一种基于T-S模糊模型的自适应建模方法及其应用

提出了一种改进的基于T-S模糊RBF神经网络模型的辨识算法和自适应方法，采用模糊C均值聚类(FCM)算法划分输入输出数据空间，最后将该算法应用于丙烯腈收率的预报，仿真结果表明了这种基于T-S模糊模型的自适应建模方法的有效性。     

一类参数不确定T-S模糊系统的鲁棒控制及仿真

针对一类具有参数不确定的T akag i-Sugeno(T-S)模糊系统,基于模糊区域的概念研究了其鲁棒控制问题。通过将不确定T-S模糊模型转换为不确定T-S模糊区域模型,并利用Lya-punov稳定性理论,导出了线性矩阵不等式(LM I)形式的鲁棒控制器设计方法。相对于传统设计方法,降低了采用线性矩阵不等式方法求解的难度,并具有良好的鲁棒性能。仿真结果验证了该方法的有效性。     

基于粗糙集的T-S模糊神经网络在回转窑烧结过程中的应用

基于粗糙集理论的知识约简方法和T-S模糊神经网络的非线性映射理论,针对回转窑烧结过程被控对象复杂、各参数之间相互耦合及难以建立精确数学模型的特点,提出一种RS-FNN智能控制策略。采用基于一种新的聚类有效性准则函数的模糊C均值聚类算法对连续属性进行离散化;然后利用粗糙集理论由历史数据样本提取约简规则集,对应的T-S模型具有反映数据特征的良好拓扑结构;最后T-S模型参数由梯度下降混合最小二乘法进行精调。该方法应用于铁矿氧化球团回转窑生产过程控制取得了良好效果,增强了系统容错及抗干扰的能力。     

结核分支杆菌MPT64 DNA疫苗的纯化及免疫效果

目的：研究结核分支杆菌MPT64 DNA疫苗经肌肉注射免疫小鼠的效果。方法：通过Qiagen质粒纯化试剂盒纯化质粒DNA;将25只BALB/c小鼠随机分为四组,生理盐水组、载体质粒组和重组质粒组于第0周、第3周、第6周经肌肉注射免疫小鼠各1次,卡介苗组只在0周时皮内注射卡介苗1次;通过ELISA方法检测小鼠血清中抗MPT64抗体。结果：纯化后的JW4303和JW4303-MPT64质粒DNA经电泳证实无RNA污染,OD260/OD280大于1.8,每2000ml培养菌可获得2mg左右的质粒DNA。以三个对照组15只小鼠的血清抗MPT64抗体OD值经x^- 2s为正常界限值,免疫4周时重组质粒组10只小鼠中有4只血清中抗MPT64抗体阳性;免疫7周时有5只小鼠抗体阳性,抗体水平较前略微增高。结论：结核分支杆菌MPT64 DNA疫苗经肌肉注射免疫小鼠只能诱导部分小鼠产生特异的体液免疫应答,免疫效果存在明显的个体差异。     

细乳液法制备聚硅氧烷-Ag纳米复合微球及其抗菌性

模糊建模是一种有效的非线性系统建模方法,因为非线性系统的复杂性,仍有很多问题难以处理。针对T-S模糊模型,提出了一种改进的建模及优化方法。首先,将快速搜索密度峰聚类和模糊C均值聚类(FCM)算法相结合,使用快速搜索密度峰聚类算法找到聚类个数和初始聚类中心后,再用FCM算法进行聚类;然后,通过最小二乘法辨识结论参数得到初始T-S模糊模型,使用改进的差分进化(DE)算法整体优化模型的结构和参数,获得最终的T-S模型;最后,选择代表性实例,使用MATLAB程序进行仿真分析和比较,验证了本文方法能有效提高T-S模糊模型的辨识精度和速度。     

