波浪入射角及地形对浮体水动力学特性影响的有限元分析

利用有限元方法分析了二维情况下波浪入射角及地形对浮体水动力学特性的影响，计算了不同情况下浮体的水动力学系数；通过与简单地形情况下解析解的比较，验证了数值方法的正确性；并在分析中采用了BiCGStab算法，高效地求解离散形成的线性方程组，大大地提高了分析的效率。研究结果为海上结构物的设计提供了关键的水动力学数据。     

交互式遗传算法的机器代替用户方法

如何让无疲劳的计算机代替易疲劳的用户是交互式遗传算法研究的一个重要内容.本文首先研究了机器代替用户的3个基本内容,即,机器代替用户扮演环境角色,对个体进行评价;机器采样和代替用户的时机是进入偏好稳定阶段;机器寻优结果由样本和代替用户策略决定.其次,给出基于基因意义单元"适应值"估计的个体适应值估计方法.最后,通过比较实验验证了本文方法的有效性.     

分布协同交互式遗传算法及其在群体决策中的应用

针对交互式遗传算法单机实现模式存在的局限性,本文提出一种分布协同交互式遗传算法,并介绍了算法实现的关键技术.基于群体决策满意度和用户评价偏好,给出了共享个体数量确定方法和共享个体的选择方法.还提出了合理的评价平台和有效的决策评价指标以及隐含的信息交互方式等.为减轻用户疲劳,基于个体相似度,提出一种类适应度近似策略.最后基于服装的色彩设计问题,给出实验结果,以验证该算法的可行性.     

GRU和GBDT混合模型在早产风险预测中的应用

早产是新生儿死亡及病残的首要原因, 且影响新生儿的远期健康. 然而早产的准确预测一直是医学上的一个难题. 目前医学上早产的早期筛查多基于特殊检查, 但因成本核算等问题难以大规模临床应用, 而电子病历的普及和人工智能技术的发展, 为产科疾病的早期风险评估提供支持. 本文利用产科电子病历的诊疗信息, 构建 GRU和GBDT的混合模型预测早产. 混合模型利用GRU在孕妇多次产检信息中探究早产发生的概率, 并将结果融入孕前和28周前末次产检数据, 最后利用GBDT对孕妇进行更加精确的早产风险预测. 实验结果表明, 基于GRU和GBDT的早产预测模型在AUC和ROC等评估指标上优于其他单一模型, 本研究方法可有效帮助产科医护人员在妊娠早中期判断孕妇是否有早产风险.     

新的基于相似度估计个体适应值的交互式遗传算法

该方法根据组成个体各基因意义单元值出现的频率,计算基因意义单元的权值,并基于此得到个体的相似度;根据个体与上代最优个体的相似度,选择需要由用户进行评价的个体;基于当代所有己评价个体的信息,估计未评价个体的适应值.将所提方法应用于窗帘进化设计系统,并与已有典型方法比较.结果表明,所提方法在减轻用户疲劳和提高搜索性能等方面均具有优越性.     

电视发射机远程监控系统的设计与实现

针对嵌入式远程监控系统中服务器资源有限的问题,提出了应用XML技术实现客户端页面显示的基本思想;结合某电视发射机的远程控制系统开发实例,选择美国Lantronix公司的UDS1100作为嵌入式Web服务器,介绍了该系统的总体结构,详细阐述了系统的CGI组件设计,并利用XML技术中内容与表现形式分开的特点,将页面显示的格式控制集中到客户端进行;实践证明,这种开发方法大大地提高了服务器的运行效率,方便了软件的开发与维护工作。     

纤维球过滤器反洗频率过高原因分析

大庆石化分公司化肥厂水汽车间的脱盐水处理系统中的纤维球过滤器,反洗频率高达2～3 d 1次。根据对反洗液的过滤水、滤饼的成分分析得出,堵塞纤维球过滤器的渣滓的主要组分为氧化铁和碳,与高温变换催化剂的组分基本一致,结合经结构分析滤饼与该催化剂的XRD结构分析谱图完全重合,判断为合成车间高温变换催化剂粉碎流失所致。通过更换高温变换催化剂后,系统恢复了正常。     

混合比较区间多目标进化优化及在矿井RFID布局的应用

高效的区间Pareto支配比较对于提高区间多目标进化优化算法性能至关重要.针对现有的区间多目标进化优化采用单一区 间数比较的不足, 提出基于混合比较策略的区间多目标进化优化算法.深入分析区间数mu比较和可能度P比较策略的优劣, 提出融合这两种方法的混 合比较策略和基于该混合策略的NSGA-II算法.该算法在典型多目标区间函数和含区间不确定性的煤矿井下射频识别阅读器 布局中的应用, 验证了所提出的混合区间比较策略的有效性.     

基于心冲击信号的睡姿识别

研究证明,睡眠质量与睡姿有着密切关系,不良的睡姿甚至会加剧多种疾病的潜在风险。为了更精准地进行睡眠健康监控,提出了一种基于心冲击（BCG）信号的睡姿模式识别算法,使用非接触、无干扰的压电薄膜传感器采集BCG信号,在腰腹部采集仰卧、俯卧、左侧卧和右侧卧4种睡姿信号,经小波变换降噪等预处理后提取基于J波的特征值,设计并比较基于神经网络和KNN的睡姿识别分类器。实验结果表明,神经网络睡眠识别算法的平均正确识别率为93%,KNN算法为84%,因此基于BCG信号的神经网络睡姿识别算法可以广泛用于睡眠监测应用。