基于鲁棒极端学习机的混沌时间序列建模预测

针对混沌时间序列预测模型易受异常点影响,导致模型预测精度低的问题,在贝叶斯框架下提出一种鲁棒极端学习机.所提模型将具有重尾分布特性的高斯混合分布作为模型输出似然函数,得到一种对异常点和噪声更具鲁棒性的预测模型.但由于将高斯混合分布作为模型输出似然函数后,模型输出的边缘似然函数变成难以解析处理的形式,因此引入变分方法进行近似推理,实现模型参数的估计.在加入异常点和噪声的情况下,将所提模型应用于大气环流模拟模型方程Lorenz序列以及Rossler混沌时间序列和太阳黑子混沌时间序列的预测中,预测结果验证了所提模型的有效性.     

基于GPU加速的质子调强放疗鲁棒优化器

开发一种基于图形处理器（GPU）加速的质子调强放疗鲁棒优化器,用于减小质子束射程不确定性和靶区定位偏差对质子放疗的影响。建立的鲁棒优化模型使用的目标函数包括9种边界剂量目标,分别是:无偏差情况、2种射程偏差（偏长与偏短）、6种摆位不确定性（前后、侧向、上下入射方向各2种正负偏差）。首先靶区和危及器官的剂量贡献矩阵使用笔形束算法计算得到,然后使用共轭梯度法优化目标函数让其满足约束条件,这两部分均采用GPU加速。头颈部、肺部和前列腺三个临床病例被用来检测本优化器的性能表现。与传统基于计划靶区（PTV）的质子调强放疗计划相比,鲁棒优化器能够优化出对射程不确定性和摆位误差更加不敏感的治疗计划,让靶区实现了高剂量均匀性的同时危及器官（OARs）也得到了更好的保护。经过100次迭代,三个病例的优化时间均在10 s左右。该结果证明了基于GPU加速的质子调强放疗鲁棒优化器能够在短时间内设计出高鲁棒性的质子治疗计划,从而提高质子放射治疗的可靠性。This paper describes the development of a fast robust optimization tool that takes advantage of the GPU technologies. The objective function of the robust optimization model considered nine boundary dose distributions--two for ±range uncertainties, six for ±set-up uncertainties along anteroposterior (A-P), lateral (R-L) and superior{inferior (S-I) directions, and one for nominal situation. The nine boundary influence matrices were calculated using an in-house dose engine for proton pencil beams of a finite size, while the conjugate gradient method was applied to minimize the objective function. The GPU platform was adopted to accelerate both the proton dose calculation algorithm and the conjugate gradient method. Three clinical cases-one head and neck cancer case, one lung cancer case and one prostate cancer case-were investigated to demonstrate the clinical significance of the proposed robust optimizer. Compared with conventional planning target volume (PTV) based IMPT plans, the proposed method was found to be conducive in designing robust treatment plans that were less sensitive to range and setup uncertainties. The three cases showed that targets could achieve high dose uniformity while organs at risks (OARs) were under better protection against setup and range errors. The run times for the three cases were around 10 s for 100 iterations. The GPU-based fast robust optimizer developed in this study can serve to improve the reliability of traditional proton treatment planning by achieving a high level of robustness in a much shorter time.     

基于流形学习的极端学习机及其在人脸识别中的应用

极端学习机以其快速高效和良好的泛化能力在模式识别领域得到了广泛应用,然而现有的ELM及其改进算法并没有充分考虑到数据维数对ELM分类性能和泛化能力的影响,当数据维数过高时包含的冗余属性及噪音点势必降低ELM的泛化能力,针对这一问题本文提出一种基于流形学习的极端学习机,该算法结合维数约减技术有效消除数据冗余属性及噪声对ELM分类性能的影响,为验证所提方法的有效性,实验使用普遍应用的图像数据,实验结果表明本文所提算法能够显著提高ELM的泛化性能。     

基于极端学习机的多变量混沌时间序列预测

针对多变量混沌时间序列预测问题, 提出了一种基于输入变量选择和极端学习机的预测模型. 其基本思想是 对多变量混沌时间序列进行相空间重构后, 采用互信息方法选择与预测输出统计相关最高的重构输入变量, 借助极端学习机的通用逼近能力建立多变量混沌时间序列的预测模型. 为进一步提高预测精度, 采用模型选择算法选择具有最小期望风险的极端学习机预测模型. 基于Lorenz, Rössler多变量混沌时间序列及Rössler超混沌时间序列的仿 真结果证明所提方法的有效性.     

