基于改进粒子群算法的中药提取过程PID优化控制

提出了一种适合于中药提取过程的基于改进粒子群算法的PID优化控制方法;针对粒子群算法存在早熟和局部收敛的问题对算法进行了改进,采用一种非线性动态自适应方法作为惯性因子权值调整策略,使惯性权值随粒子目标值的变化而自动改变;将该法应用于中药提取温度控制系统PID控制器参数优化设计,首先利用广义Hermite-Biehler定理计算控制对象的PID控制器参数稳定域;然后在参数稳定域范围内采用改进粒子群算法寻优得到了满足指定性能指标(ITAE)最小的最佳控制器参数值;最后针对中药提取工段的温度控制二阶时滞系统进行了仿真,验证了该方法的有效性。     

中药生产提取工段模糊控制研究

中药生产过程提取工段的是一个复杂的工业过程,为了充分提取药材中的有效成分,提高产品质量,提出了具有人工智能的模糊控制;该控制方法通过分析实时运行参数,计算出系统中各设备的控制量,并自动调整模糊控制规则,从而使控制参数按照预定输出达到最优值;仿真结果表明,此控制系统使中药生产提取过程取得了良好的控制效果,稳定并提高了产品质量。     

工艺参数变动下的三维互连电容快速模式建库方法

针对工艺不稳定性所带来的三维互连电容模式提取耗时激增的问题，提出一种增量式快速模式建库方法．该方法基于直接边界元计算，在2个紧邻工艺变动组合计算中，仅对前一组合计算所得的系数矩阵与右端项作局部修改，并取经预测修正的结果作为初值迭代提取后一工艺变动组合的电容，有着很高的精度和较高的加速比．     

模拟集成电路三维互连电容的改进层次式提取

层次式直接边界元方法可一次性计算出整个互连寄生电容矩阵,具有较高的计算效率．针对模拟集成电路的特点,对层次式三维电容提取的三维块切割方式、非均匀边界元划分和程序组织等方面进行了改进,显著地提高了算法的效率．数值实验表明,改进的层次式互连电容提取在保证高精度的同时,速度提高了数倍,适用于实际的模拟集成电路设计．     

纳米工艺下大规模线网的快速随机行走电容提取技术

为了解决悬浮随机行走算法在处理超过十万级别的大规模线网电容提取任务时耗时过长的问题,提出一种适用于悬浮随机行走电容提取算法中的快速虚拟高斯面构造技术.首先对已有的虚拟高斯面采样方法进行时间复杂度分析,并在其基础上发现影响效率的计算瓶颈——导体块之间的距离计算和高斯面相交关系计算;然后提出采用空间管理代替多线程并行加速的...     

基于最大流的交互式目标提取算法

医学图像处理中,目标提取在准确区分组织结构中起了重要的作用,论文介绍了基于最大流的交互式的目标提取算法,该方法把基于区域和基于边界方法结合起来,并用分水岭算法对图像做预分割,在其所分的区域上计算能量函数,然后最小化能量函数求最优边界。笔者结合自己研究的课题,针对目标标记步骤中聚类种子F和#色彩值的k-means算法进行改进,并把改进算法应用到人体器官切片目标分割中。     

基于上下文的领域本体概念和关系的提取*

目前本体学习的研究重点在于概念及关系的提取,概念提取领域一致度与领域相关度相结合的方法取得了比较好的效果,而关系提取则主要采用基于关联规则的方法。这种本体概念、关系学习方法由于只考虑词频,提取结果准确性欠缺。针对这种缺陷,在统计的基础上考虑了语义因素,利用词汇上下文计算概念的语义相似度并将其应用到概念与关系提取中。实验结果表明,词汇上下文与传统统计相结合的方法能够有效改进概念和关系提取的准确度。     

