范涛[1]2000年在《基于模糊Hopfield网络的人体染色体聚类分析》文中研究说明本课题以人体染色体图象模式识别为背景，研究生物医学图象的数字分析与处理方法，结合人工神经网络，图象处理与模式识别技术，设计基于模糊Hopfield网络的人体染色体图象自动分类系统。课题的主要研究成果如下： （1）人体染色体图象预处理论文讲述了从人体染色体原始图象中将待识别的染色体从图象中分离并提取出染色体轮廓和中轴线的方法，包括滤波、图象分割和中轴变换等几个部分。针对人体染色体图象的特殊性，论文提出了一种梯度二值化的图象分割方法，区域填充等过程；讲述了利用细化提取染色体中轴线的方法。实验结果表明，本系统的讲述的图象预处理过程能够有效地提取染色体轮廓和中轴线，为提取染色体特征打下了良好基础。 （2）人体染色体模式特征提取及压缩论文论述了从经过图象预处理的人体染色体图象中提取长度、着丝点指标和显带特征的方法。重点对从图象中获取的原始显带特征进行了处理。首先利用插值法对原始显带特征进行标准化，使其在维数上得到统一，并沿中轴线平均分布；此时显带特征的维数较高，冗余度大，对分类器的训练与识别都造成一定困难，论文中用PCA法对显带特征进行了降维处理。 （3）模糊Hopfield网络及其在人体染色体模式分类中的应用论文描述了一种神经元模糊识别系统（Neruo-Fuzzy Recongnition System，简称NFR或NFRs），NFRs的核心是（N+1）阶模糊Hopfield网络和NFRs聚类核。NFRs通过（N+1）阶模糊Hopfield网络中的N子网络对模式样本进行模糊聚类学习模式中隐含的模糊聚类知识结构，形成NFRs聚类核，基于NFR聚类核形成的知识结构，（N+1）阶模糊Hopfield网络对待识别的模式和样本模式构成的模式集合进行模糊聚类运算。NFRs因而可对模式空间的模式进行分类和识别，并依样本模式将其划分为等价类。实验结果表明，NFRs具有良好是识别特性。 （4）人体染色体模式分类系统的构造与实现论文将染色体长度和着丝点指标分别模糊化为模糊变量，并对这两个模糊化矢量取直积构成网络模糊推理的条件空间，在模糊Hopfield网络中将染色体分类，并对不同条件下的分类结果进行比较。系统构造于Win98操作系统上，采用Matlab语言来完成。应用程序模块都采用文件方式进行调用。
宋小莉[2]2005年在《基于“OD-IM-RD”模式的半夏泻心汤及其类方配伍规律的研究》文中进行了进一步梳理半夏泻心汤及其类方(甘草泻心汤、生姜泻心汤)(下文简称为三泻心汤或三类方)为《伤寒论》十二类方之一,为张仲景治疗痞证的代表方剂。三泻心汤证之痞,虽均系误治或不经误治出现了脾胃虚弱,邪热内陷,寒热互结中州,脾胃升降失常,气机痞塞,但病机并不完全相同。三泻心汤随证加减,存在一定的相似性与差异性,为类方差异研究的优良模板。另外,三泻心汤中君臣佐使配伍齐全,可以充分体现君臣佐使这一组方原则对复方配伍的指导性。三泻心汤中蕴含着张仲景首创的“辛开苦降甘补”之法,充分体现了药性理论对复方组方的指导意义。因此,以三泻心汤为模板研究配伍规律,可以全面揭示君臣佐使、药性理论、类方差异等配伍规律。本课题论文共分三个部分。第一部分为复方及类方配伍规律研究思路探讨,在该部分提出了“OD-IM-RD”(“优化拆方——智能建模——规律发现”,即“Optimum Disassembled-Intelligent Moding-Regularity Discovering ”, 简 称 为“OD-IM-RD”)的研究模式。