基于德尔菲专家咨询法对肿瘤异常黑胆质病证异常体液成熟、清除标准的研究

 为建立肿瘤异常黑胆质病证异常体液成熟、清除诊断标准,采用德尔菲专家咨询法进行分两个阶段的专家咨询研究.第1阶段,编制肿瘤异常黑胆质病证异常体液成熟、清除的入选指标专家咨询问卷,并向全疆30位维吾尔医学专家发送,通过频数计算筛选出,睡眠增多,多梦、噩梦减少,精神气色逐步好转,目光有神等频率大于70%的10个肿瘤异常黑胆质病证异常体液成熟证侯特征;精神气色明显好转、心情温和,睡眠质量明显提高,舌苔滋润、接近薄白(趋于正常)等频率大于70%的8个清除时的证侯特征.共进行一轮.第2阶段,根据筛选结果再次编制咨询表,并进行对肿瘤异常黑胆质病证异常体液成熟、清除证候特征权重系数的研究.共进行两轮咨询,每轮均回收有效问卷30份,回收率均为100%.专家平均权威系数为0.825,提示专家权威度高.经分析各证侯特征权重系数,得出判断肿瘤异常黑胆质病证异常体液成熟的主症为5个,次症为5个;判断肿瘤异常黑胆质病证异常体液清除的主症为4个,次症为4个.专家集中程度和协调程度均高,肿瘤异常黑胆质型异常体液成熟证侯特征一致性系数为(χ²=0.261,P=0.000),两轮相等;肿瘤异常黑胆质型异常体液清除证侯特征一致性系数为(χ²=0.248,P=0.000),两轮相等;由此得出结论,通过改良德尔菲咨询法建立的肿瘤异常黑胆质病证异常体液成熟、清除标准对肿瘤有效、规范诊治提供客观量化依据.     

一种基于聚类和AdaBoost的自适应集成算法

为同时保证基分类器的准确性和差异性, 提出一种基于聚类和AdaBoost的自适应集成算法. 首先利用聚类算法将训练样本分成多个类簇; 然后分别在每个类簇上进行AdaBoost训练并得到一组分类器; 最后按加权投票策略进行分类器的集成. 每个分类器的权重是自适应的, 且为基于测试样本与每个类簇的相似性及分类器对此测试样本的分类置信度计算得到. 实验结果表明, 与AdaBoost,Bagging(bootstrap aggregating)和随机森林等代表性集成算法相比, 该算法可取得更高的分类精度.     

基于XGBoost特征选取和迭加权相关权重矩阵的高分五号遥感影像变化检测

提出一种基于迭加权相关权重矩阵(IR-CWM),使用XGBoost机器学习模型训练选取特征变化波段,训练预测变化检测结果的方法 (IR-CWM-XGB).以国产高分五号(GF-5)高光谱遥感影像为数据源,经过预处理后,通过迭代加权得到迭加权相关权重矩阵(IR-CWM),然后经过XGBoost算法选取特征波段,选取随机样本进行模型训练,使用最终模型生成变化的结果.实验结果表明:本研究方法与变化矢量分析(CVA)变化检测方法、主成分变化矢量分析(PCA-CVA)变化检测方法、迭加权多元(IR-MAD)方法、卷积神经网络(CNN)等方法进行对比,本研究方法变化检测结果的Kappa系数和总体精度较高,误检率较低.     

基于马尔可夫随机场和模糊C-均值聚类的DTI图像分割算法

传统的模糊C-均值聚类(FCM)算法只考虑了图像灰度信息,未考虑图像的邻域信息,抗噪性能不够理想.为了充分利用图像空间信息,提出一种结合马尔可夫随机场(MRF)的自适应加权FCM改进算法.该算法根据局部密度判断像素在其窗口邻域范围内的离散种类,将MRF空间约束场和隶属度场的权重根据像素离散种类进行自适应变化,在消除噪声影响的同时,尽可能保留弥散张量成像(DTI)的图像细节信息.实验结果表明:该算法可以准确分割DTI图像,得到边缘清晰且细节信息保留良好的分割结果,与FCM算法以及MRF和FCM融合算法相比,其分割系数至少提高了3%,分割熵至少降低了2%,分割聚类效果得到提高,且分割系数和分割熵都不易受噪声幅度的影响.     

