基于过程挖掘的临床路径Petri网建模

提出基于统计α算法的临床路径Petri网模型,将Petri网和基于统计α算法的过程挖掘算法集成,从事件日志中挖掘重要信息,获得完善的诊疗流程,并在此基础上建立Petri网模型,有效实现诊疗流程的优化和改进.通过仿真数据试验,验证了本文提出的统计α算法相较于经典α算法在准确度和运行时间上有着较大的优势.并将模型运用到临床路径真实数据上,证明了模型的有效性和准确性.     

考虑碳排放和预约机制的送箱集卡多码头调度问题

考虑送箱集卡多码头调度的低碳、高效化要求,及为解决集卡不规律到达导致码头拥挤问题而提出的集卡预约集港机制,以单一外堆场调用送箱集卡数量最小及多集装箱码头调度方案碳排放总量最小为目标,构建了单堆场多码头送箱集卡调度模型.设计了改进的蚁群算法对该模型进行求解,得到按时间段划分的港外堆场多码头集卡低碳送箱方案,通过算例验证了所构建模型和算法的有效性.结果表明,考虑碳排放和预约机制的送箱集卡多码头调度方案所需集卡数量少,工作时间短,兼顾了集装箱码头集卡送箱作业低碳和高效的要求.     

列车轮轨黏着力在线估测计算方法

针对列车的制动防滑控制,提出黏着力的在线估测计算方法.因为黏着力不易测量,如何实时监测黏着力大小以便充分利用轮轨黏着是防滑控制的关键.建立了轮对动力学模型,并采用卡尔曼滤波器、扩张状态观测器等,以轴速和车轮等效夹紧力作为可输入量,设计了5种黏着力在线估测计算方法.采用Simulink软件平台,设置了信号噪声污染和传输延迟,并仿真了黏着力不变和黏着力变化两种工况,结果显示5种算法都能对黏着力进行估测,但综合黏着力估测的响应时间和最大误差两个指标来看,非线性扩张状态观测算法对黏着力的估测效果是最好的.最后,采用实测数据,进一步验证了算法对黏着力估测的准确性.     

最大团问题的竞争决策算法

分析了最大团问题的数学性质,根据推导出来的性质设计求解最大团问题的竞争决策算法,且算法的时间复杂度分析结果为O(n~3)。并用提出的算法求解最大团问题中的标准测试示例,测试结果表明,算法具有良好的求解效果。     

非扩张半群公共不动点与广义变分不等式 解的迭代收敛性

引入一种新的非扩张半群显式粘滞迭代算法,使用这种显式粘滞迭代算法,在较弱条件下,在Hilbert空间中建立了非扩张半群公共不动点集与具有α-可逆g-强单调映象的广义变分不等式解集的公共元素的强收敛定理,推广和改进了相关结果.     

基于粒子群优化算法的井下目标定位方法

针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示:信标节点为5个,节点总数为15时,平均定位误差为0.877 m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21 m增长到4.65 m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82 m下降到0.76 m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。     

基于改进隐马尔科夫模型的鲁棒用户行为识别

提出了一种基于改进隐马尔科夫模型的用户行为识别方法.采用遗传算法用于优化隐马尔科夫模型的初始参数,将混沌算子代替遗传算法中高斯变异算子,以避免传统遗传算法在收敛过程中的停滞和早熟问题,并有效解决传统隐马尔科夫模型中Baum-Welch算法对初始参数敏感的问题.此外,采用UCI中ADLs数据对用户行为进行识别,实验结果表明该方法具有很高的识别率和可靠性.     

配电网故障暂态信号的逼近处理方法

针对一些需尽快计算故障后稳态电流电压值的应用情况,如配网配变支路保护、用户侧保护等,短时间内处理电流电压故障暂态信号成为了一个必须面对的问题。现有电网故障信号处理方法通常受限于采样数据长度和待求参数数量,存在处理电流电压故障暂态信号时间较长和难求取的问题。利用配网故障暂态电压电流的特点,由稳态工频分量和直流衰减分量组合建模近似表征配网故障暂态电压电流,采用粒子群高斯牛顿混合算法对此模型的各参数进行辨识,实现暂态参数的求取。仿真分析和工程应用表明,该方法可缩减待求参数个数,利用较短的采样数据对故障暂态电压电流信号参数进行求取,且具有较高鲁棒性。     

基于多尺度熵和动态时间规整的步态身份识别

针对现有人体步态身份识别算法单一、准确率较低的问题,提出了一种基于多尺度熵和动态时间规整（DTW,dynamic time warping）的人体步态身份识别方法。采用自制的APP软件在较低采样率下采集人体步行加速度数据,实验中共采集50名志愿者的正常行走加速度数据,使用多尺度熵算法进行数据处理,得到在各个尺度下的熵值,最后采用DTW算法对多尺度熵值进行特征匹配,得到的相对错误率（EER,equal error rate）为13.7%,仿真结果表明基于多尺度熵和DTW算法相结合的方法较好提高了身份识别的准确率,为人体步态身份识别提供了一个新的思路。     

基于蚁群算法的肿瘤驱动通路搜索方法研究

肿瘤的发生和发展主要是由基因突变的累积导致细胞信号通路调控紊乱而引起的.将通路中基因集的两个特性——高覆盖性和高排他性,与基因协变量相结合,提出了一种基于蚁群优化算法的驱动通路搜索方法.旨在基因突变数据及基因协变量数据的基础上,搜索满足高覆盖性和高排他性的通路基因集,从而识别致癌的驱动通路.首先,通过对基因表达水平、复制时间和染色体状态3个基因协变量相互的关联性,以及它们与基因突变频率的相关性进行分析,选择复制时间作为影响基因突变频率的权重协变量.然后,将权重协变量与现有方法结合,构造了一个新的最大权重子矩阵函数作为组合优化问题的目标函数.为克服该优化问题的NP难题,采用蚁群优化算法求解.应用该方法在肺腺癌的突变数据上进行了分析与验证.结果证明,该方法不仅比现有方法找到了更多在已证实通路中的癌基因,而且其中包含多个互斥性显著的基因对,证明了方法的有效性.