疾病模式相似度识别模型研究

产生式规则专家系统因规则组合爆炸与无效匹配等问题影响诊断效率。为协助人类专家求解疾病诊断问题,分析模式识别与该问题解决手段的相关性和相似性,提出基于可信度向量和模糊隶属度向量的人工智能疾病模式识别理论模型、数据结构模型、计算机模式识别算法与实践方法。现场实验数据显示,与人类专家个体相比,该模式能获得80%的诊断正确率,有效地降低误诊率,具备较好的综合诊断性能。     

疾病相似度方法研究

本文研究了集成语义与基因功能关联的疾病相似度方法。综合的加权的人类基因关联网络可用于衡量疾病相关的基因集之间的关联分值;疾病术语对以及其在疾病本体中的共同祖先相关的基因数可用于计算疾病术语的语义关联分值。这两类关联被用于计算集成的疾病相似度。通过从文献中搜集相似的疾病对作为基准集,对疾病相似度算法的性能进行了有效的评价,证实了集成的疾病相似度方法优于已有的其他方法。     

基于限界传递相似度图的FCA概念相似度计算方法

使用相似度图计算FCA概念相似度需要构造相似关系的传递闭包,对于复杂问题会导致相似度图规模过大,从而影响相似度评价的效率.为了降低相似度图规模,提出一种基于限界传递相似度图的FCA概念相似度计算方法.该方法首先通过限定传递相似关系的长度来避免构造相似关系的传递闭包,得到的限界传递相似度图中忽略了长度超过界限且对区分FCA概念无用的传递相似关系,能够有效压缩相似度图的规模;然后给出了动态传递相似度计算方法和由限界传递相似度图构建二部图的方法.实验结果表明,使用限界传递相似度图能够在不损失计算结果准确度的情况下有效提高FCA概念相似度计算的效率.     

业务流程模型相似度研究综述

随着业务流程模型管理库规模的增大,传统的模型管理方式在效率和准确度方面已经无法达到预期,研究能够提升业务流程模型管理效率的技术成为人们的迫切需求。其中,业务流程模型相似度技术在模型搜索、模型一致性检测等模型管理的相关应用场景中能够有效提升工作的效率和精度,因此,对业务流程模型相似度技术的研究已经逐渐成为模型分析领域的一个研究热点,并取得了许多有价值的研究成果。业务流程模型相似度技术涉及的领域较多,可以向不同的分支方向发展,虽然不同分支的模型相似度技术会有方法之间的类比,但是缺乏系统性的整理和分析。文中从相似度计算方法和应用场景这两个层面对业务流程模型相似度技术进行了分类讨论,将相似度计算方法分为文本相似度、语义相似度、结构相似度、行为相似度和基于人类评估的相似度,并分析了每种计算方法的特点。较为常见的业务流程模型相似度应用场景包括一致性检测、标准化、流程模型搜索和模型重用,文中对基于以上场景的相关研究进行了梳理。最后分析了业务流程模型相似度研究面临的挑战。     

装备元数据相似度计算方法研究

装备元数据进行检索、交换时需要计算相似度,主要对相似度算法进行设计。装备元数据分解为概念和属性两种元素进行元素相似度计算,概念相似度由名称、结构和实例三部分的相似度计算叠加而成,属性相似度则综合考虑名称、定义域和值域的相似度。对各个部分的相似度计算设计了具体的计算公式。装备元数据之间的相似度在元素相似度基础上叠加计算而得出。这种算法能够真实地反映元素和元数据间的相似程度,且实用可行。     

