基于深度嵌入聚类的ICU患者生理数据缺失插补

电子病历数据经常存在缺失,严重影响分析结果.基于MIMIC数据库中的重症监护单元(intensive care unit,ICU)患者数据研究缺失值插补,数据集由23组临床常用生理变量以及不存在缺失的5260例样本构成.提出了一种基于深度嵌入聚类的K近邻插值方法.该方法以深度嵌入聚类为核心,通过多次聚类构造样本邻近度矩阵,再选择缺失样本的K个近邻样本,以这些近邻样本的平均值填补缺失.与均值插补、中值插补、后验分布估算插补和条件均值插补相比,该方法插补后的结果与原数据相似度更高,且更好地保留了样本间的差异性.     

基于AIS的轨迹插值方法

为了解决常用插值方法在AIS (automatic identification system)轨迹插值上存在精度差异,在拉格朗日线性插值、三次样条插值、时间插值等几种常用插值方法的基础上,提出一种新的插值方法。新方法通过连续两点间航向差值大小,将轨迹分为直线和曲线两种,并结合线性插值和航速航向,以提高插值精度。最后以实际AIS轨迹数据进行插值实验。研究结果表明,与其他常用插值方法相比较,新方法在插值效果上更接近原有轨迹。     

西北太平洋热带气旋路径及 强度插值方法比较研究

热带气旋最佳路径数据集整编了历史热带气旋的中心点经纬度,以及中心最低气压、最 大 风 速 等 强 度 信 息, 其记录时间间隔为６ｈ．研究中经常需要时间分辨率更高的路径及强度信息,因此需要对已有数据进行插值．为了寻找 适合热带气旋路径及强度特点的插值方法,本文首先回顾各种数学插值方法,利用线性、抛物线样条及三次样条函数,对 西北太平洋１９４９—２０１０年最佳热带气旋路径及强度数据进行插值;其次,针对部分形状特别不规则的热带气旋路径,基 于线性、抛物线样条及三次样条函数设计自适应插值算法;然后,定 义 插 值 误 差 并 作 为 指 标 检 验 各 方 法 插 值 效 果．结果 表明:１）三次样条插值方法可有效地对大多数较为光滑的路径进行插值;２）自适应插值算法对不规则路径的插值效果 最好但计算量稍大;３）线性插值方法对强度插值效果最好．      

采场覆岩光纤监测数据LSSVM填补方法

完备的光纤监测数据是智能开采中矿压显现前兆信息识别、上覆岩层变形预测的基础,而实际得到的监测数据大多是不完整的。为有效填补光纤监测数据的缺失值,文中以采场覆岩光纤监测物理模拟实验中光纤传感器采集的数据为基础,分析了缺失数据的特征,建立了多测点单属性小样本缺失数据的最小二乘支持向量机(LSSVM)缺失数据填补方法。并将LSSVM与BP神经网络、3次样条插值等方法,在Fv11,Fv12光纤的6个不同数据集上,按照离散型、连续型、混合型3种数据缺失类型并产生不同缺失率,进行对比实验。针对离散型随机产生20%缺失数据,LSSVM,BP神经网络、3次样条插补方法的均方根误差(RMSE)平均值分别为0.003 2,0.005 6,0.006 9,最大偏离量(MDE)平均值分别为0.012,0.022,0.028;针对连续型随机产生36%缺失数据,3种不同方法的RMSE平均值分别为0.006 1,0.007 7,0.009 0,MDE平均值分别为0.021,0.028,0.041;前2类实验结果表明LSSVM方法均优于其他2种缺失值插补方法。当随机产生兼具离散和连续型缺失且缺失比例不同时,缺失比例小于30%时LSSVM方法略优于其他2种方法,当缺失率大于36%时LSSVM明显优于其他2种方法。综合所有实验结果表明,LSSVM插补方法对单属性小样本缺失数据填补是一种简单有效的填补方法。     

LMD方法变形监测数据粗差探测与修复

针对变形监测数据中粗差探测与修复问题,提出一种基于局部均值分解(LMD)的粗差探测方法,并结合三次样条插值方法对粗差点进行修复.通过LMD方法对变形序列进行分解得到其PF分量,根据高频分量的奇异点确定可疑粗差点,将分解分量去除高频分量进行重构,利用数学检验方法确定粗差点位置.剔除粗差点后,采用三次样条插值方法进行修复粗差点.研究结果表明:局部均值分解方法在变形监测数据处理中的粗差探测效果明显,三次样条插值修复也基本准确,为大坝变形多尺度分析奠定了较好的基础.     

