RS-CSA在网络故障诊断中的算法研究

针对当今网络故障诊断所存在的弊端,当发生故障时难以满足快而准的要求,误诊、漏诊率颇高,诊断数据量大,属性选取具有主观性,学习、泛化能力欠缺,故此结合粗糙集(RS)及克隆选择算法(CSA)提出一种智能化诊断方法(RS-CSA)。首先利用RS对故障样本进行预处理,求出其约简后最小规则集及客观属性权重,然后用改进的CSA构造诊断器并对待诊断样本予以诊断、学习。经实验验证其所提出的算法优于传统诊断技术,有一定的理论及实用价值。

基于RS-CSA-ELM的WSN节点故障诊断

为及时发现WSN节点故障隐患,准确掌握WSN运行状态,本文利用粗糙集理论属性约简算法(简称RS)对WSN节点故障属性进行约简,以最优的故障属性决策表重构训练样本数据集,作为极限学习机(Extreme Learning Machine, ELM)神经网络的输入,建立一个数据驱动的WSN节点故障断模型.采用乌鸦搜索算法(Crow Search Algorithm, CSA)优化ELM神经网络的输入权值和隐含层阀值,改善网络参数随机生成带来的ELM模型输出不稳定、分类精度偏低的问题.通过对RS-GA-ELM模型进行仿真分析.结果表明, RS-GA-ELM模型能够在可靠性不同的数据集中,保持较高的故障诊断效率,符合WSN节点故障诊断的需求.

针刺风池穴对椎动脉型颈椎患者静息态功能核磁的影响

目的:基于静息态脑功能分析针刺风池穴对椎动脉型颈椎病发作期患者海马的脑功能连接模式差异,初步探讨风池穴治疗眩晕的中枢机制。方法:选取12例椎动脉型颈椎病发作期患者,进行脑静息态功能MRI扫描,影像学数据经预处理后,以双侧海马为感兴趣区,应用AFNI软件进行图像的统计学分析,采用配对样本t检验,比较针刺风池穴前后海马功能连接的差异。结果:针刺风池后海马与小脑及尾状核连接较针刺前增强,海马与楔前叶及楔叶脑功能连接减弱。结论:针刺风池穴可使静息态双侧海马功能连接产生差异,且该区域与前庭功能密切相关,可能为针刺风池穴治疗眩晕的中枢机制。