A型流感病毒M基因DNA疫苗载体构建及免疫性研究

目的构建A型流感病毒M基因DNA疫苗质粒载体并对免疫后小鼠体内免疫应答反应进行分析和评价。方法将H3N2亚型流感病毒M基因通过RT-PCR扩增后克隆构建DNA疫苗载体pBudCE4．1-M,并将pBudCE4．1-M质粒体外瞬时转染COS7细胞并通过Western blot鉴定M1蛋白的表达,然后将pBudCE4．1-M质粒免疫小鼠。通过EUSA对小鼠体内生成的M1蛋白IgG抗体进行鉴定。结果M基因被成功克隆到质粒载体pBudCE4．1上,并在体外COS7细胞中表达出28kD的M1蛋白。疫苗质粒免疫小鼠后4周,在小鼠血清中检测到M1蛋白kG抗体的吸光度有明显升高。结论成功构建了一种A型流感病毒M基因DNA疫苗载体,将其免疫小鼠后成功诱导小鼠体内产生了特异性的IgG抗体。     

基于蚁群聚类算法的模糊神经网络

提出了一种基于蚁群聚类的模糊神经网络算法，神经网络采用RBF网络结点结构，聚类采用二级结构蚁群聚类算法作为一级聚类而模糊C-均值聚类(FCM)用于二级聚类。将上述聚类方法用于模糊神经网络构建中，仿真结果表明具有并行实时性、聚类能力强的特点。     

神经网络多模型软测量技术及应用

基于多模型思想，采用模糊聚类的方法对软测量数据进行了分类，对每类数据基于神经网络(NN)建模，采用RBF神经网络构造了每个数据样本的隶属度，将各模型输出的数据进行隶属度加权求和得到最终的软测量输出，并对某催化重整生产装置催化剂再生器氧含量进行了建模研究，获得了满意的结果。     

SARS相关冠状病毒M基因片段的克隆及其DNA疫苗诱导的体液免疫

目的：构建含有SARS相关冠状病毒(severe acute respiratory syndrome coronavirus，SARS—CoV)M基因片段的核酸疫苗，观察其免疫小鼠后病毒特异性抗体产生情况。方法：将合成的M基因片段克隆到核酸疫苗真核表达载体pVAX1中，免疫小鼠后，用SARS—CoV抗体ELISA检测试剂盒定期检测免疫小鼠血清中抗SARS—CoV的病毒特异性抗体水平。结果：构建了重组核酸疫苗质粒pVCo—M，免疫小鼠后可诱导产生出病毒特异性抗体。结论：以M为抗原基因的DNA疫苗能诱导SARS病毒特异性抗体，为进一步改进或探索同类DNA疫苗提供有益启示。     

DNA防龋疫苗经TSG途径免疫BALB/c小鼠实验研究

目的观察编码PAc结构基因A-P片段的重组质粒pCIA-P以经肌肉和颌下腺周围区域皮下注射(TSG)两种途径免疫BALB/c小鼠后的特异性免疫反应,并观察表面蛋白抗原PAc在小鼠颌下腺中的表达。方法将25只BALB/c小鼠随机分为4组,分别以重组质粒pCIA-P经肌肉、颌下腺区周围区域皮下注射两种途径免疫小鼠及pCI质粒和生理盐水肌肉免疫小鼠,ELISA法检测血清和唾液中特异性抗体水平动态变化。将pCIA-P经颌下腺区周围区域皮下注射以免疫组化技术观察表面蛋白抗原PAc。结果颌下腺区皮下注射法免疫后唾液IgA型特异性抗体和血清IgG型特异性抗体均明显升高,并持续数周。肌肉注射法后血清IgG型特异性抗体明显升高,但未有效诱导产生唾液IgA型特异性抗体。在小鼠颌下腺中检测到PAc蛋白的表达。结论重组质粒pCIA-P是一种有效的免疫原,该DNA防龋疫苗经颌下腺周围区域皮下注射免疫是可诱导长期粘膜免疫的有效途径。     

Variances Handling Method of Clinical Pathways Based on T-S Fuzzy Neural Networks with Novel Hybrid Learning Algorithm

