课程文献中心 更多>>

关键词： 鱼群算法   运动者   卷积神经网络   疲劳步态   步态能量图   卷积核   运动能量分布   归一化自相关函数   工程化组织构建  

摘要： 背景:步态动作是运动中展现出的重要特征之一,反映了身体状态和运动能力。在疲劳状态下步态动作会出现异常,如步幅减小、身体摇晃等,这些异常步态动作会对身体造成伤害。目的:旨在推动运动科学领域的技术进步,将先进的算法与数据分析技术应用于运动实践中,从而进一步提升运动疲劳状态下步态动作的识别准确度。方法:基于鱼群算法的运动疲劳状态下步态动作识别方法。利用归一化自相关函数和运动能量分布原理获取运动者单周期步态能量图,采用奇异值分解法转换图像以突出视觉差异,生成运动者步态能量图,使用卷积神经网络构建步态动作识别模型,并通过鱼群算法求解模型的参数,以提升疲劳步态动作识别的准确度及效率。结果与结论:①鱼群算法在步态动作识别上的损失值较小,能够准确、快速地识别出运动者的步态动作,动态监测运动者身体疲劳情况;②基于鱼群算法的运动者疲劳步态动作识别研究,可以有效识别出运动者疲劳状态下的步态动作,实现对于细微步态变化的精确捕捉;③鱼群算法的系统稳定性良好,能够减少试验测试结果的波动性,提高识别效率,更有效地管理运动疲劳、预防运动损伤。另外,当正常人步态特征发生显著变化时,系统可以发出预警,提示个体可能处于疲劳状态,需要休息或调整活动强度。

关键词： 线粒体自噬   类风湿关节炎   机器学习算法   加权基因共表达网络分析   预测模型   外部验证   免疫细胞   生物学功能  

摘要： 背景:类风湿关节炎发病机制至今尚未完全清晰,近来有研究表明线粒体自噬与类风湿关节炎存在关联性,但关键机制有待深入探究。目的:利用多机器学习算法鉴定和验证类风湿关节炎中线粒体自噬过程的核心互作基因并解析其免疫调控过程。方法:从GEO数据库整理类风湿关节炎转录组表达数据集GSE15573作为独立训练集,GSE97779和GSE55235合集作为独立验证集。利用训练集筛选类风湿关节炎差异表达基因,同时进行“WGCNA”分析。然后从“MitoCarta3.0”数据库下载线粒体自噬相关基因,将其与类风湿关节炎差异基因和“WGCNA”分析模块基因取交集获得类风湿关节炎-线粒体自噬相关基因,将相关基因进行功能富集分析以明确细胞通路。随后利用“Random Forest”和“LASSO”2种机器学习算法分别筛选特征基因,利用“GMM”机器学习算法对前2种机器学习算法筛选的交集基因拟合验证,以获得类风湿关节炎-线粒体自噬核心互作基因。进一步建立预测模型,并利用外部验证集验证。最后,采用“CIBERSORT”进行免疫浸润分析此过程中免疫细胞亚群占比及亚群之间关联性,采用“ssGSEA”分析类风湿关节炎-线粒体自噬核心互作基因与免疫细胞亚群间关联性,同时分析核心互作基因的相关“GO”“KEGG”生物学通路。结果与结论:①差异分析获得807个类风湿关节炎差异表达基因,“WGCNA”分析筛选出2个特征模块含1208个基因,线粒体基因数据库整理出1136个基因,三部分基因取交集获得53个基因为类风湿关节炎-线粒体自噬相关基因;②相关基因的功能富集分析结果显示细胞过程主要与线粒体自噬、过氧化物酶体代谢、细胞衰老、坏死性凋亡相关;③3种机器学习算法鉴定出4个类风湿关节炎-线粒体自噬核心互作基因(DNAJA3、C12orf65、AKR7A2、PDHB);④预测模型的风险评分受试者工作特征曲线下面积为0.989,外部患者样本的工作特征曲线验证类风湿关节炎-线粒体自噬核心互作基因的曲线下面积均大于0.7;⑤免疫调控分析显示类风湿关节炎中线粒体自噬过程与记忆B细胞、M0型巨噬细胞、活化的记忆性CD4 T细胞、静息态记忆性CD4 T细胞密切相关;⑥生物学通路分析结果显示核心互作基因与821条“GO”通路强相关(|cor|>0.8,P<0.001),与48条“KEGG”通路强相关(|cor|>0.8,P<0.001),其中关键生物学过程与线粒体DNA代谢、线粒体DNA修复、线粒体DNA复制、线粒体基因组维护、线粒体去极化的正向调控和参与凋亡信号通路的线粒体外膜通透性的正向调控有关;⑦上述结果证实,DNAJA3、C12orf65、AKR7A2、PDHB是类风湿关节炎中线粒体自噬过程的核心互作基因,通过参与特定免疫过程在疾病进展中发挥关键作用,对类风湿关节炎的诊断具有精准预测效果。

