基于MIC-BP神经网络溶解氧预测模型的构建和评价

溶解氧(DO)是影响水生生物生长和水环境健康的重要环境因子,对DO精准预测有利于水产养殖业的健康发展。本研究根据福建闽江水口库区水质在线浮标SK11、SK18站位2022年1月到6月的水质数据和气象数据,分别运用BP神经网络预测模型和MIC-BP神经网络预测模型进行机器学习,给出预测结果,同时对两种DO预测模型的预测结果进行比较验证。结果表明:经过最大信息系数(MIC)的识别和筛选,13项输入因子中与DO相关性较大的因子有pH、水温、叶绿素a、电导率、浊度、氨氮浓度和亚硝酸盐氮浓度等7项;混合MIC-BP神经网络模型的效果明显优于独立的BP神经网络模型,候选因子经过MIC的识别和筛选后可以明显增加模型的性能,表现为:在SK11站位,MIC-BP神经网络模型的性能相对于独立BP神经网络模型,MAE降低约29.29%,RMSE降低约60.09%,NSE增加27.63%;在SK18站位,MIC-BP神经网络模型的性能相对于独立BP神经网络模型,MAE降低约17.16%,RMSE降低约16.23%,NSE增加12.77%。

基于PCA-MIC-LSTM的碟形湖溶解氧含量预测模型研究

溶解氧浓度是湖泊生态健康评价中的关键指标,因浅水碟形湖的水文独特性,使得溶解氧(DO)愈加具有不稳定性和非线性特征。为准确预测碟形湖中的DO浓度,基于鄱阳湖典型碟形湖监测数据集,结合主成分分析法(PCA)、最大信息系数(MIC)和长短时记忆神经网络(LSTM)预测碟形湖DO含量的模型。结果表明:与支持向量回归(SVR)、LSTM模型相比,基于PCA-MIC-LSTM的模型预测精度显著提高,其确定系数高达0.99以上,均方根误差为0.039 mg/L,平均绝对百分误差为0.301%;其中,PCA降噪处理比MIC特征提取更能影响LSTM模型预测的效果,可以显著降低误差率。研究的PCA-MIC-LSTM模型可为同类型湖泊水体保护工作的开展提供参考。

基于动态MIC优化TCN的混凝土坝变形预测模型研究

混凝土大坝变形是其安全运行的主要控制指标,对大坝变形的预测就显得尤其重要。为降低常规预测模型因未考虑环境量的时滞性所带来的误差,采用最大信息系数方法(MIC)计算水位影响因子和大坝位移的时滞关系,并确定最佳滞后时间。进一步,采用时间卷积网络(TCN)解决了混凝土重力坝的变形预测的高维非线性难题,并不断逼近坝体位移影响因子矩阵空间和位移目标向量之间的最佳映射关系,进而得到大坝变形的预测模型,并将其预测结果与常用的ARIMA模型进行对比。结果表明,MIC-TCN模型比ARIMA模型有更好的预测效果。

Registration of the Seated Condylar Position (SCP/CR): Part II: Technique: The Two-Piece Wax Bite Registration

The purpose of this paper is to present the technique for registration of the Seated Condylar Position (SCP)/Centric Relation (CR) position of the condyles: a two-piece wax bite registration with deprogramming and no mandibular manipulation.

Registration of the Seated Condylar Position (SCP/CR): Part I: Rationale

The purpose of this paper is to present the rationale for registration of the Seated Condylar Position (SCP)/Centric Relation (CR) position of the condyles.

建筑工程安全文明施工费预测精度研究

为准确测算建筑工程安全文明施工费,提出案例推理技术(CBR)-最大信息系数(MIC)-随机森林(RF)预测模型方法。通过实地调研61个典型工程样本数据,选择12个安全文明施工费的影响因素作为候选特征变量,采用CBR进行样本相似度检索以构建模型的训练样本集,运用MIC确定关键特征变量输入模型,组合建立3种RF模型(RF、MIC-RF和CBR-MIC-RF),并通过实证分析其预测精度。结果表明:通过样本相似度检索和识别关键特征变量,可显著提高RF模型的预测精度(平均绝对百分比误差(MAPE)为3.35%);模型预测精度随不同等级的相似度阈值呈“U”型变化,设置合适的相似度阈值对提升模型的预测效果至为关键;CBR-MIC-RF模型可获得比支持向量机模型更好的预测性能。