C2连续的C-B样条的插值和拟合方法

提出了数据点集满足C^2连续的C—B样条曲线插值和拟合方法．详细阐述了C—B样条插值和拟合曲线的求解过程和求解算法．应用实例表明,利用C—B样条曲线插值或拟合数据点集,优点多、效果好．     

基于Fuzzy集的插值模糊推理

对于模糊概念 (用Fuzzy集表示 )的隶属函数为连续的情况 ,将规则前件中的模糊概念的论域与后件的模糊概念的论域作一一映射 ,然后给出基于Fuzzy集的隶属函数为连续情况下的插值模糊推理方法 ;对于Fuzzy集的隶属函数为离散的情况 ,在作上述相同的映射后 ,再将规则前件中的Fuzzy集与事实中的Fuzzy集的隶属函数分别进行线性插值 ,使它们都成为连续函数 ,然后给出基于Fuzzy集的隶属函数为离散情况下的插值模糊推理方法 .     

基于修正Sigmoid核的成分数据缺失值填补法

大多数统计分析方法基于完整的数据集,这些方法不能直接用于包括缺失值的数据集.此外,由于成分数据的特殊属性,传统的缺失值插补方法直接用于这种类型的数据可能得到不良的结果.因此,对成分数据而言,缺失值的填补具有十分重要的意义.为了解决这个问题,根据核函数的性质,提出了一种基于修正Sigmoid核的成分数据缺失值非参数插补方法.该方法使用模拟和真实的数据集与k近邻插补法和最小二乘迭代回归插补法进行比较.实验结果表明,新的插补方法可以得到更准确的估计.     

基于Fuzzy集的插值模糊推理

对于模糊概念（用Ｆｕｚｚｙ集表示）的隶属函数为连续的情况,将规则前件中的模糊要领的论域与后件的模糊概念的论域化一一映射,然后给出基于Ｆｕｚｚｙ集的隶属函数为连续情况下的插值模糊推理方法;对于Ｆｕｚｚｙ集的隶属函数为离散的情况,在作上述相同的映射后,再将规则前件中的Ｆｕｚｚｙ集与事实中的Ｆｕｚｚｙ集的隶属函数分别进行线性插值,使它们都成为连续函数,然后给出基于Ｆｕｚｚｙ集的隶属函数为离散情况下的插值     

大气折射率分布规律的建模与仿真

提高雷达探测精度的关键因素之一是对电波折射误差进行高精度的修正。针对目前大气折射率线性插值的方法导致电波射线折射率产生较大误差的情况,依据大气折射率随高度变化的规律,提出了样条插值和最小二乘结合的方法。在0～13 km高度范围内利用样条插值得到连续的折射率曲线,在9～60 km高度范围内利用最小二乘方法拟合出折射率连续的曲线。将样条插值和最小二乘拟合方法得到的折射率与分段插值的折射率、实际探测的大气折射率进行对比,证明样条插值具有较高的精度,最小二乘拟合函数具有计算简便、误差小的优点;将实际探测数据与由样条插值和最小二乘法得到的大气折射率折射误差进行比较,证明了样条插值和最小二乘法可有效提高电波折射修正精度。     

计算机辅助工程以弧长为参数的连续插值曲线的生成

通过在给定插值点处的曲率,从曲线曲率的线性插值角度出发,以弧长为参数,用插值方法构造曲线的线性曲率生成曲线。为了使曲线整体达到连续,在两点之间插入一个自由点,在该两点和自由点之间构造分段线性曲率,在给出满足插值的型值点和满足端点曲率的情况下,以弧长为参数找到一条适合条件的连续的几何样条曲线,并给出其求数值解的方法。     

OFDM系统中信道估计的插值方法分析

近年来,正交频分复用(OFDM)技术已被越来越多的人所关注,并且在IEEE 802.11无线局域网中得到实际应用.在OFDM系统中一般要进行信道估计,本文对常用的四种信道估计插值方法进行了分析,并给出了仿真结果.结果表明,采用离散傅立叶插值所得到的效果最好;采用三阶样条曲线插值次之;采用基于二阶多项式插值的方法比三阶样条曲线插值又要差些;采用线性插值的方法所得到的效果最差.     

