经验正交函数分析在轴承故障诊断中的应用

利用CWRU(the Case Western Reserve University Bearing Data Center)数据,运用经验正交函数方法,给出了滚动轴承在测试台基座、电机驱动端、风扇端不同空间上振动信号与主成分的相关系数分布图,分析了分布图与正常轴承、内圈、外圈及滚动体故障轴承的关系.仿真结果显示:采用这种分析方法能够直观地诊断出滚动轴承的健康状态.     

单个核细胞核T_3 受体测定法改进及临床意义

为了评价甲状腺激素(TH)在细胞水平的生物效应,笔者改进了外周血单个核细胞核T_3受体(T_3R)的结合分析法,并测定了甲状腺功能正常、甲状腺功能亢进(甲亢)和甲状腺功能低下(甲减)患者(各10例),外周血单个核细胞核T_3R的最大结合客量(MBC)、解离常数(Kd)及血清游离TH浓度及其效应等指标.结果甲减组患者MBC显著高于正常组;各组核T_3R与T_3的解离常数无显著差异;血清肌酸磷酸激酶(CPK)、胆固醇含量与核T_3R占据率(q)相关显著.结论:改进后的外周血单个核细胞核T_3R测定方法稳定、重复性较好、需血量少、便于应用,尤其对遗传性核T_3R缺陷患者,具有决定性诊断价值;应用Bantle计算公式计算的q方法简便,且比游离三碘甲腺氨酸(FT_3)和核T_3R参数更能反应T_3在细胞核水平的生物效应.     

大鼠局灶脑缺血/再灌注后脑组织中核因子-κB的核转位现象及其意义

目的　研究Wistar大鼠局灶脑缺血 /再灌注 (I/R)后脑组织中核因子 κB(NF κB)活化的基本规律及其意义。方法　线栓法闭塞大鼠右侧大脑中动脉 ,制备局灶I/R模型 ,分别于缺血 2h再灌注后 3、6、12、2 4h取脑组织做冰冻切片 ,用免疫组织化学法检测脑组织中NF κB核转位细胞。结果　正常大鼠脑组织中可见少许NF κB核转位细胞 ;R3h脑组织中NF κB核转位细胞较正常组有增加趋势 (P >0 .0 5 ) ,R6h增加明显 (P <0 .0 5 ) ,R12h增加达高峰 (P <0 .0 5 ) ,R2 4h明显回降并趋于正常水平 (P >0 .0 5 )。结论　I/R后脑组织中NF κB活化明显 ,R12h为活化高峰 ;I/R后脑组织中NF κB活化可能加剧了脑缺血损伤。     

核函数方法在丙烯腈收率软测量建模中的应用

介绍了核函数方法的基本原理及两种核函数统计建模方法;提出了用核函数PLS与核函数PCR建立工业丙烯腈生产过程丙烯腈收率软测量模型,以便更有效地处理过程非线性、多输入和数据共线性等复杂特性。对比研究发现,基于核函数方法的软测量模型要优于线性统计模型,而核函数PLS模型性能优于核函数PCR。     

NF-κB信号通路在失血性休克缺血-再灌注肺组织中的变化

目的 :探讨核因子 κB(NF κB)信号通路在失血性休克缺血 再灌注 (I/R)损伤肺组织中的变化及意义。　方法 :建立失血性休克I/R家兔模型。采用原位杂交、免疫组化结合图像分析以及酶联免疫吸附试验 (ELISA)检测实验动物I/R肺组织损伤前后I κB激酶 β(IκK β)mRNA表达和NF κB的活性以及支气管肺泡灌洗液 (BALF)中肿瘤坏死因子 α(TNF α)、白细胞介素 6 (IL 6 )的含量变化。并进行肺组织病理学光镜检查。　结果 :模型组上述指标显著升高 (P均 <0 .0 1) ;I/R损伤动物肺组织明显呈炎症病理改变。　结论 :IκK β激活 /NF κB核移位 /细胞因子释放在失血性休克I/R并发急性肺损伤 (ALI)的病理机制中发挥重要作用。     

基于核函数主元分析的软测量建模方法及应用

提出了基于核函数主元分析(PCA)方法提取变量的特征信息以有效处理非线性数据，并在此基础上进行软测量建模的方法。利用该方法建立了工业萘初馏塔酚油含萘量软测量模型，工业应用结果表明了该方法的有效性和优越性。     