基于语义相似度的本体概念更新方法研究

为了实现本体概念的自动更新,减少对领域专家的过多依赖,给出一种基于语义相似度的本体概念更新方法 SSOCUM(Semantic Similarity-based Ontology Concept Update Method)。实现一种改进的基于Word Net的相似度算法,该算法在计算路径长度的基础上,综合考虑了概念的节点深度以及信息量对相似度的影响。为了弥补基于Word Net的相似度算法没有考虑概念属性所携带的语义信息的不足,加入属性相似度对其进行调整。通过实验对比,验证了改进算法的计算结果与标准数据集之间的皮尔森系数高于传统算法,计算结果更接近于人的主观判断。采用构建好的煤矿领域通风系统本体对SSOCUM算法进行实验分析。结果表明,SSOCUM算法有助于本体新概念的自动添加,并具有一定的准确性和有效性。     

基于共同粉丝的微博用户相似度计算方法研究

关系推荐是微博提高用户关注量的重要渠道,主要目的是为用户推荐和当前用户相似的用户。相似用户计算方法的研究是近期研究的热点。从共同粉丝的角度,设计和实现了一种相似用户计算方法,取到优质用户的所有关注后,两两结合,生成关注对,以余弦相似度计算公式为依据,计算关注对之间的粉丝相似度。     

句子相似度计算模型的改进

智能搜索需维护一个动态的问题与答案的数据库。一方面涉及到关键词的提取、逻辑组合等知识。另一方面,由于用户的用词和系统中存储的关键词在表达方式上可能不完全一样,精确的关键词匹配法必将导致很多问题找不到答案,或者找不准答案。智能搜索的关键性技术之一是句子相似度计算,该文从词型、词序、词长和不同特征加不同权值两方面对句子相似度进行优化改进,对于智能搜索性能的提高有着显著的作用。     

一种基于义原信息量的词语相似度计算方法

国内利用知网计算中文词语相似度通常采用基于义原距离和深度的方法,计算结果依赖于公式的设计和参数的选取.针对词语相似度的计算,文章提出采用知网义原信息量来计算中文词语相似度,根据信息论中计算两个事物相似度的思想,利用知网的分类体系来计算义原信息量,从词语概念的主类义原信息量、义原及其角色关系的信息量及义原结点相似度三个方面来综合计算词语的相似度,与刘群和知网在线的方法进行比较,实验结果显示本文方法与人的判断更为接近.     

基于BP神经网络模型的疾病确诊方法研究

分析了BP神经网络由训练到求解的人工智能过程与自然人专家由学习专业知识到诊疗疾病的生理智能过程的近似性和差异性,提出了基于BP网络的CF向量疾病确诊模型,设计了症状描述规范化方法及诊断域CF知识规则向训练数值样本迁移方法,构造了BP神经网络模型确诊算法。模型和人类专家对比性实验数据表明,该方法诊断正确率达到90%,具备较好的综合诊断性能,对于开发实用性AI辅助诊疗系统有着建设性意义。     

SVM与DS结合的管道泄漏诊断方法研究

针对管道泄漏诊断准确率低和稳定性差的问题,提出一种结合SVM与DS证据理论的管道泄漏识别方法。运用小波分析法提取5种反映管道运行状态的特征参数,输入SVM分类器中进行初次分类,然后根据识别结果构造基本概率指派（BPA）,再运用组合规则对不同时空域数据进行DS融合,最后根据判决门限得出决策结果,将这种SVM-DS诊断方法应用于实验室管道泄漏检测系统中。结果表明,SVM-DS的管道泄漏识别准确率达到96.42%,与其他模式识别方法相比,该方法具有更高的识别率和更强的稳定性。     

基于PSO神经网络的故障诊断方法研究

将粒子群优化算法和BP算法相结合,提出了一种基于粒子群神经网络的故障诊断方法.该方法分阶段实施神经网络的训练,有效地加强了算法的全局搜索能力,采用PSO优化了传播中的权值、阈值以及网络结构.这不仅弥补了BP算法的不足,而且删除了冗余连接,提高了故障模式识别的能力.仿真结果表明该方法加快了神经网络的学习收敛速度,提高了故障模式的识别正确率,可以有效地应用于设备的故障诊断.     

