序约束,并基于无向图描述机器在多车间的分布;针对染色体初始化和进化过程中的扩展工艺树约束,定义了紧前工序数和剩余紧前工序数的概念,基于剩余紧前工序数设计了染色体初始化和进化方法;为了提高遗传算法的进化能力,将种群进化能力和最优个体进化能力作为知识,用于牵引算法的进化方式和方向,从而提出了知识牵引遗传算法的求解方法。经实验验证,知识牵引遗传算法调度的总延期时间均值最小,为30.8 h,说明该算法在多车间调度中具有最好的优化性能;且总延期时间盒须图长度最小,说明知识牵引遗传算法的稳定性也较好。

秦岭东缘龙池曼华山松径向生长对多源数据气候因子的响应

全球变暖影响着树木的结构和功能,反之影响着树木生长对气候变化的响应。秦岭是我国南北方的分界线,同时也是亚热带气候和温带气候的过渡带,作为区域气候变化的敏感地带,已有许多学者在该地区开展树轮气候学研究。基于秦岭东缘伏牛山龙池曼顶部的华山松(Pinus armandii Franch.)树轮宽度建立了不同年表,分析该地区树木生长对嵩县站器测气象数据(SX)和格点气象数据(CHN)的响应。结果表明:(1)树轮差值年表(RES)的统计参数优于标准年表(STD),含有较丰富的环境信息,适于树轮气候学研究;(2)RES年表与SX器测数据和CHN格点数据的相关分析结果都表明,龙池曼顶部华山松径向生长受上一年的气候条件影响较大,且对气温的响应高于降水,与上年7—8月和当年1月的平均气温以及上年5月降水量呈显著负相关,与上年8月的降水呈显著正相关;(3)CHN格点数据能更全面地揭示月平均最高温对华山松径向生长的影响,RES年表对两个数据集当年夏季(7—9月)的降水量都呈负相关,但达到显著负相关的月份有差异;(4)多源气候数据均表明该地区存在暖干化趋势,升温不利于华山松的生长。若未来暖干化持续,秦岭东缘龙池曼地区华山松生长会进一步受限,从而影响该地区的森林植被生产力和固碳潜力。

基于神经监督决策树算法的多感知GIS局部放电识别

为充分表现并利用GIS缺陷的物理联系引导故障诊断,提高GIS局部放电故障诊断方法的可靠性与可解释性,该文提出神经监督决策树算法(neural supervision decision tree,NSDT)实现GIS局部放电高准确率下的可解释故障诊断。将卷积神经网络最终线性层替换为层次结构,构建诱导层。使用树监督损失函数优化节点代表向量,并通过调整softmax函数抑制层次损失。构建监督层,通过原始神经网络输出向量对诱导层输出进行监督修正,在保留可解释性的基础上,提高识别准确率。通过110 kV声光电多感知GIS平台收集导杆尖端、外壳尖端、高压端沿面3种典型单源缺陷局放数据,并组成3种双源缺陷,测试NSDT方法性能表现。试验结果表明,NSDT多级神经决策结构能够准确地识别GIS局部放电类型,相较于卷积神经网络(convolutional neural network,CNN)等传统深度神经网络识别方法,识别可靠性更高,决策信息更加丰富,可解释性更强。

利用手持激光点云的矿区自然林树干提取

为了定量刻画矿区复杂环境下自然林树木的三维结构信息,提出一种利用手持激光扫描仪的矿区自然林树干点云识别方法。借助手持激光扫描仪对矿区自然林进行扫描,在滤除地面点的基础上,引入多尺度垂直度特征进行矿区自然林树干识别,利用八叉树叶节点聚类方法对识别的树干进一步提取。通过矿区实测数据进行实验,结果表明,所提出的方法能够实现矿区自然林树干的识别,对矿区复杂环境下自然林树木的三维结构信息定量刻画、厘清矿区植被生长状况具有一定的参考价值。