血管紧张素Ⅱ受体与降钙素基因相关肽受体间相互调节在心血管疾病中的意义

血管紧张素Ⅱ受体(ANGⅡR)和降钙素基因相关肽受体(CGRPR)同属于G蛋白藕联受体家族.研究发现,单独激活ANGⅡR或CGRPR和同时激活两受体对细胞的命运表现出不同甚至相反的作用.目前已知,CGRP受体是由降钙素受体样受体(CRLR)、受体活性修饰蛋白-1(RAMP1)、受体组分蛋白(RCP)3个组分组成.ANGⅡR和CGRPR间的相互作用可能发生在细胞膜的信号转导、细胞浆信号通路以及核内的基因转录等水平.本文综述了ANGⅡR和CGRPR在跨膜信号蛋白(如G蛋白及caveolae/caveoilins)、胞浆-胞核内信号蛋白(如NADPH氧化酶、MAPK家族)水平的相互作用,可望从心血管受体间信号整合改变的新视角来解释心血管疾病的发病机制.     

基于核函数主元分析的SVM建模方法及应用

为有效克服线性建模方法在非线性建模方面的不足,将核函数思想引入到主元分析方法(PCA)中,有效提取实验数据中的非线性特征信息,并将其作为支持向量机(SVM)的输入变量,建立工业过程软测量模型。该方法应用于丙烯腈聚合过程中转化率的预报,结果表明:该方法的预测精度优于PCA-SVM方法和KPCA-NN方法。     

一种基于2次核函数支持向量机的多步预测控制算法

提出了一种基于2次多项式核函数支持向量机的多步预测控制方法。通过黑箱辨识和线性化技术得到非线性系统的近似模型,根据预测控制机理,最小化滚动时域的二次型目标函数,利用模型算法控制的方法得到控制器的解析输出。通过一个标准预测模型和一个工业用连续搅拌槽式反应器的模型仿真验证了该控制器的性能,仿真结果表明:该控制器有着良好的预测性能。     

SGLT2抑制剂恩格列净调控Nrf2信号及氧化应激减轻心肌缺血再灌注损伤

目的 观察恩格列净(EMPA)对大鼠心肌缺血再灌注(MI/R)损伤的保护作用，并从核转录因子E2相关因子2(Nrf2)信号探讨其可能的机制。方法 40只成年SD大鼠随机分为4组：对照组(control)、MI/R组、EMPA(2.5μmol/L)处理MI/R组(EMPA+MI/R)以及EMPA联合Nrf2抑制剂ML385(10μmol/L)处理MI/R组(EMPA+ML385+MI/R)。采用大鼠离体心脏缺血40 min再灌注2 h建立缺血再灌注模型，用氯化三苯基四氮唑(TTC)、苏木素-伊红(HE)染色、乳酸脱氢酶(LDH)活性和肌钙蛋白I含量(cTnI)检测心脏损伤程度，以左室收缩峰压(LVSP)和左室舒张末压(LVEDP)评价心脏功能，超氧化物阴离子荧光探针(DHE)观察活性氧(ROS)含量，ELISA检测心肌中丙二醛(MDA)含量、超氧化物歧化酶(SOD)和过氧化氢酶(CAT)活性，Western blot检测cytochrome C、cleaved Caspase-3、Nrf2、HO-1和NQO-1蛋白表达。结果 与control组比较，MI/R组心肌梗死面积、LDH活性和c...     

小波核极限学习机及其在醋酸精馏软测量建模中的应用

传统的机器学习算法一般通过迭代进行参数寻优,导致学习速度慢,且容易陷入局部最小值。针对这个问题,提出了一种基于小波核函数的极限学习机（KEML）的软测量建模方法,将支持向量机（SVM）中核函数的思想运用到极限学习机（EML）中,避免了SVM训练速度慢以及ELM算法不稳定的缺点。将KEML算法运用于醋酸精馏的软测量建模问题中,仿真实验结果验证了该算法的学习速度是SVM的92倍,且算法的精度以及模型的泛化能力都有所提高。     

