小圆蓝细胞瘤预测模型研究

为研究肿瘤与基因之间的关系,分析了小圆蓝细胞瘤基因表达数据,建立了分类和预测小圆蓝细胞瘤4 个亚型的多模预测模型.针对小圆蓝细胞瘤的4个亚型,该预测模型创建了4个基于神经网络的分类器,并编 码4个分类器的分类结果,获得每个数据样本的最终预测结果.研究表明,将复杂的多类分类问题分解为多个2 类分类问题是解决多类分类问题的有效方法,基于该方法建立的多模预测模型能够学习基因表达数据中蕴含的 知识,并利用获得的知识准确地分类和预测全部83个数据样本.     

多发性骨髓瘤基因表达谱分析

为了依据肿瘤基因表达谱数据提取出其中蕴含的样本分类规则,以多发性骨髓瘤的基因表达谱为例,提出了一种在基因表达数据中提取分类特征规则的方法．该方法从统计学角度出发,以基因与样本类别问的相关系数作为衡量属性包含样本分类信息量的标准,并利用神经网络进行属性规约找出分类特征属性集,最后利用决策树进行知识提取,给出样本分类的产生式规则．实验结果表明,所提取出的3条规则对实验样本正确分类率达到100％．     

DNA序列与剪接位点的关联性分析

为了进一步研究剪接位点识别算法,提高预测准确率,利用人工神经网络识别方法,选取不同的剪接序列样本进行试验,分析了供体位点邻近序列对于基因剪接的影响,对DNA序列与剪接的关联性进行了深入的研究．研究发现,剪接位点区别于伪剪接位点的特征信息同时存在于剪接位点邻近两侧大约50个碱基范围内的外显子和内含子中,且内含子相对于外显子包含了更多的特征信息．     

基于连续型Hopfield网络的最优控制方法

为克服应用离散型Hopfield网络解决动态最优控制问题时,计算量随着系统维数和控制时域的增加而指数增大的不足,提出了一种基于连续型Hopfield网络解决线性离散系统二次型最优控制问题的方法.该方法将线性二次型性能指标转化为连续型Hopfield网络的能量函数,控制序列转化为连续型Hopfield网络神经元的输出向量,从而将线性二次型动态优化问题的求解过程转化为相应的连续型Hopfield网络从初态向终态的运行过程,网络稳态输出反映了最优控制序列.该方法计算量小,实时性好,便于在线优化控制.     

一种肿瘤基因表达数据的知识提取方法

本文以多发性骨髓瘤的基因表达数据为例,利用数据挖掘技术,提出了一种针对基因表达数据进行知识发现的方法.该方法通过计算基因的信息增益,结合神经网络,找出了特征基因集合,最后利用决策树进行特征规则的提取,给出了基于多发性骨髓瘤数据样本的产生式规则,为生物医学研究提供了一种分析和研究基因表达数据的参考方法.实验结果表明了该方法的有效性.     

一级直线倒立摆匀速行走的模糊控制研究与实现

当前针对倒立摆的研究一般是把角度控制或者位置控制作为控制目标,很少着眼于速度控制,有鉴于此,设计了一种简单的模糊控制器,应用于一级直线倒立摆的匀速行走控制中;仿真实验和实物实时控制实验均验证了该控制器的有效性,对于设定的速度整定值,通过调整几个比例环节的系数,系统具有很好的动态性能指标,而且控制器在有外界扰动时体现了很好的抗扰性;考虑到实际物理系统中倒立摆行程的限制,设计的自动换向开关实现了倒立摆在一段给定的行程上匀速来回行走的控制目标,通过手动切换开关也能实现倒立摆的位置控制。     

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.     

柔性两轮移动机器人动力学建模及模型分析

针对两轮机器人腰部柔性的结构特点,以柔性多体系统动力学理论为基础,设计了柔性两轮移动机器人,并根据假设模态法,将其抽象为平面柔性三连杆系统,利用D'Alembert-Lagrange原理建立了柔性机器人的动力学模型,得到了以机器人本体的3个杆的倾斜角度和左右轮的转角为参量的系统动力学方程和系统腰部柔性连杆的振动方程.给出了数学模型推导的具体步骤,并对该模型做了仿真分析.结果表明,该模型为柔性机器人的运动及控制研究提供了理论依据.