基于脑电信号预发作数据段选取的癫痫发作预测

为了提高癫痫发作预测的准确性,提出针对病患个体进行癫痫发作预测的算法,包括特征提取、预发作数据段选取、特征挑选与导联挑选. 算法采用半重叠的2 s窗对每个导联分别提取时频特征和空域特征. 从发作前期选择与发作间期相比具有最大线性可分性的连续10 min数据作为预发作数据段的有效正样本. 算法通过弹性网进行特征挑选,再基于所选特征通过贪婪算法选择有效导联,将有效导联的有效特征输入到分类器中. 将该算法在MIT公共头皮脑电数据库和宣武医院收集的数据集上进行测试,测试结果为：在MIT数据库上的击中率为95.76%,假阳性率为0.1073 h^?1;在宣武医院数据集上的击中率为97.80%,假阳性率为0.0453 h^?1. 结果表明,该算法具有较高的击中率和较低的假阳性率.     

改进BP神经网络在三相流相分率检测中的应用

本文构建了基于Bayesian正则化算法的BP神经网络模型,对水平管油气水三相流相分率进行了预测,解决了振动管密度法只能测量两相流相分率的问题.通过设计的实验装置获得了测试样本,进行了预测效果检验.结果表明,神经网络预测值与实际值非常吻合,含气率预测最大误差为2.7%,含水率最大误差为3.8%,大大提高了相分率的测量精确度,为利用振动式密度计测量油气水三相流相分率提供了一种有效的方法.     

地理和交通信息感知的车载Ad Hoc路由

为提高数据包投递率和降低时延,提出了一种基于地理和交通信息的车载Ad Hoc网络(VANET
)路由算法. 该算法利用实时的道路交通信息和车辆移动位置预测进行数据转发,并采取暂存转发策略,同时能处理目的节点移动情况. 仿真结果表明,该算法比贪婪的周边无状态路由(GPSR)算法具有更高的数据包投递率和更低的时延.     

市道轮换下的高频数据参数估计

在高频金融数据研究分析中引入市道轮换模型,结合自回归模型和波动率替代模型,对高频数据进行建模分析,运用滤波算法以及Kim平滑算法等进行参数估计和预测.利用2017-01-03至2017-08-02上证综指每5 min的收盘价格,用Matlab实现马氏市道轮换自回归模型的预测和推测,并构建波动率替代模型.结果表明,马氏市道轮换高频数据模型是一种具有模型创新且理论性强的分析方式.     

PVC异型材性能参数的神经网络预测

神经网络是当前主要的智能控制技术之一.依据厂家提供的大量PVC异型材的实际工艺参数作为样本,建立了PVC异型材性能参数的预测网络.采用BP算法对网络进行了结构参数调节及训练,并对性能参数热收缩率进行了预测,相对误差小于O.13,取得了良好的效果.     

逻辑回归算法在通信GPRS业务中的应用

为了对通信GPRS业务用户的流失情况进行有效的预测,对预测中常用三种算法的优劣势进行了比较,选取能很好处理0/1分类问题的逻辑回归算法,并基于逻辑回归算法建立了GPRS业务流失预测模型.提取了广东省移动公司GPRS业务用户流失概率最高的前5%和10%用户,通过查准率、查全率和提升率这三个指标对该模型进行检验,发现该模型定位流失用户的准确率和确定流失用户的覆盖率都是相当高的,说明其能对GPRS套餐使用客户的流失情况进行有效地预测.另外,通过把利用逻辑回归算法与利用决策树算法建立的预测模型的应用效果进行了对比,结果充分说明了利用逻辑回归算法建立的GPRS业务流失预测模型在实际应用中更具优越性.最后,根据该模型解在决实际预测问题中的效果,进一步验证了其具有很强的实用性.     

基于样本优选的集成学习在脱硫优化中的应用

基于实际电厂的大量脱硫数据,删除初始脱硫数据库中异常值和非稳态值,提取与输出相关系数较高的集成学习模型输入参数,采用改进的基于随机采样和聚类采样的集成学习算法,建立预测脱硫塔循环泵开启台数的集成学习模型,研究分类问题中样本不均衡、优选样本评价标准缺失和脱硫优化的问题. 结果显示,与改进前模型相比,改进后的集成学习模型总体预测准确度提升了33%,并且基于聚类的采样略优于随机采样. 此外,对单一类别预测的召回率进行分析,对比不同算法对少数类和多数类的召回率,结果显示2种改进的采样方法对少数类的预测有较大的提升,预测的召回率大于90%,对多数类的预测也有一定的提升效果. 讨论泵组合作为模型输出时,其样本分布和模型精度的差异.     

基于各向异性高斯分布的视觉跟踪算法

为了提高使用传统特征的有效卷积操作算法（ECOhc）的跟踪性能,提出基于各向异性高斯分布的视觉跟踪算法. 该方法根据不同目标的形状比构造水平和垂直方向上带宽不同的各向异性高斯函数,利用该函数训练跟踪器预测目标位置,提高算法的跟踪精度;提取颜色直方图特征跟踪预测新的目标位置,并在决策层加权融合2个预测位置,进一步提高跟踪精度. 在标准数据集OTB-100、VOT2016中测试算法,本研究算法在数据集OTB-100上的平均距离精度为89.6%,平均重叠率为83.7%,比ECOhc算法分别提高4.67%、6.62%;本研究算法在数据集VOT2016上的平均期望重叠率为33.3%,比ECOhc算法提高3.42%. 所提算法能有效提高目标跟踪的精度,在遇到遮挡、光线变化、变形等干扰时仍能稳定跟踪目标.     

基于PSO的最小二乘支持向量机稀疏化算法

针对最小二乘支持向量机(LSSVM)失去稀疏特性及经典迭代剪切稀疏化算法容易陷入性能指标函数局部收敛的问题,提出一种基于粒子群优化(PSO)的LSSVM稀疏化算法.将LSSVM稀疏化过程描述为一个最优化问题,以校验样本和预测输出之间的均方根误差RMSE为优化目标,以模型训练样本剪切率ε(%)为优化变量.并针对此非线性优化问题提出基于PSO的求解方法.以大型电厂飞灰含碳量LSSVM模型为例,对此算法进行了实例研究.结果表明,该方法能有效解决经典算法的局部收敛问题获得最优剪切率,具有更好的预测和泛化能力.     

融合灰色马尔科夫理论的二进小波图像的复制－粘贴篡改检测算法

提出了一种二进小波图像的篡改检测算法,对待测图像进行二进小波图像分解,然后提取其每个图像分块的高低频子图特征值进行分析。为了使该算法能够在大量图像篡改检测过程中保证其检测率、错误率,使用基于灰色理论与马尔科夫链的融合模型对该算法的检测率、错误率进行预测,将预测值进行均值计算得到平均检测率与平均错误率。通过与文献算法比较检测率、错误率均值,证明了该算法在避免偶然的情况下,提高了检测率并降低了错误率。