主动式红外布控防护系统的设计与研究

针对传统隔离技术需求人力大、防护效率低、成本高等问题,本文提出了一种新的区域安全防范隔离方式.系统采用红外对射光栅防范隔离、声光警示等手段组成新型现场安全隔离防护系统,包含电话语音和手机短信提醒报警等方式,利用小波变换法高效处理不同频率数据信号,采用无线信号传输等方式工作,可对某一特定区域进行隔离监控,若有外来人员侵入,可声光警示并实现一些特定功能(如电话报警、切断系统电源等).试验结果表明,本研究采用的小波变换法十分实用,与STFT算法相比,告警信号处理耗时更短、效率更高,中频段下效率高出50％,高频段下效率高出200％.     

多无人机航迹规划的自适应B样条算法

无人机集群能更高效地完成复杂和具有挑战性的任务,航迹规划和编队控制是无人机集群的研究重点。针对复杂环境下的无人机编队控制问题,提出了一种结合分段自适应B样条（Piecewise Adaptive B-Spline,PABS）方法的领航-跟随策略。采用滚动时域控制及快速粒子群优化算法为领航者无人机生成一条安全的参考航迹,并根据跟随者与领航者保持的几何关系为跟随者无人机生成参考航迹。针对生成的跟随者航迹不平滑以及可能与障碍物发生碰撞的问题,使用PABS方法对跟随者航迹进行平滑和避障处理。实验表明,使用滚动时域控制及快速粒子群优化算法及PABS方法能为领航-跟随策略下的无人机编队生成安全平滑的航迹,相比于圆弧插补技术,PABS方法能使航迹更光滑。     

全局调距和声特征选择算法

特征选择技术能有效解决维数灾难问题，许多搜索策略已经被应用到特征选择问题中。针对和声特征选择算法搜索能力低下的问题，提出了一种基于全局自适应调距的和声特征选择算法（HSFS-GPA）。将特征集的距离定义引入到特征选择问题中，在算法搜索过程中结合全局信息对随机产生的新和声进行调整，以一定概率减小候选和声与当前最优和声的距离来加快算法搜索速度，或减少候选和声与最差和声的距离以避免陷入局部最优；同时，采用竞争选择方案随时更新和声库全局信息，改进和声库的更新机制提高算法搜索质量。将HSFS-GPA与原始和声特征选择算法、粒子群算法和遗传算法进行对比实验，HSFS-GPA所选特征子集的大小比原始和声算法减少15%，子集评价值平均提高到0.98。实验结果表明，HSFS-GPA能在相同的条件下搜索到更优质的特征子集。     

基于卷积神经网络的左心室超声图像特征点定位

针对传统级联卷积神经网络（CNN）在左心室超声图像中定位准确度较低的问题，提出一种融合更快速区域卷积神经网络（Faster-RCNN）模型提取区域的级联卷积神经网络，实现对超声图像中左心室心内膜和心外膜轮廓特征点的定位。首先，采用两级级联的方式改进传统级联卷积神经网络的网络结构，第一级网络利用一个改进的卷积网络粗略定位左心室心内膜和心外膜联合的特征点，第二级网络使用四个改进的卷积网络分别对心内膜特征点和心外膜特征点进行位置微调，之后定位输出左心室心内膜和心外膜联合的轮廓特征点位置；然后，将改进的级联卷积神经网络与目标区域提取融合，即利用Faster-RCNN模型提取包含左心室的目标区域并将目标区域送入改进的级联卷积神经网络；最后，由粗到细对左心室轮廓特征点进行定位。实验结果表明，与传统级联卷积神经网络相比，所提方法在左心室超声图像上的定位效果更好，更逼近真实值，在均方根误差的评价标准下，特征点定位准确度提升了32.6个百分点。     

多无人机自适应编队协同航迹规划

针对多无人机(UAV)协同航迹规划中因编队队形约束而忽略部分较窄通道的问题,提出了一种基于自适应分布式模型预测控制的快速粒子群优化(ADMPC-FPSO)方法。该方法利用领航跟随法和虚拟结构法相结合的编队策略构造出虚拟编队引导点,以完成自适应编队协同控制任务。根据模型预测控制的思想,结合分布式控制方法,将协同航迹规划转化为滚动在线优化问题,且以最小距离等性能指标为代价函数。通过设计评价函数准则,使用变权重快速粒子群优化算法对问题进行求解。仿真结果表明,通过所提算法能够有效实现多无人机协同航迹规划,并可根据环境变化快速完成自适应编队变换,同时较传统编队策略代价更低。     

