一种新的数据智能化处理算法*

提出了对象及其特征数据的一些特性指标:对象的相似度、复杂度、隐蔽度(或能见度),特征数据的贡献度、常见度、显隐性。在综合分析这些特性的基础上,通过融合模糊神经网络技术及可拓学思想,研究了一种信息非完全的复杂数据智能化处理拓展算法,通过嵌入竞争神经网络的计算模型实现了该算法。在复杂的中医诊断推理过程的应用结果表明,该算法可以较好地应用于处理复杂的中医临床数据。     

基于径向基神经网络用于中医舌诊诊断的研究

研究基于聚类分析的径向基神经网络用于中医舌诊诊断,构建一个中医舌诊智能诊断的神经网络模型.先对输入样本集进行数据归一化处理,采用K-means聚类算法对样本集进行聚类分析,得到聚类中心的位置和数量,再构建RBF神经网络进行学习、训练.以肝病病证诊断进行仿真.实验结果表明:该中医舌诊智能诊断模型具有诊断能力强、收敛速度快、泛化能力强等特点.因此,基于聚类分析的径向基神经网络用于中医舌诊诊断的研究是可行的、有效的.     

基于免疫聚类的RBF神经网络在中医舌诊诊断中的应用

研究基于人工免疫聚类的RBF(Radial-Basis Function)神经网络应用于中医舌诊诊断,构建一个中医舌诊智能诊断的神经网络模型,旨在提高模型的诊断能力和收敛速度.对输入样本集进行数据归一化处理,采用改进的基于免疫聚类的RBF算法进行学习、训练.以肝病病证诊断进行仿真,结果表明:该中医舌诊智能诊断系统具有诊断能力强、收敛速度快,泛化能力强等特点.因此,基于人工免疫聚类的RBF神经网络应用于中医舌诊诊断的研究是可行的,有效的.     

基于中医网络的中心性算法研究

中医概念之间的关系极为复杂,采用传统的基于简单数据集的数据挖掘方法显得力不从心.考虑到中医数据的特点,提出了一种基于图结构的挖掘方法,将中医对象之间的复杂关系和潜在的信息提取出来.首先,通过自然语言处理从医案中抽取出的中医概念与中医本体知识库匹配得到中医的知识网络.然后将该中医网络抽象成数学表达方式--图,利用图论的算法来处理.最后,采用中心性算法来分析中医网络,找出在中医诊断网络中具有重要作用的症状.     

基于径向基神经网络用于中医舌诊诊断的研究

研究基于聚类分析的径向基神经网络用于中医舌诊诊断,构建一个中医舌诊智能诊断的神经网络模型。先对输入样本集进行数据归一化处理,采用K—means聚类算法对样本集进行聚类分析,得到聚类中心的位置和数量,再构建RBF神经网络进行学习、训练。以肝病病证诊断进行仿真。实验结果表明：该中医舌诊智能诊断模型具有诊断能力强、收敛速度快、泛化能力强等特点。因此,基于聚类分析的径向基神经网络用于中医舌诊诊断的研究是可行的、有效的。     

中医“内生五邪”的智能证型分类

采用随机森林算法对语料库中医"内生五邪"病证知识进行数据挖掘。采用随机森林对五邪病证的临床特征体系构建"内生五邪"智能诊断模型。采用改进的随机森林特征重要性度量方法针对各个类进行特征重要性度量。实验结果验证了该方法的有效性和优越性,能够胜任对疾病过程中所产生的类似于风、寒、湿、燥、火邪等五种病理状态进行深入细致的客观化研究。该研究将为中医临床医生提供一个诊疗决策的优良工具。     

基于免疫聚类的RBF神经网络研究

通过分析以往人工免疫聚类算法的不足之处,提出了一种改进的基于人工免疫聚类与RBF神经网络的混合算法.该算法由两个阶段组成:第一阶段采用人工免疫机制来确定RBF网络隐层的聚类中心的位置和数量;第二阶段建立RBF神经网络,对输入样本数据进行学习、训练,求输出层的权值矩阵W.最后以肝病病证诊断进行仿真,建立基于免疫聚类的RBF网络模型.实验结果表明:该算法用于中医病证诊断的研究是可行的和有效的.     

面向用户查询意图的句子相似度分层计算

为进一步提高句子相似度算法的准确性并提升其在复杂语境中的适用性,综合编辑距离、关键词及同义词语义方法,设计出面向用户查询意图的句子相似度分层算法.在充分分析实验数据用途的基础上,研究数据的特征分布,借助自然标注将句子相似度计算建模为多层次优化问题.经仿真实验证实该算法是有效的,F值可达到0.6019.     

基于粗糙集和Apriori算法的中医病证关联研究

本文提出一种基于粗糙集理论和Apriori算法的关联规则挖掘方法并将其应用于中医病证关联分析。该方法通过属性约简抽取特征症状,然后在约简后的决策表上应用改进的Apriori算法进行关联规则挖掘,提高了中医病证关联规则挖掘的效率。     

多标记中医问诊数据的症状选择

中医诊断中,一个患者可能兼有多个证型标记,其计算机辅助诊断是高维数据多标记学习的一个典型应用.中医问诊过程中往往会产生大量症状,这影响诊断算法建模的效果.特征选择旨在寻求最小的相关症状特征子集,且能使模型泛化能力达到最大.目前有关多标记数据特征选择的研究还很少,本文提出使用一种组合的优化技术进行中医问诊多标记数据的症状选择,通过多标记k近邻等4个算法进行建模.本文所提算法与当前流行的多种多标记数据降维算法如MEFS(多标记嵌入式特征选择方法)、MDDM(多标记特征降维方法)进行了比较,在UCI酵母多标记数据集和一个冠心病问诊数据上的实验结果显示本文算法较之已有多种算法有明显提高,在average precision上对分类器的提高可达10.62%和14.54%.论文实现了冠心病问诊症候模型的建立,为冠心病的诊断和其他多标记数据分析提供了有效的参考.     

