基于量子蚁群优化的近邻传播聚类算法研究

为了提高近邻传播聚类性能,引入偏向参数的量子蚁群优化策略,增强聚类适用性。进行样本初始化,获得相似矩阵及偏向参数随机值。采用蚁群算法优化偏向参数:输入近邻传播算法的偏向参数作为蚂蚁个体构建蚁群,将聚类准确度作为蚁群最佳路径适应度进行优化求解;为了提高蚁群最优路径搜索精度,对蚁群位置采用量子比特编码,细化蚁群个体位置更新粒度;通过信息素值变化不断选择优化路径,从而获得最优偏向参数。采用量子蚁群优化算法获得的最优偏向参数进行聚类运算,获得稳定的聚类结果。试验证明,通过合理设置蚁群的概率因子、启发因子和蒸发因子等参数,相比于常用聚类算法,基于量子蚁群的近邻传播聚类可以获得更高的聚类综合性能。

基于鲸群优化随机森林算法的非平衡数据分类

为了提高非平衡数据分类的准确性,采用随机森林算法用于数据分类,并结合鲸鱼优化算法对随机森林弱分类器权重进行优化求解,以增强随机森林算法对非平衡数据分类的适应性。首先,建立基于随机森林的非平衡数据分类模型。通过随机森林的多个决策树弱分类器进行分类,有效解决样本不均衡导致的分类困难问题。接着,采用鲸群优化算法对弱分类器权重进行优化求解,将分类准确率均值作为鲸群优化适应度函数,以提高弱分类器权重投票对最终分类结果的精度。最后,采用经过鲸群优化得到的随机森林模型进行非平衡数据分类。实验证明,通过合理设置鲸群优化算法参数,可以获得分类准确度更高的随机森林弱分类器权重,相较于常用非平衡数据分类算法,文中算法能够获得更优的分类性能。

面向高维数据的人工蜂群优化密度峰值聚类

为了提高复杂高维数据的聚类性能,采用改进的密度峰值聚类(DPC)方法进行聚类分析。首先计算各样本点之间的距离,结合核函数获得各样本点的密度和距离,然后选择两者均较大的点作为聚类中心点,再根据剩余节点和各中心点的距离设定剩余节点所属类别。引入人工蜂群(ABC)算法对DPC进行优化。将距离阈值作为ABC算法的蜜源进行搜索优化,采用ABC-DPC算法对高维数据样本进行聚类分析,获得样本类别。分别采用模糊聚类、决策树、卷积神经网络(CNN)、非参数密度峰值聚类和ABC-DPC算法对样本进行仿真。ABC-DPC算法的聚类准确率最高,非参数密度峰值聚类算法次之,模糊聚类算法最差。在seeds集上ABC-DPC算法的聚类准确率为0.8675。ABC-DPC和非参数密度峰值聚类算法的聚类准确率的标准差性能较好,明显优于模糊聚类和决策树算法。ABC-DPC算法在seeds集上获得了最优标准差0.2513。

基于眼动追踪的虚拟现实技术减轻成人烧伤创面换药疼痛效果观察

目的探讨基于眼动追踪的虚拟现实技术应用于成人烧伤患者创面换药的镇痛效果。方法采用便利抽样法选择2019年7月~2020年10月某三级甲等医院住院治疗的137例烧伤患者为研究对象,按随机数字表法分为眼动组45例、视频组46例和对照组46例,对照组行常规创面换药操作,眼动组在对照组基础上应用基于眼动追踪的虚拟现实技术换药,视频组在对照组基础上应用虚拟现实技术观看3D视频换药,评价比较3组患者换药前、换药时的疼痛指标、虚拟现实应用评价指标及平均动脉压、心率变化。结果换药前,3组患者图形评定量表(GRS)最痛得分、平均动脉压、心率的差异均无统计学意义(P>0.05);换药时,3组患者的GRS最痛得分、疼痛不适得分、疼痛关注得分、疼痛管理满意度、平均动脉压、心率均有统计学意义(P<0.05),眼动组与视频组沉浸感与趣味性得分差异有统计学意义(P<0.05)。结论基于眼动追踪的虚拟现实技术能够增强患者沉浸感和趣味性,有效缓解成人烧伤患者换药疼痛,维持心率、血压稳定。