基于鲁棒回声状态网络的混沌时间序列预测研究

针对回声状态网络模型易受异常点影响的问题, 提出一种基于拉普拉斯先验分布的鲁棒回声状态网络模型. 通过采用对异常点不敏感的拉普拉斯分布代替高斯分布作为模型输出的先验, 以增强网络对于异常点的抑制能力. 此外, 为解决由引入拉普拉斯分布所造成的求解困难的问题, 根据边际优化方法, 构建适当的替代函数, 使拉普拉斯先验等价转化为易于计算的高斯形式, 并通过贝叶斯方法实现模型参数的自适应估计. 仿真结果表明, 在异常点存在的情况下, 本文所提出的模型具有较好的鲁棒性, 并仍能保持较高的预测精度.关键词：回声状态网络鲁棒模型替代函数拉普拉斯分布     

基于滑模鲁棒算法的超低频主动隔振系统

振动噪声的有效隔离是冷原子重力仪的关键技术之一.为了减小冷原子重力仪中拉曼反射镜的振动噪声,研制了一套紧凑型低频主动隔振系统.其原理是利用滑模鲁棒控制系统处理和反馈由地震仪采集到的振动信号,利用音圈电机控制和消除被动隔振平台的运动.在0.1—10 Hz频域范围内,滑模鲁棒控制系统的残余振动噪声功率谱密度比被动隔振平台最大降低了99.9%,比超前滞后补偿控制方法最大降低了83.3%.滑模鲁棒控制算法还具有整定参数少、抗干扰能力强等特点.     

基于广义M估计的鲁棒容积卡尔曼滤波目标跟踪算法

为减小测量异常误差对非线性目标跟踪系统的影响, 提出了一种基于广义M估计的鲁棒容积卡尔曼滤波算法. 首先将非线性测量方程等价变换, 利用约束总体最小二乘准则构建广义M估计极值函数, 在不进行线性化近似的前提下将其引入到容积卡尔曼滤波求解框架中. 然后根据Mahalanobis距离构建异常误差判别量, 利用卡方分布的置信水平确定判决门限, 并建立改进的三段Huber权函数, 使其能够降低小异常误差权值, 剔除大异常误差. 理论分析表明, 该方法具有无需求导、跟踪精度高、实时性好等优点, 且无需已知异常误差的统计特性; 实验结果表明, 所提算法能够有效减小异常误差的影响, 在实际非线性物理系统中具有广阔的应用空间.     

具有增加删除机制的正则化极端学习机的混沌时间序列预测

针对正则化极端学习机的隐层具有随机选择的特性,提出了一种增加删除机制来自适应地确定正则化极端学习机的隐层节点数. 这种机制以对优化目标函数影响的大小作为评价隐层节点优劣的标准,从而淘汰那些比较“差”的节点,将那些比较“优”的节点保留下来,起到一个优化正则化极端学习机隐层节点数的目的. 与已有的只具有增加隐层节点数的机制相比较,本文提出的增加删除机制在减少正则化极端学习机隐层节点数、增强其泛化性能、提高其实时性等方面具有一定的优势. 典型混沌时间序列的实例证明了具有增加删除机制的正则化极端学习机的有效性和可行性.关键词：混沌时间序列人工神经网络极端学习机     