结合对数似然比的领域本体概念和关系的提取

本体学习已成为计算机领域的一个研究热点,目前本体学习的研究重点在于概念及关系的提取。针对现有学习方法准确率不高,提出一种结合对数似然比（Log-Likelihood Ratio,LLR）的本体学习方法,采用对数似然比计算概念与领域及概念与概念之间的相关性,将其应用到概念与关系提取中。实验结果表明,结合对数似然比的学习方法能够有效改进概念和关系提取的准确度。     

DNA微阵列图象信息的自动提取

微阵列图象分析是分子生物学中DNA微阵列杂交实验数据测定过程的一个重要部分。其目的是将微阵列图象中大量象素灰度信息简化为微阵列靶点的信号值。该文介绍了一种对DNA微阵列图象信息进行自动提取的方法,使用此方法完全不需要人为操作,可避免操作者主观性对实验的影响,提高数据提取的效率和可重复性。其关键步骤包括:图象滤波,图象灰度信息提取,微阵列间距确定,靶点定位和靶点信号值计算。实验结果表明使用此算法提取DNA微阵列图象信息具有重复性好、效率高和分析准确的特点。     

基于Mumford-Shah模型的高精度MR图像轮廓提取算法

提出了基于曲线演化的MR边界轮廓精确提取方法.针对MR图像边缘模糊和高噪声问题,改进Mum-ford-Shah曲线演化模型,将模糊聚类引入到轮廓演化能量模型中,降低对非规则细节和噪声的敏感性;利用水平集和半隐式的加性-乘性算子分裂数值方案进行轮廓线演化的迭代计算,提高精度和计算效率.实验表明这种方法可以对边界模糊和高噪声的轮廓进行有效提取.     

基于特征提取和RBF神经网络的ECT流型辨识

针对传统ECT流型辨识方法效率低的问题,提出了一种基于特征提取和径向基函数神经网络相结合的ECT图像流型辨识的方法,该方法通过对各种特征参数的定义,完成对ECT系统测得的电容值进行特征提取,然后将提取的特征值作为RBF神经网络的输入完成流型辨识。仿真和实验结果表明,与基于BP神经网络的图像流型辨识方法相比,该方法具有识别速度快和效率高等优点,为ECT图像流型识别的研究提供了一个新的思路。     

一种基于语义分析的中文特征值提取方法

文章根据中文文本的特点,不仅考虑了文本中词汇概率信息,还结合了文本语义等多方面来提取文本特征值,从而提出了一种基于语义分析的中文文本特征值提取方法,并给出了具体算法。通过与传统特征值提取方法的比较试验,证明文中提出的特征值提取方法能有效提高文本分类正确率,并达到有效降低特征向量维数的目的。     

中文专利属性值对抽取技术及应用

专利信息抽取是专利分析的基础,属性及属性值的识别与抽取是专利信息抽取所要解决的关键问题。目前,在中文专利信息抽取领域针对属性和属性值同步抽取的研究较少。本文以中文专利摘要作为实验语料,运用统计学习知识,提出一种基于条件随机场的抽取方法。该方法将属性和属性值视为命名实体,利用语料训练得到条件随机场模型,从而实现对属性和属性值的抽取;再利用挖掘的关联规则完成属性与属性值匹配。实验结果的准确率、召回率和F值分别是80.8%、81.2%和81.0%,其表明该方法能够高效同步抽取属性和属性值。同时,在抽取结果的基础上,本文完成了对专利的分析和同类专利的比较,体现了本方法的实用价值。     

基于边界元法的二维VLSI版图电容提取

文章中提出了一种用边界元法计算ＶＬＩＳ版图电容的方法，它通过求解二维Ｌａｐｌａｃｅ方程，直接得到包括寄生电容在内的版图电容的值。与其它计算电容的数值方法相比，该方法数据准备简单，占有内存少，计算效率高，并且有较高的精度。     

