用于伽玛刀手术设计的算法研究

提出一种基于腐蚀算法和遗传算法的伽玛刀手术设计方法.首先用腐蚀算法,找到靶点中心的可行区域,将靶点限制在目标体之内,然后用遗传算法寻找每个靶点的半径和靶点中心的最佳位置.在遗传算法中,重点研究了基因编码,初始种群,适应值函数和交叉操作.该算法不要求被寻优函数连续可微,其增加的计算量不大.使用该算法进行的手术设计算例表明,靶点能够覆盖目标体体积的90%以上,能够满足实际手术的要求.     

基于AHLO与K均值聚类的图像分割算法

针对图像分割中K均值算法全局搜索能力差、初始聚类中心选择敏感的问题,提出了一种将自适应人类优化算法与K均值算法相结合的聚类算法.该算法利用自适应人类学习优化算法初始化聚类中心,提高K均值算法的稳健性.结果表明,该算法聚类得到的标准差相比传统K均值算法和基于粒子群K均值(PSO-Kmeans)算法分别小两个数量级和一个数量级,同时图像分割得到的PSNR值均较高,具有算法收敛速度更快,聚类质量更好,图像分割效果更好,适应性更强的优点.     

用于伽玛刀手术设计的算法研究

提出一种基于腐蚀算法和遗传算法的伽玛刀手术设计方法，首先用腐蚀算法，找到靶点中心的可行区域，将靶点限制在目标体之内，然后用遗传算法寻找每个靶点的半径和靶点中心的最佳位置，在遗传算法中，重点研究了基因编码，初始种群，适应值函数和交叉操作，该算法不要求被寻优函数连续可微，其增加的计算量不大，使用该算法进行的手术设计算例表明，靶点能够覆盖目标体体积的90％以上，能够满足实际手术的要求。     

基于改进遗传K-均值算法的多品种小批量订单分批方法

针对货品种类多且库位分散的多品种小批量订单问题,构建了以订单相似度最高为目标的分批拣选优化模型,并采用改进遗传K-均值算法对模型进行求解。针对传统K-均值算法中K值人为确定造成聚类结果误差大的缺点,采用密度和最小距离综合最优指标确定多个初始聚类中心,并运用改进遗传K-均值算法确定最优分批数量,进行订单分批优化;得到分批结果后,用穿越式路径方法计算拣选距离,并与简单分批得到的距离进行对比。以某机械设备生产公司售后服务备件仓的订单分批拣选问题为对象进行仿真实验,结果表明该方法有效。     

一种改进的粒子群优化快速聚类算法

提出了一种改进的基于粒子群优化的快速K均值算法,有效克服了K均值算法对初始聚类中心敏感和容易陷入局部最优从而影响聚类效果等缺点.与已有的粒子群优化聚类算法相比,该算法通过对样本各维属性进行规范化,预先计算样本的相异度矩阵,提出了一种简化的粒子的编码规则,基于相异度矩阵进行粒子群优化K均值聚类,在保证聚类效果的基础上,有效降低了计算的复杂度.在多个UCI数据集上的实验结果表明,该算法是有效的。     

基于网络药理学研究苦瓜活性成分治疗肺癌的潜在靶点及作用机制

肺癌的发病率和死亡率较高,是严重威胁人类生命健康的恶性肿瘤之一.苦瓜作为药食两用的植物,其活性提取物虽已经被用于肺癌的治疗,但是其对于肺癌的作用机制并不明确.通过文献检索和PubChem构建苦瓜活性成分数据库,并预测活性成分可能的作用靶点,同时检索疾病数据库获取肺癌相关靶点,将苦瓜中活性成分的作用靶点与肺癌疾病靶点相映射得到苦瓜治疗肺癌的潜在靶点;通过网络构建和拓扑异构分析,筛选苦瓜中治疗肺癌的关键化合物和核心靶点,并对潜在靶点基因进行GO功能注释和KEGG通路分析.网络药理学分析结果显示:苦瓜可能主要通过Charantoside V、Caffeic acid、Goyaglycoside a等活性成分作用于AKT1、ALB、EGFR、SRC等靶点,这些活性成分参与了信号转导、凋亡过程的负调控、细胞增殖等生物学过程;关键基因主要富集在PI3K-AKT信号通路、HIF-1信号通路、癌症途径等多条信号通路.研究结果表明,苦瓜通过多化合物、多靶点和多通路的共同作用对肺肿瘤细胞增殖进行抑制,为肺癌新药开发提供理论依据.     