关键词： 变分模态分解   参数优化   本征模态   北极海雀优化算法   灰狼优化算法   原始信号处理  

摘要： 变分模态分解(VMD)是一种信号处理技术,它能够将复杂信号分解为多个本征模态函数(IMF)。在处理非线性和非平稳信号时,VMD相较于傅里叶变换、小波变换、经验模态分解和希尔伯特-黄变换等同类信号处理技术,具有明显优势。然而,VMD的性能与上述这些信号处理技术一样,高度依赖参数的选择,特别是分解数k和惩罚因子α。为此,文中重点讨论了对这些参数的优化。基于上述情况,选用了性能较高的北极海雀算法(APO)来优化VMD参数,并采用传统的基础优化算法——灰狼优化算法进行对比实验,最终分析了原始信号图像、目标函数图像以及k个本征模态函数图像。成功优化VMD参数对计算机技术的现实应用有着重要意义,能让VMD在后续的研究和发展中适应各种复杂信号的处理需求。

关键词： 无人机巡检   稀疏码多址   极化码   联合迭代检测译码   消息传递算法   消息阻尼机制  

摘要： 无人机在电网巡检过程中需要传输大量数据,稀疏码多址技术与极化码的联合系统拥有更好的整体性能,可作为无人机巡检的通信方案。为了降低系统复杂度,提出一种基于部分消息传递策略的联合迭代检测译码方案。该方案能够减少迭代过程中的计算量,降低计算复杂度。同时,提出一种消息阻尼机制,以确保实现理想的误码率(BER)性能。仿真结果表明:与原始算法相比,所提算法在降低复杂度的同时能够保证理想的误码率性能。

关键词： 低信噪比   Inception-ResNet模块   音频指纹特征   语音端点检测  

摘要： 在低信噪比的背景下,由于背景噪声干扰信号特征,存在语言端点检测误判和漏判的风险.现有的解决方法存在易受干扰、精度有限、鲁棒性差等问题.针对上述问题,对STAM进行优化,提出了一种改进的语音端点检测算法Inception-ResNet STAM(IR-STAM).该算法通过改用音频指纹(AFP)特征来取代传统的Log-Mel特征,实现了对音频信号更深层次的特征提取;对频率注意力模块的卷积方式进行改进,采用深度可分离卷积,有效降低了模型的参数量;加入Inception-ResNet模块,进一步增强了模型对不同尺度特征的捕捉和分析能力.实验结果表明:在TIMIT测试集上,IR-STAM相较于STAM,模型的参数量降低150 k,并且在不同信噪比环境下F1分数均提高了0.5以上.

关键词： 变分不等式   拟单调   次梯度外梯度算法   双惯性加速  

摘要： 在实Hilbert空间中提出一种求解拟单调变分不等式问题的双惯性次梯度外梯度算法.该算法每次迭代只计算一次映射值和一次向可行集上的投影,并且将双惯性和松弛技术相结合,提高了次梯度外梯度方法求解变分不等式问题的收敛速度.在映射拟单调、Lipschitz连续和对偶变分不等式解集非空的假设条件下,获得了该算法的弱收敛结果.同时,在强拟单调的假设下得到了算法在Hilbert空间中强收敛结果.最后,数值实验表明该算法的有效性.