碳离子治疗计划中的RBE加权剂量鲁棒优化方法

提出基于混合束模型的相对生物学效应(RBE)加权剂量鲁棒优化方法,用于减少碳离子束射程和摆位偏差对生物剂量分布的影响。建立概率组合鲁棒优化模型,利用二次型目标函数表达式,分别制定针对物理吸收剂量和RBE加权剂量的碳离子束治疗计划,并基于共轭梯度优化算法求解出各自最优的权重解,使得靶区和危及器官(OAR)实际剂量分布在射程和摆位偏差组合情况下尽量满足剂量要求。采用C型靶模型测试鲁棒优化方法的有效性。与基于计划靶区(PTV)的常规优化方法相比,针对物理吸收剂量的鲁棒优化计划临床靶区(CTV)的$ Delta {D}_{95{text{%}} } $减少10.00 cGy,OAR的$ Delta {D}_{5{text{%}} } $和$ Delta {D}_{mathrm{m}mathrm{a}mathrm{x}} $分别减少21.50和35.97 cGy,计划的鲁棒性得到了很好的提升。针对RBE加权剂量的鲁棒优化计划CTV的$ Delta {D}_{95{text{%}} } $降低14.00 cGy(RBE),OAR的$ Delta {D}_{5{text{%}} } $和$ Delta {D}_{mathrm{m}mathrm{a}mathrm{x}} $分别减少19.00和26.28 cGy(RBE),说明该方法不仅减少了CTV的生物剂量变化,也减少了OAR的生物剂量热点。该结果证明了基于混合束模型的RBE加权剂量鲁棒优化方法在有效提高碳离子放疗计划鲁棒性的同时使OAR也得到了很好的保护。     

基于LPV的航空发动机鲁棒变增益控制

随着我国现代化进程的不断加快,航天航空技术标准越来越高,对于航空发动机运转工况的鲁棒性和适应性提出了更高的要求。传统的航空发动机变增益设计步骤繁琐,不能将发动机置于整个航空器的运转去考虑设计,使发动机变增益缺乏相应的稳定性和适应性,易出现系统问题。为此,提出一般基于LPV的航空发动机鲁棒变增益控制系统,依据航空发动机结构参数,考虑到航空器在空中负载特性,计算出新的约束极点 模糊变增益,在航空器发动机工作范围连续增益,避免了传统增益切换情况,在转速控制上确定误差等因素,将非线性控制设计分解为多个线性子问题,使航空器控制系统能够沿着LPV参数轨迹保持良好的运转,保持稳定性能。仿真实验证明,提出的基于LPV的航空发动机鲁棒变增益控制系统控制效果优于传统方法,在航空器发动机转速改变时,控制精度能够满足要求 ,改变航空器负载时,有效对目标进行变增益控制。提出的控制方法对航空发动机鲁棒变增益控制问题提供了新的解决办法,具有较大应用价值。     

基于机器学习的偏振遥感云检测优化算法

偏振遥感经验阈值云检测算法受主观因素影响较强,极易在亮地表上空出现云检测不准确的问题.针对该问题,本文提出了一种主动和被动遥感卫星相结合的机器学习云检测算法.该算法基于POLDER3载荷多通道多角度偏振特性以及CALIOP载荷高精度云垂直特性展开研究,利用POLDER3载荷和CALIOP载荷观测重合区域数据,搭建了粒子...     

基于自适应遗传算法的SVM参数优化

针对基于遗传算法支持向量机(SVM)训练时间较长以及分类精度较网格搜索法有所降低等问题,通过重新定义遗传算法参数的寻优范围,提出一种自适应遗传算法;该算法根据网格搜索法得到遗传算法参数的最佳寻优范围,然后遗传算法在这个范围内进行参数的精确寻优,最后得到分类的结果;这样不仅可以有效缩短训练时间,而且拥有更高的分类正确率;通过UCI中的10组经典数据集的实验结果可知,自适应遗传算法较之网格搜索法、 常规遗传算法、粒子群算法在训练时间上有较大的提升,并且拥有较高的分类准确率。     

基于SVM集成学习的网络故障诊断方法

针对现有SVM多分类方法在网络故障诊断中识别精度较低的问题,本文提出一种基于二叉树结构和模型二重扰动的SVM集成学习算法。通过集成学习思想提高网络故障诊断的精度。在集成过程中对二叉树结构和核参数进行扰动,加大个体分类器的差异度,提升了诊断模型的泛化性。在实际网络中的诊断实验表明所提的方法较二叉树等其它SVM多分类方法具有更高的诊断精度。     

纯电动汽车磷酸铁锂电池组的建模及优化

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优。     

An Overview of Infrared Spectroscopy Based on Continuous Wavelet Transform Combined with Machine Learning Algorithms: Application to Chinese Medicines,Plant Classification,and Cancer Diagnosis

Abstract

Infrared spectroscopy has been a workhorse technique for materials analysis and can result in positively identifying many different types of material. In recent years there have been reports using wavelet analysis and machine learning algorithms to extract features of Fourier transform infrared spectrometry (FTIR). The machine learning algorithms contain back-propagation neural network (BPNN), radial basis function neural network (RBFNN), and support vector machine (SVM). This article reviews the important advances in FTIR analysis employing a continuous wavelet transform (CWT) and machine learning algorithms, especially in the applications of the method for Chinese medicine identification, plant classification, and cancer diagnosis.     