第二部分为药味药量与药效学非线性映射模型的建立。该部分针对拆方研究试验数据的类型与特点,为了实现用计算机模拟实验的目的,兼顾复方药味间存在的复杂非线性关系,应用 BP 神经网络建立了“药味药量与药效学非线性映射模型”,通过与以往多元线性回归法建模的比较,以及通过对模型预测能力的评价,认为所建的网络模型性能优秀。第三部分为模型应用部分。该部分从单味药的药味药量与药效的关系、君臣佐使、药性理论、类方差异方面对复方类方配伍规律进行了全面的探讨。1 创建新的研究模式本研究创立并应用“OD-IM-RD”模式研究半夏泻心汤及其类方配伍规律,实现了大复方药味、药量配伍规律的研究。 采用了均匀设计法进行优化拆方研究,使试验次数由正交设计的 81 组减少到24 组,同时所得试验结果仍能反映试验体系的主要特征,从而实现了大复方药味、药量配伍规律的实验研究。对于复方药味药量与药效学之间复杂的非线性关系目前尚无合适模型可借鉴。由于神经网络具有非线性、自组织、自学习能力,因此应用神经网络所建模型可以根据 24 组实验所得数据蕴涵的知识,预测出所有不同药味药量配伍的相应药效学实验数据。实现了 8 组至 24 组乃至 n 组的药味、药量与药效相关的研究飞跃。引入了中医整体论与系统论的思维模式,从君臣佐使、药性理论、药味药量2 基于“OD-IM-RD”模式的半夏泻心汤及其类方配伍规律的研究与药效关系、类方等角度全方位阐释复方配伍规律。以往研究药性理论、君臣佐使配伍理论,需按照药性理论或君臣佐使拆方,而本模式并未按照药性及君臣佐使拆方,便可应用所建立模型研究药性及君臣佐使配伍规律。2 模型的确立采用三层 BP 网络,输入层为 8 个神经单元,分别代表半夏泻心汤及其类方的8 味药物;隐含层为 10 个神经元;输出层为 3 个神经元,在药味药量与胃分泌映射模型中分别代表胃酸分泌、胃蛋白酶活性、胃粘液分泌;在药味药量与胃排空映射模型中分别代表正常小鼠胃排空率、胃肠运动抑制模型及亢进模型胃排空率;在药味药量与肠运动映射模型中分别代表正常小鼠小肠推进率、胃肠运动抑制模型及亢进模型小肠推进率。以半夏泻心汤及其类方拆方的实验数据为学习对象,通过 4000 余次的训练,网络收敛致目标误差为 0.001。从而建立起拓扑结果为 8-10-3 的药味药量与药效学指标的网络模型。应用预测误差、均方误差、拟合图等对模型进行评价,结果显示:模型对学习过和未学过样本的具有很好的拟合与预测能力,学习过的样本误差<10%,未学习过的样本误差<20%;肠运动模型、胃排空模型、胃分泌模型均方误差分别为 9.9978e-004,0.0015,14.6922;拟合图显示网络拟合较好。综合评价认为,药味、药量与胃分泌关系模型网络拟和及预测性能良好。药味药量与药效学指标的网络模型确立。3 模型应用结果3.1 单味药的药味、药量与药效关系研究得出了半夏泻心汤及其类方中 8 味药物全方背景下的药味、药量与药效关系曲线,得出了这 8 位药物不同药味药量配伍的药效学(胃肠运动、胃分泌)数值。3.2 君臣佐使研究认为三泻心汤君药为半夏,并不支持“甘草泻心汤的君药为甘草,生姜泻心汤的君药为生姜”的观点。在三泻心汤中君药并非为方剂中剂量最大的药味。半夏为君的可能药效学作用为:半夏对胃肠运动具有双向调节作用,同时还可以通过减少胃酸分泌及减少胃蛋白酶活性,减少对胃粘膜的损伤,从而起到治疗消化系统疾病的作用。以君药标准评价时,半夏的药效学贡献度最大。认为君药的确立应从文献研究、全方背景下药效学预测研究、单味药物药物在复方中的贡献度的比较等角度探讨了全方位进行研究。3.3 药性研究提示辛开组(半夏、干姜)的药效学作用可能与其对胃酸分泌及胃蛋白酶活性具有中文摘要 3抑制作用、对胃肠运动抑制模型及亢进模型均具有拮抗作用有关。苦降组(黄芩、黄连)的药效学作用可能与其对胃酸具有促进作用、对胃粘液具有抑制作用、对肠运动具有抑制作用有关。甘补组(党参、大枣、甘草)的药效学作用可能与其对胃酸分泌及胃蛋白酶活性具有促进作用、对胃肠运动具有促进作用有关。
