随机扰动下一类混沌系统的同步

基于工程上广为应用的非线性鲁棒观测器思想,在随机扰动存在的情况下,对一类混沌系统成功地实现了同步。响应系统分两步进行设计,首先利用矩阵理论通过线性变换将受扰混沌系统进行扰动解耦,使系统部分状态与扰动无关,然后针对扰动解耦系统设计非线性观测响应系统。同时结合混沌吸引子有界性这一特点,将观测器存在条件化为求解系统的LMI,最终的仿真结果证明了该方法的有效性。     

卡拉白鱼同工酶的研究

采用聚丙烯酰胺垂直板状连续电泳法,对卡拉白鱼(Chalcalburnus chalcoides aralensis)8种组织(眼睛、肌肉、心脏、肝脏、肾、脾、肠和脑)的7种同工酶进行研究.结果表明:卡拉白鱼的EST,LDH,MDH,ME,ADH,POD,SOD 7种同工酶均有不同程度的组织特异性;群体同工酶分析共记录23个基因座位,其中6个基因座位为多态,多态座位百分数P为26.09%,等位基因总数为29个,位点有效等位基因数Ne=1.26,研究表明,卡拉白鱼群体遗传多样性的水平较高.     

基于面孔加工异常的孤独症儿童识别

眼动追踪技术在孤独症谱系障碍的早期诊断中具有潜在的应用价值.为研究孤独症儿童对不同面孔加工的特点,应用机器学习算法对其进行自动识别,本研究选取3～6岁孤独症儿童40名和性别、年龄相匹配的正常儿童41名观看异国陌生面孔、本国陌生面孔和本国熟悉面孔,根据两组儿童眼动坐标数据,使用机器学习算法进行自动划分兴趣区、特征选择和分类,来判断不同面孔的扫描模式是否可以用于识别孤独症儿童,并从准确率、特异性、敏感性和可靠性4个方面对分类模型进行评估.结果显示,基于不同面孔扫描模式的机器学习算法可以提取足够的信息来区分孤独症和正常儿童,最大分类准确率为90.28%,对应AUC(area under the ROC curve)为0.9317.因此,眼动追踪技术结合机器学习能够为临床诊断提供辅助的评价指标.     

深度学习的睡眠脑电特征波检测

回顾了深度学习（deep learning，DL）技术在睡眠脑电检测上的应用．以睡眠脑电过程中的纺锤波检测问题为例，探讨了睡眠脑电检测的各类方法，以及相较于传统信号处理算法，DL算法在睡眠脑电纺锤波检测问题上具有精度较高、对数据适应性更强的特点．针对进一步提高网络检测性能与硬件适用性需求，提出特征融合与脉冲神经2种改进型网络，并获得较高的检测性能，进一步阐释了DL技术在睡眠脑电特征波检测方面的应用潜力．      

连环湖卡拉白鱼放养场的浮游生物组成及水质分析

2004年9月、2006年10月和2007年1月分别调查和报道了连环湖（卡拉白鱼放养场）的浮游植物、浮游动物种类和数量以及水质理化特征：透明度为26cm,PH为8．99,含盐量为1．50mg／L,硬度为2．25mmol／L,碱度为11．64mmol／L,COD为19．16mg／L,水体主要离子含量和离子总量均值依照浓度高低排序为HCO;〉Na^＋和K^＋〉SO4^2-〉Cl^-〉Mg^2＋〉Ca^2＋,水型为带,湖泡属于富营养类型（N为0．7mg／L,P为0．33rag／L）．浮游植物5个门21个种属,其中绿藻门9个种属,数量810．25×10^4ind／L,占42．86％;硅藻门6个种属,数量323．58×10^4ind／L,占28．57％;其他藻类为蓝藻门、裸藻门和隐藻门,共有6个种属,数量64．82×10^4ind／L,占28．57％．浮游动物28个种属,其中轮虫14个种属,数量137ind／L,占50％;枝角类8个种属,数量54ind／L,占28．57％;桡足类6个种属,数量95ind／L,占21．43％．此外,对水质理化指标、营养元素和水域饵料生物的特点进行了讨论．     

基于视觉交互的手部运动虚拟康复系统

为提高中风以及其他神经损伤患者手部及上肢的运动及控制功能,设计了一套经济实用的虚拟康复系统。该系统由个人PC机、虚拟环境和普通摄像头组成,能够满足普通患者在家中进行康复训练的需要,它利用3dsMax软件创建3D康复仪器及环境,利用VC++开发平台和OSG实现模型的运动控制及场景漫游,并通过摄像头捕获手部动作实现人手与虚拟环境进行自然交互。患者通过操作沙磨板上的虚拟附件训练上肢协调以及关节活动能力。实验结果表明:该系统具有良好的稳定性和可操作性,通过对虚拟仪器的移动、推、抓等动作,患者可以达到手部功能康复的目的。     