光OFDM系统信道估计插值算法研究

信道估计是光正交频分复用系统实现可靠传输的关键技术之一,它的精度将直接到影响整个系统的性能。选用线性插值、二阶插值和三次样条插值三种常见插值算法进行了基于导频的信道估计仿真实验,对比分析均方差和误码率这两个重要的信道估计评价指标发现,在信噪比较低时适于应用线性插值算法,在信道估计要求较高且信噪比较大时适于应用二阶插值算法。     

无线通信中基于导频的OFDM信道估计算法仿真研究

提出了利用三次样条插值算法和最小均方误差(MMSE)算法代替线性插值算法和基于变换域的插值算法对OFDM系统的数据符号处的信道系数进行估计,并且在导频间隔不同时对4种算法进行了比较分析。仿真结果表明:改进后的算法可以大大节省系统的信噪比增益;在同时考虑计算复杂度和估计性能的条件下,导频宽度不同时,应采用不同的插值算法。当子信道具有频率选择性时,三次样条插值算法是最佳选择。     

一种有理插值曲面的有界性质和点的控制

文章介绍了一种分母为二次的仅基于函数值的二元有理插值曲面,研究了这种插值曲面的有界性质和点的控制方法;证明了在插值区域内,无论参数如何选择,插值的函数值都是有界的,得到了该插值不依赖于参数的估计表达式;更重要的是,在插值数据不变的情况下,可以通过选择合适的参数来修改插值区域内任一点插值函数的值;在特殊情况下,可将4个参数化为2个参数,研究了"中点-均值"控制方法,并给出了数值例子。     

基于多元自适应回归样条的高维岩土工程问题分析

为解决岩土工程中多元变量间的非线性相关问题,采用一种非参数回归算法——多变量自适应回归样条建立对目标参数的预测模型。该算法基于大量可靠的岩土监测数据,运用简单线性样条函数的组合对输入、输出参数进行相关性拟合,生成显性表达式,同时得到各输入参数的相对重要性。通过桩的可贯入性、地下洞室稳定性分析2个实例,对该方法进行评估。2个实例中测试集的决定性系数R~2分别为0.921和0.986,最重要的输入参数分别是桩材料的弹性模量和围岩质量,表明该方法可较精确地拟合多元输入参数与输出参数间的相关性,可用于未知响应的预测。     

综合岭回归和SARIMA方法在桥梁健康监测数据分析中的应用

桥梁健康监测系统的实测数据普遍存在缺失问题,为了保证桥梁监测数据的完整性,更好地预测桥梁未来的健康状况,提出了一种具有样本内和样本外预测能力的组合模型。样本外预测可以基于现在数据预测未来的桥梁健康状态,样本内回归用于填补传感器数据中的缺失值,确保桥梁监测数据的完整性。由于不同位置处相同类型传感器的相关性较强,首先利用岭回归（Ridge Regression,RR）解决共线性问题,建立各传感器数据之间的关联,并预测缺失数据。接着引入季节性差分自回归滑动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA) 方法,利用其样本外预测能力并结合岭回归方法预测桥梁未来运行数据。然后,通过设立预警值实现健康状况预警,以保证桥梁健康运行。最后,将该方法应用于实桥中,验证了其有效性,为传感器数据填补以及预测桥梁未来状态提供了一个有效的预测模型。     

基于有理插值样条的非线性回归算法

非线性回归问题的近似解法,通常采用Gauss-Newton迭代法.鉴于非线性回归问题的特点,用有理插值函数逼近方法也得到了较好的结果.文章利用基于函数值的带参数的有理插值样条逼近非线性回归模型,给出计算回归方程的一种算法.实例表明,所给方法拟合程度高,回归方程有效性显著,且在预测方面也有较好的效果.     

基于特征级融合的高速公路异质交通流数据修复方法

为获取完整的交通流数据集,提出了一种交通流数据修复方法.结合多源数据的互补特性,基于深度学习模型构建了时空关联特征提取方法,将高速公路交通流数据缺失情况分为3类,并基于随机森林算法建立修正模型.模型以平均绝对误差最小为优化目标,基于测试集和选择集优化了模型的参数.利用高速公路固定检测器和浮动检测技术获取的多源数据,对比分析了单一数据源与多源数据的修正精度.结果表明:多源数据修正模型明显优于单一数据源修正模型,在点缺失、线缺失和面缺失3种情况下,MAPE的平均值分别提高了24. 87%,39. 87%和52. 93%.此外,随着缺失比例的增加,较单一数据源模型,多源数据修正模型精度更为稳定,在点缺失、线缺失和面缺失3种情况下,其MAPE的方差仅为0. 01,0. 03和0. 08,证明其具有较好的鲁棒性.     

一类保凸的有理三次插值样条

利用分段有理三次插值样条解决了凸数据的保形问题. 该插值方法不需要对型值点强加限制,插值曲线可达到C1连续. 实例表明该方法实现了插值曲线保凸, 此外还给出了该样条的逼近性质分析.