一种快速近似模式匹配算法

为进一步提升传统的近似模式匹配问题解决方法——动态规划算法的性能,提出了一种新的过滤型近似模式匹配算法.该算法结合动态规划算法,切分模式串得到长度相等且更小的模式片;在此基础上将待匹配的文本串分割成子串,并建立相应的索引;同时设计了一个新的过滤策略来消除匹配检查中的冗余.通过实例将文中方法与现有方法进行对比,结果表明:文中方法的匹配时间较短,匹配性能优于现有方法;随着模式串长度的增加,文中算法的优越性更为明显,模式串长度大于45后,文中算法的匹配时间可比传统动态规划算法缩短一半以上.     

模糊C-均值聚类算法在心率变异诊断中的应用研究

对健康和心律异常的心电信号进行分析,经小波分解之后的心电信号实现R波的准确定位,提取心率变异性这一特征参数的5项指标.根据心率正常和异常体现在特征参数上的差异,用模糊C均值聚类算法得到心率变异的病症模式,并与正常心电数据进行比较.结果表明,心率变异特性具有明显的可分性,基于模糊C均值聚类算法可以得到较好的结果.     

心率变异信号的相关维数分析

心率变异性(HRV)是反应交感-副交感神经张力及其平衡的重要指标,在临床中可以用作参考实现对心血管疾病辅助诊断及其康复过程中的无创性监测.通过对心率变异信号的非线性特征得到证实后认为,可以利用如相关维数等非线性动力学参数来刻画与分析心率变异信号.传统的计算时间序列相关维数的方法是基于相空间重构理论的G-P算法,通过对该算法的改进,可以大大降低其计算工作量.计算了30例临床病例HRV信号的相关维数,并对计算结果进行了统计分析,其结果可以在临床上提供参考.     

数字信号处理在心率变异分析中的应用

本文较全面的介绍了心率变异分析中常用的数字信号处理手段。即从时域简单列举了心率变异信号的一些统计学指标。在频域分别对比使用周期图法和AR模型法分析心率变异信号96功率谱密度。给出了分析实例,并说明了AR模型的优点及实用性。     

基于启发式分割和近似熵法的径流序列变异诊断

对河川径流的变异研究不仅有助于掌握变化环境下径流的演变规律,还能提高水文分析、水文模拟以及水文计算结果的准确度。以渭河流域为研究对象,采用启发式分割和近似熵方法,对渭河年径流序列进行了变异诊断,诊断结果表明:林家村以上流域存在1971和1994年2个变异点;张家山以上流域无变异点存在;整个渭河流域存在1969和1993年两个变异点。此外,通过对渭河径流变异归因分析可知,该流域径流变异主要是由气候变化(1971年的El Nino和1994年的ENSO事件)与人类活动(水利工程建设、流域下垫面的改变以及大量开采地下水和地表水)的共同作用所导致的。     

指数分布在心率变异临床分析中的应用

近20年来,心率变异(HRV)分析作为一种无创检测心脏功能,特别是自主神经系统活动状况的重要手段,成为临床和理论研究的热点之一.笔者提出在时频平面上研究HRV,能够显示HRV信号各频率分量随时间变化的信息,满足HRV分析对时间分辨率和频率分辨率的要求,选择指数分布来抑制交叉项造成的影响.将指数分布应用于药物试验HRV信号的分析,得到了一些有益的结论.     

基本尺度熵方法用于短时心率变异性分析的临床应用研究

心率变异信号能够体现神经对心脏节律的调节,其复杂性能够反映心脏的生理功能和健康状态.近十几年来,通过心率变异性来研究和诊断心血管疾病得到不断的提倡.本文作了以下工作:在分析短时心率变异信号特点的基础之上,运用基本尺度熵的方法来研究其动力学特性,从中提取出具有生理学意义的、能有效反应心率变异信号动力学特性的非线性参数;结合VC平台,编写出实现该基本尺度熵方法的分析软件,可对不同的心率变异信号进行分析处理,并将结果在PC机上直观地显示出来;运用这个软件分析了由本实验室与医院合作采集的五组不同健康状况的志愿者(包括50个健康年轻人和49个高血压、15个心绞痛、64个冠心病、37个心力衰竭患者)的心率变异信号,并对五组分析结果进行了医学统计.实验结果表明,从基本尺度熵方法提取出的非线性参数中:直方图的分布能反映心跳间隙的细节,直方图是否出现四个固定的最大值可作为初步诊断心脏是否健康的依据;基本尺度熵值和禁止状态个数则对不同的健康程度具有一定的区分效果.此外,对五组数据的分析统计结果还能够为临床诊断和心率变异信号的进一步研究提供参考.     

甲亢患者心率变异信号的现代谱分析法

采用自制的心电信号采集系统,将心电图机的模拟信号放大滤波后,送入计算机中的采集卡中,采样频率设为1 000 Hz,连续采集5 min的心电信号并保存于硬盘中.利用现代谱分析法和FFT分析法,分析了19例正常人和10例甲亢患者心率变异信号的VLF/HF值.可以看出,甲亢患者和正常人的VLF/HF值有明显的差异.对比现代谱分析法和FFT分析法,在正常人和甲亢患者VLF/HF比值对比研究中,现代谱分析法并无明显的不同和优势.研究结果表明,谱分析法是分析甲亢患者自主神经异常的有效手段.     

