编队反导资源调度问题分析

为了发挥编队反导资源的作战效能,提高整体作战能力,可将编队反导资源进行统一调度使用。借鉴柔性工作调度的思路,结合反导资源作战使用的实际情况,建立了编队反导资源调度模型,然后运用混合粒子群算法进行求解。调度模型不但可以确定对每枚反舰导弹抗击的次序,而且还可以确定抗击的开始和结束时间。混合粒子群算法编码简单,操作性强。仿真实例表明,调度模型合理有效,算法收敛速度快、迭代次数少。     

脓毒性脑病危险因素分析及早期治疗

目的探讨脓毒症患者并发脓毒性脑病的危险因素,为脓毒性脑病的早期发现提供参考.方法以中国医科大学附属盛京医院急诊科2009年3月—2012年3月收治的110例脓毒症患者为研究对象,并利用HIS系统,对110例脓毒症患者转入病区治疗后的临床资料进行回顾性分析,采用单因素分析,并结合统计学的分析方法,对影响脓毒性脑病发生和死亡的危险因素进行探讨.结果脓毒性脑病的发病率为51.39%;入院患者的年龄、吸烟史、电解质紊乱、高脂血症、高乳酸血症、糖尿病、凝血功能障碍以及APACHEⅡ评分值与发生脓毒性脑病的关联性较大.通过对以上引发脓毒性脑病的危险因素做多元线性回归分析可以得出:APACHEⅡ评分值>20、糖尿病和凝血功能障碍是脓毒性脑病发病的独立危险因素.结论脓毒性脑病发病率和死亡率较高,目前还没有针对此病的特殊治疗方法,因此,应对APACHEⅡ评分值>20、伴有糖尿病和凝血功能障碍的患者进行密切观察,争取能够做到对脓毒性脑病患者进行早期治疗,进而降低治疗成本,提高脓毒症患者的生存率.     

基于改进的网格搜索法的SVM参数优化

比较了现今应用比较广泛的3种支持向量机(SVM)参数优化方法.具体分析了网格法、遗传算法和粒子群算法在SVM参数优化方面的性能以及优缺点,提出了一种改进的网格法.先在较大范围内进行搜索,在得到的优化结果附近区域再进行精确搜索.实验表明改进的网格搜索法耗时短,更适用于有时间要求的说话人识别应用中.     

研究称暗物质粒子撞击人体或引发突变

据美国国家地理网站报道,根据几项暗物质探测项目获得的数据进行计算的结果显示,平均大约1分钟就会有一颗暗物质粒子击中人体。     

超早期与早期手术治疗基底节区高血压脑出血的临床疗效对比研究

目的：通过比较超早期手术与早期手术治疗基底节区高血压脑出血的临床疗效对比研究来探讨基底节区高血压脑出血的最佳手术时机.方法：回顾性分析了采取小骨窗开颅显微手术治疗基底节区高血压脑出血患者共120例,以出血后7小时内手术60例患者分为超早期手术组,出血后7～24小时手术患者60例分为早期手术组,比较两组患者术后近期并发症、死亡情况及6个月后临床疗效（用日常生活能力量表ADL评定）方面比较,数据用统计学方法处理.结果：超早期手术组患者术后近期肺部感染、消化道出血及急性肾功能衰竭明显少于早期手术组,差异有统计学意义（P〈0.05）;再次出血及死亡情况比较,两组无显着差异（P〉0.05）.两组患者术后6个月临床疗效在总有效方面比较后得出超早期手术组明显好于早期手术组,差异有统计学意义（P〈0.05）.结论：超早期行小骨窗开颅显微手术治疗基底节区高血压脑出血比早期手术治疗更能减少术后近期并发症并有效改善术后日常生活能力.     

宇宙中的“巨眼”与“蝴蝶”

同学们眼中的天体是什么形状的呢？让我猜猜……大多数人肯定会说＂是圆的＂。这并不奇怪,因为太阳、月亮,在我们眼里,毫无疑问是圆的;金星、火星、木星、土星,差不多也是圆的;遥远的恒星,我们虽然无法看清,但也能推断它们应该呈圆球状。     

基于改进引力搜索算法的励磁控制PID参数优化

在引力搜索算法（GSA）基础上,结合PSO算法中粒子的运动特点,提出了改进引力搜索算法（IGSA）,并将其应用到励磁控制系统PID参数优化．IGSA嵌入了引力搜索和粒子群搜索,使其在保留引力搜索特点的前提下增加了信息共享及记忆能力,进一步提高了搜索能力．定义了同时考虑ITAE指标和超调量指标的加权目标函数,提出了基于混沌引力搜索的参数优化策略．将IGSA与传统群体优化算法进行了充分对比试验,验证了提出的励磁控制系统PID参数优化方法的有效性．     

PSO与PCA融合优化核极限学习机说话人识别算法仿真

基于机器学习理论开展说话人识别的研究取得了很大进展,在基于核极限学习机(kernel extreme learning machine,KELM)和梅尔倒谱系数(mel-frequency cepstral coefficients,MFCC)说话人识别研究基础上,通过主成分分析算法(principal component analysis,PCA)对MFCC进行降维优化、粒子群优化算法(particle swarm optimization,PSO)对KELM初始输入参数进行优化开展基于PSO和PCA融合优化KELM说话人识别算法研究。改进后的算法在MATLAB平台上仿真通过,并与MATLAB语音工具箱提供的神经网络和支持向量机说话人识别算法做了性能对比分析。仿真研究结果表明:通过PSO和PCA融合优化改进的KELM,初始输入参数可以任意确定并且不需要迭代更新,并能有效克服因初始权重随机确定导致的性能不稳定,进一步提高分类匹配和运算速度,具有很好的推广应用价值。     

基于深度信念网络模型的多目标优化

为降低炼焦能耗,提高焦炭产量和质量,准确建立生产目标模型,提出基于深度信念网络模型的多目标优化研究方案。根据现场专家经验及生产现状确定能耗和产量为生产目标,对采集的炼焦数据进行处理和相关性分析,分别建立能耗和产量的深度信念网络模型及质量径向基神经网络模型,并且采用差分扰动的粒子群多目标优化算法进行集气管压力设定值优化,通过仿真研究验证了该方案的可行性。实验表明,该方案能准确地挖掘数据间的复杂特性,建立精准的目标模型,并得出最佳的集气管压力设定值,使炼焦能耗降低并且产量提高,可以为实际生产提供理论指导。     

基于WIFI的室内机器人新型定位算法

随着移动终端的飞速发展,对于位置的服务需求越来越方便,WIFI由于在室内传输距离远、使用方便等优点而被研究者广泛应用于实现室内定位功能中。为了提高室内定位准确度,论文采用WKNN算法与改进粒子群算法相结合的混合定位算法,首先应用高斯滤波算法对WIFI采集的原始数据进行预处理,离线构建完整的指纹数据库;然后采用WKNN算法得到待定位点的估计位置;最后应用改进粒子群算法,实现对待定位点的精确定位。经过实验测试证明,所采用的混合定位算法比传统的位置指纹算法在定位精度上有显著的提高。