秦一梅[3]2018年在《软计算技术在TiAl合金显微硬度的预测研究》文中进行了进一步梳理TiAl合金因具有高硬度等优良性能成为研究热点,显微硬度作为衡量TiAl合金软硬程度的判据之一,建立显微硬度预测模型,通过模型化方法,指导实验进行,减少试验次数,降低成本。但由于影响因素多且关系复杂,难以通过传统的方式建立预测模型,且多数预报工作中也未考虑模糊性和数据非均匀性特征。因此,预测研究工作仍存在不足。本文以TiAl合金的显微硬度实验数据为研究对象,以软计算技术中的神经网络为研究基础,建立BP神经网络显微硬度预测模型。并从模糊性和技术路线两方面对预测模型进一步优化,最后考虑样本非均匀性特征建立预测模型,以提高预测模型的性能,降低预测误差。论文主要研究内容如下:(1)选择合适的指标参与预测模型的建立和数据预处理。参数选择从外因和内因两方面考虑,外因选择TiC(wt%)、制备温度T和B(wt%)。内因则包括非线性、模糊性和非均匀性特征。在筛选、剔除无效数据后,保留165条数据。为减小样本量纲相差过大造成的预测误差,采用mapminmax函数进行归一化处理。(2)建立基于BP神经网络的TiAl合金显微硬度预测模型。首先,确定预测模型输入节点为3,输出节点为1。根据经验公式计算BP神经网络中隐含层节点数的取值范围,在MATLAB软件平台上编写预测程序,经多次试验,确定BP神经网络的网络结构为3-7-1。计算预测结果的平均绝对值和均方差来评价预测模型。(3)对BP神经网络的预测模型进行优化。一方面,考虑数据样本的模糊特征,另一方面,通过优化BP神经网络参数来提高网络预测能力,选择T-S模糊模型和遗传算法对BP神经网络进行优化以减小预测误差。分析比较T-S模糊神经网络、遗传算法优化BP神经网络预测模型与单一BP神经网络预测模型的预测结果。(4)建立基于模糊聚类的BP神经网络显微硬度预测模型。针对显微硬度数据样本的非均匀性特征,将模糊聚类分析与BP神经网络结合,建立组合预测模型对显微硬度进行预测。通过模糊聚类分析将样本数据分为相似性度较高的若干组数据,将其作为训练样本,根据样本与各聚类之间的相似程度作为测试标准建立预测模型。分析模糊聚类分析理论在显微硬度预测上的效果。结果表明,BP神经网络预测模型较好描述显微硬度与影响因素间关系,预测模型的均方差为11.92。通过T-S模糊模型和遗传算法优化BP神经网络后,预测模型均方差分别提高1.68%和34.90%。数据样本经过模糊聚类处理后建立的预测模型均方差为4.94,较单一BP神经网络预测模型提高58.56%。优化后的模型尽管不能实现完全预测,但其结果仍具有重要意义。
佚名[4]2010年在《自动化技术、计算机技术》文中研究说明TP11 2010021966离散网络化群体系统一致性H∞控制/李向舜,方华京(华中科技大学控制科学与工程系)//应用科学学报.―2009,27(5).―525～531.针对网络化群体的一致性问题给出了状态反馈H∞控制器存在的条件。通过状态分解将系统状态进行适当的分解,在此基础上结合线性矩阵不等