基于核函数PCA的非线性过程实时监控方法

为了克服基于主元分析的过程监控方法非线性处理能力弱的缺点和降低基于非线性主元分析的过程监控方法的计算复杂度，提出了将核函数PCA监控方法用于复杂工业过程实时监控系统的开发研究，并讨论了核函数参数选择对系统性能的影响。核函数PCA能有效地提取过程变量的非线性关系，而且计算复杂度低，便于在线实施。仿真结果表明该方法是一种有前途的复杂过程非线性实时监控技术。     

基于多模型模糊核聚类方法的污水处理过程软测量建模

针对污水处理过程高度非线性及强耦合性的特点,基于多个模型的组合可以提高模型精度和鲁棒性的思想,提出了一种基于 模糊核聚类的多最小二乘支持向量机的软测量建模方法。该方法根据不同工况使用模糊核聚类算法对输入数据进行聚类划分,针对 每个聚类子集用最小二乘支持向量机方法建立子模型,最终通过子模型切换策略得到系统输出。在污水处理过程仿真平台展开验证 工作,对生化需氧量BOD的软测量进行建模,获得了良好的实验结果。     

基于PCA和KPCA特征抽取的SVM网络入侵检测方法

提出一种新颖的基于特征抽取的异常检测方法,应用主分量分析(PCA)和核主分量分析(KPCA)抽取入侵特征,再应用支持向量机(SVM)检测入侵。其中PCA对输入特征做线性变换,而KPCA通过核函数进行非线性变换。利用KDD 99数据集,将PCA-SVM、KPCA-SVM与SVM、PCR、KPCR进行比较,结果显示:在不降低分类器性能的情况下,特征抽取方法能对输入数据有效降维。在各种方法中,KPCA与SVM的结合能得到最优入侵检测性能。     

基于混合核函数的PSO-SVM分类算法

在数据挖掘中,支持向量机是被广泛应用的一种分类算法,其核函数的选择及参数的设定没有有效的标准。本文采用混合核函数构造兼顾学习能力和泛化性能的支持向量机算法,并利用粒子群算法来确定支持向量机的参数。应用基于混合核函数的PSO SVM算法对一个经典的分类测试数据集进行分类,将该算法与单一核函数支持向量机算法的分类结果进行比较,结果表明所提出的算法的分类性能有明显提升。     

最小二乘支持向量机算法在中医临床脉图参数-血压预测模型的应用

目的 提出基于最小二乘支持向量机（LSSVM）算法的学习模型,以提高中医临床血压数据预测的准确度和效率。方法 将LSSVM学习模型应用于中医临床血压数据预测。用LSSVM等式约束代替支持向量机不等式约束,将二次规划问题转化为线性方程求解问题,降低计算复杂性,加快算法收敛速度。收集320例患者的临床脉图参数及血压数据,以其中300例样本作为训练样本,训练得到LSSVM学习模型,以其余20例样本作为测试数据,用得到的LSSVM学习模型根据患者的脉图参数预测血压数据。结果 实验证明,LSSVM学习模型对血压数据有较好的预测准确度。其中基于多项式核函数的LSSVM学习模型较基于径向基核函数LSSVM学习模型表现出更好的学习和预测能力,基于多项式核函数的LSSVM学习模型中收缩压、舒张压、平均动脉压预测结果的平均预测误差分别为7.88%、8.40%、6.67%,低于基于径向基核函数的LSSVM学习模型的预测误差（分别为7.95%、9.70%、7.48%）。结论 本实验提出的基于LSSVM的学习模型仅通过患者的临床脉图参数就可预测患者血压数据,对中医学临床诊断有一定的参考价值。     

基于核密度估计和K均值聚类算法的骨扫描图像分割

目的:探讨K均值聚类的改进算法,并将其应用于全身骨扫描图像的分割?方法:首先对二维全身骨SPECT图像进行锐化?平滑?灰度变换等预处理;其次用核密度估计方法拟合出图像像素概率密度函数曲线,根据曲线的峰值点确定K个初始聚类中心值;再应用K均值聚类对图像进行分割;最后使用模板匹配排除误识别的区域?结果:图像预处理凸显了感兴趣目标,并改善了图像质量;基于核密度估计的K均值聚类算法的Tanimoto相似度系数明显优于传统K均值算法,平均耗时短于其他分割算法?结论:核密度估计有效地避免K均值聚类算法中初始聚类中心选取的盲目性,使聚类结果更为快速?准确?稳定?改进的K均值聚类算法对骨扫描图像分割效果显著,更便于对感兴趣区域进行定性?定量分析?