关键词： 拖拉机发动机   寿命预测   遗传算法   神经网络   相关性  

摘要： 拖拉机发动机剩余寿命预测对于提高工作效率、降低维修成本、延长机器寿命和保障安全运行具有重要意义。通过预测发动机剩余寿命,可以更好地进行资源规划和分配。为此,提出了一种基于遗传算法优化的拖拉机发动机剩余寿命预测模型,结合遗传算法和剩余寿命预测方法,通过优化遗传算法的参数,提高了预测模型的准确性和稳定性。同时,通过收集大量的拖拉机发动机运行数据,提取与剩余寿命相关的特征,基于遗传算法寻找最佳的特征子集建立了预测模型。最后,通过试验验证了模型在拖拉机发动机剩余寿命预测方面的有效性。结果表明:与传统的预测模型相比,基于遗传算法优化的模型具有更高的预测准确性和稳定性,RMSE为6.023,MAE仅为4.531。研究结果可以有效地应用于拖拉机发动机剩余寿命预测和维护决策中。

关键词： 矿井人员定位   UWB   BWO   Taylor级数展开算法   协同定位   井下环境  

摘要： 为了提高矿井人员定位的准确性,并推动煤矿智能化管理水平的提升,提出了一项创新性的方法,即利用改进后的白鲸优化算法(BWO)与Taylor级数展开算法协同定位,并将其应用于基于超宽带(UWB)无线通信技术的矿井人员定位系统中。该方法旨在通过多策略改进后的BWO获得待测节点的初始估计位置,然后与Taylor级数展开算法相结合,得到更加精确的近似函数,提高定位结果的准确性和稳定性,从而显著提高超带宽矿井人员定位的精度。实验结果表明,相比现有算法如Chan和Chan-Taylor等,该方法在性能和定位精度上均取得了显著优势。这一创新性的矿井人员定位算法有望在实际应用中发挥重要作用,特别是在复杂多变的煤矿井下环境中,所提方法具有重要的实践意义和广阔的应用前景。

关键词： 甲烷气体   高斯烟羽模型   排放源溯源   优化反演   模式搜索算法   人工蜂群算法  

摘要： 针对油田生产集输过程中存在大量甲烷无组织排放,且缺乏有效的排放源溯源手段等问题,提出了一种基于混合人工蜂群算法的排放源溯源方法。该方法首先利用高斯烟羽扩散模型计算得到的气体模拟体积分数与排放源下风向传感器的气体监测体积分数构建排放源溯源模型;其次将模式搜索算法与人工蜂群算法进行结合以解决人工蜂群算法局部搜索能力弱、易早熟的问题;最后利用混合后的人工蜂群算法对溯源模型进行优化求解,得出排放源的位置坐标和源强数值信息。实验结果表明,混合人工蜂群算法不受初值的影响,相较于其他优化算法,其能够更快更准确地反演出排放源位置横坐标、纵坐标以及源强的数值,可以满足油田甲烷排放源溯源的要求。

关键词： 多源数据融合   CNN/LSTM级联   Kleinberg模型   小世界网络   数据同步  

摘要： 智能家居系统不断更新,智能控制数字家庭设备要求逐渐提升,家庭自动化技术发展关键在于多设备间的无缝对接与协同作业,为此提出1种创新的数据同步算法。该算法通过CNN/LSTM级联数据同步,使多传感器的异构数据协同获得妥善解决,通过级联可变形卷积神经网络提高数据处理精确率与灵活性。融合Kleinberg模型,从网络聚类系数和平均路径长度2个参数角度构建小世界网络,通过重连概率p值的有效分析,提升网络同步性能,增强空间搜索范围,优化算法在数据同步上的预测精度与响应效率。经仿真实验研究,融合Kleinberg模型的卷积神经网络/长短期记忆网络(Convolutional Neural Network/Long Short-Term Memory,CNN/LSTM)级联数据同步算法在模型训练阶段相较于CNN在预测准确率上实现显著提升,在数据融合阶段,相较于平均加权法,预测准确率提高了18%,与卡尔曼滤波法相比,提高了32%;在召回率和F1分数上,与平均加权法相比,分别提升了2.2倍和1.7倍。该研究为数据同步问题提供了1种创新的解决方案。