基于PageRank算法及Mplus因子分析探讨杨霓芝教授诊治IgA肾病规律

目的本研究旨在多层次分析名老中医诊治IgA肾病的临床经验,为传承中医肾病名医经验提供方法参考。方法采集并标准化广东省中医院杨霓芝教授门诊在2010—2020年期间诊治IgA肾病患者的医案数据,并将患者分为尿血组、尿浊组及肾衰组。利用FangNet平台进行PageRank算法计算药物THScore得到不同亚组IgA肾病核心药物。通过Python(SciPy包、Clusterheatmap包)可视化证型分布规律及相应用药规律,应用Mplus软件使用加权最小二乘估计法及斜交旋转GEOMIN法进行药物处方探索性及验证性因子分析。结果总共纳入145例IgA肾病患者,共548诊次。其中尿血组54例、尿浊组51例及肾衰组40例。基本证型有9种,含气虚证(91.79%)、血瘀证(77.01%)、湿热证(66.06%)及阴虚证(38.69%)等。总队列核心药物24种,尿血组23种,尿浊组21种,肾衰组16种,主要为益气补阳药、滋阴养血药、活血祛瘀药、清热凉血药等。IgA肾病辨证用药规律(Z-Score>0.5且P<0.05):气虚证常用药物:黄芪、山茱萸、菟丝子。血瘀证常用药物:丹参、泽兰、山茱萸等。湿热证常用药物:蒲公英、石韦、桃仁、土茯苓等。阴虚证常用药物:墨旱莲、太子参、女贞子等。根据探索性及验证性因子分析的结果,可以得出杨霓芝教授治疗IgA肾病核心药物组合因子包括:F1(菟丝子、山茱萸、黄芪);F2(白茅根、小蓟、茜草);F3(女贞子、墨旱莲、太子参);F4(泽兰、桃仁)。结论本研究通过应用PageRank算法及Mplus因子分析,分组分析杨霓芝教授诊治IgA肾病经验,明确以“气虚血瘀、湿热阴虚”为核心证型,“益气活血、清热养阴”为核心治法的IgA肾病岭南中医诊治心得,为传承名医经验提供方法参考,促进中医药的开发利用。

IGA-DFNN在瓦斯浓度预测中的应用

为了准确预测采煤工作面的瓦斯浓度,提出免疫遗传算法优化的动态模糊神经网络瓦斯浓度动态预测方法。用无线传感网络系统采集工作面瓦斯浓度数据作为样本,通过小波分析对样本数据进行降噪滤波预处理。采用IGA算法对DFNN网络参数进行优化,建立了瓦斯浓度的预测模型。通过MATLAB仿真研究表明,所建模型对采煤工作面的瓦斯浓度演变趋势预测合理,并且经过IGA算法优化DFNN网络比单纯的DFNN网络具有更快、更准确的预测功能,可以为防治煤矿瓦斯积聚提供更好的理论支持。

基于IGA-IBP算法的高速公路逃费预测

为解决现有高速公路逃费预测方法的准确率和稳定性低等问题,依据车辆收费数据提出一种基于IGA-IBP算法的预测模型。优化遗传算法中的变异算子和BP神经网络的隐含层和输出层之间的学习率,减小传统算法的误差并提高收敛速度,通过ReliefF算法选取车辆逃费行为共有的关键特征,动态调整车辆行驶时间特征,归一化特征属性建立IGA-IBP算法预测模型。实验结果表明,与传统算法相比,该算法在各项评价指标中均具有优越性,可为高速公路管理局的决策提供重要支持。

基于IGA的板形板厚神经网络分散解耦PID控制

针对板带材轧制是一个复杂的非线性过程 ,板形控制 (AFC)和板厚控制 (AGC)又是相互耦合的一个综合系统等特点 ,该文首先采用神经网络分散解耦方法 ,对此板形板厚多变量耦合系统进行解耦 ,而后再应用基于免疫遗传算法的PID控制对解耦后的已近似成为两个独立的SISO系统的广义对象进行控制 ,从而建立了基于免疫遗传算法的板形板厚神经网络分散解耦PID控制系统。仿真结果证明了此AFC -AGC控制系统具有良好的自适应跟随和抗扰性能 ,其控制效果优于传统的解耦PID控制。

基于IGA-LSSVM的煤矿瓦斯涌出量预测模型研究

为有效提高煤矿瓦斯涌出量预测的准确性,进一步保障煤矿生产安全,提出经免疫遗传算法(IGA)优化的加权最小二乘支持向量机(LS-SVM),并用其建立煤矿瓦斯涌出量预测模型。首先针对瓦斯涌出量系统非线性、时变性、复杂性等特点,提出一种新的加权策略函数来改进LS-SVM。然后引入IGA,对改进的LS-SVM进行核参数δ和正则化参数γ寻优。最后,利用煤矿历史瓦斯涌出数据进行试验分析。结果表明,利用该模型预测的最大相对误差为2.763%,最小相对误差为0.705%,平均相对误差为1.329 8%,该模型较其他预测模型具有更快的收敛速度,更强的泛化能力和更高的预测精度。