刘琦[5]2008年在《RNA二级结构的若干计算生物学问题研究》文中研究表明对于RNA分子结构与功能的研究是当今生物信息学领域的一个非常重要的课题。随着研究的不断深入,RNA正在从人们眼中简单的、线性的、功能单一的分子形象演变成今天种类多样,结构复杂,功能特异的新个体,特别是大量非编码RNA的发现以及对于其功能特性的分析,使得人们逐步认识到RNA世界的多样性和重要性。RNA已经不仅仅被认为是DNA到蛋白质之间的一种信息传递中介,它已经逐渐在中心法则中取得了与DNA和蛋白质同等重要的地位。RNA组学(Rnomics)或者核糖组学(Ribonomics)也成为继基因组学(Genomics),蛋白质组学(Proteomics)等一系列系统生物学概念之后的一个崭新的系统交叉学科。RNA分子结构与功能的研究不光依赖于实验手段,同时也需要借助生物信息学的方法进行分析,特别是目前对于RNA分子的研究已经进入了一个大规模的,高通量的,系统分析的时代,为了更加深入探索RNA结构与功能的关系,了解RNA在生命活动中的各种工作机制,大力发展RNA研究方面的生物信息学方法和技术显得尤为重要。在这样一个热点研究背景之下,本论文从算法设计以及计算机软件平台构建的角度,对于RNA分子结构相关的计算生物学问题进行研究。论文内容涉及RNA分子结构的表示,RNA结构预测,RNA结构比对,RNA结构的压缩和信息度的衡量,RNA综合分析平台的构建,以及非编码RNA基因预测等若干问题,属于计算机,生物,医学交叉的前沿学科领域。论文的主要内容与成果概括如下:(1).对于RNA分子的结构表示理论进行了系统的分析,对于各种结构表示方法进行比较,同时提出了一种基于6-D编码的RNA分子二级结构表示方法,将RNA构象的二级结构转化为结构矩阵,提取矩阵奇异值向量作为其主要结构特征,从而从代数矩阵论角度给出了其分子结构的精确描述。(2).对于RNA分子二级结构的预测算法进行了系统的阐述,基于图论极大独立集思想提出了一种基于Hopfield网络进行并行预测的有效算法,进一步提高了RNA二级结构预测的效率。(3).对于RNA分子二级结构的各种相似度衡量算法进行了探讨和比较,采用6-D编码设计了一种利用矩阵奇异值分解进行结构比对的算法。(4).基于上述相似度提出了一种新的模糊核聚类(Kernel Fuzzy C-means,KFCM)算法,应用于RNA二级结构构象的聚类分析中。结果表明该聚类算法对于RNA构象分析十分有效。(5).构建了RNA结构比对以及结构构象聚类的整合软件平台(RNACluster),将基于最小生成树(Minimum Spanning Tree,MST)表示的聚类算法应用于RNA分子的构象聚类、RNA构象转换(RNA conformational switches)以及非编码RNA预测当中。(6).首次提出了RNA二级结构压缩的概念,设计了一种利用上下文无关文法压缩RNA二级结构的算法,构建了相关软件(RNACompress),该软件可以有效的对于RNA一级序列及二级结构同时进行建模,并且进行无损压缩。(7).首次引入基于压缩的Kolmogorov复杂度来衡量RNA结构的信息度。并将其应用于11种GTP-binding RNA核酸适体(aptamer)的结构信息度衡量及其绑定活性与结构信息复杂度关系的定量研究中。(8).对于非编码RNA的相关概念及其基因预测算法进行了论述。系统总结了非编码RNA相关的网上平台与数据库资源。对于非编码RNA计算生物学领域的未来研究方向和研究热点提出了自己的看法,并作了相应展望。
