基于通信的数据驱动分布式预测控制

针对分布式控制系统的特点,提出了一种新型的基于数据的分布式预测控制优化算法。由输入、输出数据直接设计分布式控制器,控制器在各个子系统通信的条件下采用基于纳什最优的分布式控制优化算法,以较低的成本达到整个大系统的性能优化。这种基于数据的方法使传统的预测控制器设计过程中的系统辨识和基于状态空间模型的预测控制简化为直接的一步,即直接利用数据设计分布式控制器。本文给出了这种新型算法的收敛条件,仿真结果证明了该方法的有效性。     

基于双层不变集的多智能体系统事件触发分布式预测控制

针对含有扰动的多智能体系统,提出了基于双层不变集的事件触发鲁棒分布式预测控制策略。在分布式控制结构下,对每个智能体构建了目标函数含有耦合关联项的事件触发分布式预测控制优化问题。利用输入状态稳定性理论,推导出与子系统自身信息以及邻域子系统信息相关的事件触发条件。每个智能体判断事件触发条件,仅当条件满足时,才进行分布式预测控制优化问题的求解以及子系统之间的信息交互。利用双层不变集来保证扰动作用下多智能体系统的鲁棒性能,并在此基础上给出保证算法递推可行性和闭环稳定性的充分条件。最后通过车辆控制系统对算法进行仿真分析,验证了算法的有效性。     

基于非结构化P2P的医疗物联网信息发现

介绍基于P2P的物联网物品信息发现机制相关研究概况,分析比较3种分布式P2P拓扑结构,提出基于非结构化P2P进行物联网的信息发现,即采用基于兴趣的层次化拓扑构建选择和基于兴趣簇的具有自适应能力的搜索算法,并对该算法进行分析。     

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。     

基于语义相似度计算的临床诊断自动编码算法研究

提出一种为中文临床诊断自动进行ICD-10编码的算法,利用分布式语义相似度计算方法计算文本语义相似度,考虑到中文的语言特点,不仅基于词语构建词向量,还基于汉字构建词向量,测试二者对查准率和查全率的影响.结果显示该算法在测试集上获得较高的准确率.     

分布式实时嵌入式系统的能耗建模与分析

为支持分布式实时嵌入式（DRE）系统的能耗分析,提出了一种能耗时延Petri网（ECTPN）对系统的模块、任务、任务间关系、通信协议等进行建模。基于所建DRE的ECTPN模型,分析系统的可调度性和能耗约束,并给出启发式算法来计算满足时间约束和能耗约束的可行调度。最后应用一个实例模拟系统的建模和分析过程,从而直观地展示了该方法的可行性。     

基于共轭梯度算法的BP神经网络在高血压证候诊断中的应用

目的:将基于共轭梯度算法的BP神经网络方法应用于高血压证候诊断。方法:对传统BP算法存在的不足进行改进,采用成比例的共轭梯度算法,建立高血压中医证候诊断模型,并运用检测样本对模型的性能进行评价。结果:总体识别率达89.5%。结论:基于共轭梯度算法的高血压中医证候诊断模型具有较好的诊断、预测能力。     

基于遗传算法的关联规则挖掘研究

对在传统的关联规则挖掘算法下产生的关联规则出现的问题进行分析,引入兴趣度并结合遗传算法的特点,提出一种基于遗传算法的关联规则挖掘算法,通过遗传算法的自适应寻优技术和兴趣度更好地筛选出关联规则。通过实验证明,该算法是有效的。     

分布式防火墙技术

随着网络的发展,网络安全已经越来越重要.防火墙的发展也非常的快.本文主要讲述了分布式防火墙的原理和体系结构.并对现有的几种分布式防火墙的模型和原理做了介绍.它们主要是:基于IPsec的分布式防火墙模型、基于Agent的分布式防火墙模型、基于KeyNote的分布式防火墙模型、基于Kerberos的分布式防火墙模型.     