二苯基嘧啶类化合物抗癌活性的研究进展

二苯基嘧啶类化合物（DPPYs）因其特有的骨架结构能与癌细胞中的多种靶点结合，其中很多化合物还具有活性高、选择性好和抗突变株能力强等优点，多个化合物处于临床研究中，代表性药物奥希替尼已于2015年被美国食品药品监督管理局（FDA）批准上市且很快成为“重磅炸弹药物”。根据不同的靶点将该类化合物分为六类，综述了国内外DPPYs的抗癌活性研究进展。对于具有多靶点活性的部分化合物，将其归类到靶点研究最为深入的抑制剂中。DPPYs在抗癌药物研究中前景广阔，值得关注。     

基于最小方差的自适应K-均值初始化方法

K-均值算法对初始聚类中心敏感,聚类结果随不同初始聚类中心波动。针对以上问题,提出一种基于最小方差的自适应K-均值初始化方法,使初始聚类中心分布在K个不同样本密集区域,聚类结果收敛到全局最优。首先,根据样本空间分布信息,计算样本方差得到样本紧密度信息,并基于样本紧密度选出满足条件的候选初始聚类中心;然后,对候选初始聚类中心进行处理,筛选出K个初始聚类中心。实验证明,算法具有较高的聚类性能,对噪声和孤立点具有较好的鲁棒性,且适合对大规模数据集聚类。     

三维双靶点圆弧内切线中靶控制技术

江汉油田已步入勘探开发后期,寻找剩余油,挖潜增效已成为当前的首要任务。王4斜—3—12B井三维双靶井的设计与施工,改变了过去多靶点连线方位与井口在同一铅垂面上的二维多目标井的钻井模式。采用三维双靶点圆弧内切线中靶控制技术,打双靶变方位多目标井,为今后开发断块油藏和不同油层间的剩余油提供了成功的钻井经验。     

基于K均值聚类的定位算法分析

在描述了聚类算法的基本思想和概念的基础上,介绍了一种常见的聚类算法—K均值和K中心点聚类算法,通过处理认知无线电网络中主用户定位在海量数据中应用K均值聚类算法,对该算法进行分析,仿真结果表明:与传统的主用户定位算法相比,使用K均值聚类算法能够有效地提高定位精度和降低定位算法的复杂度.     

云服务模式下设计方案的优选决策方法

针对云服务模式下设计方案在多目标优选决策过程中未能充分考虑到用户多元化和差异性的需求问题,提出结合质量功能配置和粗糙集理论的设计方案优选决策方法. 该方法在分析云服务模式的基础上,引入用户参与的设计决策过程方式和模糊评价机制,对用户需求进行聚类分析和智能转化. 建立面向用户需求的设计方案评价指标体系,对网络化协同设计过程中的设计方案评价指标的重要度进行准确量化. 遵循科学性与系统性相结合的原则,提出云服务模式下设计方案优选决策三阶模型. 结合粗糙集理论和粗糙逼近理想解法,对该模型进行求解. 以云服务平台上的游艇设计方案为例,验证该方法的有效性和可行性.     

基于粗糙集和ANFIS相结合的配电网故障诊断方法

为了提高配电网故障诊断的准确性和效率,提出了将粗糙集与自适应神经网络模糊系统(adaptive neuro-fuzzy inference system,ANFIS)相结合构建粗糙集和神经网络的智能混合诊断系统,以充分利用粗糙集理论对知识的约简能力和神经网络的容错学习能力.通过粗糙集理论中的信息熵概念对诊断系统输入变量进行合理选择,即选取与故障诊断信息相关性大的参数作为输入,然后利用ANFIS进行建模和参数辨识,并通过训练样本进行学习训练,这样既减少了神经网络的学习训练时间,又提高了诊断的准确度.用该方法对某一实际配电网进行了故障诊断,结果表明:该方法计算速度快,具有良好的容错性能和在线故障诊断潜力.     

