柔性两轮自平衡仿人机器人模型分析

用弹簧模仿人的腰椎,对动力学简化模型进行了线性化处理,建立状态空间方程对其进行控制,并从数学角度验证了模型的正确性.     

基于类云模型聚类的多目标数据关联算法

针对多目标跟踪中的数据关联问题,提出一种基于类云模型c-均值聚类的数据关联算法.该算法采用类云模型c-均值聚类算法对目标有效回波进行聚类,将聚类中心作为目标最终观测值,运用最近邻法对聚类中心与航迹进行关联,用Kalman滤波器进行状态估计.实验结果表明,本算法与联合概率数据互联算法相比,跟踪精度高,计算量小,更适应于工程应用.     

烧结混料机筒体的裂纹扩展速度与寿命预测

应用有限元方法对烧结混料机的关键部件筒体的应力、变形进行了分析研究,得到了筒体的应力云图和变形云图;对筒体的裂纹扩展规律及影响裂纹扩展的因素进行了分析,将有限元分析的结果与断裂力学的相关理论结合起来,对烧结混料机筒体进行了裂纹扩展速度预测和剩余寿命预测;分析了裂纹预测曲线与实测值曲线之间的相对误差,验证了预测方法的有效性.     

微波辅助提取丁香酚研究

采用微波辅助碱液直接蒸馏提取紫丁香中的丁香酚,一次提取物经GC检测丁香酚含量达96.2%,提取率为12.0%,分别比水蒸气蒸馏法高21.7%和14.6%,比普通碱液蒸馏高6.9%和9.2%;用GC-MS与标准样品比较证明组成确定且杂质组成相对简单。结果表明,微波辅助碱液蒸馏法不仅提高了丁香酚的一次提取率,且无有机溶剂残留,有利于进一步开发其高纯产品和生物制剂。     

钩端螺旋体黄疸出血群赖株LipL41基因的克隆表达及鉴定

目的　对钩体黄疸出血群赖株LipL4 1基因进行克隆、表达及鉴定。方法　采用高保真PCR ,从我国钩体黄疸出血群赖株基因组中扩增全长LipL4 1基因片段 ,并构建原核表达系统。结果　所克隆的LipL4 1基因核苷酸和氨基酸序列与已发表LipL4 1基因序列 (GenbankL4 6 794 )同源性分别为 96 2 5 %和 98 87% ;所表达的目的蛋白经Westernblot证实为具有良好免疫反应性的广谱抗原。结论　可作为研制基因工程疫苗的候选抗原     

高压隔离开关状态智能感知系统设计与实现

针对高压隔离开关运行维护中经常出现的触头发热、机构卡涩等问题,本文设计了一套状态智能感知系统,实现隔离开关触头温升、分合闸位置双确认、可视化校验等运行状态的实时监测及评估,本文设计的状态感知系统有利于增强隔离开关运行可靠性及运维便捷性,有效提升高压开关设备智能化水平,是变电站高压开关设备一二次融合的有益探索.     

基于灰色关联法的生理信号与情绪关联度研究

明确生理信号与情绪的关联度对提高情绪识别正确率起重要作用,然而目前关于两者的关联度研究成果比较少。为研究生理信号与情绪的关联度,采用德国Augsburg大学生理信号数据库的数据,基于灰色关联法研究喜、怒、哀情绪与心电、呼吸、皮肤电导信号的关联度,在此基础上,根据关联度结果采用CHAID决策树和SVM分类法进行情绪识别与分析。研究结果表明：（1）喜、怒、哀3种情绪与呼吸信号关联度最高,与皮肤电导关联度次之,与心电关联度最低;（2）基于CHAID决策树和SVM对3种情绪下的3种生理信号进行情绪识别,验证了喜、怒、哀与心电、呼吸、皮肤电导信号的关联程度。     

基于多源知识图谱融合的智能导诊算法

患者网上挂号时常有挂错科室的现象,因此需要科室推荐应用,功能类似线下医院的护士台预诊。然而,由于医院科室设置不尽相同,患者各项特征和科室之间的关系也不明确,给自动科室推荐带来挑战。因此,该文首先定义了带权重的知识图谱,用于描述症状、疾病以及性别等特征与科室和医院之间复杂的量化关系。其次,利用区域信息平台的电子健康档案(electronic health records,EHR)数据,获取多家医院的疾病—科室信息。在融合国际疾病编码(international classification of diseases,ICD)、医疗网站中的症状—疾病数据后,用搜索引擎结果补充权重关系,形成可用的知识图谱。图谱目前包含了38家医院,6110个科室,6220个症状,60736个症状相关疾病关系。当患者输入基于自然语言描述的症状与疾病后,通过该文设计的预滤噪的BERT实体识别模型与部位制导的医疗实体归一化算法,识别并归一化患者主诉中的症状词、疾病词和部位词。最后,基于该文设计的基于权重的联合症状预测疾病概率算法(weight-based disease prediction algorithm based on multiple symptoms,WBDPMS),联合多个症状预测可能的相关疾病,以此来实现通过主诉推荐最合适的医院及科室。实验结果表明,准确率达到0.88。     

面向临床科研的医疗事件模型与开放数据集合构建

基于电子病历观察性数据的真实世界研究成为目前临床科研的热点。然而关系数据模型无法直接支撑起科研应用中医疗事件的时序关系表示以及知识融合的查询需求。针对上述问题,该文提出了一种新的基于RDF的医疗观察性数据表示模型,该模型可以清晰地表示临床检查、诊断、治疗等多种事件类型以及事件的时序关系。对来源于医院的电子病历数据,经过数据预处理、数据模式转换、时序关系构建以及知识融合4个步骤建立事件图谱。具体地,使用三家上海三甲医院的电子病历数据,构建了包括3个专科、173 395个医疗事件以及501 335个事件时序关系的医疗数据集,并融合了5 313个中文医疗知识库概念。基于临床文献与医生科研需求,该文根据公共卫生流行病学的病因研究、治疗研究等类型,分别提供了针对本数据集的40个问题示例,并将其中的部分问题与传统关系数据库在查询的构建与执行方面进行了实验比对,论证了该事件图谱的优越性。该数据集遵循开放链接标准,在OpenKG上发布并提供了在线访问的SPARQL站点,链接为 https://peg.ecustnlplab.com/dataset.html。     

基于图卷积神经网络的隐式篇章关系识别

隐式篇章关系识别是篇章关系识别的子任务,其挑战性在于难以学习到具有丰富语义信息和交互信息的论元表示。针对这一难点,该文提出一种基于图卷积神经网络(Graph Convolutional Network,GCN)的隐式篇章关系分类方法。该方法采用预训练语言模型BERT(Bidirectional Encoder Representation from Transformers)编码论元以获取论元表示,再分别拼接论元表示和注意力分数矩阵作为特征矩阵和邻接矩阵,构造基于图卷积神经网络的分类模型,从而根据论元自身信息以及交互信息对论元表示进行调整,以得到有助于隐式篇章关系识别的论元表示。该文利用宾州篇章树库(Penn Discourse Treebank,PDTB)语料进行实验,实验结果表明,该方法在四大类关系上分类性能优于基准模型BERT,且其在偶然(Contingency)关系和扩展(Expansion)关系上优于目前先进模型,F₁值分别达到60.70%和74.49%。