C*-代数中的广义逆的稳定扰动

设A是C^＊-代数，a，a^－＝a＋δa∈A并且a有广义逆a^＋及‖a^＋‖‖δa‖〈1。当a^－A∩（1－aa^＋）A＝{0}（即a^－是a在A中的稳定扰动）时，a^－＋存在而且还给出了‖a^－＋‖和‖a^－＋－a＾＋‖的上界估计。另外，在假设A是AH-代数及a^－＋存在的条件下，证明了：a^－是a在Ａ中的稳定扰动的充要条件是a^－a^－＋与aa^＋。等价。这个结果可以看成是矩阵保秩扰动的一个类似。     

基于残差注意力卷积神经网络的糖尿病无创检测研究

目的：降低糖尿病大范围筛查的医疗成本,减轻血糖检测对患者心身的伤害,同时为高风险糖尿病人群提供一种无创、准确、高效、经济的糖尿病检测方法。方法：采用残差注意力卷积神经网络对糖尿病受试者面部图像进行有监督的机器学习,预测受试者未来糖尿病的发病风险;为评估该方法的应用效果,本实验招募了384例糖尿病受试者和137例血糖正常的健康志愿者,比较残差注意力网络与其他卷积神经网络的糖尿病无创检测性能。结果：采用56层残差注意力网络构建的糖尿病无创检测模型在实验中表现出的预测能力最强,准确率高达94.28%,特异性为92.94%,F1值达95.88%。结论：该预测模型检测方法耗时短、成本低且支持大范围筛查及远程诊疗,具有较强的糖尿病检测能力。     

基于卷积神经网络的手势识别算法

手势识别是人机交互、智能假肢、医疗康复等领域的研究热点。为了满足手势识别实时性和准确性的需求,本文以成本较小的加速度信号作为数据,在对LeNet-5卷积神经网络进行分析的基础上,提出了一种适合加速度信号的LeNet-A网络。该网络针对基于加速度的手势分类特有的复杂性,增加Dropout层,改变卷积核大小、卷积核数量、激活函数以及分类器。在Ninapro数据集上的实验结果表明,该网络在正常受试者和截肢者的识别率上均表现出很大的优势,平均精度分别为90.37%和79.99%,比目前最佳分类器提升了12%和31%左右。该网络还具有较好的实时性和抗噪性。     

胎儿心电信号的无创提取：基于时间卷积编解码网络

目的 实现从孕妇腹壁混合心电信号中提取微弱的胎儿心电信号,为准确估计胎儿心率、分析胎儿心电波形等提供基础。方法 利用深度卷积网络（deep CNN）优越的非线性映射能力,本文提出了一种基于时间卷积编解码网络的非线性自适应噪声消除（nonlinear ANC）提取框架,以实现胎儿心电信号的有效提取。首先构建适用于处理胎儿心电信号的深度时间卷积网络（TCED-Net）模型作为非线性映射工具;然后以孕妇胸部心电信号为参考,利用该模型估计孕妇腹壁混合心电信号中的母体心电成分;最后从腹壁混合信号中减去所估计的母体心电成分,以得到完整的胎儿心电信号。实验利用合成心电数据（FECGSYNDB）和临床心电数据（NIFECGDB、PCDB）对方法性能进行测试与对比。结果 本文方法在FECGSYNDB上的胎儿R峰检测精度（[F1]值）、均方误差（MSE）和质量信噪比（qSNR）分别达到98.89 %,0.20和7.84;在NIFECGDB上的[F1]值达到99.1%;在 PCDB 上的[F1]值达到 98.61%。在不同数据集中较之 EKF（[F1=]93.84%）、ES-RNN([F1] =97.20% )和 AECG-DecompNet（[F1]=95.43%）等现有性能最佳的算法,本文方法的R峰检测精度指标分别高出5.05%、1.9%和3.18%,均优于现有最佳方法。结论 与现有算法相比,本文方法可以提取出更为清晰的胎儿心电信号,对孕期进行有效的胎儿健康监护具有一定的应用价值。     