相关近似熵及在传感网数据故障检测中的应用

针对模糊近似熵方法在生成时间序列数据特征过程中出现的依赖参数较多和计算复杂度较高的问题,提出了相关近似熵方法,并应用在传感网数据故障检测中.相关近似熵方法采用相关信息熵来计算向量空间中多维数据之间的相关度,通过计算向量空间在其维数由M维增加到M+1维时多维数据之间保持相关性的概率来判定一个时间序列的复杂程度.相对于模糊近似熵,相关近似熵方法将依赖参数从4个减少到了2个,并减小了计算复杂度.实验结果表明:相关近似熵生成的特征在大多数情况下显著优于模糊近似熵生成的特征,并且相关近似熵方法大幅度地缩短了传感器数据特征的生成时间.     

近似熵在大鼠状态识别中的应用

以大鼠作为实验动物,采用近似熵的方法,分析大鼠初级视觉皮层的自发脑电信号,从而判别大鼠安静、睡眠和活动3种状态.实验结果表明,采用近似熵算法,使用较短的数据就能对大鼠的状态进行有效识别,减少了冗余的计算量,解决在复杂隐蔽环境中对大鼠状态的识别问题.     

快速近似聚类算法及其在图像检索中的应用

为了解决传统K均值算法在处理大规模数据时的局限性,在近似K均值算法(AKM)基础之上,利用对聚类中心进行分类的思想,提出了快速近似K均值算法(FAKM).该算法舍去了在AKM聚类结果中只获得少数样本的聚类中心,并充分利用类内样本密集稳定的聚类中心,使得迭代过程中待聚类样本数和类别数逐步减少,达到了提高算法速度及精简聚类结果的目的.将FAKM算法运用于实际的图像检索系统中,实验结果表明,系统在检索准确率、检索时间和聚类时间方面都得到了很好的改善.     

基于复杂性测度的心率状态对比

本文介绍了近似熵（ApEn)和谱熵（SE）两种复杂性测度，研究了在两组静默（采用中国气功和Kundalini瑜珈练习方法）和正常状态下的心率复杂性。观察到两种状态下复杂度有明显差异，但两种状态下复杂性数值的大小关系对取决于不同的个体。研究结果进一步在心率变化的复杂性方面支持了关于在人体心率和自主调节间存在某种关联的看法，并提供了新的定量描述心率不同状态的方式和途径。     

基于Tsallis熵和近似熵的认知事件相关电位动态复杂度分析

提供了两种分析认知事件相关电位（ERP）复杂度动态变化的估计算法——时变Tsallis熵（ETsEn）和时变近似熵（EApEn），并将其应用于分析Stroop任务中ERP的动态复杂度．实验发现：BTsEn比EApEn能更好地反映不同刺激类型的ERP复杂度差异；EApEn比ETsEn能更准确地体现ERP复杂度随时间变化的规律．额区、中央区和顶区的ERP的ETsEn和EApEn在刺激前、刺激处理过程中、刺激处理后均有显著差异，即在刺激前熵较大且无明显变化，刺激处理过程中熵显著减小，刺激处理完成后熵恢复至刺激前状态，其变化的时序与行为数据基本一致。结果证明了时变的Tsallis熵和近似熵对动态复杂度从不同方面度量的有效性，为客观度量ERP的复杂度提供了新方法．     

TSP问题的一种快速近似算法及应用

给出求解度约束最小生成树(DCMST)问题的一种快速近似算法．在此基础上．又给出求解TSP问题的一种快速近似算法,并在微机上实现且其数值试验的效果良好．最后,将求解TSP问题的近似快速算法作一些改进．应用于遗传算法的初始种群生成并进行数值实验．结果表明,用文中算法生成的初始种群．比起一般方法产生的初始种群性能有很大改进．该算法可以加速遗传算法的寻优速度．     

一种快速收敛的遗传算法及其应用

为了解决遗传算法的收敛速度和全局收敛性之间的矛盾,提出了一种快速收敛的遗传算法,即“适应度缩放”加“有偏外来移民”的遗传算法。将该方法应用于柔性结构振动主动控制中的作动器／传感器位置及反馈增益的优化,其优化效果明显优于传统的优化算法。数字仿真结果表明,对于复杂非线性约束优化问题,该遗传算法具有较好的快速收敛性和全局收敛性,由优化了位置的作动器／传感器和优化增益的控制系统具有良好的减振效果。     

估计熵在经济时序滤波中的应用

根据经济时序的非线性、非平稳性和离散性及传统时序滤波方法在经济时序滤波应用中存在的局限性,应用估计熵的基本特性,提出一种基于估计熵的滤波方法,探讨了该滤波方法的原理和应用过程,并以实际的GDE时序为例,做出该滤波方法的案例分析,案例分析表明,基于估计熵的滤波方法比传统的时序滤波方法有较好的滤波效果。     

基于近似熵和样本熵的思维脑电信号分析对比

采用近似熵和样本熵,分别对三种不同思维任务产生的脑电信号进行特征提取,并将其特征进行比较分析,结果显示不同思维作业脑电信号的样本熵的变化幅度明显大于近似熵;近似熵和样本熵作为非线性动力学的统计方法为思维作业脑电信号特征提取提供了一种新的途径.     

小波方差与小波熵在信号特征提取中的应用

讨论了单一尺度下的小波方差,并结合信息论中信息熵的定义和物理意义,进一步引进了多尺度下的小波熵;分别以频率突变和幅度突变两种仿真信号为对象,分析了小波方差与小波熵在反映随机信号统计特征方面的特点;最后,以一类钻井信号为例,分别利用两种方法分析和提取了信号在强噪声环境下的脉冲特征。仿真和实例说明,相对于小波方差对尺度选择的依赖,小波熵可以综合各尺度的信息,能够从整体上更有效地提取信号特征。