集合Kalman滤波同化方法在福建沿岸潮汐数值模拟和预报中的应用研究

为了提高潮汐数值模拟和预报的准确度,利用《2009潮汐表》,建立了含集合Kalman滤波同化模块的潮汐数值预报模型,对集合Kalman滤波同化模块中的参数进行确定,并对同化效果进行了检验.为了确定集合Kalman滤波同化模块中的参数(主要是集合数和截断半径),考虑了42种参数组合,在这些组合中,以模拟准确度和计算相同时段的潮汐值所需时间为标准,存在最优的参数组合:其中,东山、厦门、娘宫、崇武4个站最优的截断半径为35 km,三沙站最优截断半径为30 km,5个站的最优集合数均为20.实验结果表明:将集合Kalman滤波同化方法用于潮汐数值预报模拟中是可行的,同化验潮站的潮汐表上的潮位数据对验潮站本身及其邻近网格点的潮汐模拟改进最大;当5个站不同化调和数据进去的时候,东山、厦门、娘宫、崇武4个站的模拟准确度,在未来12 h仍然有所提高.     

基于数据流多维特征的移动流量识别方法研究

随着移动互联网的快速发展,移动设备的数量激增至历史新高.从大量混杂流量中识别出移动流量并对流量进行分析,是深入研究移动互联网特性的第一步,同时可以为移动网络测量与管理、移动安全和隐私保护提供有价值的信息.本文综合整理了网络流量识别的常见方法,提出了基于数据流多维统计特征的移动流量识别方法.该方法从硬件特征、操作系统指纹和用户使用习惯三个方面提取了数据流中具有代表性的特征并对特征进行分析,使用集成学习的方法生成识别模型.移动流量的识别准确率和主流的5种操作系统流量分类的准确率都达到了99%以上.本文方法比UAFs方法准确率提高了8%左右.本方法提取的特征具有多维性并且具有实际意义,整合了网络层和传输层的数据流特征,相较于使用深度数据包检测的方法,基于数据流多维特征的方法同样适用于加密流量的分类.     

基于异质矩阵完全的缺失数据恢复混合集成算法

缺失数据广泛存在于现实世界中,它对后续的数据分析有很大的影响,有可能导致结果完全错误。近年来,很多基于压缩传感理论的矩阵完全算法被提出并用于缺失数据恢复,但不同的算法在不同的数据集上产生的结果有很大不同,都有自己的优缺点和适用场景。为此提出一种基于异质矩阵完全算法和最大多样性的集成策略的混合集成学习算法,实验结果表明,此算法在不同的数据集上优于那些单个算法。     

贝叶斯分类器的集成学习方法及其在图像标注中的应用

针对贝叶斯(Naive Bayes,NB)分类器的集成学习方法,研究如何提高分类器集成中各成员分类器之间的多样性,同时提高分类器系统准确率。实现方法是把训练集的所有属性特征划分特征子集,并处理所划分的属性特征子集,最后为每个成员分类器构造出不同的完整特征属性训练集。研究结果表明采用的NB集成方法(Ensemble ofNaive Bayes,ENB)提高了分类性能,把ENB机器学习方法应用到自动图像标注中也获得了很好的效果。     

双口圆极化微带天线的CAD设计

介绍了应用Serenade和Ensemble软件进行微波电路计算机辅助设计的方法 ,并以双口圆极化微带天线为例 ,讨论了电路的设计过程和设计结果     

基于总体平均经验模态分解的局部场电位相位同步信息编码研究

局部场电位的相位特征是表达外界刺激信息的重要度量,对神经信息的传递与表达具有重要作用。本文以Long Evans大鼠为实验对象,以12个朝向的全屏光栅作为刺激图像,用多通道微电极阵列信号采集系统获取局部场电位信号。采用总体平均经验模态分解的方法获取局部场电位的不同分量,通过Hilbert提取不同分量的瞬时相位,用相位锁定值来进行相位同步分析。结果发现局部场电位采用总体平均经验模态分解后,主频带范围在40Hz~100Hz之间的第三固有模态分量具有最佳的朝向选择性,且编码精度和稳定性均优于经验模态分解和γ频带提取的结果。 关键词：局部场电位;总体平均经验模态分解;光栅;相位同步     

A ballistocardiogram measurement system for home monitoring: design,performance, and evaluation

We present a ballistocardiogram （BCG） measurement system for obtaining the BCG signal. The performance of the BCG measurement system was tested, including the dynamic response frequency of the platform （32 Hz with a 75 kg load）, and the signal to noise ratio of the system （minimum 23 dB）. Factors that could influence BCG recording during measurement were investigated by collecting data from 48 healthy subjects （28 males and 20 females）. The basic features of the BCG signal, such as the amplitude and time interval, were extracted, and differences by gender were analyzed. A correlation between the IJ amplitude （amplitude difference between I-and J-peak） and the respiration phase was found （R2 = 0.49）. The BCG signals for both sitting （SiBCG） and standing （StBCG） postures were obtained using this system. These showed that the StBCG amplitudes were larger than those of SiB- CG but there was no significant difference in the time intervals. The robustness of our system was verified, and its potential for noninvasive cardiac activity monitoring was demonstrated.     

基于SVD差分谱和IMF能量谱的改进HHT方法

针对随机噪声和虚假IMF会导致改进HHT中EEMD分解质量下降和Hilbert谱混乱,提出了一种基于SVD差分谱降噪预处理和IMF能量谱剔除虚假分量的改进HHT.该方法首先对原始信号进行SVD降噪,通过基本不等式原理来确定相空间重组的最佳Hankel矩阵结构,利用奇异值差分谱来确定有效奇异值的阶次;然后对消噪的信号进行EEMD分解,通过IMF能量谱来去除虚假分量;最后对主IMF进行Hilbert谱分析.仿真和实验结果表明,SVD能提高信噪比,抑制噪声对EEMD分解精度的干扰;能量谱能有效地消除虚假IMF对Hilbert谱分析的影响;Hilbert谱中各频率成分清晰,解决了随机噪声和虚假分量对传统改进HHT的不良影响.     

基于多分类器集成的数据流分类方法

概念漂移给数据流挖掘工作带来了很大阻碍.经典的SEA算法通过动态裁剪集成分类器的方式有效地捕获到概念漂移.其裁剪集成分类器的策略是直接删除掉一个权值最低的基础分类器,这意味着算法抛弃了一个已经学习了的概念,当该概念再出现时还需再学习,导致算法效率的降低.现提出了一种能够提取旧概念的算法(ECRRC),并给出了存储和提取概念的具体方法.面对概念的重复出现,ECRRC不用再学习就能够完成数据流分类.实验结果表明,ECRRC能够提高数据流分类效率.     

A feature ensemble technology to identify molecular mechanisms for distinction between multiple subtypes of lymphoma

Due to complexities and genetic heterogeneities of biological phenotypes, robust computational approaches are desirable to achieve high generalization performance with multiple classifiers, perturbations of the data structures, and biological interpretations. The purpose of this study is to extend our developed ensemble decision approach to distinguish multiple heterogeneous phenotypes and to elucidate the underlying molecular bridges that intertwine the subtypes. Our work identifies the significant molecular mechanisms （disease-relevant genes and functions） that underpin the complex molecular mechanisms for distinction between multiple phenotypes. Feature genes and hierarchical gene cores identified by our method have achieved high accuracy in the classification of multiple phenotypes. The results show that the proposed analysis strategy is feasible and powerful in the classification of biological subtypes and in the explanation of the molecular connections between clinical phenotypes. Biological interpretations with Gene Ontology revealed concerted genetic pathways for some lymphoma subtypes.