一种改进的能量代谢守恒法无创检测血糖算法

为了提升基于能量代谢守恒方法无创检测血糖的精度,设计新型无创血糖检测探头,采集300组临床试验数据,提出决策树和偏最小二乘法方法相结合的DE-PLS算法建立预测血糖值的模型。并采用多参数相关性分析,得出代谢率M和血糖浓度真值BG显著相关,验证了能量代谢守恒法无创检测血糖理论的可行性。最终结果表示,DE-PLS算法计算出的血糖浓度与真实血糖值的相关性达到了88.5%,证实该算法的精度高于应用于该领域的其他算法。     

近红外无创血糖检测系统设计

根据近红外无创血糖检测技术,设计一种小型近红外无创血糖检测系统.以系统检测探头对人体食指采取透射方式探测,由光电传感器采集四路不同波长近红外光的脉搏波信号.提出一种脉搏波预处理方法,采用经验模态分解和三次样条插值算法去除原始脉搏波的高频噪声和基线漂移.运用动态光谱频域提取法提取对数脉搏波的基波分量.采用偏最小二乘法交叉验证的方法,预测人体血糖浓度.对实验结果进行分析,此系统预测血糖值与真实血糖值的相关性达到了86.5％,预测均方根误差为0.56 mmol/L,证明系统检测结果精度较高.     

便携式无创血糖检测仪的研制

以能量代谢守恒法为基础,研制出以DSP(数字信号处理器)为主控芯片的便携式无创血糖检测仪器.仪器采用传感器集成器采集的多路湿度、温度和双波长光衰减量信号计算出血氧饱和度,血流量,脉率等,综合得出血糖浓度.介绍了仪器检测原理,硬软件结构和算法实现过程.采用仪器样机进行临床实验,测量所得血糖值与AUTOLAB18全自动生化...     

基于阻抗谱法的无创血糖检测系统设计

以生物阻抗检测技术为基础,设计了一种频谱范围在10 ～60 MHz的高频阻抗检测系统用于人体阻抗测试,验证了系统的测试性能.根据阻抗谱法无创血糖测试的原理,对健康人体进行测试后得到112组数据,采用主成分分析回归模型预测血糖浓度,对比同一测试者的预测结果与有创检测数据,相关系数为0.8058,且较好预测了动态血糖变化趋势,为进一步研究无创连续监测血糖浓度提供了参考.     

基于SPSS的采煤工作面瓦斯涌出量预测模型研究

为了对矿井采煤工作面瓦斯涌出量进行有效预测,结合影响工作面瓦斯涌出量的各个因素,针对各因素间存在严重的多重共线性引起算法计算误差放大的问题,采用逐步回归算法进行优化。运用SPSS软件,综合多元主成分回归分析算法得出采煤工作面瓦斯涌出的主要影响因素,并建立PCR-SPA预测模型。将该模型的预测性能与多元线性回归预测、灰色关联度分析预测、BP神经网络预测结果进行对比分析。结果表明：该模型选取了三个主成分变量,有效地减少了计算量,具有较高的预测精度,可以对矿井工作面瓦斯涌出量进行有效预测。     

一种基于主元选择的偏最小二乘回归方法

为更有效地分析和处理小样本多元数据,提出了一种基于主元选择的偏最小二乘回归方法,并阐述了该方法的基本原理和计算步骤。该方法首先根据相关系数矩阵选取数据样本中的主元,然后对主元进行主成分分析、典型相关分析和多元线性回归。实例分析表明,与偏最小二乘回归方法相比,该方法在分析存在多重线性相关的小样本多元数据方面回归次数更少,精确度更高。     

行车调度工作负荷的量化评估

本文通过采用多元线性回归法对回归模型所得工作负荷值和调研得出的信息量的主要影响因素进行了回归分析,采用SPSS得到了工作负荷值、列车数量和区段长度三者的回归方程。     

具有模糊控制变量的多元线性回归

多元线性回归被广泛用于预测。回归式反映了响应变量和预测变量间的线性关系。将模糊集理论引入多元线性回归中,通过模糊控制变量,可以得出更符合实际,也更容易为人所理解的回归模型。针对真实数据的实验表明,具有模糊控制变量的线性回归可以解决一类复杂的回归问题。     

血糖检测技术研究进展

血糖是临床上分析病人是否患糖尿病的重要参考指标之一。本文对有创、微创和无创检测三种检测血糖的方法作了阐述,并进行了展望,指出闭环无创胰岛素泵集成系统和半闭环有创胰岛素泵集成系统是今后血糖检测技术研究的主要方向。     