基于奇异谱分析方法的孤独症儿童脑电信号特征提取及分类

孤独症谱系障碍是一种复杂的神经发育障碍,其早期发现和精确诊断非常重要.脑电图由于其具有较高的时间分辨率,是一种常用的神经成像技术.本文提出奇异谱分析方法对脑电信号进行伪迹去除和节律提取,通过从正常儿童和孤独症儿童脑电信号中提取统一α节律AFu,求其能量并使用支持向量机方法进行分类比较结果;进一步,使用加权重心点探究个体化α峰值频率PFA及节律AFi,使用SSA方法提取AFi后重复上述进行分类比较.结果显示,未经SSA处理的脑电数据提取AFu相对能量作为特征,分类准确度为81.36%,而使用SSA预处理后,分类准确度提升至89.83%,验证了SSA方法伪迹去除的有效性;使用个体化α节律AFi相对能量作为特征,SVM分类准确率降低至81.36%,而将个体化α节律AFi相对能量和α峰值频率PAF作为共同特征可得到94.92%的分类准确率.此结果揭示孤独症儿童脑电节律异常体现为两个方面:频段分布和功率调制,即孤独症儿童α节律出现了低频偏移及相对能量的降低.本研究从方法验证及病理揭示的角度为孤独症儿童的辅助诊断提供了有力的技术手段和科学依据.     

本征时间尺度排序熵及其在滚动轴承故障诊断中的应用

针对滚动轴承故障振动信号的非平稳、非线性特性,将经验模态分解方法和排序熵有机结合,提出一种新的基于自适应尺度的复杂度参数——本征时间尺度排序熵,用于描述不同本征模态分量的复杂程度,从而实现故障特征的量化描述。首先,将原始振动信号经过EMD分解得到若干本征模态分量,然后分别对各本征模态分量计算排序熵,即可得到不同本征时间尺度排序熵,最后利用该参数实现不同故障状态的有效区分与识别。实例分析结果表明了该方法的有效性和实用性,从而为机械设备状态监测与故障诊断提供了一种有效途径。     

基于Petri网与BAT的造纸行业排放限值仿真

以OPMSE仿真计算造纸污水中COD,BOD5,NH3-N排放质量浓度为研究对象,查询及调研清河流域典型造纸行业产生的污水中COD,BOD5,NH3-N质量浓度范围,通过OPM SE仿真计算,结果表明:置信水平为99%时,COD置信区间为(34.09,41.84),BOD5置信区间为(6.65,8.40),NH3-N置信区间为(6.28,7.34);最佳出水各指标为ρ(COD)=12.79 mg/L,ρ(BOD5)=2.62 mg/L,ρ(NH3-N)=3.33 mg/L,最差出水各指标为ρ(COD)=70.47 mg/L,ρ(BOD5)=14.51 mg/L,ρ(NH3-N)=10.22 mg/L.将仿真结果与现有排放标准对比,拟定造纸行业的污染物直接排放限值为ρ(COD)=45 mg/L,ρ(BOD5)=9 mg/L,ρ(NH3-N)=8 mg/L.     

孤独症儿童脑电与眼动追踪研究

孤独症谱系障碍(ASD)是一种复杂脑发育障碍,儿童时期是孤独症问题行为诊断和干预的关键时间窗.本研究基于脑电和眼动追踪来探索孤独症儿童和正常儿童的发展规律.实验1为脑电发展研究,共招募351名年龄范围为3~9岁的儿童(孤独症组:80名,健康对照组:271名),记录静息态脑电,通过Pwelch方法对儿童脑电进行相对功率谱分析,并建立线性模型探索年龄和诊断组别主效应.结果发现,随着年龄的增长,孤独症儿童慢波波段相对功率谱的发展趋势和正常组具有相似的下降趋势,但是在alpha波段,孤独症儿童的发展趋势与正常儿童存在着显著偏差.实验2为眼动注视模式研究,共招募了293儿童(孤独症组:104名,健康对照组:189名),以一岁作为间隔对孤独症儿童兴趣区域注视时间统计分析,发现孤独症儿童注视共同注意缺失,而更多注意视频材料中的背景和身体部分.经研究表明,脑电神经振荡活动和眼动注意特征可用于儿童发展的客观发育评价,并能揭示脑电特征和注视行为模式随年龄变化的规律,有助于孤独症儿童的早期识别.