考虑来流角变化影响的叶栅稳健性优化设计

进、出口边界流动扰动是叶轮机械中一种典型的不确定性因素,对叶片气动性能产生重要影响.开展考虑边界流动扰动影响的叶片稳健性气动优化设计(RADO)研究,对提高叶片的平均气动性能及气动稳健性具有重要意义,首先介绍叶片RADO的基本原理、实现方法及关键问题.之后开展基于自适应非嵌入式多项式混沌模型的某型跨音速涡轮叶栅来流角不...     

改进粒子群算法优化支持向量机在故障诊断中的应用研究

支持向量机(SVM)作为当前新型的机器学习方式,凭借解决小样本问题、高维问题和局部极值问题等方面的优越性,在当前故障诊断方面有突出的表现;文章根据对支持向量机的研究,发现其在分类模型参数选择上存在困难,为此,提出利用改进粒子群算法优化的办法,解决粒子群前期收敛速度过快导致后期容易优化不均的现象;通过粒子群算法优化与支持向量机分类模型结合,以轴承故障检测和诊断为例,分析次方法的优越性和提高支持向量机在故障诊断过程中的精准度;通过实际检测得出,这种算法优化的方法改进的支持向量机对于聚类性较差的故障分类具有很好的诊断功能。     

基于代价优化的云工作流调度改进PSO算法

云计算可以通过即付即用的方式向用户工作流提供资源。为了解决资源服务代价异构环境下的云工作流任务调度代价问题,提出一种基于改进粒子群算法的云工作流任务调度算法WSA-IPSO。通过综合考虑任务的执行代价和依赖任务间发生数据传输时的通信代价,算法将总代价优化问题形式化为有向无环图DAG中的任务调度模型,并提出基于改进粒子群算法的优化模型对其进行求解。通过改进传统粒子群算法的粒子速度更新策略和惯性权重更新策略,算法可以以更快的收敛速度得到代价最小化的调度方案。通过仿真实验,与MCT算法及标准粒子群算法进行性能比较。实验结果表明,WSA-IPSO算法在降低总代价、任务分布的负载均衡以及算法收敛性方面比较同类算法均表现出更好的性能。     

基于动态布谷鸟搜索算法的PID控制器参数优化

针对传统PID控制器参数优化费时且不能保证获得最佳性能,提出一种基于动态布谷鸟搜索算法的PID控制器参数优化方法。布谷鸟搜索算法(CS)具有参数少、搜索能力强等特点,但是标准布谷鸟搜索算法参数采用固定值,极大地影响了算法的性能,因此提出了动态布谷鸟搜索算法(DCS),DCS算法采用动态参数,算法性能明显改善。仿真试验结果表明基于动态布谷鸟搜索算法的PID控制器具有较好的控制性能指标。     

基于遗传算法的光综合孔径圆周阵优化

从光综合孔径圆周阵列成像的基本原理出发,建立了圆周阵列的优化模型;采用改进的实数编码方法对子孔径阵列位置进行编码,运用遗传算法进行子孔径阵列的优化;以阵列的u-v覆盖点间距最大化及最小冗余度来设计目标函数,实现了8~16个子孔径二维圆周阵的优化排列;分析了二维圆周光综合孔径阵列成像系统的点扩展函数、光学传递函数和衍射成像的基本原理;对优化结果与模拟退火算法的结果进行对比,使用仿真成像程序分析其点扩展函数,并与均匀排布的圆周阵列进行对比。结果表明,采用改进的实数编码的遗传算法可以很好地解决综合孔径阵列优化的问题,相对于模拟退火算法,该方法的计算时间更短,结果更优。