组合模型在传染病预测中的应用研究

研究传染病预测问题,由于受到外界因素和人体内部因素共同影响,具有不规则变动和非线性动态特点。传染病发生具有季节性、周期性和非规则等变化特点,单一模型只能预测中部分变化特点,预测误差比较大。为降低传染病预测误差,提出一种组合模型的传染病预测方法。首先分别采用ARIMA和LSSVM模型对传染病发生趋势进行预测,然后将两者预测结果输入到LSSVM重新进行学习,最后得到组合模型的预测结果。采用组合模型对某市乙肝发病率进行仿真。结果表明,组合模型降低了乙肝发病率的预测误差,预测结果更加可靠,为传染病预测工作提供新的技术手段。     

医学图像三维拼接重建优化技术研究与仿真

研究医学影像图像的清晰重建问题。器官的不同部位随着病变程度的不同,存在不同的几何畸变,造成图像匹配错误,图像中像素的密度、灰度也存在较大差异,病变器官中的边沿部位会产生几何畸变。传统的医学图像三维拼接重建,由于几何畸变的存在,会造成采集图像中的几何坐标发生畸变性边界冲突,后期三维拼接重建时,坐标的畸变性冲突造成图像清晰度不高等问题。提出了一种CT体像素几何畸变校正的医学图像三维重建算法,通过对几何畸变产生的像素畸变进行补偿修正,消除畸变带来的边沿坐标畸变影响。仿真结果表明,改进方法能够提高拼接后三维图像的清晰度,为图像拼接优化提供了有效的手段。     

钾对烟草根际氮细菌、氮古菌群落及氮代谢的影响

为提高烟草栽培品质,采用高通量测序技术和分光光度法探讨了不同施钾水平对根际氮细菌、氮古菌和氮代谢的影响。结果表明:旺长期,烟草根际反硝化作用菌和硝酸还原菌与施钾水平呈负相关,且当N:K₂O=1:2.1时,氮素有效性较高,相比对照提高了20.9%,利于烟草生长。晚成熟的上部叶总氮、烟碱含量升高,糖含量降低,烟叶质量受到影响,但在N:K₂O=1:3.5~4.2时总氮含量显著降低,此时根际脲酶活性同样显著降低。揭示出施钾水平不仅会直接影响烟草根际氮细菌、氮古菌的群落结构,还会影响土壤氮素有效性、土壤酶活,进而影响氮营养的供应和烟草品质。建议前期适量施肥,并在打顶后追施钾肥,改变根际钾环境,提高烟草品质。      

边缘检测算子应用于胃癌病理细胞分割的讨论

实验了经典边缘检测算子Roberts、Prewitt、Sobel、LoG和Canny在胃癌病理显微图像中分割细胞核的效果,讨论了各算子在此项应用中的不足,提出了自己的建议。     

医药类院校visualfoxpro课程的教学改革与实践

分析了医药类院校visualfoxpro课程教学中存在的问题，结合我校教学实践，总结了教学改革的经验：以知识认知为序改革内容体系；以完整案例教学、任务驱动上机改革教学方法：以实用程序加实践操作改革考核方式。     

基于NLSTFT与TSA相结合的风电齿轮箱故障诊断

针对变工况风电齿轮箱振动信号存在频谱频率模糊问题,以及传统时域同步平均方法需要键相信号及转速稳定要求.提出了一种不需要键相信号可跟踪变转速振动信号瞬时频率的时域同步平均方法.该方法通过非线性短时傅里叶变换(Non-linear short-time fourier transform,NLSTFT)获取变转速齿轮箱振动信号瞬时频率曲线,积分得到瞬时相位曲线;根据瞬时相位对原始信号进行角域重采样,获得阶次信号;最后对阶次信号进行TSA处理进行齿轮故障诊断.以某机组的齿轮箱实测数据,有效地验证了所提方法在风电齿轮箱故障诊断中的有效性及工程实用性.     

闽江口塔礁洲湿地重金属的分布特征

对闽江口塔礁洲湿地40个采样点的表层沉积物中的重金属含量进行测定.结果表明:Cu、Pb、Zn、Cd的含量分别为4.13-42.62、40.31-104.63、50.36-516.39、0.14-1.39mg·kg-1;各元素平均含量从大到小排序为Zn、Pb、Cu、Cd;对比国内外典型河口,塔礁洲湿地的Cu、Cd含量处于较低水平,但Pb、Zn的污染则较为严重;地累积指数法评价结果显示,塔礁洲主要受Cd和Zn的污染,不同重金属污染程度从大到小排序为Cd、Zn、Pb、Cu;潜在生态危害指数法评价结果显示,塔礁洲湿地的潜在生态危害指数(RI)均值为315.7±156.4,属于强的生态危害;塔礁洲湿地主要潜在生态危害重金属为Cd、Pb、Cu、Zn,均属于轻微的生态危害.     

改进蚁群算法结合粗糙集原理用于入侵检测

提出一种基于蚁群-粗糙集原理的入侵检测方法。首先通过粗糙集对不确性数据进行筛选;再利用改进蚁群算法对数据进行约简,减少了计算时间;然后再根据设定的阀值,用蚁群-粗糙集导出规则得到检测结果。实验结果表明,改进蚁群算法数据约简速度高于利用遗传算法以及蚁群算法,该方法对DoS和Probe攻击具有很高的检测率和较低的误检率,并且对U2R和R2L攻击也有较好的检测率。     

基于改进型遗传神经网络的相似重复记录检测

本文提出一种基于遗传神经网络的相似重复记录检测方法,充分利用了神经网络的非线性映射和遗传算法的全局优化特性,将基于学习的思想和进化的思想有效结合并应用到重复记录检测中,避开了传统方法计算属性权重的问题,并对遗传神经网络进行改进。实验结果表明本文方法能够有效地解决大数据量的相似重复记录检测问题,不仅具有好的检测精度,而且具有很好的时间效率。