基于IGA的知识检索需求获取方法

针对知识检索过程中用户需求模糊、不充分而难以准确获取的问题,文章通过分析用户需求的特点,将其区分为显性和隐性2部分,并结合概念图的思想设计了一种需求语义描述模型;以此为基础,结合交互式遗传算法的基本原理,探讨了交互式遗传算法在知识检索需求获取过程中的应用模式,并通过实验验证了模型及方法的可行性。

基于数量化一类分析的IGA算法及应用

针对交互式遗传算法(IGA)中用户易疲劳的问题,引入数量化一类分析方法,从提高收敛速度和模拟人工评价两方面入手,改善IGA性能.采用均匀设计法确定遗传算法的初始种群,使得各基因单元类型在初始种群中均匀分布,从而提高遗传算法全局最优解的收敛性能;利用数量化一类分析,求取各基因单元类型对适应度评价的贡献权值,指导GA选择、交叉、变异等操作,以加速算法收敛;在GA操作后期,利用各基因单元类型对适应度评价的权值,模拟个体适应度的自动评价,降低用户疲劳度和提高效率.将该方法应用于动漫玩具形态造型中.结果表明,采用该方法可以有效地提高收敛速度和降低用户疲劳度.

基于SVM-IGA的补料分批发酵过程优化控制

针对非线性时变的发酵过程,建立了用于产物浓度预估的支持向量机(SVM)模型。在此模型基础上,利用免疫遗传算法(IGA)实现对发酵过程补料优化控制参数的寻优;实验结果表明,该方法可行,且能提高产物的产量;所提出的这种方法是对解决补料分批发酵过程优化问题的一个新尝试。

基于IGA-BP神经网络滚动轴承故障的诊断

为提高滚动轴承故障模式识别技术的研究,基于IGA-BP神经网络的故障诊断原理,运用IGA对BP神经网络的权值与阈值进行调整和优化,利用小波包分解获得轴承振动信号的特征向量,进行了滚动轴承故障的诊断实验研究,对故障模式进行识别。结果表明,IGA-BP神经网络方法具有很强的故障识别能力,说明利用IGA-BP神经网络方法进行轴承故障诊断是可行的。

基于IGA-SVM的发酵过程建模及优化控制

利用免疫遗传算法(IGA,Immune Genetic Algorithm)的全局搜索功能和支持向量机(SVM,Support Vector Machine)泛化能力强的特点,选择合适的状态变量,对发酵过程建立动态时变模型。利用该模型和算法对一些不能在线测量的生化状态变量进行在线预估,并对一些关键的操作变量进行了优化。通过对谷氨酸发酵过程的实际应用,验证了该方法的有效性。

基于优化IGA-ELM模型的爆破振动特征参量预测研究

为有效预测露天矿爆破振动特征参量,建立基于组合赋权的免疫遗传算法(IGA)优化极限学习机(ELM)预测模型。建立该模型之前,根据爆破振动影响因素确定输入层参数,根据爆破安全规程判据确定输出层参数;然后,应用调和平均数概念整合模糊层次分析法(FAHP)所得主观权重和熵权法所得客观权重,量化输入层参数权重;其次,针对现有ELM输入层权值、隐含层偏差的选择问题,引入IGA对其进行优化选择,并通过逐步增减法探究ELM隐含层最优节点数。该模型曾被应用于某露天矿。研究结果表明:用所构建优化IGA-ELM模型能够更准确地预测露天矿爆破振动特征参量,且所得均方误差、决定系数、仿真误差明显优于其他模型。

优化中医八纲辨证神经网络参数的MIGA-1算法

从分析中医八纲辨证神经网络的不足出发,在基于Meta种群理论免疫遗传算法(MIGA)的基础上设计了一种优化中医八纲辨证神经网络参数的免疫遗传算法——MIGA-1优化算法。实验结果表明,以MIGA-1算法作为参数优化机制的中医八纲辨证神经网络具有更好的自我适应能力,减少了人为设定参数的随意性。

基于IGA的支持向量机特征子集选择和参数优化

特征子集选择和训练参数的优化一直是SVM研究中的两个重要方面,选择合适的特征和合理的训练参数可以提高SVM分类器的性能,以往的研究是将两个问题分别进行解决。随着遗传优化等自然计算技术在人工智能领域的应用,开始出现特征选择及参数的同时优化研究。研究采用免疫遗传算法(IGA)对特征选择及SVM参数的同时优化,提出了一种IGA-SVM算法。实验表明,该方法可找出合适的特征子集及SVM参数,并取得较好的分类效果,证明算法的有效性。