基于时空图卷积神经网络的蛋白质复合物识别方法

目的 探讨利用时空图卷积神经网络在动态蛋白质网络中挖掘复合物的新方法。方法 文中首先定义了边强度、节点强度和边存在概率等指标对动态蛋白质网络进行建模,然后结合图上的时间序列信息和结构信息,基于希尔伯特-黄变换、注意力机制和残差连接等技术设计了2种卷积算子来对网络中蛋白质的特征进行表示学习,构建得到动态蛋白质网络特征图。最后采用谱聚类来识别复合物。结果 在多个公开生物数据集上的仿真实验结果表明,所提算法在DIP数据集和MIPS数据集上的F值都达到了90%以上,相比于DPCMNE、GE-CFI、VGAE和NOCD等4种识别算法而言,识别效率分别平均提高了约34.5%、28.7%、25.4%和17.6%。结论 运用深度学习技术来处理动态蛋白质网络的性能表现良好,具有普适意义。     

基于复合正交神经网络的广义通用模型自适应控制

在自适应逆控制中应用复合正交神经网络具有算法简单、学习收敛速度快等优点,将复合正交神经网络与广义通用模型控制器策略相结合,提出了一种基于神经网络的广义通用模型自适应控制方法.该控制方法中的参考轨迹为一条典型的二阶曲线,控制器参数具有明显的物理意义,参数整定方便.仿真实验验证了该控制策略的有效性.     

多重分形奇异谱的几何特性：Ⅱ.配分函数法

研究了用配分函数法定义的多重分形理论中奇异谱的几何特性 ,通过严格的数学推理证明了广义维数 Dq、质量指数 τ( q)、奇异性指数 α( q)和奇异谱 f( α( q) )的有关性质 ,明确提出了判定合理奇异谱 f( α( q) )的准则 ,给出了在参数 q→±∞时计算相应函数极限的解析算法。     

基于动态扩张角的广义Pareto支配优化算法

NSGA-Ⅱ算法在处理高维多目标问题时解集的区分度变得很差,对此,有学者提出了基于扩张角的广义Pareto支配优化算法（GPO-NSGA-Ⅱ）,即通过改变扩张角来调整解的支配区域,从而调整解集的区分度,进化过程中扩张角保持恒定。本文在GPO-NSGA-Ⅱ算法的基础上提出了随着种群进化扩张角动态改变的广义Pareto支配优化算法（DGPO-NSGA-Ⅱ）,通过动态调整种群进化过程中的扩张角来影响种群进化的选择压。扩张角的动态调整采用线性减小方式,即随着种群的进化将扩张角从初始扩张角线性减小为0。为保证获得一个较好的初始扩张角区间,对种群进化的不同扩张角进行了大量对比实验。将该算法与GPO-NSGA-Ⅱ、NSGA-Ⅱ在测试函数上进行对比实验,结果表明该算法能以更高的精度更快地收敛到理论前沿,个体分布也更均匀。     

多重分形奇异谱的几何特性：Ⅰ.经典Renyi定义法

研究了经典多重分形理论中广义维数和奇异谱的几何特性 ,通过严格的数学推导证明了广义维数 Dq、质量指数 τ～ ( q)、奇异性指数 α～ ( q)和奇异谱 f～ ( α～ ( q) )的单调性和极限 ,并提出了判定合理奇异谱 f～ ( α～ ( q) )的准则。     

基于U型全卷积神经网络的腹部动脉CT图像分割算法研究

目的 为了精确分割腹部动脉血管,提出一种基于深度学习的全自动腹部动脉CT图像分割算法.方法 采用区域不平衡块生成方法 提取CT血管横断面、冠状面和矢状面图像特征,接着采用U型全卷积神经网络对块特征进行训练与分割,最后采用最大体素保留法获得三维血管分割图像.选用120例患者腹部CT血管图像进行网络训练和分割实验,分割结果...     

