课程文献中心 更多>>

关键词： 肾移植   抗体介导排斥反应   生物信息学   机器学习   诊断模型  

摘要： 目的构建肾移植术后抗体介导排斥反应(antibody-mediated rejection,AMR)的诊断预测模型,并初步筛选AMR的潜在治疗药物。方法收集并整理GEO数据库中7个有关AMR的大型肾移植队列数据集,差异表达分析用于鉴定AMR与正常受者的差异表达基因。分别使用随机森林(random forest,RF)、极端梯度提升、支持向量机和广义线性模型4种机器学习算法构建肾移植受者术后AMR的诊断模型,并绘制受试者操作特征(receiver operating characteristic,ROC)曲线比较各模型的准确性。选择最优模型中核心基因进行整合以构建AMR受者的诊断预测列线图,进行校准曲线绘制及决策曲线分析以评估列线图的准确性。将AMR受者活检组织中差异表达基因上传至关联性图谱(connectivity map,CMap)数据库进行检索,筛选前5种与AMR具有相反表达模式的化合物作为AMR的潜在治疗药物。结果CXCL10、FCGR1B、GBP5、CD69、LY96、BCL2A1和EVI2A 7个基因在AMR受者的外周血和活检组织中高表达(FDR<0.05)。基于RF算法的AMR诊断模型在多种机器学习算法中AUC值最高(0.904),且在外部数据集GSE50084和GSE175718中其AUC值分别为0.876和0.824。对于整合RF模型中BCL2A1、CXCL10、FCGR1BP、CD69和EVI2A五个核心基因所构建的AMR诊断预测列线图,校准曲线显示该列线图的预测结局与实际结局接近;决策曲线表明在较大横坐标范围内,列线图的净获益率较极端曲线更高。CMap数据库预测结果显示排名前5位的化合物为雷特格韦、利美尼定、白毛茛碱、美替拉酮和丙戊酸。结论基于外周血基因表达谱所构建的列线图对AMR的诊断具有较高的准确性和普适性,CMap数据库预测的5种化合物雷特格韦、利美尼定、白毛茛碱、美替拉酮和丙戊酸可能是AMR的潜在治疗药物。

关键词： 滤波平滑   无迹卡尔曼滤波   时间更新   迭代  

摘要： 针对强非线性动态函数情况下无迹卡尔曼滤波(unscented Kalman filter,UKF)先验估计精度严重降低的问题,提出了一种基于滤波平滑的迭代UKF算法来改进UKF的时间更新。通过研究固定间隔无迹Rauch-Tung-Striebel平滑器的部分反向平滑操作,可以获取滤波动态模型更精确的输入,进而得到更精确的状态先验估计,而将该迭代UKF算法与用于处理量测更新的传统迭代UKF算法结合,可进一步改进滤波解。利用单变量非平稳增长模型对所提迭代UKF算法的有效性进行了验证,结果表明:对于非线性动态模型,提出的迭代UKF算法的性能有明显提升,且将该算法与传统迭代UKF算法相结合,可进一步提高UKF的性能。

关键词： 协同演化   遗传算法   个体特征   缺失值插补   遗传编码   信息识别  

摘要： 在当前的个体特征信息分析过程中,依靠单一的遗传算法进行特征识别,只考虑了个体对自然环境的适应情况,使得最终识别结果AUC值较低。因此,提出基于协同演化遗传算法的个体特征信息识别技术(CEGA-IFIR)。运用贝叶斯网络构造最优分类器,从大数据中挖掘出个体数据,再展开局部低秩矩阵补全(LRMC)集成学习,实现个体数据集中缺失数据的插补处理。以信息熵概念为核心,设计个体特征向量信息增益评估函数。以最大特征信息增益为目标,结合协同演化算法和遗传算法进行个体特征信息识别求解,充分考虑多个个体在进化过程中的相互影响、相互适应特点,输出有效的特征信息识别结果。实验结果表明:CEGA-IFIR方法应用后,所得个体特征信息识别结果的AUC值相较于两种对比方法的AUC值(分别为0.74和0.61)更高,最大值达到0.93,满足了预期设计要求。

关键词： 心电信号分类   心电信号去噪   残差收缩网络   软阈值化   注意力机制  

摘要： 临床采集到的标准12导联心电图常含有噪声,影响了心电信号分类结果的准确度,为此提出了一种基于双阶段特征提取网络的心电图(ECG)降噪分类算法。首先,在空间特征提取阶段,由深度耦合软阈值化去噪方法的残差收缩网络从输入的12导联标准心电信号中提取空间特征;其次,在时间特征提取阶段,由长短期记忆网络与注意力机制结合继续从心电信号中提取时间特征;最后,通过全连接网络层融合提取到的空间特征与时间特征,输出9个类别的概率预测分布。在CPSC2018数据集上与其他同类型先进分类算法进行了对比实验,验证所提算法的效果,实验结果表明:提出的分类算法在对9类ECG信号进行分类时平均F1分数达到0.854,在各项指标上表现更优。此外,实验证明所提算法在含噪数据中的表现也优于其他主流网络,充分证明了所提算法对于含噪心电信号的降噪分类性能,该算法也可应用于其他类似含噪声生理信号的分析和处理。

