基于参数优化的染色体三维结构预测算法VMBO

认识染色体的三维空间结构对于理解细胞核内基因组的表达、调控等具有重要作用.针对Hi-C数据稀疏和含有噪声的特点,提出了基于流形优化(manifold based optimization,MBO)与参数优化相结合的染色体三维结构预测方法——变参数的基于流形优化的算法(variable-parameter MBO,VMBO).通过黄金分割算法迭代优化转换参数,将染色体片段间的接触频率转换为空间距离值;然后用MBO算法重构染色体的三维平均结构(consensus structures).在实验部分用模拟数据集和真实的Hi-C数据集进行三维结构预测,预测结果的均方根误差(root mean squared deviation,RMSD)和距离的斯皮尔曼相关系数(distance Spearman correlation coefficient,d SCC)说明了VMBO算法的有效性和鲁棒性.     

一种基于脑网络的分层模块化回声状态网络

针对回声状态网络(Echo state network, ESN)结构设计问题,提出一种基于脑网络的分层模块化回声状态网络(Hierarchical modular echo state network, HMESN)。脑网络的拓扑结构使功能网络具有丰富的动力学特性,因此,从生物仿生学角度出发,对HMESN的储备池进行分层设计,各层级上的神经元采用小世界网络构建算法生成模块化结构,并引入层级连接。基于脑网络分层模块化的拓扑特征弱化了神经元间的耦合程度,从而使神经元的动力学特性更为丰富,在功能与结构上更接近于真实生物神经网络,有效地提高了网络处理问题的能力。采用Mackey-Glass时间序列预测和非线性系统辨识对网络进行验证,证明该网络的有效性和可行性。     

基于混合评价指标的自组织模糊神经网络设计研究

针对在无增长和修剪阈值时模糊神经网络结构难以自适应问题,提出一种基于混合评价指标(hybrid evaluation index, HEI)的结构设计方法。首先,通过模糊C均值聚类算法(fuzzy C-means clustering, FCM)确定初始规则层神经元数目及其中心与宽度。其次,基于戴维森堡丁指数(Davies bouldin index, DBI)和邓恩指数(Dunn index, DI)提出一种新的相关性评价指标(relevance evaluation index, REI)来计算规则层各神经元输出之间的相关性,同时根据训练过程中网络输出均方根误差(root mean square error, RMSE)的变化情况来确定网络的学习能力,然后基于REI和RMSE提出了HEI。通过HEI来调整模糊神经网络的拓扑结构,有效解决了在无增长和修剪阈值时网络结构难以动态自调整的问题且避免了网络结构冗余。最后,通过对Mackey-Glass时间序列预测、非线性系统辨识和大气中PM_(2.5)浓度预测,证明了该结构设计方法的可行性和有效性。     

基于选择性集成核学习算法的固废焚烧过程二噁英排放浓度软测量

城市固废焚烧(MSWI)过程排放的二噁英(DXN)是被称为"世纪之毒"的持续性污染物。该过程的多阶段、多温度区间的物理化学特性导致DXN排放浓度的机理模型难以构建。工业实际中通常以月或季为周期耗时近1周时间在实验室以离线化验方式滞后检测。针对这些问题,提出了基于选择性集成(SEN)核学习算法的DXN排放浓度软测量方法。首先,基于先验知识给出候选核参数集和候选惩罚参数集,采用核学习算法构建基于这些超参数的候选子子模型;然后,耦合优化和加权算法对相同核参数的候选子子模型进行选择与合并,进而得到基于不同核参数的候选SEN子模型集合;最后,再次采用优化和加权算法获得结构与超参数自适应的多层SEN软测量模型。采用UCI平台水泥抗压强度和焚烧过程DXN数据验证了所提方法的有效性。     

城市污水处理水质多尺度自适应特征提取

针对城市污水处理中水质数据样本存在时间和空间尺度不一致,导致水质特征变量难以准确提取的问题,提出了一种基于数据自适应重构的城市污水处理水质多尺度特征提取方法。首先,在数据时间尺度处理方面,设计了一种基于多尺度多样性熵计算的变量时间尺度优化方法,运用插值法构造等时间尺度的数据样本矩阵;其次,在数据空间尺度处理方面,设计了一种k近邻算法的多尺度数据空间重构方法,获取了数据同一空间分布的样本矩阵;最后,设计了一种基于自适应主元分析法(PCA)的数据特征动态提取方法,从数据重构样本矩阵中动态提取水质的特征变量。实验结果表明,基于数据自适应重构的多尺度特征提取算法能够准确地提取水质的特征变量。     

基于有效性分析的自组织模糊神经网络建模方法

提出了一种基于有效性分析的自组织模糊神经网络(self-organizingfuzzyneural network based on effectiveness analysis, SOEFNN)建模方法。首先,提出了一种针对模糊规则的有效性评价指标,利用样本与规则层输出之间的映射关系进行网络模型的有效性分析,通过累积触发的方式实现相应模糊规则的增加或删减,使网络模型在能够处理复杂非线性问题的同时降低其冗余性,使模型更为紧凑。采用梯度下降算法对网络模型进行训练。然后,对所提出的SOEFNN模型进行非线性系统仿真实验和污水处理过程中的出水生化需氧量预测建模,并与其他自组织模糊神经网络模型进行对比。仿真结果表明,所提出的SOEFNN模型能够很好地实现结构和参数的自适应调整,并且具有较好的逼近能力。     

基于仿射传播聚类子集主元分析的间歇过程监测方法

针对间歇过程固有的多阶段特性,也为了克服传统阶段划分方法严格按照物理时刻顺序将采样点硬性分割而不能使其寻找数据特征最为相近的聚类中心的严重缺陷,提出基于仿射传播聚类(AP)的子集多向主元分析(subset-MPCA)监测新方法:采用全新的乱序聚类思想,将时间片矩阵打乱用AP进行无约束乱序聚类,使样本突破时间顺序的约束自由找寻与其特征最为相近的聚类中心,获得聚类子集,建立精确的子集MPCA监控模型。在线监控时,引入信息度传递实现实时采样点的阶段归属判断,解决阶段不等长批次的最佳模型选择问题。对青霉素仿真数据的实验表明,该方法较传统方法可有效降低故障的漏报和误报,有着更加可靠的监控性能。     

电器电子产品回收研究现状及发展趋势

电器电子产品中含有大量的有毒有害物质及稀贵金属,随着废旧产品数量激增,处理不当将造成资源浪费及环境污染,研究废旧电器电子产品高效回收方法,突破废旧电器电子产品回收技术,建立废旧电器电子产品回收体系等是实现资源利用和环境保护的重要方式。本文首先介绍了电器电子产品识别与价值评估问题的研究现状,分析了目前工作存在的限制。其次,总结了回收调度优化技术,探讨了方法与实际应用间的关联性。最后,梳理了现有回收平台与运行模式,归纳了实际落地后存在的问题。本文对电器电子产品回收领域的回收现状及发展趋势进行了综述,有助于促进电器电子产品高效回收。