基于分簇的动态协同算法在无线传感器网络中的应用

为降低无线传感器网络中的能量开销,减少存储和网络资源,采用了一种新的信息融合机制。根据目标的当前地理位置,将无线传感器网络中的节点动态分簇,建立分布式的跟踪机制。利用一种基于信息矩阵加权的卡尔曼算法在该机制下进行目标跟踪,与无分簇机制下的信息矩阵融合算法进行性能比较,仿真实验结果表明该方法具有较高的有效性和可靠性。同时,在网络存在丢包情况下,基于Grubbs准则进行改进,能有效地提高精度。     

基于SEER数据库的结直肠癌预后因素探讨及预后模型构建

分别使用logistic逐步回归法、贝叶斯模型平均法和LASSO回归进行特征变量筛选,分析美国SEER数据库的预后数据,探讨影响结直肠癌预后的相关因素,并应用人工神经网络分类算法构建预后模型,指导结直肠癌预后评价。结果证明,贝叶斯模型平均法结合人工神经网络的混合算法所构建的预后模型准确率最高。     

一种显著误差检测方法在动态数据校正中的应用

在工业过程中,采集和记录的生产数据通常用于过程的控制和在线优化等,因此保证数据的可靠性和准确度具有非常重要的意义。但是在实际情况中,测量数据不可避免地受到误差的影响,而且在生产过程中经常会出现仪表失灵、管道泄漏等现象导致测量数据中出现显著误差,进而导致测量结果严重失实。数据校正是保证工业过程数据准确可靠的主要技术手段。传统的动态数据校正通常采用卡尔曼滤波方法,但当测量数据存在显著误差时,其得到的协调值的可信度较低。为了解决动态数据校正过程中得到的测量数据存在显著误差,导致协调值失实的问题,本文在传统卡尔曼滤波方法的基础上,提出了基于动态贝叶斯模型检测方法进行显著误差的实时侦破。该方法主要通过测量值的滤波,对已经滤波的测量值进行标准化处理,利用扩展贝叶斯网络建立概率分布模型以实现显著误差的检测。根据存在显著误差和正常情况下出现的测量值条件概率大小,判断测量值是否存在显著误差,并根据侦破结果对测量协方差矩阵及卡尔曼增益等参数进行更新,以提高协调值的精度。通过实例仿真对比验证了基于动态贝叶斯的检测方法可以有效地侦破显著误差,并且可以通过参数实时调整提高了存在显著误差时协调值的精度。     

一种新的基于纠正正弦图探测值的PET图像Bayesian重建算法

目的 提出一种新的耦合反馈(CF)修改观测值的迭代模型以进一步改进正电子发射成像(PET)的Bayesian重建.方法 在PET重建的迭代过程中,此种负反馈迭代算法利用最近的一次重建图像来更新有噪声的探测到的发射正弦图数据.对此重建图像的相关操作包括线性滤波、维纳滤波和对重建图像的投影.研究中使用的正弦图数据来自模拟体模数据.结果 实验及对于重建图像的视觉和量化比较表明,所提出的新的重建算法要优于传统的Bayesian重建,能够进一步提高PET图像的质量.结论 文中提出的修改观测值的CF迭代模型能够在一定程度上改善原始测量数据,能够应用于PET图像重建或其他原始数据噪声较大的重建问题.     

一种改进的基于案例推理的建模算法

基于案例推理的方法是一种基于知识获取的方法,也是一种新型的基于数据驱动的建模方法。基于案例推理的核心是案例检索。针对基于案例推理系统中案例检索工作,本文提出了一种改进的K最近邻回归建模算法。首先,基于聚类思想的最近邻回归算法可以实现对案例库的有效划分,从而提高案例检索质量;其次,针对K最近邻算法中邻居个数的选取问题,采用粒子群算法确定需要的邻居个数,取代传统的依靠经验确定邻居个数K的做法。通过对Mackey Glass混沌时间序列数据进行仿真预测,验证了该方法的可行性。     

