结合扰动集成RBF的故障识别方法

为提高旋转机械故障识别精度,将神经网络与集成学习方法进行结合,提出结合扰动方式的集成RBF故障模式识别方法.首先,通过ReliefF算法计算所提取出的转子故障特征数据集各个特征的权重,并且将权重值进行降序排列,从而筛选出权重趋大的系列特征构成低维特征数据集;其次,将较大权重作为无放回轮盘赌法的输入,对权重所对应的低维特征数据集进行特征扰动,产生系列化低维数据子集并将其划分为训练集和测试集;然后,采用Bagging算法中的自助采样法对训练集进行样本扰动,以此形成新的训练集并用于训练对应个数的RBF神经网络,完成差异性子分类器的构建;最终,对各个神经网络的测试数据辨识结果通过相对多数投票法进行结合,得到故障识别结果.实验结果表明,对于转子系统的故障识别,该方法相较于未集成RBF神经网络、集成BP神经网络具有较高的识别精度,并且拥有较好的泛化性能.     

基于局部敏感哈希的K邻近算法识别垃圾短信

针对目前垃圾短信的识别算法存在的关键字及频次的规则死板,易于被不法分子探测和规避等问题,提出将局部敏感哈希的K邻近算法应用于垃圾短信分类识别;首先定义特征,然后采用局部敏感哈希算法计算向量距离,通过得到的距离衡量矩阵的相似性,量化矩阵相似程度,对本文中提出的优化模型进行实现和训练;基于短信文本内容,运用词频-逆向文本频率算法生成矩阵,利用局部敏感哈希算法求解最相似样本,记录样本类别,将训练结果导入K邻近算法分类器得到最优近邻,在测试集或验证集上对优化模型垃圾短信分类识别准确率进行评测。结果表明,经过K邻近算法分类器后,优化模型垃圾短信分类识别准确率达到98.7%。     

一种改进的AdaBoost算法——M-AsyAdaBoost

提出一种Asymmetric AdaBoost改进算法——M-Asy AdaBoost.M-Asy AdaBoost算法通过新的样本权重分配方式可以确保训练过程不失败;分类器权重采用对正样本的分类错误率形成优化权重,突出对正样本的识别能力,提高检测概率;并且通过对加入分类器集的分类器的限制,使检测概率单调增加.该算法在较低虚警概率下,达到高检测概率.计算机仿真结果验证了算法的正确性.     

基于旋转森林法的滚动轴承故障诊断

为了寻找一种高精度、可测试样本大的滚动轴承故障诊断方法,提出了基于旋转森林法的滚动轴承故障诊断方法。设计基于SSA(奇异谱分析)和AR(自回归)模型的特征提取算法以及基于RF(旋转森林)算法的故障模式识别算法,并采用美国西储大学滚动轴承实验台的振动数据进行实验验证。实验结果表明:(1)AR模型的NMSE(归一化后的平均绝对误差)达99.45%,说明通过线性自回归模型拟合原始信号拟合的效果很好,确保了结果的可信性;(2)在训练和测试样本总数为232个基础上,分析了训练样本数和基分类器数对分类精度的影响,得出采用3个基分类器、少量训练样本在不同转速条件下即可达到较高的精度,验证了旋转森林算法的有效性。经最终实验表明,在训练集720和测试集2 296条件下,可识别故障类型数达40个,平均测试精度达98.5%~100%,相对同类方法在精度上有所提高,并且测试样本大,可应用于城轨列车滚动轴承的故障诊断中,为车辆的日常检修提供参考。     

逃避攻击下恶意PDF文件检测技术

KNN(K近邻)算法以其操作简单、分类效果明显的优点被广泛应用于网络入侵检测、垃圾邮件识别和图像识别等领域。KNN算法通过计算测试集与训练集之间的相似度进行分类。传统的机器学习分类模型通常只考虑分类的精度,没有考虑到攻击者的攻击问题,导致当存在非法攻击时,分类模型的鲁棒性降低。对此首先通过使用逃避攻击方法实现对KNN算法在恶意PDF文件分类上的攻击,然后将攻击产生的对抗样本添加到训练集中训练出新的分类器,最后模拟两种不同攻击方式在不同攻击强度下对改进前后KNN分类器分类效果的影响。实验结果表明,通过将对抗样本添加到训练集中能够有效提高KNN分类器的鲁棒性。     

关于Adaboost算法在人脸检测中应用的研究

人脸检测算法研究是计算机视觉、模式辨识、图像处理等领域的一项重要研究方向,具有十分广泛的应用前景.详尽阐述了Adaboost算法的检测原理、特征值分布、积分图的计算,分类器的训练过程及强分类器的构建.对Adaboost算法对有倾斜角度人脸的识别具有检测盲区的缺陷,提出了算法的优化方法,引入两种新特征模版,训练后得到的分类器增强了倾斜人脸的检测率及误识率,达到了优化检测的目的.     