用IGA优化的直流电机的仿人智能控制

讨论了当前足球机器人运动控制系统的控制算法对足球机器人运动性能的影响。在分析了足球机器人运动控制系统组成和电机数学模型的基础上,对足球机器人运动控制器采用多模态控制的仿人智能控制(Human-Simulated Intelligent Control,HSIC)算法,利用改进的遗传算法(Improved Genetic Algorithm,IGA)对仿人智能控制器参数进行优化。通过与目前普遍采用的常规PID控制器作对比实验,表明采用IGA参数整定后的HSIC控制器对电机具有更好的控制品质,并改善了足球机器人的运动性能。

WPA-IGA-BP神经网络的模拟电路故障诊断

针对模拟电路渐变性故障中的特征提取困难和故障信号无法进行有效分类的问题,提出利用免疫遗传算法(immune genetic algorithm,IGA)优化反向传播(back propagation,BP)神经网络中参数寻优过程,从而实现模拟电路故障诊断。首先,采用小波包分析(wavelet package analysis,WPA),对模拟电路输出响应进行4层小波分解和重构,完成特征向量的提取。然后,采用IGA优化BP神经网络进行训练及测试,实现对不同故障进行故障诊断。最后,通过两个模拟电路仿真实验对该方法进行实验验证。实验结果表明,与优化前的BP神经网络相比,所提方法提高故障诊断的准确率约15%。

基于IGA的漂白过程温度优化控制

针对工艺复杂的造纸过程漂白工段的温度控制优化问题,分析了漂白过程温度控制优化策略,提出了标准遗传算法的改进方法,采用基于改进型遗传算法(IGA)整定PID控制器的方法实现了对漂白塔温度的优化控制,并介绍了基于DCS的优化控制系统配置。仿真结果和实践证明了基于IGA的漂白过程温度控制优化方案的正确性和有效性。

永磁直线同步电动机的IGA优化设计

永磁直线同步电动机在远距离、大推力应用场合中需要的中枢绕组和永磁体多,系统造价较高。针对该问题,文章以经济指标为目标,采用自适应参数调整和适应值定标相结合的改进遗传算法,通过选取优化变量、确定约束条件及目标函数,实现了永磁直线同步电动机的优化设计。对优化前后的电动机各性能指标进行分析比较后得出,该优化方法能够改善电动机的综合性能指标,提高电动机的推力,减小电动机的体积,从而降低了电动机的制造成本。

基于IIGA-BP神经网络的钢材销售预测模型

为克服传统BP神经网络(BP Neural Network, BPNN)在销售预测中,预测精度低、收敛速度慢的缺点.提出了一种基于改进免疫遗传算法(Improved Immune Genetic Algorithm, IIGA)优化BP神经网络的销售预测模型.改进的免疫遗传算法提出了新的种群初始化方式、抗体浓度的调节机制及自适应交叉算子、变异算子的设计方法,有效的提高了IIGA的收敛能力和寻优能力.并用IIGA优化BPNN的初始权值和阈值,改善网络参数的随机性导致BPNN输出不稳定和易陷入局部极值的缺点.以某钢铁企业的历史销售数据为例进行实证研究,利用Matlab分别构建BP、IGA-BP和IIGA-BP神经网络预测模型进行仿真对比分析.实验证明, IIGA-BP神经网络预测模型较BP神经网络预测模型预测精度提高了23.82%,较IGA-BP神经网络预测模型预测精度提高了22.02%.IIGA-BP神经网络模型对钢材销售预测的泛化性能更好,预测效果更稳定误差基本保持在[-0.25, 0.25]之间,预测精度大幅度提高,为企业销售预测提供了一种较为有效的方法.

基于IGA—BP神经网络的电机故障诊断研究

提出一种基于改进遗传算法（IGA）和误差反向传播（BP）算法相结合的IGA—BP混合算法在电机故障诊断中的应用方案，应用IGA—BP算法优化神经网络的权值和阈值，提取电机转子振动频谱分量作为神经网络的训练输入样本，将代表电机转子常见故障输入数据代入训练好的神经网络后，通过输出结果即可诊断故障类型。实验表明：该方法可以有效地识别电机常见故障，诊断准确率高、速度快。

基于IGA-PID的减摇水舱摇摆台控制仿真研究

减摇水舱设计完成后要安装在摇摆台上,通过摇摆台精确模拟在特定海况下船舶横摇运动从而对水舱性能进行检测,摇摆台动力装置为电液伺服系统,在模拟不同船型时,配重改变及系统本身零漂﹑零偏等干扰因素变化使得对其执行机构传统的PID控制参数整定难、适应性差从而模拟精度降低.文章对摇摆台进行数学建模及仿真模型搭建,设计了IGA-PID控制器,采用免疫遗传算法的PID控制,通过抗体间的促进与抑制反应,不依赖控制对象实现系统的自适应,从而对PID控制参数进行整定得到全局最优解.仿真结果表明,该控制算法的应用具有更好的控制效果和鲁棒性,满足水舱测试精度要求.