基于仿真与数据挖掘的故障诊断方法研究

针对导弹武器系统故障信息的特点,提出了系统仿真与数据挖掘相结合的综合故障诊断方法.文中将导弹武器系统故障检测信息分为3类,即:离散交互特征信息、连续动态特征信息和离散事件特征信息.通过实例阐述了数据挖掘在导弹武器系统故障诊断中的应用.分析了基于仿真的故障诊断方法,在此基础上,结合仿真与数据挖掘各自在故障诊断方面的优势,进一步提出了基于仿真与数据挖掘的综合诊断方法,给出了方法的步骤和诊断流程.     

基于多重结构神经网络的歼击机结构故障检测

提出了一种基于多重结构神经网络的故障检测方法。针对以歼击机为代表的非线性系统中存在的突发结构故障，构造了一个多重结构神经网络，在输入层对残差信号进行二进离散小波变换，提取其在多尺度下的细节系数作为故障特征向量，并将其输入到神经网络分类器进行相应的模式分类，之后再利用下一级的故障度辨识神经网络对故障的大小进行辨识。仿真结果表明，本文方法为歼击机组合结构故障的检测提供了有效的方法和途径。     

基于新息GM(1,1)的故障诊断预测

故障诊断预测随着设备结构的复杂性、运行环境的独特性和诱发故障的多源性而变得愈发困难,因此,利用新的科学理论对故障诊断预测方法进行了探索.基于灰理论建立的新息GM（1,1）模型能够及时更新数据,用最新数据替换老数据建立的等维新息模型,能够保证原始数据对模型的作用,使模型更能反映实际.实例计算分析表明：模型样本需求量小、计算简单,能动态地反映出系统的时变特性,有效提高预测精度.该方法应用于故障诊断预测,能够及早判明故障的发展趋势及其危害程度,避免灾难性事故发生,维护设备安全长周期运行.     

电气机车整流电路的故障诊断仿真分析

利用电力电子器件和仿真功能软件对我国电气机车整流器常用的控制电路(单相串联3重联结电路)进行了故障分析诊断;在Matlab/Simulink环境下对单相串联3重联结电路进行了电路分析和仿真,并在其基础上,提出了基于BP神经网络故障分析的方法;基于BP神经网络,利用电路分析产生的故障数据,采用归一化(或标准化)进行数据预...     

基于K近邻证据融合的故障诊断方法

为了兼顾数据建模的准确性和诊断的实时性,提出一种K近邻诊断证据融合新方法.利用故障特征 的历史样本构建随机模糊变量(RFV)形式的故障样板模式,由KNN算法获取测试样本的K个近邻历史样本,并定义它们的RFV待检模式;经样板和待检模式的匹配获取K个诊断证据,再将各特征的K个诊断证据融合,并作出故障决策;使用RFV实现对故障数据的精准建模,利用K个历史样本丰富诊断信息,并增加诊断的时效性.诊断效果在电机转子试验台上得到了验证.     

轮廓跟踪算法的改进及在字符识别技术中的应用

针对图像中字符识别技术的应用需求,提出了轮廓跟踪算法的改进算法,在链码表示法基础上提出了轮廓表存储结构。在字符识别中根据轮廓表生成字符的轮廓特征数据序列,运用其相关值来度量字符的相似程度。实验结果表明提取特征少,识别速度快,准确率高,受字号的影响较小。     

一种基于灰色关联度的决策树改进算法

在构造决策树的过程中,分裂属性选择的标准直接影响分类的效果。分析了现有改进的ID3算法不同程度地存在学习效率偏低和对多值属性重要性的主观评测等问题,提出一种高效而且可靠的基于灰色关联度的决策树改进算法。该算法通过灰色关联分析建立各特征属性与类别属性之间的关系,进而利用灰色关联度来修正取值较多但非重要属性的信息增益。通过实验与其它ID3改进算法进行了比较,验证了改进后的算法是有效的。     

AD590温度传感器的非线性补偿及应用

介绍了AD5 90型集成温度传感器的主要性能特点、线性度标定和误差修正补偿等 ,并给出了AD5 90在电冰箱温度测试中的应用实例     

基于混合KPLS-FDA的过程监控和质量预报方法

提出一种基于核偏最小二乘(KPLS)与费舍尔判别分析(FDA)相结合的过程监控和质量预报方法—–混合 KPLS-FDA 方法.首先,利用 KPLS 提取过程数据的非线性特征,使用 FDA 建立 KPLS 的内部模型;然后,求出满足最大分离度的核 Fisher 特征向量和判别向量来实现状态监测,若系统运行正常,则根据 KPLS 回归模型预报产品的质量,否则利用 Fisher 相似度系数确定故障类型;最后,通过轧钢过程的仿真研究验证了混合 KPLS-FDA 方法的有效性.