Clinical pathways’ variances present complex, fuzzy, uncertain and high-risk characteristics. They could cause complicating diseases or even endanger patients’ life if not handled effectively. In order to improve the accuracy and efficiency of variances handling by Takagi-Sugeno (T-S) fuzzy neural networks (FNNs), a new variances handling method for clinical pathways (CPs) is proposed in this study, which is based on T-S FNNs with novel hybrid learning algorithm. And the optimal structure and parameters can be achieved simultaneously by integrating the random cooperative decomposing particle swarm optimization algorithm (RCDPSO) and discrete binary version of PSO (DPSO) algorithm. Finally, a case study on liver poisoning of osteosarcoma preoperative chemotherapy CP is used to validate the proposed method. The result demonstrates that T-S FNNs based on the proposed algorithm achieves superior performances in efficiency, precision, and generalization ability to standard T-S FNNs, Mamdani FNNs and T-S FNNs based on other algorithms (CPSO and PSO) for variances handling of CPs.     

模糊遗传人工神经网络算法提取乳腺微钙化点的效果

 【目的】微钙化点是早期乳腺癌的重要征象之一，本研究联合运用遗传算法、模糊数学和人工神经网络，建议一种乳腺微钙化点提取的新方法，为乳腺病变的自动识别提供前期处理，为早期乳腺癌的临床诊断提供帮助。【方法】首先利用随机方法产生大量的样本，然后，利用模糊遗传算法对产生的随机样本进行分类，将分类后的样本输入人工神经网络进行训练，将310幅乳腺图像的感兴趣区域输入训练后的人工神经网络分类器进行分类。【结果】与微钙化点提取方面的同类文献相比较，结果表明该算法在相同误检率下得到较高的阳性检出率。【结论】研究表明综合运用遗传算法、模糊数学和人工神经网络进行乳腺微钙化点提取比单纯运用人工神经网络提取效果好。     

基于形态学特征提取的人工神经网络在口腔鳞状细胞癌诊断中的应用

目的 基于形态学图像处理方法,应用径向基神经网络(radial basis function,RBF)寻找一种可行、便捷的方法辅助口腔鳞状细胞癌的诊断.方法 选择口腔鳞状细胞癌和口腔非癌的组织病理切片图像进行形态学方法处理,提取表述特征的向量,作为训练集训练RBF网络;另选择67帧病理图像,包含癌和非癌的病例,作为测试集观察RBF的性能.结果 在RBF网络将测试标本分类结果的分析中可以看到不同输出值分类阈值的选择对应不同的诊断敏感度和特异度.结论 训练后的RBF虽然鉴别阳性、阴性的能力不能和金标准(即病理诊断)相比,但是通过选择不同敏感度和特异度,依然能够有效辅助病理医师,提高诊断效率,发挥机器的优势.     

一种基于RBF网络的参数自调整REM算法

针对传统的随机指数标记（Random Exponential Marking,REM）算法存在参数难以调整的缺陷,提出了一种改进型主动队列管理算法—基于RBF网络的参数自调整REM算法。利用RBF神经网络动态地对算法参数进行调整,使其能够适应不断变化的网络环境。该算法将REM算法在一定条件下近似为比例积分控制,使REM算法参数调节近似等效于比例积分系数的调节,简化了参数调节,提高了算法的实时性。仿真实验表明：该算法优于传统的REM算法,具有良好的鲁棒性及较快的调节速率。     

基于模糊神经网络的乳腺微钙化点检测

在乳腺钼靶x线片计算机辅助诊断中,微钙化点的自动检测是难点问题之一.本文基于模糊神经网络,建议了一种乳腺微钙化点提取的新方法.算法首先利用随机方法产生大量的样本,经模糊判别后,输入神经网络进行训练,训练后的神经网络对感兴趣区域进行分类得到微钙化点.最后,仿真结果同其它算法进行比较,证明本文算法具有更高的阳性检出率。