一种基于编码单元快速划分的VVC帧内编码方法

相比于高效视频编码(high efficiency video coding,HEVC)标准,新一代编码标准多功能视频编码(versatile video coding,VVC)引入了很多新的技术,其中包括四叉树(quadtree,QT)和多类型树(multi-type tree,MTT)划分,MTT划分由HEVC中的QT划分延伸而来。新划分方法提高了压缩效率,但导致编码时间急剧增加。为了降低编码复杂度,提出了一种结合深度学习方法和MTT方向早期判决的快速帧内编码算法。首先使用轻量级的卷积神经网络(convolutional neural network,CNN)对QT和部分MTT进行预测划分,其余MTT则采用提前预测MTT划分方向的方法作进一步的优化。实验结果表明,所提方法能够大幅降低编码复杂度,相比于原始编码器的编码时间减少了74.3%,且只有3.3%的码率损失,性能优于对比的方法。

基于多信息融合的换流站直流设备健康状态决策树评价模型

针对换流站直流设备间交互信息融合能力较差、小样本与大样本难以均衡的问题,设计基于多信息融合的换流站直流设备健康状态决策树评价模型。使用同质多传感器多信息数据融合方法对多信息实施融合处理;利用k近邻方法和层次聚类方法划分换流站直流设备健康状态量,提取健康状态量的有效信息作为输入,构建决策树评价模型,输出换流站直流设备健康状态评价结果。实验结果表明,该模型具备较好的多信息融合能力和样本均衡能力,且可从不同角度实现换流站直流设备健康状态评价,评价结果较为准确。

改进的DBSCAN算法在室内多扩展目标跟踪中的研究

基于密度聚类(DBSCAN)的算法由于不需要提前确定聚类的簇数目且具有抗噪声等特点,被广泛用于雷达多目标跟踪中。针对雷达获取室内目标的量测数据量增大、杂波分布密集导致目标跟踪系统复杂度增加、耗时严重的情况,提出一种改进的方法。该方法通过构建KD树来加速DBSCAN算法中邻域点的查找过程,极大地提高了运算效率,改善了目标跟踪系统的实时性。并且运用Murty算法和无迹卡尔曼滤波算法(UKF)来提高传统多目标跟踪系统的跟踪效率和精度。通过仿真实验将传统DBSCAN算法与K-means算法以及改进的算法相比较,实验结果表明在保证室内多目标跟踪系统的跟踪精度的同时,改进算法极大地提高了跟踪系统的实时性。

基于GA-PSO混合优化SVM的机载EHA故障诊断

针对机载电静液作动器(Electro-Hydrostatic Actuator,EHA)的典型故障,详细分析了故障原理并在MATLAB/Simulink中搭建了仿真模型。为了高效准确识别故障类型,提出一种用遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)混合优化支持向量机(Support Vector Machine,SVM)的故障诊断算法。GA鲁棒性好且全局搜索能力强但收敛速度慢,PSO对样本规模不敏感且具有记忆功能但易陷入局部最优,故融合两种算法寻找SVM的最优参数。另外,为了解决传统SVM多分类方法“一对多”和“一对一”易出现不可分的问题,建立一种偏二叉树结构的SVM多分类模型。对于采集的原始数据高度重合的情况,引入时域特征统计量进一步提升模型的分类性能。实验结果表明,提出的混合优化算法寻优速度更快、所寻参数更佳,同时用该算法优化的SVM分类模型相比于其他5类常用的机器学习模型分类效果更好,故障识别正确率可达97.7%。

数控弯管加工碰撞检测算法研究

针对数控弯管加工碰撞检测算法计算效率低、侧重性差的问题,提出一种改进最近面碰撞检测算法。采用KPP-Means聚类算法构建三维模型层次包围二叉树结构,将碰撞检测算法划分为基于包围盒的初步碰撞检测与基于三角形面片距离场的精细碰撞检测;将一组包围盒之间的碰撞检测简化为空间线段与有限平面之间的干涉检测。基于OpenGL框架开发仿真系统对此算法进行验证。结果表明:改进最近面碰撞检测算法能正确判断加工仿真中数控弯管机零部件与成形管件的碰撞情况,同时与经典算法相比碰撞检测效率提升了42.4%,并减少了0.29 s的总仿真时间。

