基于电子病历的乳腺癌群组与治疗方案可视分析

乳腺癌是当前最常见的恶性肿瘤之一，其电子病历数据可用于挖掘隐含规律，对治疗与预后分析有重要意义。通过与乳腺科医生合作，选择合适的预测模型和可视化方法，搭建了一个基于电子病历的乳腺癌群组和治疗方案可视分析系统。首先，对具有高维属性的病人进行降维和聚类处理，形成病人群组，并采用南丁格尔图、词云和时间轴可视化方法，直观展示病人群组间特征的差异；然后，用支持向量机（support vector machine，SVM）模型预测治疗方案，用平行坐标、矩阵热力图和分类图分别展示属性相关性、训练后的特征权重和预测结果；最后，用真实案例验证了系统在群组分析、治疗方案及病人属性关联分析中的有效性，从而较好地帮助医生选择合适的治疗方案。     

p-Adic函数空间上Hardy型算子的多线性交换子估计

在p-adic域上研究分数次Hardy型算子与CMO(Q_p~n)函数生成的多线性交换子,建立了交换子在Lebesgue空间和Herz空间上的有界性.对Hardy算子的多线性交换子也得到了相应的结果.     

基于无人机多光谱图像的土壤水分检测方法研究

以表层土壤为对象,探究土壤的多光谱反射率与土壤水分含量相关性,进行基于无人机多光谱图像的土壤水分含量预测模型方法的探究。选取中国农业大学通州实验站为研究区域,实地采集试验田的土壤样本100组,按照一定梯度配制土壤含水量,配成的土壤含水率为10%~50%之间,土壤含量的真实值采用土壤烘干法进行测定。多光谱相机灵巧便捷,可搭载在无人机上对土壤进行监测。将RedEdged-M型多光谱相机搭载在Phantom 3型无人机上,选择阳光充足的采集环境,实时采集土壤样本的多光谱图像,建立土壤多光谱信息与水分含量之间的模型。利用处理光谱数据的ENVI5.3软件提取土壤样本多光谱信息,以多光谱相机自带的标准白板反射率为100%,计算出土壤样本在蓝、绿、红、红边、近红外五个波段的光谱反射率。采用BP神经网络算法、支持向量机算法、偏最小二乘算法分别建立基于无人机多光谱图像的土壤水分含量的预测模型。以80组土壤样本数据作为训练集,建立基于多光谱图像的土壤水分含量预测模型。采用莱文贝格-马夸特算法对BPNN进行改进,提高了其训练速度,当网络结构为5-10-1时,训练效果最好,本文选择该网络结构;SVM采取高斯核函数,当参数为0.56时,模型效果最好。本研究采用归一化均方根误差(NRMSE)和决策系数(R 2)对三种土壤水分含量的预测模型进行定量对比。以20组土壤样本数据作为测试集,结果可知,基于BP神经网络土壤水分含量预测模型的NRMSE为0.268,R 2为0.872;基于支持向量机的土壤水分含量预测模型的NRMSE为0.298,R 2为0.821;基于偏最小二乘土壤水分含量预测模型的NRMSE为0.316,R 2为0.789。对三种模型分析可知,基于BPNN的土壤水分含量预测模型效果均较好。结果可知,土壤的光谱反射率与含水率间存在较密切的相关性,将多光谱相机搭载在无人机上可以对土壤水分含量进行有效的实时监测,对监测土壤墒情提供技术支持和理论支撑。     

基于不确定理论的铁路货运需求预测

合理预测铁路货运需求是铁路管理部门建设、运营等决策基础。为应对铁路货运需求的复杂变化,基于Pearson相关性分析方法筛选出铁路货运需求的七个具有关键影响的因素,并结合不确定理论建立不确定多元线性回归模型,相应的铁路货运预测结果由传统单一值变成可能的需求区间范围,更加符合处于不确定环境下的铁路货运需求实际情况。选取国家统计局2004~2016年相关数据进实证研究,并与回归模型以及BP模型的预测结果对比分析,实验表明不确定多元线性回归的预测结果更加精确。     

网络环境下航天器交会对接系统的鲁棒H_∞滤波

以航天器空间交会对接为背景,探讨了其网络环境下的鲁棒H?滤波问题。基于传统的C-W方程,重新构建网络环境下航天器交会对接系统的数学模型。选取时滞相关Lyapunov函数并结合自由权矩阵处理方法,给出网络化滤波误差系统渐近稳定且满足H?性能的充分条件,进而将滤波器的设计转化为受线性矩阵不等式约束的凸优化求解问题。仿真表明,最劣情况下最优的H?扰动抑制水平达到??1.4142,得到的相对位置和速度估计误差分别为0.07与0.02,证明该算法是可行且有效的。     