求解最大内切圆的一种新方法(英文)

提出了一种求解最大内切圆的新方法,给出了最大内切圆圆心坐标值的计算公式,该方法的基本思路是:首先在被测轮廓上选取初始三点,并保证这三点构成一个锐角三角形;接下来通过给出的公式计算出这三点所在圆的圆心坐标值,被测轮廓各点到该圆心的距离序列;最后判断该圆半径是否等于上述距离序列中的最小值,如果条件不满足,用最短距离所对应的被测轮廓点代替上述三点之一,并保证新的三点仍然形成一个锐角三角形,然后重复上述计算和判断过程,直至条件满足。最后一次计算所得到的圆心恰好是被测轮廓的最大内切圆圆心,该方法的优点在于不存在原理误差,速度快,一般二、三次计算即可,给出了程序流程图。

正常青年不同体位牙尖交错位接触的研究

目的研究正常青年在端坐位、45°斜躺位及平躺位时牙尖交错位的接触情况。方法应用T-scanⅢ数字化咬合分析系统记录135名正常青年3种体位的接触过程。结果 3种体位时最初接触帧接触点(χ2=0.074,P=0.963)和最大感应面积帧力值最大点(χ2=0.071,P=0.965)差异均无统计学意义。不同牙位的最大感应面积帧差异具有统计学意义(χ2=42.729,P<0.001),其中磨牙区接触频数最高。结论最初接触的牙位与体位之间无明显关系;最大感应面积帧力值最大点集中在磨牙区,而前牙和前磨牙区域较少。

基于最大信息系数与冗余分摊的特征选择方法

特征选择是机器学习的关键环节,通常采用最小冗余最大相关法进行特征选择,但该方法存在相关性测度与冗余性测度不可比、特征引入无法自动终止等问题。为此,提出一种基于最大信息系数(MIC)与冗余分摊策略的特征选择方法(MIC-share)。以MIC度量相关性测度与冗余性测度,采用冗余分摊策略获取新的特征得分,自动终止特征引入过程,减少最优子集确定所需时间。仿真结果表明,与PLSR、MIFS、KNN-FABC等特征选择方法相比,MIC-share方法得到的回归数据均方根误差更小,分类数据错误率更低。

圆度误差评定中α-壳的删点效率分析

为了解决在圆度误差评定中,当采样点数增多时,计算效率低的问题,提出了删点技术.在计算圆度误差前有效地删除那些不会对评定结果产生影响的无关点,以达到减小计算复杂度的目的.提出了α-壳删点技术,使α-内外壳的半径接近评定圆,并将该技术应用在最小外接圆(MCC)、最大内接圆(MIC)、最小区域圆(MZC)的评定过程中.针对采样得到的同一组数据进行算法的验证及比较.验证结果表明,采用本算法进行删点后得到的点数分别是前人的44.3%和87.5%.由此得出,本算法具有更高的效率.

基于变量选择深度信念神经网络的风速预测

风速波动具有随机性和不确定性,导致风速预测的准确度不高。准确的风速预测对于优化风电运行策略和提高发电效率具有重大意义。利用最大信息系数(Maximal Information Coefficient,MIC)对风机SCADA数据进行变量相关性分析,并以MIC值大小对原始变量排序,将包含7项变量的子集作为深度信念网络(Deep Belief Network,DBN)输入,得到MIC-DBN风速预测模型。基于风场实际数据将MIC-DBN模型与BP神经网络模型和GA-BP模型进行测试对比,实验结果表明,MIC-DBN风速预测模型的预测精度和泛化性能具有良好的效果。