一种基于支持向量机的行人识别方法研究

研究了基于支持向量机的车辆前方行人识别方法.通过提取样本的类Haar特征,采用AdaBoost算法训练得到了分割行人的级联分类器,实现了行人候选区域的快速分割;提取了样本的纹理特征、对称性特征、边界矩特征以及梯度方向特征,组成表征行人的多维特征向量,采用支持向量机训练得到了识别行人的分类器.试验结果验证了所提算法的有效性,获得约75%的行人检测率.     

视觉车辆识别迁移学习算法

针对采用大样本离线训练的车辆识别分类器在新场景中性能显著下降的问题,提出了一种具有样本自标注能力的车辆识别迁移学习算法,并采用概率神经网络(probability neural netw ork,PNN)进行分类器训练.首先,提出一种基于多细节先验信息的样本标注策略,融合复杂度、垂直平面和相对速度等先验信息实现新样本的自动标注;然后,充分利用PNN训练速度快以及增加新样本时只需分类器进行局部更新的特点,将其引入到分类器训练模型中,取代传统机器学习算法中的Adaboost分类器.实验结果表明:该算法在新场景下的新样本标注准确率高达99.76%.通过迁移学习,新场景的车辆识别分类器性能较通用分类器在检测率和误检率指标上均有显著提升.     

基于核空间优化支持向量机的合作频谱感知算法

在认知无线电网络中,由于噪声不确定性引起的聚类重叠,导致能量检测的性能明显降低.针对噪声 不确定对频谱感知的影响,提出了一种基于核空间优化支持向量机的合作频谱感知算法.该算法融合了支持向 量机和核空间优化相关理论,将感知用户收集的数据统计量组合成向量,使用Fisher准则对该向量集进行相关运 算,得出使各类数据在高维空间中分离度最高的核函数参数.之后使用支持向量机算法对训练向量进行训练,得 到最优的频谱感知分类器.仿真结果表明,基于核空间优化支持向量机的合作频谱感知算法在噪声不确定情况 下优于传统的合作频谱感知算法.     

胃肠道恶性肿瘤的端粒酶活性研究

目的：探讨端粒酶活性与胃肠道恶性肿瘤之间的关系．方法：采用非核素银染TRAP法，对30例胃肠道恶性肿瘤(16例胃癌、9例食管癌、5例结肠癌)患者癌组织及其癌旁组织和6例非肿瘤患者的相应正常组织中端粒酶活性进行检测．结果：端粒酶活性在胃癌组织中阳性率为87．5％(14／16)、食管癌中为88．9％(8／9)、结肠癌中为80％(4／5)，其阳性率与患者年龄及组织类型无关，病灶越大、病期越晚、分化程度越低，端粒酶活性率越高，淋巴结转移者高于无转移者．在相应癌旁组织和非肿瘤患者正常组织端粒酶活性皆为阴性．结论：端粒酶活性可能是特异性较强的恶性肿瘤标志物，它有望成为有力的胃肠道恶性肿瘤鉴别诊断的辅助手段，并在肿瘤患者的预后判断方面具重要意义．     

CD44v6、E-cadherin和ki-67蛋白质与腮腺多形性腺瘤的生物学行为相关性研究

为检测腮腺多形性腺瘤中CD44v6、E-cadherin和ki-67蛋白表达,以探讨其与腮腺多形性腺瘤生物学行为的相关性。应用免疫组织化学SP法染色检测腮腺多形性腺瘤组、多形性腺瘤恶变组和瘤旁非瘤组织组各组间CD44v6、Ecadherin和ki-67蛋白表达。结果显示,(1)CD44v6、E-cadherin和ki-67在腮腺多形性腺瘤组中的阳性表达率分别为100%、96%和73.8%;(2)E-cadherin和ki-67在腮腺多形性腺瘤组、多形性腺瘤恶变组和瘤周非瘤组织间的阳性表达率均有差异,其表达与腮腺多形性腺瘤的浸润转移有关;(3)CD44v6在腮腺多形性腺瘤组与瘤周非瘤组织组,多形性腺瘤恶变组与瘤周非瘤组织组中的表达有统计学差异。由此可知,E-cadherin和ki-67与腮腺多形性腺瘤的生物学行为有关,可作为新的肿瘤标志物,其表达对判断预后有一定的价值。     