基于贝叶斯网络高斯混合模型医学图像检索的研究

结合医学影像诊断的实际情况,提出一种基于贝叶斯网络高斯混合模型的医学图像检索方法。算法首先引入条件高斯模型,将连续变量模糊离散化,再利用贝叶斯网络对医学图像进行语义建模,并最终完成基于内容的图像检索。实验采用医学图像库中的CT和MRI影像样本进行仿真,仿真结果显示,这种方法是有效的,可以满足医生的一般需要。     

人工神经网络在肾小球滤过率估算中的应用

目的 建立一个适用于中国慢性肾脏病人群的肾小球滤过率估算模型,基于人体体征及血清肌酐来估算肾小球滤过率.方法 采用人工神经网络方法中的广义回归神经网络(generalized regression neural network,GRNN)方法,基于562例训练样本集建立模型,在独立的269例验证样本集中验证模型性能,与...     

基于虚拟切片的体视学模型仿真与分析

目的 建立虚拟组织切片的体视学模型,并以软件系统作为实现手段,模拟虚拟切片过程,为体视学的理论提供一个客观实证工具.方法 以数学手段描述组织切片可能出现的二维形态特征,模拟切片过程,将所得到的数据进行数值分析,与经验公式进行了拟合比较.结果 基于此算法可实现虚拟随机模拟切片,经拟合优度检验数据分布的均匀性检验通过率达94.5％以上.独立性检验通过率达92％以上.且均符合正态性要求.经线性和曲线拟合能够得到与经验公式相一致的体视学参数相关关系.结论 本文所述算法具有可行性,可以反映数值模拟结果的正确性.     

WebDISCO: a web service for distributed cox model learning without patient-level data sharing

Objective The Cox proportional hazards model is a widely used method for analyzing survival data. To achieve sufficient statistical power in a survival analysis, it usually requires a large amount of data. Data sharing across institutions could be a potential workaround for providing this added power.Methods and materials The authors develop a web service for distributed Cox model learning (WebDISCO), which focuses on the proof-of-concept and algorithm development for federated survival analysis. The sensitive patient-level data can be processed locally and only the less-sensitive intermediate statistics are exchanged to build a global Cox model. Mathematical derivation shows that the proposed distributed algorithm is identical to the centralized Cox model.Results The authors evaluated the proposed framework at the University of California, San Diego (UCSD), Emory, and Duke. The experimental results show that both distributed and centralized models result in near-identical model coefficients with differences in the range 10^?15 to 10^?12. The results confirm the mathematical derivation and show that the implementation of the distributed model can achieve the same results as the centralized implementation.Limitation The proposed method serves as a proof of concept, in which a publicly available dataset was used to evaluate the performance. The authors do not intend to suggest that this method can resolve policy and engineering issues related to the federated use of institutional data, but they should serve as evidence of the technical feasibility of the proposed approach.Conclusions WebDISCO (Web-based Distributed Cox Regression Model; https://webdisco.ucsd-dbmi.org:8443/cox/) provides a proof-of-concept web service that implements a distributed algorithm to conduct distributed survival analysis without sharing patient level data.     

运动配准先验图像的4D-CBCT优质重建

四维锥束CT（4D-CBCT）成像可以为图像引导放射治疗提供精确的实时呼吸运动定位信息,如何提高4D-CBCT重建图像 的精确度是目前研究的热点,压缩感知方法（PICCS）算法在基于压缩感知（CS）理论的所有4D-CBCT重建算法中表现上佳,本 文提出的改进先验图像的PICCS算法在传统PICCS算法基础上针对先验图像进行改进,按照每一个相位的位置信息构建其对 应的先验图像,消除了投影数据不匹配所导致的重建图像运动模糊的现象,实验结果展示了文章方法相比传统的PICCS重建结 果组织边界更加清晰,运动伪影减少,图像分辨率提高。     

一种基于注册表的分布式入侵检测系统

提出了一种基于Windows注册表的分布式入侵检测系统(RIDS)的结构。讨论了以Windows注册表作为检测分析数据源的优势以及恶意行为对注册表的影响。给出了RIDS信息源数据模型，入侵分析算法，传感器、检测器、数据仓库的构成。对该类入侵检测系统的研究，将有助于丰富基于主机的入侵检测系统的检测手段。