无颞下颌关节症状成人最大牙尖交错位与正中颌位间髁突位移的测量

目的研究无颞下颌关节症状青年人最大牙间交错位及正中关系位下的髁突位移方向及大小。方法取得受试者的口腔工作模型、拍摄全口曲面断层及X线头颅侧位片,进行筛选及jarabak头影测量分析。取得病人最大牙尖交错位(MICP)咬合记录。取得病人正中关系位(CRP)咬合记录,使用AD2解剖式架记录上下颌位置。将工作模型自架转移至MCD,分别于左右及横向3个面打点记录MICP和CRP时髁突的位置,测量两种位置下的打点差异。统计受试者髁突位移数据并结合头影测量指标进行统计分析。结果 (1)MICP-CRP髁突位移量在矢向、垂直向及横向均呈正态分布,P>0.05。(2)以Roth生理范围为标准,有34.5%的受试者其MICP-CRP位移量在此范围内;未超过该范围(T0组)与超过该范围(T1组),两组头影测量指标之间未见差异(P>0.05)。(3)MICP-CRP双侧髁突位移在三维方向不一致的比例约为31.1%;MICP-CRP方向一致者(TC)与不一致者(TD)头影测量指标之间未见差异(P>0.05)。(4)MICP-CRP双侧髁突位移量与头影测量指标的相关关系分析中(Pearson分析),L角、Go角与左侧髁突矢向位移量存在正相关关系(r=0.385,r=0.467);后前面高比与左右两侧垂直向位移量同时存在负相关关系(r=-0.442,r=-0.380)。结论由于无TMD症状人群口颌系统功能评价标准不能完全确定,因此研究对象存在假阴性的可能。研究结论与以往相关研究的不同提示我们口颌系统生理代偿机制个体巨大的差异性。

单侧后牙反患者髁突位置与牙弓宽度不调关系的研究

目的:研究单侧后牙反患者髁突正中关系位(centric relation,CR)与最大牙尖交错位(maximum intercuspation,MI)髁突三维偏移的特点,分析牙弓宽度对髁突偏移的影响,为单侧后牙反患者正畸治疗计划的制定提供参考。方法:选取符合纳入标准的单侧后牙反患者33例与个别正常者33例,测量单侧后牙反患者牙弓宽度,使用架与髁突位置测量仪(measure condyle displacement,MCD)记录受试者CR位和MI位的髁突位置在三维方向的差异及咬合变化情况,并采用独立样本t检验、配对样本t检验、person相关性检验进行统计学分析。结果:1试验组CR-MI不调的阳性率大于对照组(χ2=38.018,P=0.000)。2试验组反侧髁突CR-MI垂直向偏移量大于非反侧(t=2.719,P=0.010),两侧髁突CR-MI矢状向偏移量无统计学差异(t=-0.134,P=0.894)。3单侧后牙反组上牙弓宽度小于对照组(t=-4.008,P=0.000),2组间下牙弓宽度无统计学差异(t=1.653,P=0.103);试验组上下牙弓宽度差异与髁突CR-MI所有方向偏移量均无明显相关性。4试验组与对照组干扰发生率为90.91%与66.67%,经卡方检验具有统计学意义(χ2=5.802,P=0.033)。结论:单侧后牙反患者中,上颌牙弓宽度不足对髁突CR-MI偏移有影响,其中对垂直向偏移量的影响最为明显,因此在制定治疗计划前应对髁突移位情况进行评估,以期在真实的下颌位置与咬合情况下做出合适的诊断。

一种相关性与聚类自适应融合技术窃电检测方法

篡改电表数据是一种典型的窃电行为。针对此类窃电行为,现有的检测方法需要标记好的数据集或额外的电力系统状态信息,这在现实中很难获得或即使获得也与实际值存在较大误差。因此,利用较低维度的数据来实现对此类窃电行为进行检测的方法亟待深入研究。创新性地结合最大互信息系数(maximum information coefficient,MIC)技术和基于密度峰值的快速聚类算法提出了一种新的融合检测方法。该方法利用最大互信息系数度量管理线损与用户特定行为之间的相关性,采用CFSFDP定位异常用电用户,适用性强,能够检测多种不同类型的窃电行为。最后利用爱尔兰智能电表数据集进行了算法验证,结果证明了该方法的良好性能。