广义B样条曲线及其节点插入算法

通过二阶常系数微分算子的零空间及其初值问题解的唯一性,引入了广义B样条曲线的概念,给出了B样条曲线的一种统一表示形式,介绍了该样条的求值算法及节点插入算法,并对其凸包性质和变差缩减性质作了分析,最后给出了相应算例。数值实验表明:该算法对任意样条都适用,且结果准确、有效。     

平行机上单位加工时间加权总完工时间排序问题的反问题

在给定工序下, 排序问题的反问题研究目标是对于预先给定的加工任务, 要求确定加工时间或者工件权重的最小调整值, 使得给定的工件排序最优。 本文研究了平行机上单位加工时间的加权总完工时间排序问题的反问题, 即对于给定的加工工序, 在不同范数下, 通过最小限度调整工件的权值, 实现给定加工工序最优, 同时满足调整权值后,目标函数值不超过原来的值。     

基于广义最小方差基准的系统控制器设计

由控制系统性能评估中一种重要的评估方法——广义最小方差（GMV）引出基于GMV基准的系统控制器设计理论。该方法综合了系统误差信号与控制信号,既考虑了系统回路输出与参考信号的吻合程度,又考虑了控制作用的平稳性。误差权与控制权的合理设置是降低系统跟踪误差和确保系统稳定性的关键,文中详细阐述了两权的设置方法。通过仿真实例,依次有效验证了该方法在单回路系统、传统串级系统和并行串级系统中的运用,并与传统的PID控制律作了对比分析,验证了本文方法的优越性。     

基于广义模糊算子的工业RT图像增强

在分析传统的图像模糊增强算法缺陷的基础上,提出了一种广义模糊增强的方法。该算法通过引入广义模糊集合的概念,将图像映射到广义模糊空间,设计一个分段正弦函数作为模糊隶属度,并采用了相应的增强算子,利用广义模糊变换范围大的特点,通过对工业RT检测焊缝图像进行广义模糊增强处理,使图像获得令人满意的增强效果。引入模糊熵的方法分析增强效果,并分析了广义模糊增强算法中影响增强效果的因素。     

关于对称不定和广义半正定矩阵的扰动分析

讨论了对称不定矩阵G的广义LDLT分解的扰动,对系数矩阵为对称不定的线性方程组也进行扰动分析,并进一步推导了广义半正定矩阵的情况。     

基于JPEG及扩展DCT块变换的新型大容量隐写算法

目前,基于离散余弦变换的JPEG图像载体隐写已经可以达到较高的隐蔽性及鲁棒性,但隐写容量与传统的空域隐写相比仍有较大差距。在已有算法的基础上,提出了一种基于扩展DCT块变换的改进算法,一定程度上提升了隐藏容量,并使其在隐蔽性和展示性方面优于既有算法。该算法在最终量化前加入了扩展分块变换隐藏,避开了直接将密信隐藏于JPEG的量化后DCT系数中。在维持结果图片符合标准的同时,增强了隐写的隐蔽性和复杂性,实现了对原有算法的综合与改进。仿真实验结果显示出了该算法在隐写容量及隐秘性上相对于原有算法的提升。     

基于广义动态模糊神经网络的聚乙烯分子量分布软测量

分子量分布（MWD）是聚合物的重要质量指标,但由于实时检测的困难,MWD的预测成为聚合过程先进控制和优化面临的重要挑战。为解决聚乙烯分子量分布预测的实时性和精度问题,本文结合过程信息和反应机理建立了分子量分布预测的混合模型。首先通过机理分析,在假设不同催化剂活性位个数的情况下拟合MWD,通过误差分析获得合理的催化剂个数及分布函数参数,同时操作条件与分布函数参数之间的关系通过广义动态模糊神经网络（GDFNN）描述。在GDFNN中,利用K-means初始化其网络结构,训练过程中,充分利用历史数据和新息决定是否增加新规则,减少冗余规则的频繁生成,并通过分级学习机制,前期提高全局学习率,后期提高局部学习率。最后通过实际工业数据的仿真实验证明了该混合模型的有效性。     

非线性系统的非结构模型和基于它的广义预测控制器

利用离散Laguerre函数的有关性质,给出了一类离散非线性系统的一个非结构模型;将之用于非线性过程广义预测控制器的设计,得到了一个适用于该类非线性过程的广义预测控制算法,并举例说明该算法的有效性。