一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

二进制量子粒子群优化算法及其在化工过程故障诊断中的应用

针对实际化工生产过程中故障数据缺乏,采用适合小样本问题的支持向量机(SVM)对化工过程稳态故障进行诊断。为了保证在线故障诊断的实时性,消除高维监控数据以及系统噪声对故障诊断的干扰,提出了一种新的基于二进制量子粒子群优化(BQPSO)算法和SVM的故障特征选择方法。仿真实验表明:BQPSO算法具有良好的全局搜索能力,能够快速、准确地搜索到故障特征变量;而基于特征选择的SVM故障诊断方法能可靠地实现对复杂化工过程的在线故障诊断。     

基于SIFT和RANSAC的特征图像匹配方法

针对目前普通图像匹配抗干扰能力不强的问题,将尺度不变特征变换（SIFT）和随机采样一致性（RANSAC）算法结合,提出了一种适应性强的图像匹配算法。首先对图像进行SIFT特征提取,利用最优节点优先搜索并计算最近邻特征向量与次最近邻向量间的欧式距离比来加速完成特征点对预匹配。在此基础上引入随机抽样一致性（RANSAC）算法去除不可靠的匹配对。最后根据匹配点对计算出图像间透射变换的参数。实验结果表明：该匹配算法具有尺度、旋转不变性以及一定的仿射不变性、抗干扰性,可以实现目标物体匹配。     

基于蚁群算法的故障识别

提出了一种新的基于蚁群算法的故障诊断知识获取算法。该算法将故障诊断中故障的识别分类问题转化为求解带约束的最优化聚类问题，并应用改进的蚁群算法，基于群体的协作与学习求解这一聚类问题。将该方法应用于一化学反应器的故障诊断过程，结果表明该算法具有实现简单、收敛速度快、本质分布式并行性、鲁棒性强以及故障识别结果可靠等优点。     

两群替代微粒群优化算法及其应用

提出一种两群替代微粒群优化算法（TSSPSO），并对算法参数进行分析和对算法方程进行修正。该方法将微粒分成飞行方向不同的两分群，其中一分群微粒朝着最优微粒飞行，另一分群微粒朝着相反方向飞行；飞行时，每一微粒不仅受到微粒本身飞行经验和本分群最优微粒的影响，还受到全群最优微粒的影响。搜索时，每一次迭代均以一定的替代率用一分群中若干优势微粒取代另一分群中相同数目的劣势微粒。对4种常用函数的优化问题进行测试并进行比较，结果表明：两群替代微粒群优化算法比基本微粒群优化算法更容易找到全局最优解，优化效率和优化性能明显提高。将两群替代微粒群优化算法用于常压塔汽油干点软测量，建立基于两群替代微粒群优化算法的汽油干点神经网络软测量模型，通过与实际工业数据的比较，表明基于两群替代微粒群神经网络的软测量模型精度高、性能好。     

荧光定量PCR检测性病的结果分析

目的通过荧光定量PCR（FQ—PCR）法对支原体（UU）、衣原体（CT）、淋球菌（NGH）、人乳头瘤病毒（HPV）检测数据，论证该方法在性病诊断中的价值。方法采用荧光定量PCR（FQ-PCR）法对疑有泌尿、生殖系感染及不孕的630例女性患者的宫颈分泌物做检测。结果630例样本中呈阳性的有292例，阳性率为46．34％，其中，支原体、衣原体、乳头瘤病毒、淋球菌分别占阳性总人数的34．28％、9．84％、1．75％、0．48％。结论采用荧光定量PCR（FQ-PCR）法，提高了检测的准确性。对临床治疗效果起到促进作用。     

载脂蛋白（a）亚型与脑梗塞的病因学联系

为探讨Ｌｐ（ａ），ａｐｏ（ａ）与脑梗塞病因学的关系，阐明ａｐｏ（ａ）基因表型对脑梗塞的调控和用，检测了９０例经ＣＴ确诊的脑梗塞患者血清Ｌｐ（ａ）含量，并分离出１３种ａｐｏ（ａ）表型，与对照（以年龄，性别配比）比较，结果表明：高Ｌｐ（ａ）者（≥３０ｍｇ／ｄｌ）患脑梗塞的危险性为正常者（〈３０ｍｇ／ｄｌ）的３．５６倍（Ｐ〈０．０１），ａｐｏ（ａ）分子量与Ｌｐ（ａ）水平呈高度负相关，ｒ＝－０．４８１，说     

基于优势肽和免疫记忆的混合蚁群算法

为了克服基本蚁群算法求解速度慢、易于出现早熟和停滞现象的缺陷,借鉴免疫算法中的免疫记忆和优势肽选择继承的思想,提出了基于优势肽和免疫记忆的混合蚁群算法（SPIM-ACA）。该算法在原有蚁群模型基础上增加内部记忆库,将记忆库中的解对应免疫抗体,将问题对应为抗原,运用免疫算子和优势肽选择算法进行新解的构造和记忆库的更新。将该算法从解的质量和多样性方面与传统蚁群算法、免疫算法及已有的改进算法进行了比较,结果表明：本文提出的算法不但明显提高了两个传统算法的性能,而且为解决其他组合优化问题提供了一个新的思路。     

