面部软组织三维有限元建模和变换

为了实现在临床上快速地为病人建立个体化有限元模型用于正畸治疗的术前预测，研宄首先在正常领型志愿者A的CT数据的基础上建立一含包含度朕、肌肉和脂肪的通用唇面部软纽织三维有限元模型。然后通过选取的面部标志点，使用径向基函数（Radial Base Function,RBF）插值法把通用模型变换成志愿者B的唇面部模型而实现通用模型的含体化。结果显示志愿者B的个体化模型和其CT数据在唇面部区域的平均误差在0．47mm左右，而且具有较好的相似度。     

最小二乘支持向量机应用于西安霸河口水质预测

利用西安霸河10年的水质平均数据作为数据集,建立了基于最小二乘支持向量机的水质预测模型。通过适当的参数选择,其平均相对误差只有4.95%,预测的准确率达到95%。通过实例计算且与误差逆传播(BP)神经网络、RBF神经网络等预测方法进行了对比分析,表明该方法的平均预测精度较传统的神经网络方法提高约4%,且具有收敛速度快、泛化能力强等优点,可有效用于水质预测。     

基于MPSO-BP的RBF网络自构建学习算法

采用PSO混合编码,提出了一种基于混合MPSO-BP的RBF自构建学习算法。该算法中,每个粒子由整数与实数两部分构成,分别对RBF的基函数个数及相关参数(中心、宽度和输出层权值)进行编码。同时设计了一个特殊的适应度函数,在保证精度的前提下,使网络的结构相对简单,以增强网络的自适应与泛化能力,减少主观因素设计对网络性能的影响。仿真实验表明,相对于RBF其他学习算法,所提算法隐节点少、精度高、泛化能力强。     

18例隆突性皮肤纤维肉瘤临床病理分析

目的：观察18例隆突性皮肤纤维肉瘤的临床及病理组织学特点,探讨诊断及鉴别诊断.方法：对18例隆突性皮肤纤维肉瘤进行回顾性分析.结果：复查18例隆突性皮肤纤维肉瘤的常规石蜡切片,并对部分病例进行重复切片,18例中有10例术后复发,其中4例2次复发,1例4次复发,无1例转移.组织学特点为梭形瘤细胞围绕小血管排列呈车辐状结构,且遍布整个瘤体;瘤细胞成分单一,核轻度异型,核分裂像少见;瘤细胞常向皮下脂肪呈树枝状浸润性生长.结论：隆突性皮肤纤维肉瘤发生于真皮,病程长,常反复复发,罕见转移.临床上第一次手术尽可能做局部广泛切除,可降低复发率.     

用径向基点插值配点法解地下水稳定流问题

本文介绍了径向基点插值配点法,将其应用于非均质多孔介质中的二维地下水稳定流问题,算例结果表明,该方法计算效率高,而且有较高的精度。     

几种径向下锯模型的比较

介绍了三种径向下锯模型：四开法、三开法和六开法，模型运算结构表明，各下锯模型中原木断面面积利用率和出材率随原木径级增大而提高，小径原木宜生产薄板，大径原木宜生产中厚板，三开法的原木断面面积利用率和原木出材率最高，六开法最低，四开法居中。若对径向纹理要求很高，宜采用斜拼法提高原木断面积和利用率和原木出材率，实际生产宜采用三开法在新式剖料锯机理上进行。     

一种鲁棒的被动声目标识别方法

针对噪声环境下一些声目标识别技术性能严重下降的问题,提出了一种基于一阶补偿的径向基函数网络模型,并给出了该网络参数选择方法。实际应用表明,这种神经网络对噪声具有较强的鲁棒性,与传统的径向基函数网络相比,其识别性能等同于信噪比提高大约１０～１５ｄＢ。     

基于Kriging代理模型的造斜率预测方法研究

造斜率受导向工具结构、类型、钻井参数、井眼轨迹、地层和钻头等因素的影响,构成了一个多变量影响的非线性耦合体系。造斜率预测呈现一定的模糊性、随机性和非线性特点,难以用显性的定量关系式来精确刻画造斜率与其影响因素之间的函数关系。从回归分析预测法的角度,提出一种采用Kriging代理模型构建预测功能函数,进行造斜率预测的新方法。该方法基于空间插值理论,以造斜率预测值为输出目标。首先选取造斜率主要影响因素作为输入参数,确定训练样本和测试样本;然后,计算Kriging模型中的最优超参数,并构建该预测模型。最后,以测试样本为基准,计算模型预测性能指标,完成对Kriging代理模型的造斜率预测性能评价。通过现场案例研究表明,与常见的多元回归模型和径向基函数模型(radial basis function,RBF)相比,基于Kriging代理模型的造斜率预测方法在均方根误差(root-mean-square error,RMSE)、最大绝对误差(maximum absolute error,MAE)和平均绝对误差(average absolute error,AAE)3个常见的定量指标上表现了更佳的预测性能。预测结果更稳健,计算量更小,对造斜率的预测精度较高,能克服几何法预测精度不高或力学法计算量大等缺点。在工程应用中能节约计算成本和提高预测效率,便于推广应用。     

基于径向基神经网络的股价预测

借助径向基函数（Radial Basis Function)神经网络对非线性函数的逼近能力，对深能源A股价这个时间列作了连续若干天的一步预测，并与其他预测方法进行了比较。结果表明，用径向基神经网络预测股价是可行的和有效的。     

RBF-DDA 神经网络用于手写体汉字识别的研究

使用了一种新的神经网络模型———动态衰减调节径向基函数（ＲＢＦＤＤＡ），并结合一种新的特征提取方法来进行手写体汉字识别的研究，通过对１００种汉字、１５０００个样本的初步实验，取得了识别率为９９％的良好结果，表明将ＲＢＦＤＤＡ引入到手写体汉字识别的研究是比较成功和可行的。