一种基于字同现频率的汉语文本主题抽取方法

主题抽取是文本自动处理的基础工作之一，而主题的抽取一直以分词或者抽词作为第1步．由于汉语词间缺少明显的间隔，因此分词和抽词的效果往往不够理想，从而在一定程度上影响了主题抽取的质量．提出以字为处理单位，基于字同现领率的汉语文本主题自动抽取的新方法．该方法速度快，适应多种文体类型，并完全避开了分词和抽词过程，可以广泛应用在主题句、主题段落等主题抽取的多个层面，而且同样适用于其他语言的文本主题抽取．主题句自动抽取实验表明，该方法抽取新闻文本主题句的正确率达到77．19％．汉语文本的主题抽取比较实验还表明，省略分词步骤并没有降低抽取算法的正确率．     

基于SVM和ECT的两相流离散相浓度测量

利用12电极电容层析成像系统(ECT)传感器和最小二乘支持向量机(LS-SVM),提出了两相流离散相浓度测量的新方法。电容传感器用来获取反应离散相分布的66个电容测量值。LS-SVM用来建立离散相浓度测量模型,模型的输入是66个独立的电容值,输出是离散相浓度值。本方法省去了传统ECT技术测量浓度时的图像重建过程。实验结果表明:该方法是有效的,测量误差在6%以内。     

面向自然语言文本的否定性与不确定性信息抽取

目前,信息抽取研究主要面向肯定性信息,而自然语言文本中包含了大量否定性和不确定性信息,为了将此类信息与肯定性信息区分开,有必要针对否定性与不确定性信息抽取进行深入研究.针对这一任务,首次构建了一个16 841句的汉语语料资源,利用序列标注模型与卷积树核模型,系统地探索了各种序列化依存特征和结构化句法树特征的有效性,并提出了元决策树模型,对二者进行融合.实验结果显示,该方法在否定性和不确定性信息抽取任务上的精确率分别达到69.84%和58.57%,为相关研究打下了坚实的基础.     

基于问题回答模式的中文事件抽取

事件抽取是自然语言处理领域的一项基本任务。以问题回答模式进行事件抽取可以解决传统事件抽取方法存在的无法捕捉到不同事件类型中具有相似性的参数角色的语义信息等问题。目前相关学者以该模式提出的英文事件抽取方法受语言壁垒限制,其提出的问题模板在中文文本上提取效果不理想。为解决此问题,设计了一套符合中文事件抽取的问题模板的生成规则,选择BERT预训练模型作为中文事件抽取的基础模型,将问题回答模式应用到中文事件抽取任务中,并在ACE2005中文数据集进行测试。结果显示,在触发词识别、触发词分类、论元参数识别和论元参数的评价指标上,F1值分别达到77.7%、68.5%、51.5%和48.0%,在一定程度上验证了设计的问题模板的生成规则的有效性以及将问题回答模式应用到中文事件抽取任务中具有良好的抽取性能。     

基于最短依存路径和集成学习的化学物蛋白质关系抽取

化学物与蛋白质之间的相互作用关系抽取对精准医学和药物发现等方面的研究有着重要作用。该文提出了一种基于最短依存路径和注意力机制的双向LSTM模型,并将其应用于化学物蛋白质关系抽取。在特征上综合考虑了最短依存路径上的词性、位置和依存关系类型等。在BioCreative VI CHEMPROT任务上的实验表明,该方法在基于依存信息的系统中获得了较好的F₁值性能。同时,集成学习也进一步提高了化学物蛋白质关系抽取性能。     

基于多重启发式规则的中文文本特征值提取方法

本文根据中文文本的特点，以一种新的同义概念来替代传统的词为单位，并给出了同义概念之间权值的全新计算方法。我们不仅考虑了文本中词汇概率信息，还结合文本语义等多方面来提取文本特征值，从而提出了一种基于多重启发式规则的中文文本特征值提取方法，并给出了特征值提取模型和算法。通过与传统特征值提取方法的比较实验，证证明本文中提出的特征值提取方法能有效地提高文本分类正确率，并达到了有效降低特征向量维数的目的。