灰色预测和时序预测的探讨

本文讨论了灰色模型,特别是GM(1,1)模型的特点和适用范围,并将GM(1,1)模型和时序AR(n)模型结合起来(称为组合模型),对我国轻工业产量发展指数等三个项目分别进行了组合模型预测。结果表明,在一般GM模型中引入AR模型可显著提高预测的准确度;在非平稳时序建模中引入GM模型,可作为提取趋势项的另一种方法。文中还从预测的角度将灰色模型和时序模型进行了比较和分析,对“灰”的物理概念进行了初步探讨。     

冠状动脉粥样硬化病变中微量元素的X射线显微分析

本文应用EDAX-9100能谱仪,对家兔冠状动脉粥样硬化病变部位的微量元素进行显微分析,发现Zn/Cu比值大于1,提供了冠心病病因中“Zn/Cu假说”的实验论证。     

模糊集合论在矿山控制网布设和图纸质量评定中的应用

应用模糊数学方法研究和处理矿山测量中存在的具有“模糊性”的问题。例如控制网布设方案及矿山测量图纸质量的综合评判。它能更准确地描述用精确数学模型难以描述的问题。     

FMS生产计划的柔性研究

通过对影响FMS利用率的因素进行分析,本文提出了FMS生产计划的柔性的概念,建立了柔性的指标体系,并对柔性的归一化和综合评判等问题进行了研究.需要特别指出的是,本文首次将系统可靠性理论引入FMS生产计划,并根据其不同运行阶段系统可靠性的变化情况,对制定生产计划提出了建议.     

基于自注意力机制的新生儿胆道闭锁识别

新生儿胆道闭锁是新生儿常见的致命疾病之一,并且该病在亚洲的发病率高于世界其他地区.新生儿胆道闭锁需要及时发现及时治疗,然而由于缺少专业的儿科医生和辅助诊疗手段,新生儿父母往往不能及时发现而错过了最佳治疗时间.因此,本文开发了一个具有实际应用价值的预诊算法,通过新生儿粪便图片预测新生儿是否患有新生儿胆道闭锁,并提醒新生儿父母及时就诊.为了让算法在应用场景下识别率更高,本文的算法基于一个真实场景下拍摄的新生儿粪图片数据集开发.首先我们设计了一个自注意力网络模型BANet(Biliary Atresia Network),将图片的浅层特征和深层特征相结合,可以得到更好的分类效果.由于拍摄自应用场景下的图片存在过暗和过曝等问题.通过分析数据集的亮度分布,我们设计了一个自动亮度调节算法解决.此外,图片中的阴影也会对识别结果造成干扰,因此我们在训练阶段增加了一种阴影数据增强方式来缓解这一问题.为验证本文提出算法的有效性,本文设计了一个和医生的对比试验.结果证明BANet在四分类的识别率、二分类的识别率、特异性和敏感性等客观评价指标上占有明显优势.本文提出的BANet能够有效利用图片中的颜色、异常点...     

正交激励超声切削装置的椭圆轨迹偏转与校正

为研究超声椭圆振动切削（ultrasonic elliptical vibration cutting,UEVC）刀尖轨迹形成及控制,解决刀尖轨迹非正椭圆问题,建立二维正交柔性导波UEVC装置刀尖轨迹的运动学模型;分析90°相位差下非正椭圆轨迹产生原因,建立刀尖轨迹校正模型,并推导出基于正椭圆轨迹下的刀尖轨迹偏转模型。通过实验对刀尖轨迹校正模型进行验证,校正后轨迹偏离坐标轴1.67°,小于校正前偏离角度。实验结果表明,该模型能够有效地校正刀尖轨迹,可在轨迹控制方面为后续研究刀尖轨迹偏转及变刀尖轨迹超声振动加工提供理论基础。     

紧邻浅埋暗挖地铁隧道地下密集管线及土层变形

针对地铁隧道施工影响下紧邻密集管线保护问题,依托南昌地铁实际工程,采用ABAQUS软件建立土体-密集地下管线-隧道暗挖三维有限元模型,结合现场实测数据与数值模拟结果,分析了隧道CRD (cross diaphragm)工法施工时的地层变形规律、地下管线应力特性与地下管线变形规律,并对管线周边土体有无注浆加固时的管线力学特性进行了对比。研究结果表明：(1)隧道开挖引起的管线变形以沉降为主,管土刚度差异对管线变形和应力影响显著。(2)管土刚度差异越小,管线变形趋势与土体变形趋势越接近;管土刚度差异越大,管线对地层变形的抵抗作用也越强会产生较大应力。(3)隧道左右导洞上方管段是危险区域,需重点保护。(4)密集地下管线主要表现为管线材质、管线几何特性、管线与隧道的空间位置关系不同,保护地下管线的核心在于控制地层沉降,地下管线保护关键阶段是隧道掌子面接近管线,此时应确保超前注浆效果和初期支护快速封闭,并加强对管线变形的监测。     

一种新的模糊决策树算法 ——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法（Weighted Pythagorean Fuzzy Decision Tree,WPFDT）。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集（Haberman、Breast Cancer、Parkinson）进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法（模糊ID3算法、C4.5算法、CART算法）比较,实验结果表明：WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。     

基于LMD和SSA-SVM的电机故障诊断

针对电机故障诊断问题,尤其电机轴承方面的诊断,提出了LMD分解和麻雀搜索优化算法（SSA）优化支持向量机（SVM）的故障诊断方法。第一步采取小波降噪和LMD算法相结合去处理原始信号,经过小波降噪后的原始故障信号会去掉一部分的干扰,再分解得到原始信号的一系列PF分量,接着使用相关性分析法选择出有效的PF分量进行信号重构,重构后的故障信号再次经过LMD分解得到的PF分量求出各自的能量熵,直接用能量图展现出来。接着将各个PF分量的能量熵组成一组组特征向量输入到支持向量机的故障诊断模型里。利用麻雀搜索算法在支持向量机（SVM）对于电机故障的分类的模型上进行惩罚参数和核参数的挑选和模拟,选择最合适的参数组合建立SSA-SVM故障诊断模型进行仿真实验,通过仿真实验验证该方法的故障诊断准确率高达99.2％,与PSO-SVM和SVM故障诊断模型进行比较分析,实验证明提出来的方案有着更适合的故障识别能力,对电机故障诊断有着很好的适应性和发展性。     

动态可控残差卷积神经网络的低剂量 CT 图像处理

针对计算机断层扫描(Computed Tomography, CT)中因采用低剂量扫描方式,导致图像噪声伪影干扰,尤其 是不同部位噪声和伪影强度存在较大差异这一问题,提出了一种基于动态可控残差的卷积神经网络(DC-ResNet) 算法。 DC-ResNet 的主要思想是在常规残差网络连接中添加一个图像质量指导的控制变量,以允许获取残差的加 权和,从而实现残差特征的动态可控。 所设计的 DC-ResNet 网络是一种包括两个子网络的组合型结构,一个是作 为主干网络的基础子网络,在该子网络中使用全局动态残差块和局部动态残差块来实现低剂量 CT 图像质量的提 高;另一个是作为辅助网络的条件子网络,用来生成基础子网络中不同动态可控残差块的权值,辅助基础子网络的 学习。 通过 Mayo 与 UIH 数据实验验证,其视觉结果表明:处理后的不同部位 CT 图像噪声伪影均能够得到较好的 抑制,并能有效地保留结构细节及组织纹理;量化结果表明:处理后的 CT 图像峰值信噪比( Peak-Signal to Noise Ratio, PSNR)和结构相似性(Structure Similarity, SSIM)均优于对比方法。