基于GLR-NT的显著误差检测与数据协调

提出了一种广义似然比法（Generalized Likelihood Ratio, GLR）与节点检测法 (Nodal Test, NT)组合的显著误差检测和稳态数据协调方法。该方法充分发挥了GLR法和NT法的优点,采用逐次侦破、补偿校正的策略,避免了传统显著误差侦破方法中系数矩阵降秩问题,并且融入了测量变量的上、下限约束,最终实现显著误差的侦破、识别、处理和测量数据的协调。仿真结果显示：该方法对多显著误差特别是误差幅度较小或出现节点大显著误差相互抵消的情况具有较好的性能,优于单独的GLR法和NT-MT法。一个实例验证了该算法的有效性。     

基于Cauchy鲁棒函数的UKF改进算法

对于大多数实际系统,其噪声统计特性未知,不敏卡尔曼滤波(unscented Kalman filter,UKF)算法对噪声信息不准的鲁棒性较差,导致滤波精度急剧下降,甚至滤波发散。借助鲁棒数据校正的思想,提出了一种基于Cauchy鲁棒函数的UKF改进算法。以UKF的测量先验值与其实际值的残差作为基准,采用联合权函数对噪声估计值进行实时修正,从而提高了UKF算法的精度。通过两个实例的仿真,验证该算法的有效性。     

基于改进残差的显著误差检测方法

运用投影矩阵法提出了一种表征测量误差程度的不可检测误差系数(UI)。UI值越高,说明测量误差与实际误差之间的差值越大,具有较高UI值的测量值容易出现显著误差漏报的现象。本文采用UI值对所有测量值误差进行修正,并将改进后的误差应用到显著误差检测中,以提高显著误差检测的准确度。仿真结果表明,基于改进残差的显著误差的检测方法能够提高显著误差的检测精度。     

基于多项式滤波的化工过程数据预处理

用多项式滤波预处理化工过程数据时,多项式滤波的除噪效果与多项式次数和数据点数目有关.当选取的数据点数目不大时,提出一种根据中位数选取多项式次数的方法,以提高多项式滤波的除噪效果.基于该方法,同时研究了多项式滤波的过失误差侦破性能.选取一反应釜系统进行仿真运算,计算结果表明,基于中位数选取多项式次数的方法能有效地除噪、有效地侦破过失误差.     

基于极大后验的样本集补全

虽然DCS系统可以实时地采集大量过程工业生产现场的操作数据,但仅有少量的数据可用作软测量模型的辅助变量样本,大部分反映质量指标的主导变量样本需要通过较长时间的人工分析或在线质量仪器获取,导致了软测量模型的训练样本收集困难,绝大多数DCS系统采集的数据无法有效利用,影响了机器学习的精度。针对以上问题,采用最大熵方法估计软测量模型变量的概率分布,结合聚类方法,对样本集中缺少人工分析值的部分采用贝叶斯极大后验估计方法进行补全。仿真结果证明：该方法可以对样本的缺失部分进行有效补全,从而增加可用样本的数量,提高模型的训练精度。     

卡尔曼滤波在盾构姿态测量中的应用

三点法是一种传统的实时计算刚体三姿态角（滚动角、俯仰角和水平角）的方法。在盾构掘进过程中,观测点测量不同步会导致较大的姿态测量误差。采用卡尔曼滤波对观测点的坐标进行预测补偿来提高测量精度。建立系统运动的状态方程和量测方程,对系统噪声和量测噪声的协方差进行估计,通过递归运算对观测点坐标进行预测,蒙特卡洛仿真结果表明,这种处理方式优于传统三点法测量效果。仿真实验和测量实验结果都表明卡尔曼滤波算法既可以明显减小姿态角测量误差,又对随机系统噪声和量测噪声引起的姿态角误差具有抑制作用。     

一种新的数据二阶特征估计算法及其在数据校正中的应用

在许多数据分析,尤其是数据校正过程中,需要知道数据的二阶特征。现行的二阶特征算法通常是对方差的估计,算法存在共同的局限性,即假定样本中不含有显著误差,并且服从正态分布。这种假定在许多实际情况中是不能满足的,从而使算法的应用受到了限制。针对常用算法的局限性,本文提出了一种新的数据二阶特征估计算法。该算法基于序列的关联性理论,通过对信号或然误差的实时估计实现对数据等效二阶特征的估计。理论分析和仿真实例验证了新算法的有效性。     

一种基于F统计量的改进型显著误差检测方法

工业过程采集的数据的可靠性和准确度直接影响到过程控制、调度及优化等。讨论了数据校正的原理及应用,分析了显著误差检测的意义以及显著误差检测的基本原理。在对两种传统的基于统计量的显著误差检测法讨论的基础上,提出了一种基于F统计量的NT MT显著误差检测方法。该方法将两种传统方法运用其中,仿真结果表明,基于F统计量的改进NT MT方法给出了很好的检测效果,对显著误差的灵敏度很高。     

化工过程系统的多层数据调和框架

过程数据的可靠性和一致性在化工过程系统中是非常重要的。过程的测量数据一般含有随机误差和显著误差,必须应用数据调和与显著误差检测技术来减小过程测量数据的误差。测量数据具有不同的类型。针对不同类型的测量数据的数据调和问题,提出了一种多层数据调和框架。此框架可以根据不同的测量数据选择不同层次的机理模型,进行数据调和。不同类型的测量数据的数据调和问题分为三层：第一层是基于总物料平衡层,第二层是基于物料和组分平衡层,第三层是基于严格机理模型层。在此数据调和框架中,应用加权最小二乘目标函数作为调和目标,采用鲁棒高效的显著误差检测方法。基于此框架,对于化工过程系统的测量信息的不同,均可选择合理的模型有效地对测量数据进行数据调和。联塔系统和空气分离系统的数值模拟试验说明了此框架的灵活性和有效性。     