CRTC1在食管癌中的表达及与临床病理的关系

探讨CREB转录共激活因子1（CRTC1）在食管癌组织与癌旁组织中的转录水平和翻译水平变化,及其变化与临床病理的关系。收集25例食管癌鳞癌患者的癌组织及与之配对的癌旁组织,通过qRT-PCR检测CRTC1的mRNA水平,western blot检测CRTC1的蛋白水平。在食管癌中,CRTC1蛋白表达低于癌旁组,而mRNA水平高于癌旁组;CRTC1在转录水平上与肿瘤位置和淋巴结转移有关。说明：CRTC1在食管癌中存在异常表达,CRTC1的mRNA有望用于食管癌诊断及淋巴结转移评估。     

一种改进的核Fisher鉴别分析方法

核Fisher鉴别分析(KFDA)已成为抽取非线性特征的最有效方法之一.针对在解决两类模式分类问题中KFDA只能获得一个鉴别矢量的弱点,提出了一种改进的核Fisher鉴别分析(MKFDA)方法,该方法对特征空间中的两类间离散度进行了重新估计,通过使用核类间散布矩阵的一种特殊形式,我们可以得到最多N(N为训练样本数)个鉴别矢量,从而提高了两类模式问题的分类性能.在IRIS数据上的实验结果验证了MKFDA方法的有效性.     

基于粗糙集的模糊神经网络在故障诊断中的应用

文章将粗糙集理论、模糊逻辑推理和神经网络等方法相结合,提出一种基于粗糙集的模糊神经网络理论的复杂机械的故障诊断方法。该方法应用模糊逻辑推理建立故障诊断决策表,采用粗糙集理论对故障样本数据属性约简,将获取的主要特征属性输入到神经网络中进行训练学习,然后把检测数据输入到诊断系统中进行检测。检测结果表明,该方法在船舶柴油机的故障诊断中是有效的。     

基于复刚度法的浮筏隔振系统有限元分析

针对船用浮筏隔振系统,采用有限元分析法,建立了两种筏体结构的浮筏隔振系统的有限元分析模型.提出了采用复刚度法模拟隔振器的阻抗,并由试验测得的隔振器阻抗求得了其随频率变化的刚度和结构阻尼系数.在此基础上,采用振级落差方法估算了浮筏隔振系统的隔振效果,并与试验结果进行了对比,理论预测与实测值基本一致.     

基于偏振成像的乳腺癌病理切片检测方法

生物组织具有与其结构和功能相关的固有光学特性,偏振成像技术能够根据组织正常和恶性变化之间的微观结构差异,表现出不同的偏振特性,从而实现两者区分。本研究设计了一套采集组织背向散射光Mueller矩阵的自动成像系统,对两种常见的乳腺癌病理组织切片分别进行Mueller矩阵成像实验,并对所得到的Mueller矩阵图像数据采用Mueller矩阵分解方法,分别提取出样本Mueller矩阵中具有清晰物理意义的参数图像。实验结果表明,相应的Mueller矩阵分解参数图像可以区分癌变组织和非癌变组织。这为乳腺癌的快速病理诊断提供了一种新的思路。     

采用最小均方误差筛选参数的Hough变换及应用

为了在含有大量噪声的图像中精确地检测形状,提出了采用最小均方误差筛选参数的Hough变换方法:首先采用Hough变换投票得到参数空间上的投票值,然后初步筛选出所有投票值大于投票阈值的参数,再分别计算这些参数对应图像在边界图像中的均方误差,最后选择其中均方误差最小的一组参数作为最后的检测结果.将该方法与取最大投票值的Hough变换分别应用于虹膜外边缘定位并相互比较,实验结果表明,该方法抗噪声能力更强,适用范围更大,得到的结果更加合理.     

基于线性均方误差估值的LPC距离量度

本文从LPC系数的统计特性出发,基于线性均方误差估值的思想,提出了一种用于语音识别的新的LPC距离量度——LMSE距离.在一个IBM-PC机语音处理系统和一个VAX-11/750机语音处理系统上,做了大量孤立词识别实俭,证实了这种距离的可行性.文中还将它与著名的Itakura距离进行了比较.     

基于粗糙集的车牌字符识别方法

提出了一种基于粗糙集理论的车牌字符识别的方法，通过粗糙集的属性约简，有效地压缩了图像的特征数目，提高了运行效率，并且采用基于影响因子的图像判别算法，有效地提高了识别的准确率．以在高速公路收费站实地拍摄的车牌图像为样本，经过车牌的定位、分割，以及字符的分割，选取其中的300幅字符图像作为训练集，100幅字符图像作为测试集，实验结果表明：将训练集图像作为输入，正确识别率为100％；将测试集作为输入，正确识别率为86％。