人血清载脂蛋白（a）多态性的免疫印迹技术测定及应用

脂蛋白（ａ）是冠心病的独立危险因素，其血浆水平不同程度地受载脂蛋白（ａ）多态性影响。应用载脂蛋白（ａ）单克隆抗体建立的血清载脂蛋白（ａ）多态表型免疫印迹分析技术，特异性强，灵敏度高，在２３０例人群中初步应用，表型检出率达７９．６％，该方法有助于对冠心病易感人群进行预测预防。     

晨尿代替24小时尿标本测定Upro、Ucre、PCI值的临床应用

本文测定了２３７人次青年运动员、２５人次本科学生及５０名各类肾脏疾病病人晨尿及２４小时的尿蛋白（Ｕｐｒｏ）、尿肌酐（Ｕｃｒｅ）及尿蛋白肌酐指数（ＰＣＩ）三项指标。结果表明，运动员男（１９１）、女（４８）与大学生组的三项指标二者间差异无显著性（Ｐ＞０．０５），而各类肾脏疾病组三项指标均明显高于运动员与大学生组（Ｐ＜０．００１）。同时对２４小时尿蛋白定量与晨尿的ＰＣＩ值进行了相关与回归处理，结果显示两者呈显著正相关（ｒ＝０．７８７）。从而表明晨尿的ＰＣＩ值完全可以代替２４小时尿蛋白定量，作为衡量肾脏疾病的一项指标。     

故障模型及三级分解估计算法

本文给出了通用故障模型、故障检测方法、故障可检测与诊断的充要条件及故障估计的三级分解算法。仿真工作表明本方法是有效和可行的。     

基于改进的自组织映射网络的化工过程故障分类辨识

将自组织映射网络(SOM)应用于化工过程故障数据的分类辨识,并采用粒子群优化(PSO)算法优化权重失真指数(LW D I),代替SOM的启发式训练算法,形成粒子群优化的SOM(PSO-SOM)分类算法。以某工厂甲醇合成反应器数据为研究对象,研究结果表明:对比基本SOM算法,PSO-SOM算法对复杂的故障数据能够得到较优的分类辨识结果,对甲醇合成生产中的故障诊断有非常显著的指导作用。     

遗传算法优化BP神经网络的老年痴呆症智能诊断

为了提高BP神经网络对疾病诊断的效率和预测准确率,提出一种遗传算法优化BP神经网络的老年痴呆症智能诊断模型,并以医院电子病历数据挖掘为例,对老年痴呆症诊断建立预测模型。该方法首先利用遗传算法的搜索寻优技术进行特征约简,然后将约简后的特征作为BP神经网络的输入变量,训练和构建BP神经网络模型。仿真实验在Matlab软件平台上进行,结果表明：与单BP神经网络相比,遗传算法优化BP神经网络能够降低模型训练时间、提高预测精度,是一种切实可行的老年痴呆症辅助诊断方法。     

基于小波网络的非稳态故障诊断方法

针对现有ＢＰ网络在故障诊断中存在的缺陷，提出了利用小波函数构造故障诊断神经元网络，利用变尺度算法进行网络训练，加快了网络的训练速度。并交结果运用到一个ＣＳＴＲ非稳态故障诊断的过程中，仿真实例表明，小波网络较ＢＰ网络具有更好的故障诊断能力。     

IPCA在故障检测与分离中的应用

针对现有ＢＰ网络在故障诊断中存在的缺陷，提出了利用小波函数构造故障诊断神经元网络，利用变尺度算法进行网络训练，加快了网络的训练速度。并交结果运用到一个ＣＳＴＲ非稳态故障诊断的过程中，仿真实例表明，小波网络较ＢＰ网络具有更好的故障诊断能力。     

组合蚁群算法及其化工应用

针对连续空间优化问题,提出基于新型蚁群算法和模式搜索策略的组合蚁群优化算法。该算法将解空间的每维变量都划分成若干子域,根据每维变量各个子域中信息量占每维变量总信息量的比例来决定蚂蚁在各个子域间的转移,并在各子域中引入遗传操作实现蚂蚁品质的提升。同时,当最优解经过若干代没有改进时,对所有蚂蚁通过模式搜索策略加快收敛进程。以非线性连续优化问题为例进行仿真,结果表明:该方法比遗传算法具有更好的性能。最后,将该算法应用于反应动力学模型参数估计,取得良好的效果。     

基于优化Apriori算法的中风病证治规律研究

在概述关联规则算法及算法优化的基础上,针对中医治疗中风病诊疗方案中的方剂配伍规律展开探索,建立中医电子病历数据库,使用经典关联规则Apriori算法对数据进行处理和分析,引入相关性度量参数Kulc和IR优化挖掘结果,去除伪强关联规则,得到相关性强且有理论意义的药物配置组合,为中医治疗中风病遗方用药提供理论指导和参考。