一种2～14μm红外光谱辐射计的辐射定标方法

提出了一种分区多点标定的辐射定标方法。定标原理如下:将测量目标的温度区间分为n个子区间,测量并记录目标温度区间内n+1个不同温度黑体对应的红外光谱辐射计输出数据,并分别计算各个子区间的定标系数;进行红外光谱辐射测量时,比对红外光谱辐射计输出数据和记录数据,确定待测目标所属温度子区间;使用对应子区间的定标系数进行辐射定标,以提高测量精度。使用该方法对研制的渐变滤光片型红外光谱辐射计进行辐射定标,并根据定标结果反演测量黑体的等效亮温温差。实验结果表明,该方法的辐射定标精度优于1.5 K,可应用于红外光谱辐射计的辐射定标。     

利用近红外及中红外融合技术对小麦产地和烘干程度的同时鉴别

小麦是制作馒头的主要原料之一，小麦中水、蛋白质、淀粉会因产地以及烘干程度的差异而不同，进而影响到加工成馒头的品质。所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。感官评定是鉴别小麦产地和烘干程度常用的方法，对比感官评定，光谱分析可以识别样品中的分子结构等信息。基于此，尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。首先选取了两个不同产地的小麦，再利用微波干燥法对两个不同产地的小麦做烘干预处理，使烘干的小麦水含量为12%±0.5%，原麦水含量为18%±0.5%。分别标记为原麦A，烘干A，原麦B，烘干B，再将小麦研磨成粉末，过100目筛网筛选后，置于自封袋中备用。随后分别采集四种小麦样品的近红外和中红外光谱信息，在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理，利用主成分分析对预处理后的数据进行降维处理，再结合线性判别分析（linear discriminant analysis，LDA）和支持向量机（support vector machine, SVM）分别建立小麦近红外、中红外光谱数据识别模型。另外利用联合区间偏最小二乘法（synergy interval partial least square, SiPLS）筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间，将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析（LDA）和支持向量机（SVM）建立小麦融合光谱信息的识别模型。然后比较同种光谱数据下利用线性判别分析（LDA）和支持向量机（SVM）建立的小麦识别模型识别率、比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。结果表明，同种光谱分析方法，利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。同种建模方法，近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。而在同种建模方法下，利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高，光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%，预测集识别率为97.50%；而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。对比利用单一光谱数据建立的小麦识别模型识别率，光谱数据融合之后建立的小麦识别模型识别率得到显著提高，该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率，结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。     

Na原子链表面等离激元特性的含时密度泛函研究

本文用含时密度泛函理论研究了线性Na原子链的表面等离激元机理.主要在原子尺度下模拟计算了体系随着原子数增加及原子间距变化的集体激发过程.研究发现线性原子链有一个普遍的特性——存在一个纵模和两个横模.两个横模一般在实验上很难被观测到.纵模随着原子链长度增加,能量红移的同时,该纵模主峰的强度呈线性增长.随着原子个数的增加,端点模式(TE)开始蓝移,能量和偶极强度都逐渐趋向饱和.横模能量被劈裂的原因概括如下:(一)每个位置的电子受到的势不同,在两端的电子受到的势要比在中间的电子受到的势要高,因此两端的电荷积累也比中间多;(二)端点存在悬挂键,所以中间的电子-电子间相互作用与端点的不一样,这两方面又都与原子间距d有关.     

共轭线性对称性及其对PT-对称量子理论的应用

传统量子系统的哈密顿是自伴算子,哈密顿的自伴性不仅保证系统遵循酉演化和保持概率守恒,而且也保证了它自身具有实的能量本征值,这类系统称为自伴量子系统.然而,确实存在一些物理系统(如PT-对称量子系统),其哈密顿不是自伴的,这类系统称为非自伴量子系统.为了深入研究PT-对称量子系统,并考虑到算子PT的共轭线性性,首先讨论了共轭线性算子的一些性质,包括它们的矩阵表示和谱结构等;其次,分别研究了具有共轭线性对称性和完整共轭线性对称性的线性算子,通过它们的矩阵表示,给出了共轭线性对称性和完整共轭线性对称性的等价刻画;作为应用,得到了关于PT-对称及完整PT-对称算子的一些有趣性质,并通过一些具体例子,说明了完整PT-对称性对张量积运算不具有封闭性,同时说明了完整PT-对称性既不是哈密顿算子在某个正定内积下自伴的充分条件,也不是必要条件.     

基于罗德里格参数的线性最优估计自对准

针对车载捷联惯导系统怠速条件下的初始对准问题,提出了一种基于罗德里格参数的线性最优估计自对准算法。利用姿态阵分解和凯莱变换,将任意姿态下的无初值初始对准问题简化为罗德里格参数的无约束线性最优估计问题。讨论了算法的有效性,推导了算法的对准误差公式,并设计了一种简洁的工程实现方案。利用车载捷联惯导系统进行了四位置对准试验,每个位置对准六次,结果表明,在发动机振动及外界随机扰动下,新算法可以在5 min内完成对准,统计方位均方差(1σ)不超过3′。