基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.     

ATC与PSV对接受机械通气支持的呼吸衰竭患者在自主呼吸实验时通气参数及拔管情况的影响

目的:对比接受机械通气支持治疗的呼吸衰竭患者应用自动导管阻力补偿技术(ATC)与压力支持通气(PSV)对自主呼吸试验(SBT)及拔管情况的影响。方法:选取本院2017年1月-2019年3月收治的100例接受机械通气支持治疗的呼吸衰竭患者作为观察对象,所有患者均符合撤机标准。应用随机数字表法分为ATC组与PSV组,每组50例。ATC组撤机过程中接受ATC治疗,PSV组撤机过程中接受PSV治疗。对比两组撤机过程中SBT通气参数及拔管相关情况。结果:ATC组成功拔管46例,PSV组成功拔管38例,ATC组拔管成功率明显高于PSV组(P<0.05)。在1 h通气过程中,两组呼吸频率(RR)、心率(HR)、收缩压(SBP)及舒张压(DBP)均呈现升高后降低趋势(P<0.05),但两组各时间点RR、HR、SBP及DBP比较,差异均无统计学意义(P>0.05)。两组SBT的潮气量(VT)、分钟通气量(MV)及浅快呼吸指数(RSBI)比较,差异均无统计学意义(P>0.05);ATC组吸气峰流速(PIFR)、气道峰压(PIP)及呼气达峰容量比(VPEFR/VTE)均低于PSV组,而呼气峰流速(PEFR)高于PSV组,差异均有统计学意义(P<0.05)。结论:ATC可在不影响接受机械通气支持治疗的呼吸衰竭患者生命体征的同时,有效提高拔管成功率,并改善患者的SBT结果。     

刍议驻马店市农村经济发展中的金融支持

进一步完善和健全科学发展观与农村经济合作组织党建工作创新不仅仅只是具有健全中国完整社会经济体系和社会制度的理论作用,还对农村的建设与发展,也对整个中国未来更好的可持续发展有着非常重要的现实意义。近些年来,我国对于科学发展观与农村经济合作组织党建工作创新给予了相当的重视,逐步的推出了新型农村合作医疗政策,大力加强了农村最低生活保障措施的实施,将新型农村社会养老保险的试点逐渐推广,使得中国农村社会保障体系不断的完善,但是伴随着这些可喜性的发展,我国的农村经济发展还有着很多问题。基于此,本文采用了逐步分析法,对驻马店市农村经济发展中的金融支持进行了研究分析,以期为农村经济发展提供相应的理论参考帮助。     

基于PCA-GWO-SVM的矿山边坡变形预测

针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过GWO算法优化支持向量机参数;最后,通过SVM实现矿山边坡变形的预测。矿山边坡实例表明PCA-GWO-SVM模型具有更高的预测精度。     

基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。     

采用信息增益率的混合入侵检测模型设计

针对现有混合入侵检测模型仅定性选取特征而导致检测精度较低的问题，同时为了充分结合误用检测模型和异常检测模型的优势，提出一种采用信息增益率的混合入侵检测模型.首先，利用信息增益率定量地选择特征子集，最大程度地保留样本信息；其次，采用余弦时变粒子群算法确定支持向量机参数构建误用检测模型，使其更好地平衡粒子在全局和局部的搜索能力，然后，选取灰狼算法确定单类支持向量机参数构建异常检测模型，以此来提高对最优参数的搜索效率和精细程度，综合提高混合入侵检测模型对攻击的检测效果；最后，通过两种数据集进行仿真实验，验证了所提混合入侵检测模型具有较好的检测性能.     

云组合服务网络的异常植入数据检测算法

云组合服务网络在路由转发控制受到节点的同态扰动影响,容易受到植入入侵,为了提高网络的安全性,提出一种基于阈值组合判决的云组合服务网络的异常植入数据检测算法。构建网络异常植入数据的统计特征模型,采用大数据挖掘技术进行云组合服务网络异常植入数据特征检测和滤波分析,提取云组合服务网络数据的谱特征量,采用支持向量机学习方法进行云组合服务网络的异常植入数据检测过程中的自适应寻优控制,采用双门限阈值组合判决方法,实现对目标数据的准确检测,提高对异常植入数据的准确定位检测能力。仿真结果表明,采用该方法进行云组合服务网络异常植入数据检测的准确概率较高,检测性能较好,提高了网络安全性。