复杂三维CAD装配模型特征信息提取技术研究

针对飞机、大型输送机等复杂三维CAD装配模型具有装配零件多,配合复杂,在提取装配体特征信息过程中,有信息提取不完整、深度不够的问题,提出一种复杂产品装配特征信息提取的方法,该方法以CATIA软件为平台,采用构件的应用编程(Component Application Architecture,CAA),二次开发快速提取特征信息功能。结合多叉树前序列遍历思想,深度优先搜索的算法,逐层深入,可以完整提取多层嵌套的复杂装配体的配合和约束信息,充分利用复杂三维CAD装配模型特征信息,更有力的支持装配工艺规划。同时,通过选择输送某种民航飞机机翼的输送机为例,验证此方法的可行度。

基于多光谱无人机不同飞行高度下苹果树冠幅信息的提取

【目的】利用无人机多光谱影像分割并提取苹果树树冠冠幅信息,实现无人机遥感技术监测苹果树树冠信息,并分析无人机飞行高度对冠幅提取精度的影响。【方法】利用大疆精灵4多光谱无人机分别获取30、60和90m飞行高度的苹果树多光谱影像,经大疆智图(DJI Terra)软件处理生成DOM和DSM影像数据,利用多尺度分割法和阈值分类对苹果树树冠进行分割并提取目标树的东西、南北冠幅值,以目视解译分割树冠和实地测量的100株果树冠幅值为参考进行精度验证。【结果】30 m飞行高度的单木树冠分割准确率为84.00%,东西、南北冠幅平均提取精度为91.15%,平均R^(2)为0.7859,平均RMSE为0.2166 m;60 m飞行高度的单木树冠分割准确率为81.00%,东西、南北冠幅平均提取精度为90.31%,平均R^(2)为0.7376,平均RMSE为0.2416 m;90 m飞行高度的单木树冠分割准确率为73.00%,东西、南北冠幅平均提取精度为88.88%,平均R^(2)为0.7102,平均RMSE为0.2676 m。【结论】利用多光谱无人机遥感技术可以实现对苹果树树冠信息的监测;飞行高度对提取结果有一定的影响,随着无人机飞行高度的增加,单木分割准确率和冠幅提取精度逐渐降低。无人机遥感技术成本低、快速、准确,可以提高果园的管理效率。

基于机器学习的传感网核心节点漏洞检测仿真

传感网的核心节点具有能量受限、难补给的特点,导致节点轮休时易出现的覆盖漏洞问题,造成传感网监测盲区。为此提出基于机器学习的传感网核心节点漏洞检测方法。利用支持向量机树形多分类器获取核心节点的位置。采取主成分分析法提取核心节点特征,将其输入到LSTM长短记忆神经网络模型中,并利用滑动窗口与哈希函数训练漏洞检测分类模型,完成传感网核心节点的漏洞检测。实验结果表明,研究方法检测传感网漏洞时平均耗时为13.6ms,检测率和准确率均可高达95%,计算得到性能消耗低于10%,90%的用户响应时间均在50ms以内。

考虑综合性能最优的非短视快速天基雷达多目标跟踪资源调度算法

合理有效的资源调度是天基雷达效能得以充分发挥的关键。针对天基雷达多目标跟踪资源调度问题,建立了综合考虑目标威胁度、跟踪精度与低截获概率(LPI)的代价函数;考虑目标的不确定、天基平台约束以及长远期期望代价,建立了多约束下的基于部分可观测的马尔可夫决策过程(POMDP)的资源调度模型;采用拉格朗日松弛法将多约束下的多目标跟踪资源调度问题转换分解为多个无约束的子问题;针对连续状态空间、连续动作空间及连续观测空间引起的维数灾难问题,采用基于蒙特卡罗树搜索(MCTS)的在线POMDP算法—POMCPOW算法进行求解,最终提出了一种综合多指标性能的非短视快速天基雷达多目标跟踪资源调度算法。仿真表明,与已有调度算法相比,所提算法资源分配更合理,系统性能更优。

基于剪枝处理的多源异构数据双挖掘仿真

多源异构数据可能来自不同领域、不同格式和不同质量的数据源,处理难度较大,针对多源异构数据难以精准挖掘的问题,提出基于决策树分类的多源异构数据挖掘算法。构建决策树划分数据属性,对初始决策树实施剪枝处理,得出多源异构数据属性集,提取出多源异构数据因子,获取粗略的数据挖掘结果。再使用深度学习算法进一步挖掘出其余数据中残存的多源异构数据,并对原始多源异构数据集实施二次挖掘,将粗细挖掘结果整合后实现多源异构数据挖掘。实验结果表明,所提算法的F1值较高,泛化误差较低,数据挖掘性能较强。