考虑性别差异基于SVM的说话人识别研究

说话人识别是目前身份认证及人工智能领域研究的一个热点,解决说话人识别问题具有重要的理论价值和深远的实用意义.基于语音鲜明个性特征和显著的性别差异,提出了一种考虑性别差异的说话人识别方法,并采用SVM分类器进行训练和测试.先对SVM分类器分别进行性别识别训练和同性集合内个体识别的分类训练,建立起相应的支持向量集合,以此为基础,先后进行说话人的性别识别测试和个体识别测试.实验结果表明,该方法可以有效提高闭集说话人识别系统的性能.     

基于改进深度信念网络的心血管疾病预测研究

定量分析和预测有助于降低心血管疾病发病风险。传统预测模型在多分类非线性复杂因素的条件下,预测准确率会降低。采用浅层神经网络的方法,能够解决该问题。然而因浅层神经网络初始参数的随机性,带来了预测结果方差增大的新问题。提出一种基于改进深度信念网络的心血管疾病预测模型,利用重构误差,自主确定网络深度,结合无监督训练和有监督调优,在提高模型预测准确率的同时保证稳定性。对UCI数据库中的Statlog (Heart)和Heart Disease Dataset数据集独立进行30次实验,结果显示预测准确率的均值分别为91.26%、89.78%,预测准确率的方差分别为5.78、4.46。     

基于樽海鞘算法优化的帕金森病早期诊断模型研究与并行优化

帕金森病是一种常见的神经性慢性疾病,由于其病因尚不明确,导致早期诊断精度低的问题,提出一种改进的优化核极限学习机方法用于帕金森病的早期诊断.研究利用混沌理论和高斯变异方法改进樽海鞘算法(salp swarm algorithm,SSA),提出一种基于进化机制的智能诊断模型ISSA-KELM.改进的SSA算法同步实现特征选择和KELM核函数的参数优化,有效地解决了模型的参数设定和最优特征选择问题,并基于OpenMP平台多线程调度处理模型,在保证模型分类精度最大化的同时进一步提高计算效率.实验结果表明,提出模型在分类精度上高于已有方法,计算效率也得到极大提高,具有较好的综合性能,验证了本模型有着很好的应用前景,有助于辅助临床医生在诊断中作出更准确的决策.     

基于电子鼻技术的混合气体检测方法研究

对基于常规单一BP神经网络的电子鼻系统进行改进,提出一种基于Gabor原子神经网络的电子鼻系统,并以3种混合气体为实验对象,进行混合气体的定量分析研究.实验结果表明,应用Gabor原子神经网络的电子鼻系统的最大相对误差与单一BP神经网络相比得到减小,大大提高了定量分析精度.     

计算机辅助诊断疾病的支持向量机方法研究

研究了人工智能辅助诊断的支持向量机模型,构造了支持向量机疾病确诊模型,设计了症状规范化、从识别域可信度知识规则到SVM分类器训练数值样本的转移方法、样本预处理、SVM模型构造、训练、确诊的过程及方法,以羊为例开展模型和专家的对比实验.实验数据表明,SVM方法能获得85%以上的诊断正确率,具备较好诊断效果.     

基于Android的水稻病害图像识别系统设计与应用

针对目前水稻病害图像识别系统依赖于数码相机和计算机,缺乏便携性和实时性的问题,设计了一款基于Android手机的水稻病害图像识别系统。系统通过分析水稻稻瘟病、胡麻斑病、干尖线虫病、白叶枯病四种病害的颜色、形状、纹理特征,采用图像预处理、图像增强、图像分割、特征提取以及图像识别的处理方法,实现基于图像识别的及时准确诊断水稻病害类型的目的。实验结果表明,系统准确率可达93.78%,正检率96.22%,误检率6.22%,虚警率1.56%,平均诊断用时2.802s。该系统能有效地拍摄并诊断水稻病害,迅速、准确地给出病害防治措施。