基于最大信息系数的ReliefF和支持向量机交互的自动特征选择算法

为解决特征选择ReliefF算法在利用欧氏距离选取近邻样本过程中,算法稳定性差以及选取的特征子集分类准确率低的问题,提出了一种利用最大信息系数(MIC)作为近邻样本选择标准的MICReliefF算法;同时,以支持向量机(SVM)模型的分类准确率作为评价指标,并多次寻优,以自动确定其最优特征子集,从而实现MICReliefF算法与分类模型的交互优化,即MICReliefF-SVM自动特征选择算法。在多个UCI公开数据集上对MICReliefF-SVM算法的性能进行了验证。实验结果表明,MICReliefF-SVM自动特征选择算法不仅可以筛除更多的冗余特征,而且可以选择出具有良好稳定性和泛化能力的特征子集。与随机森林(RF)、最大相关最小冗余(mRMR)、相关性特征选择(CFS)等经典的特征选择算法相比,MICReliefF-SVM算法具有更高的分类准确率。

一种基于最大信息系数预处理的k-modes聚类方法

为解决现有k-modes聚类方法因忽略了变量属性之间的弱相关性,常造成其在实际应用中聚类性能不佳的问题,提出一种包含属性弱相关性的新k-modes聚类方法。引入最大信息系数(maximum information coefficient,MIC)度量数据集中变量属性之间的相关性;将得到的MIC值与原有距离进行融合,建立包含属性弱相关性信息的新度量方法,以增强变量属性间相关信息的完备性,建立更加精细的k-modes聚类方法;调用3种不同的数据集,将新方法与原有的k-modes聚类方法和其他改进k-modes聚类方法的性能进行对比,并通过仿真结果表明了新方法的有效性。

基于改进模糊聚类和最大信息系数的数控机床温度测点选取

在加工过程中,机床会因热变形而产生误差,这将严重影响加工精度。减少加工过程的热误差是提高加工精度的有效途径,而确定关键温度测点不仅能提高计算效率,还可避免温度数据间复共线性问题,提高热误差模型的预测精度。提出基于改进模糊聚类和最大信息系数(MIC)的温度测点选择方法,通过改进模糊聚类对温度测点进行分类;根据MIC方法选择每类温度数据中的关键温度测点;使用BP神经网络对热误差进行建模。结果表明:与传统温度测点选择方法相比,利用所提方法改进的热误差模型精度更高。

逼真生成表格式数据的非时间属性关联模型

针对数据仿真过程中表格数据属性间关联难的问题,提出一种刻画表格数据中非时间属性间关联特征的H模型。首先,从数据集中提取评价主体和被评价主体关键属性,进行两重频数统计,得到关于关键属性的4个关系对;然后,计算各关系对的最大信息系数(MIC)来评估各关系对的相关性,并采用拉伸指数分布(SE)对各关系对进行关系拟合;最后,设置评价主体和被评价主体的数据规模,根据拟合出的关系计算出评价主体的活跃度和被评价主体的流行度,通过活跃度总和等于流行度总和建立关联,得到非时间属性关联的H模型。实验结果表明,利用H模型能有效地刻画真实数据集中非时间属性间的关联特征。

The Relationship between Occlusion and TMD

The purpose of this paper is to conduct an extensive review of the literature on the relationship between occlusion and occlusal factors and TM dysfunction. This paper attempts to explore why the link between occlusal factors, which have historically been implicated in producing TMD, and dysfunction has not been clearly evident from the dental literature.

正畸干预前后MIC-CR位髁突位移变化

目的旨在探讨正畸干预对最大牙尖交错位（MIC）-正中关系位（CR）髁突位移量的影响。方法选取16～45岁门诊正畸患者31例,其中非颞下颌关节紊乱病（TMD）组16例（NTMD组）,TMD组15例,在正畸干预前后分别取MIC与CR位记录。分析两组患者正畸干预前后正中牙合位与正中关系位的髁突位置差异。结果正畸干预前TMD组与NTMD组MIC-CR之间髁突位移（MCD）量存在差异,正畸干预后两组MIC-CR位移量减小,TMD组较为显著,且多为有利变化,TMD组正畸干预前后MIC-CR髁突位移量与TMD症状自评量表得分呈相关性。结论正畸干预在一定程度上对错牙合畸形患者的髁突位置产生影响,对于TMD患者尤甚。因此,正畸医生要认识并注意到错牙合畸形对TMD产生和发展的作用,并正确认识MCD在诊断中的局限性。