基于多粒度融合的图卷积网络会话情感分析

会话情感分析指对一段会话中的每句话进行情感分类,目前大部分会话情感分析模型不仅忽略了对话中内部信息的相互影响,而且没有考虑到日常对话中存在的隐性背景情感。为了有效解决这些问题,该文提出了一个基于多粒度融合的图卷积神经网络,其主要包括两个模块,即特征提取模块和星图增强的图学习模块。首先,特征提取模块使用预训练语言模型RoBERTa获取会话中语句之间粗粒度的上下文信息,同时结合句法依赖树获取词之间细粒度的句法信息,从而将多粒度特征信息引入到会话情感建模。然后,在星图增强的图学习模块中建模会话的背景情感信息和会话中不同说话者之间的交互信息,从而增强会话情感分析的准确性。实验结果表明,该文提出的模型与其他基线模型相比,其准确性以及度量指标F 1值在所有数据集上均有显著提升。

基于机器学习的迷彩伪装效果评价方法

针对迷彩伪装效果评价算法中评价指标权重分配复杂性,算法开发平台灵活性的问题,提出了基于多特征指标决策树的评价方法。该方法依据视觉注意力机制选择纹理、颜色、亮度、结构相似度与伪装目标尺寸这5项特征作为评价指标,使用机器学习决策树分类器训练出迷彩伪装效果评价模型,将模型移植入体积小、功耗低的树莓派开发平台上。通过与均值权重法、熵权法两种评价方法进行准确率对比实验,其中均值权重法准确率为56%;熵权法准确率为74%;该方法准确率为90%。通过实时性实验证明该方法可以在场外2 s左右得到迷彩伪装效果评价结果。

基于CART算法的纳木措湖泊面积精确提取

为了能够更精确地提取到湖泊水体的范围,对比MLC、SVM和基于多特征的全新遥感影像CART决策树分类方法,对西藏自治区的纳木措湖泊进行自动提取研究.选择Landsat 8OLI卫星遥感影像数据作为数据源.将得到的不同特征的影像进行组合,组合成全新的多特征遥感影像.决策树方法具有结构清晰、快速、简单、有效的优点,而CART算法可以根据选取的训练样本获取节点和阈值,不需要反复试验来确定阈值,避免了基于传统专家知识方法的主观性,因此采用CART算法构建决策树模型对研究区域进行湖泊水体的提取.结果表明CART决策树方法总体精度为99.82%,Kappa系数为0.996,MLC总体精度为96.814%,Kappa系数值为0.929,SVM总体精度为98.045%,Kappa系数值为0.956,总体精度相较于SVM和MLC分别提高了3%、1.775%,Kappa系数提高了0.067、0.04.CART决策树、MLC、SVM所得到的湖泊面积分别为2009.43、2014.93、2026.9 km^(2),MLC和SVM得到的结果比CART决策树分类法存在更多的错分和漏分现象,主要是将山地中的阴影信息错认为是水体,CART决策树方法识别到的细小水体更加连续,对于湖泊边界识别的效果也更好.

三支概念背景下属性粒化效率的度量

三支概念分析是三支决策与形式概念分析结合的产物,该理论相对于形式概念分析最大的进步是可以同时研究形式背景中“共同具有”和“共同不具有”的信息。属性粒化是一种基于粒度树与剪枝将属性分解为子属性,形成新属性集合的理论。而由于同一粒度树上剪枝众多,如何选择剪枝,确定最优的粒化方向以进行进一步运算成为保证属性粒化效率的关键问题。通过理论推导,证明了原三支概念与属性粒化得到的新三支概念存在紧密的内在联系,以此作为度量属性粒化效率的基础。首先,基于属性粒化层次的关系,将属性粒化层次分为存在偏序关系的属性粒化层次和不存在偏序关系的属性粒化层次。进一步,给到细化系数的含义,并分别阐述了细化系数在2种属性粒化层次中的度量作用,从而达到度量不同属性粒化效率的目的。