基于多元线性回归的空腹血糖影响因素分析方法

通过分析空腹血糖影响因素的关系,提出了一种基于多元线性回归分析的空腹血糖影响因素分析方法。首先,收集影响空腹血糖的主要因素数据,包括血清总胆固醇、甘油三酯、空腹胰岛素、糖化血红蛋白；然后,通过散点图对这些影响因素进行分析和确定,利用收集到的数据构建基于最小二乘法的多元线性回归模型,并通过逐步回归分析得到修正后的模型；最后,运用此模型确定了影响空腹血糖的关键因素,以为糖尿病患者的平时饮食给予指导以及为医生的临床治疗提供参考。     

基于动态主成分子空间的人脸识别算法

在基于子空间分析的人脸识别中,通常是按照特征值的大小来确认主成分的重要性,并以此为基础构造一个固定的特征子空间.通过人脸图像重建分析,发现固定的特征子空间会给人脸识别带来误差,于是采用多元线性回归分析理论,提出一个动态主成分子空间构造算法.在此基础上,得到了动态PCA(主成分分析)算法和基于Gabor特征的动态PCA算法.由ORL和Georgia Tech人脸数据库上的实验结果表明,该算法不仅减少了主成分数目,而且提高了识别率.     

基于传感器阵列优化的东北山参品质检测方法研究

研究了一种基于传感器阵列优化的储存山参品质检测方法.实验记录气体传感器阵列对山参样品的响应信号,采用传感器载荷分析的方法对传感器阵列响应信号进行优化.优化后传感器阵列主成分区分度提高了10.46％.优化后传感器阵列检测信号输入非线性数据共振模型,基于系统输出互相关系数COE(Cross Correlation Coefficient,)特征值经由线性拟合方法构建储存山参品质检测模型Q=(COEmax-0.23)/0.02(R2=0.99026).验证实验结果表明所构建的模型的预报准确度为83.3％.所探索的方法有望在储存中药材品质检测领域得到广泛应用.     

基于模糊线性回归的脑卒中发病率预测模型

针对经典线性回归模型不能完全反映变量间的耦合关系而不适宜有模糊数的脑卒中发病率预测的问题,建立了一种模糊多元线性回归分析的脑卒中发病率预测模型。把历史数据分为建模数据样本和检测数据样本,采用线性规划法求出参数的中心值和模糊幅度值。实验结果表明,该模型具有较高的精确度和可操作性。     

Multiple linear regression and artificial neural networks based on principal components to predict ozone concentrations

The prediction of tropospheric ozone concentrations is very important due to the negative impacts of ozone on human health, climate and vegetation. The development of models to predict ozone concentrations is thus very useful because it can provide early warnings to the population and also reduce the number of measuring sites. The aim of this study was to predict next day hourly ozone concentrations through a new methodology based on feedforward artificial neural networks using principal components as inputs. The developed model was compared with multiple linear regression, feedforward artificial neural networks based on the original data and also with principal component regression. Results showed that the use of principal components as inputs improved both models prediction by reducing their complexity and eliminating data collinearity.     

视觉词汇的主成分线性编码方法

针对视觉物体分类中视觉词汇局部线性编码缺少显著性检验和共线性分析的问题,提出了主成分线性编码方法,选择与特征点具有最强线性相关性的K近邻视觉单词,采用主成分多元线性回归方法以解决视觉单词的共线性问题,从而减小编码系数的偏差和不稳定,提高视觉物体分类的精度.依据图像量化结果的稀疏性是影响分类精度的重要因素,进一步对主成分线性编码得到的量化结果做稀疏性分析并进行能量正则化处理,提高分类效率.实验结果表明,与已有方法相比,平均分类正确率提高了1%以上.     

基于SVR的燃煤机组NOX含量的软测量模型

作为火电厂燃煤脱硝工作的基础,选择性催化还原(SCR)脱硝反应器入口氮氧化物(NO_X)含量的测量至关重要。针对难以准确现场实时测量NO_X含量的问题,提出了基于回归型支持向量机(SVR)的软测量模型。首先对SCR反应器生成NO_X的过程进行机理分析,并结合相关性分析、主成分分析等数据处理方法选取辅助变量,然后基于回归型支持向量机算法建立模型,最后运用BP神经网络对模型进行检验,解决了SCR反应器入口NO_X的含量的难以准确预测问题。为SCR反应器入口NO_X含量的实时、准确测量打下基础。