基于引导滤波的多图谱医学图像分割

目的为了有效的利用图谱的先验信息和待分割图像的灰度信息,并在融合标号图像的过程中校正配准引起的误差,得到
光滑、准确的分割结果,提出了一种新的基于引导滤波的多图谱医学图像分割方法。方法本文将多图谱配准与引导滤波相结
合。该方法包含4个部分：第一部分为多图谱配准,通过配准将图谱中存储的形状先验信息映射到待分割图像;第二部为标号融
合,利用配准的相似性作为权重,将形变后的标号图像融合在一起;第三部分为引导滤波,利用引导滤波引入待分割图像的灰度
信息,可以校正配准引起的误差;最后通过阈值处理,得到最终的分割结果。结果对15例脑部MR图像数据中的海马体进行分
割实验,左、右海马体分别达到了86%及87.4%的分割精度,与传统的标号融合算法相比,平均分割精度提升了2.4%。结论本
文方法结合多配谱配准与引导滤波的优势,提高了海马的分割精度,并得到光滑有效的分割精度。
     

贝叶斯网络在中药活血化瘀功效预测中的应用

目的应用贝叶斯网络学习算法预测中药活血化瘀功效。方法在中医药理论的指导下,利用贝叶斯网络学习算法,研究了55味常用中药的活血化瘀功效与9个药理指标之间的关联关系,得到贝叶斯网络结构和条件概率表。结果利用建立的贝叶斯网络功效与药理的关系模型进行数据分析,预测了中药有活血化瘀功效的概率值。结论贝叶斯网络可用于中药或中药组分功效的预测,为发现中药功效研究提供了一种新的思路。     

Diagnosis of Chronic Kidney Disease Based on Support Vector Machine by Feature Selection Methods

As Chronic Kidney Disease progresses slowly, early detection and effective treatment are the only cure to reduce the mortality rate. Machine learning techniques are gaining significance in medical diagnosis because of their classification ability with high accuracy rates. The accuracy of classification algorithms depend on the use of correct feature selection algorithms to reduce the dimension of datasets. In this study, Support Vector Machine classification algorithm was used to diagnose Chronic Kidney Disease. To diagnose the Chronic Kidney Disease, two essential types of feature selection methods namely, wrapper and filter approaches were chosen to reduce the dimension of Chronic Kidney Disease dataset. In wrapper approach, classifier subset evaluator with greedy stepwise search engine and wrapper subset evaluator with the Best First search engine were used. In filter approach, correlation feature selection subset evaluator with greedy stepwise search engine and filtered subset evaluator with the Best First search engine were used. The results showed that the Support Vector Machine classifier by using filtered subset evaluator with the Best First search engine feature selection method has higher accuracy rate (98.5%) in the diagnosis of Chronic Kidney Disease compared to other selected methods.     

全自动血沉压积动态分析仪偏态评价

目的 评价全自动血沉压积动态分析仪测定红细胞沉降率结果的准确性和可靠性.方法 采用全自动血沉压积动态分析仪红外线探测技术法和魏氏手工法对221例样本进行同步测定分析,对测定的结果进行统计学分析与比较.结果 全自动血沉动态分析仪仪器重复性检测,CV值均小于10％,重复性好,精密度符合卫生部临检中心要求.全自动血沉压积动态分析仪所测结果与魏氏手工法的结果在正常范围之内无显著性差异（P＞0.05）,但测得的血沉结果在60 mm/h以上时,与魏氏手工法的结果有显著性差异（P＜0.01）.结论 检测结果经统计学处理后,全自动血沉压积动态分析仪测定正常值范围之内的标本结果,与手工法比对结果无显著性统计学差异（P＞0.05）,显示其在血沉正常值范围的测定可靠性高.测定结果在60 mm/h以上时,测定结果偏高,需以魏氏手工法校正.提示,临床在使用新的全自动血沉压积动态分析仪时,需做偏态评价.     

基于AC1系数的一致性评价方法

在医学研究中,目前常用的对不同测量者或测量方法的一致性评价方法有各自的限制条件,最为熟知的是kappa悖论,为 了克服这些缺陷并获得更高的准确性,本文基于AC1系数理论基础并通过探究偶然一致性和阳性事件率对整体一致性的影响, 提出了一种新的一致性评价方法一致性估计系数（CEA）,并通过模拟及实例对比了kappa、AC1、CEA系数的准确性和稳定性。 本研究为二分类结局的一致性评价提供了一种稳定、可靠的方法选择。     

基于条件证据更新的机动目标分类

以Fagin Halpern Dempster Shafer条件证据理论为依据,提出了一种基于条件证据更新的机动目标分类方法。该方法将空中目标的机种类型与机动状态相互作为条件证据,以获得交叉验证的条件信任度分配函数,并通过识别框架的拓展,实现基本信任度分配的更新。实验结果验证了所提方法能够有效提高目标分类的准确性和可信度。     

急性黄疸型肝炎、胆结石及壶腹周围癌所致黄疸的计量鉴别诊断

本文报告应用概率型的数学模型—最大似然法,演算出对发生黄疸的急性肝炎、胆结石、胆道感染、壶腹部及其周围癌的计量鉴别诊断指数表,并以此表在病人中进行回顾性和前瞻性考核,结果其准确率分别为94.2％和97.1％。序贯试验对前瞻资料考核的结果再次证实计量诊断对上述三类黄疸的诊断准确率高于临床诊断。