关键词： 非侵入式   GMM   电力负荷分解   特征提取  

摘要： 非侵入式负荷监测是实现电力负荷精细化管理的重要技术手段,负荷分解及特征提取是非侵入式负荷监测的关键环节。针对常规算法负荷特征提取弱或者过度拟合造成泛化能力低的问题,提出了基于拟合和聚类思想的负荷分解及特征提取算法,即改进的高斯混合模型(GMM)。首先通过引入AIC和BIC信息准则,分析不同混合成分个数下的GMM模型的拟合程度,选取最优的混合成分个数;其次研究和分析电力负荷功率信号的特征曲线,结合混合成分个数,改进初始值的选取;最后进行优化后的功率信号聚类分解,输出能充分体现时域功率曲线特征的特征矩阵。基于智能洗衣机洗涤模式下的实测功率信号,验证了改进GMM算法的可行性,并对模型改进前后的特征矩阵进行差异性分析,验证了采用改进高斯混合模型进行负荷分解得到的特征矩阵具有更好的信息表征能力及更好的训练识别特性。结果表明提出改进算法具有较强的自适应性以及较高的准确性。

关键词： 矿井作业   轻量级   自适应   面部   疲劳检测  

摘要： 矿井作业人员因疲劳引发误操作是导致煤矿事故发生的重要原因。为解决采集的矿井作业图像质量低、疲劳特征单一以及个体差异等问题,本研究提出改进的RetinaFace-PFLD轻量级自适应面部疲劳检测算法(RPLA)。具体地,使用中值滤波和伽马校正对实时视频数据进行预处理以提高图像质量;在RetinaFace模型的基础上改进MobileNetv3网络提取特征,简化特征金字塔网络,降低识别算法复杂度;通过PFLD框架获取人脸关键点和疲劳特征,利用自适应疲劳检测方法检测疲劳。在人脸数据集、自采集矿工数据集和驾驶数据集上进行测试,疲劳检测准确率达到97.73%。进一步将算法移植到Jetson Nano上,每秒检测帧数为16.13,大于采样速度,表明本算法适用于移动终端设备进行实时监测预警。

关键词： 串联式混合动力拖拉机   犁耕   动态规划   能量管理  

摘要： 针对串联式混合动力拖拉机存在的经济性问题,采用动态规划算法优化串联式混合动力拖拉机能量管理控制策略。给出串联式混合动力拖拉机结构及主要参数,并基于MATLAB/Simulink搭建串联式混合动力拖拉机关键部件模型,基于动态规划模型及动态规划的基础理论,提出串联式混合动力拖拉机犁耕工况全局动态规划控制策略求解方法。仿真结果表明,在功率跟随和动态规划两种控制策略下,功率跟随的燃油消耗为20.625 kg,动态规划控制策略的燃油消耗为19.330 kg,与功率跟随控制策略相比,燃油消耗大约减少6.3%,经济性明显提高,说明动态规划算法的控制更加精确,效果更好,而且发动机功率大幅变化的次数减少,发动机大致工作在高效区域。

关键词： 水利泵站   机电设备   安装技术   检修   设备管理  

摘要： 水泵站的电力系统建设与调试和检测工作是保障水资源合理使用与维护工作的核心步骤。本文细致剖析了水电站的泵系统电气设备的装配及维护技术,研究了装配环节可能遭遇的技术挑战和安全风险,如组件配合的精准性需求、电动机运作时的异常电流表现以及机械振动问题。文本阐述了面对这一问题的具体解决方案及改进措施,并强调了标准化的安装步骤和全方位维护策略的重要性,应用高科技手段以及高端工艺,目的在于提升泵站运作能效以及可靠性,降低错误发生概率,以期为水利基础设施的构建与保养给予科学支持和技术帮助。

关键词： 短期负荷预测   小波变换   对立人工鱼群优化算法   Elman神经网络模型   水波优化算法   预测精度  

摘要： 精确的短期负荷预测允许用户选择合适的能源利用策略,并最大限度地降低电费支出。为实现更为精确且全局最优的短期负荷预测,提出一种基于鱼群优化算法和Elman神经网络的短期电力负荷预测方案。首先利用小波变换将时间序列分解成分量,并基于对立人工鱼群优化算法进行特征选择。接着基于Elman神经网络模型的水波优化算法进行短期负荷预测,从而显著提高了预测的精确度。最后应用逆小波变换得到每小时的负荷预测数据,借助武汉市电力负荷数据对所提方案进行验证评估。验证结果表明所提方案在冬季数据和夏季数据上的平均绝对百分比误差分别为1.43%和1.98%,明显优于支持向量机、混合网络和小波变换-神经进化算法。

关键词： 风速预测   海洋捕食者算法   门控循环单元   混沌映射   自适应选择  

摘要： 为了提高风速预测精度,提出了一种新的短期风速预测模型IMPA-GRU,其中IMPA算法是针对海洋捕食者算法初始化不均匀、收敛速度慢和收敛精度低等弱点引入Tent混沌映射、锦标赛选择策略和自适应阶段转换策略的一种改进算法.将IMPA算法与门控循环单元网络结合,通过算法优化网络参数,构建预测模型IMPA-GRU进行短期风速预测.为了评估模型性能,首先将IMPA算法与6种优化算法分别在8个测试函数上进行性能测试,然后将新提出的预测模型与MPA-GRU,GRU等5种模型进行对比.结果表明:IMPA算法在所有测试函数上都取得了更好的结果,IMPA-GRU模型在风速数据集上的MAPE,RMSE和MAE分别平均减小了0.98%,1.51%和1.58%,R2提高了0.56%,进一步提高了风速预测精度,减小了预测误差.