比较法确定多属性决策问题属性权重的灵敏度分析

属性权重的确定将直接影响多属性决策的求解结果,灵敏度分析可以判断决策结论的稳定性。针对比较法所得属性权重进行方案排序,利用经典的线性规划方法,将属性线性相关约束分解为两类物理意义更清晰的属性相关形式表示的约束条件,求解维持既定方案排序的权重变化区间,得出对既定决策排序结果最敏感的属性,从而辅助决策者做出更加合理的决策。计算实例表明,该方法具有可操作性和实用性。     

剔除无效决策的灰色群决策方法

对灰色群决策问题进行了研究,提出了一种可以对无效决策进行甄别与剔除的灰色群决策模型。首先,使用强“奖优罚劣”算子对决策信息进行标准化处理,通过构建优化模型并使用拉格朗日函数得到指标权重;然后,通过确定所有方案中的理想最高评价,以及各决策者评价与最高评价间距离,构建对无效决策进行甄别的模型;最后,对剔除无效决策后决策问题中的决策者权重进行调整,并使用灰靶模型对方案进行决策。应用实例说明了决策方法的合理性和算法的有效性。     

基于惯性权重指数递减的粒子群优化算法求解绝对值方程

利用惯性权重指数递减的粒子群优化算法求解一类不可微的NP难的绝对值方程问题. 该算法通过调整惯性权重的动态变化能有效克服基本粒子群算法在后期局部搜索能力差、 易陷入局部最优解的缺点. 数值试验表明, 在求解具有唯一解或多个解的绝对值方程时, 该算法精度高, 迭代次数少.     

一种聚合物驱潜力预测新方法的建立与应用

分析了聚合物驱开发效果的影响因素和影响程度,确定了影响因素的分类及权重系数,建立了油藏参数分级评分和权重评分相结合的聚合物驱综合评分计算方法。利用该方法计算了中国13个聚合物驱矿场应用实例的综合化评分。文中采用指数回归方法建立了聚合物驱综合评分与聚合物驱提高采收率的关系,即通过计算油田区块的聚合物驱综合评分来预测聚合物驱开发效果和潜力的方法。应用新方法预测了河南油田古城124和下二门H2II区块聚合物驱提高采收率值,与矿场实际开发效果的误差分别为3.8%和12.7%。新方法考虑影响因素客观、应用便捷,可快速评价油田聚合物驱开发潜力及可行性。     

一种基于PDBMLCA聚类的网络突发事件发现算法

针对目前网络信息爆炸式发展的状况下,需要及时了解和掌握网上重要信息及追踪网络事件进展,给出了一种突发事件发现算法.该算法通过引入文本词语的突发度量值,考虑位置对词语权重影响等因素,提高了计算权重值的准确度.根据基于预设密度的最大链路算法,在平均半径的范围内,满足一定条件的文本集合连成一条链路,进而形成一个类簇相似的文本以类簇为类.该聚类算法在结合突发值及位置影响等因素下,能够合理的划分一段时期内的文本并归属相应的主题.实验结果表明,该算法在发现突发事件中有较好的效果.     

基于拟蒙特卡罗的多目标投资组合优化

投资组合最优化是定量经济学中一个很重要的问题,主要研究金融资产的优化配置,以实现收益最大化和风险最小化的均衡.近两年,蒙特卡罗模型被应用到一些关于投资组合最优化的实验研究中,但是其稳定性不是很高.该文提出如何在权重超平面上生成低差异权重向量序列的方法,以实现了稳定性更高的基于拟蒙特卡罗的多目标投资组合优化模型.实验结果表明,相比蒙特卡罗模型,拟蒙特卡罗方法平均收益稍大,且更稳定.