结合二进制烟花算法的单位图块截断编码

图像压缩应用领域中,在保证压缩比不变的前提下,为生成有效的公共位图,并降低单位图块截断编码压缩彩色图像时的失真风险,本文提出了一种结合二进制烟花算法的单位图块截断编码方法.该方法首先将彩色图像分成不重叠的子图像块,使用权重平面法生成每个子图像块的初始位图;然后,通过局部优化和全局优化两种不同的策略确定每个子图像块初始位图需要优化的位置,将这些位置的值作为烟花算法初始值;在此基础上将烟花算法改为二进制形式并进行优化,生成每个子图像块的公共位图与6个量化值;最后,根据公共位图与6个量化值恢复每个子图像块,根据恢复的子图像块重构压缩图像.通过在测试图像上进行实验验证,并与3种参考方法从压缩图片的细节视觉效果、压缩图片与原图间的均方误差、结构相似性指数3个角度进行对比,结果表明,本文所提方法生成的公共位图有效,且全局优化策略压缩图像效果优于局部优化策略,其中全局优化策略生成的压缩图像与原图间的均方误差均值在分块大小为4×4和8×8时分别为56.939 7与106.317 4,低于3种对比方法,结构相似性指数均值分别为0.968 2与0.943 1,高于3种对比方法,通过分析对比表明,所提方法生成的压缩图像与原图间的相似度更高,在保持压缩比的同时有效提升了压缩图像的精度.     

利用LIME对脓毒症预测模型进行可解释性分析

针对机器学习应用于脓毒症预测存在预测准确率低和可解释性不足的问题,提出了利用LIME对基于机器学习的脓毒症预测模型进行可解释性分析.模型由预测和解释两部分组成:预测部分使用XGBoost和线性回归(LR),首先通过XGBoost进行特征提取,再利用LR对提取到的特征进行分类;解释部分使用LIME模型提取出关键的预测指标对模型进行解释.实验结果表明,通过XGBoost+LR模型进行脓毒症预测的准确率为99％,受试者工作特征曲线下面积(AUROC)为0.984,优于单独使用XGBoost(准确率:95％,AUROC:0.953)和LR(准确率:53％,AUROC:0.556)或者LGBM(准确率:90％,AUROC:0.974),同时通过LIME能有效地提取出前10个最重要的指标,对脓毒症预测模型进行可解释性分析,提高了模型的可信度.     

危重症指标相关性分析模型

患者术前与术中检测指标的选择影响危重症预测的实时性和准确性。目前患者术前和术中检测指标种类繁多，很难找到它们与危重症之间的潜在联系。针对患者检测指标与危重症之间的关联，提出了基于机器学习的危重症核心指标分析模型。模型通过统计方法与斯皮尔曼等级相关系数去除冗余指标，结合XGBoost模型分析各指标对危重症风险预测的贡献，以此作为各指标与危重症之间的相关性，并提取对应危重症核心指标。选取肝衰与肾衰患者数据对模型进行实验验证，结果表明，该模型能有效分析指标与危重症之间的相关性，提取的核心指标在危重症预测中的效果略高于全部指标。     

基于滚动时域的无人机动态航迹规划

针对带有动力学约束的多旋翼无人机航迹规划问题,提出了一种基于滚动时域控制和快速粒子群优化(RHC-FPSO)方法。该方法引入了基于VORONOI图的代价图方法说明从航迹端点到达目标点的距离估计。根据滚动时域和人工势场法的思想,将路径规划问题转化为优化问题,以最小距离和其他性能指标为代价函数。设计评价函数准则,按照评价准则使用变权重粒子群优化算法求解。针对无人机靠近危险区飞行的问题,将斥力场引入到代价函数中,提升其安全性。仿真实验结果显示,使用文中方法可以有效地在满足约束条件下穿过障碍物区域,以及在复杂环境下可以动态计算。     

多重属性过滤深度特征合成算法

传统特征工程从关系实体中提取特征完全倚靠人工，繁琐、费时且易出错，深度特征合成算法可以为结构化数据合成大量特征，实现关系实体的自动特征工程。针对深度特征合成算法中合成特征冗余严重且难以筛选的问题，提出一种基于Kullback-Leibler（KL）散度和Hellinger距离结合的属性过滤算法。通过映射连接实体与标记，度量实体中属性的重要程度，对实体中的属性多重过滤，拒绝实体中重要程度低的属性参与深度特征合成算法，得到优化的特征合成结果。选取三种不同类型的公开数据集在不同的机器学习算法上进行实验验证。结果表明，改进的方法能够明显减少算法运行时间与合成数据规模，有效提高合成特征的质量与最终预测准确率。