基于粗糙集和主成分分析法的电网融冰决策方法

基于粗糙集和主成分分析法建立冰灾数据规则和冰灾应急处理融冰效率函数,提出一种电网冰灾融冰决策新方法．以湖南电网为例,分别运用MATLAB和SPSS软件进行粗糙集和主成分分析法的计算,划分湖南地区覆冰严重程度顺序并建立了融冰效率函数,得到湖南电网效率最高融冰手段,实现输电线路融冰的优化决策．     

基于CPS的协议识别优化算法

目的：自美国将CPS的发展列为重点研究项目,引起了各国广泛的关注。不同于传统的系统,在通信方面,CPS融合了大量的异构网络,其规模远大于现有的控制网络。为提高对协议识别的效率和准确度,并对其进行分类,系统中大量数据传输带来的网络拥堵是我们要解决的主要问题。方法：基于网络流的特征,提出了对协议进行识别的变精度粗糙集的权值计算法和决策构造优化算法。结果：基于变精度粗糙集算法协议识别算法,其准确率可达98.7%。结论：基于变精度粗糙集的决策算法相较于普通决策算法,其识别准确度更高、更容易实现。     

改进人工鱼群优化粗糙集的水电机组故障诊断

针对水电机组大量的现场监测数据信息,基于传统的人工智能方法对故障信息不能及时有效地分析的问题,提出了一种基于改进人工鱼群优化粗糙集的水电机组故障诊断方法．首先,利用鱼群的寻优聚群行为对连续属性进行离散化,然后采用粗糙集理论对离散化后的决策表进行约简,建立故障诊断规则决策表,再用提取的规则对水电机组故障进行诊断．仿真结果表明：与传统方法相比,该算法能够提高水电机组故障诊断的准确率．     

基于模糊聚类和粗糙集的电力系统短期负荷预测

电力系统短期负荷预测中存在大量的不确定因素直接影响到负荷预测结果的准确性,而粗糙集理论能有效地分析和处理各种不精确、不一致、不完整的信息,并从中发现隐含的知识,揭示潜在的规律。将模糊聚类分析和粗糙集理论结合在一起对电力系统短期负荷进行预测。首先通过模糊聚类分析,根据气温、相对湿度以及日类型等影响负荷的因素将负荷历史数据分成若干类,然后应用粗糙集理论分别建立相应的负荷预测模型。采用某电网提供的数据进行负荷预测,结果分析表明该方法有很高的预测精度,从而说明了基于模糊聚类和粗糙集理论的电力系统短期负荷预测方法的优越性。     

基于粗糙集理论的风光蓄互补系统优化模型

为了解决风光波动性对系统安全调度和稳定运行的影响,以系统运行成本最小和系统污染排放量最小为目标,构建风光蓄集成互补系统. 基于粗糙集理论和模糊C均值聚类算法,分别确定多目标调度中经济目标和环境目标的权重;提出基于粒子群变异策略和计及约束边界的信息共享方法的改进粒子群优化(PSO)算法,求解多目标调度优化问题;以我国西南地区某省风光蓄集成互补系统为例开展算例仿真,验证所提模型的科学性和实用性. 研究结果表明,与单目标调度相比,多目标调度兼顾经济性和环境性,所提混合粗糙集-改进粒子群算法的收敛精度更优,提高了系统的经济效益和环境效益. 引入抽水蓄能机组,对于实现系统多能源协同互补运行具有重要的意义.     

影响电力系统短期负荷预测因素的权重分析方法

将负荷预测问题归为多因素问题,影响负荷预测的各因素的重要程度定量为权重。着重对负荷预测的权重分配算法进行了研究,将模糊聚类技术和粗糙集理论结合,利用客观信息熵对影响负荷的因素进行权重分配。该算法首先将负荷预测的大量相关数据进行模糊聚类,然后应用粗糙集理论中的信息熵客观地从负荷预测的实际数据中确定各因素的权重,并将所得权重应用于基于决策树的负荷预测模型中;与其他方法进行了比较,证明了该方法的有效性。     

多类别属性的定序分类模型

经典粗糙集方法是通过不可区分关系来获取知识的,但它对定性属性、定量属性以及准则属性同时出现的定序分类问题就显得无能为力。针对这种情况,给出一种基于扩展粗糙集的决策分析方法,该方法使用“不可区分-相似-优势”关系代替经典粗糙集中的不可区分关系来获取知识的粗糙近似,不但能够解决上述问题而且还能处理决策表中可能存在的不一致现象。最后通过一个实例说明新方法的有效性与优越性。     

粗糙集理论在无线电测控系统效能评判中的应用

粗糙集理论是在集合论基础上发展起来的一项强大的数学分析工具，是一种崭新的智能信息的处理手段，它可以有效地分析和处理不精确、不一致、不完整信息，目前主要应用于模式识别、专家系统、人工神经元网络、决策分析以及知识发现。而无线电测控系统本身的复杂性及规模的庞大性，使其在用一般方法进行效能评估时具有一定困难，故将粗集理论引入了此系统的效能评估中。