王晓东[6]2006年在《数据融合中基于神经网络的目标识别方法研究》文中研究指明随着科学技术的发展和现代战争的需要,数据融合作为一门新兴交叉学科在近年来得到了广泛关注和飞速发展。目标识别(Target Recognition)是数据融合技术的一个重要组成部分,也是军事技术研究领域中的一个重要课题。 本文在综述目标识别、神经网络目标识别方法后,重点研究了神经网络目标识别问题。在特征量测向量已知的条件下,应用神经网络对目标进行识别。首先,提出了利用径向基神经网络对多个目标进行识别的方法,针对传统径向基神经网络模型算法的不足,提出了改进学习算法,并将新算法用于目标的识别,通过仿真比较了新算法与传统的径向基神经网络算法的优劣;其次,研究了基于自组织神经网络的目标识别,针对自组织神经网络学习算法的不足,提出了改进方法,通过仿真说明了新算法的可行性,并针对目标样本重叠时新算法的误识率较大的缺点,进一步采用LVQ网络与新算法相结合的方法对目标进行识别,仿真结果表明LVQ网络与新算法相结合有效地提高了目标的识别率;最后研究了基于遗传算法的神经网络目标识别方法,针对传统遗传算法的缺点,进行了改进,通过两个测试函数将改进后的遗传算法与传统的遗传算法的进化次数作了比较,同时,为了克服传统遗传算法寻优搜索过程带有一定程度的盲从性和随机性,将有监督学习的BP算法与之结合,并将此算法应用于目标的识别,仿真表明此算法比BP算法具有更高的识别率。本文还对神经网络目标识别的进一步研究的问题进行了展望。
马利[7]2008年在《装备制造企业前向物流智能平衡模式研究》文中研究表明装备制造业是为国民经济发展和国防建设提供技术装备的基础性产业,是国家综合国力的具体体现。然而,目前我国装备制造企业对市场的快速反应能力差、产品开发周期长、生产成套性差、交货期长等问题已成为在国际、国内竞争中屡屡失利的重要原因之一,且都可归为企业前向物流平衡问题。发达国家已能较好解决这一问题,我国装备制造企业整体水平偏低,信息化水平低,短期内很难通过复制国外模式解决,迫切需要研究适合我国实际情况的有效解决方案,促进集群网络化制造,增强我国装备制造企业的竞争实力。本文在进行厂校2005年合作项目:张家口煤矿机械有限公司(ZMJ)精确化计划与控制和河北省科技厅06年指导性计划项目:大型装备制造企业精细生产计划智能支持方法研究基础上,通过文献综述分析了我国装备制造企业前向物流研究现状和存在问题,选择中煤集团某国有大型煤机制造企业为代表进行了实地研究,从前向物流整体出发,提出了以智能化技术支持的前向物流动态平衡的解决思路,提出了适应我国国情的装备制造企业前向物流智能平衡模式。论文首先构建总体框架,指出框架中的关键技术,然后分项进行了研究。包括订单排序方法,面向订单的项目型组织设计,设计与制造并行流程再造,变型件快速设计系统、生产提前期智能估算系统和车间调度智能支持系统开发设计。主要结论:(1)该类企业属于典型的OKP类型,订单进度控制不力是问题的主要表现。因此提出以订单为核心,建立面向订单的项目型组织结构,加强部门间对订单的跟踪控制,保证订单按期配套出产。(2)多变市场导致企业技术数据变化频繁,ERP尚缺乏提供动态信息支持,加剧了装备制造企业全面信息化和应变市场的难度。本文认为应集中研究支持ERP的动态数据智能生成解决方案。(3)本文进行了订单优先级排序、设计和生产并行流程、快速设计、生产提前期估算、车间调度等系统研究,经验证达到预期目标。主要创新点:(1)基于产品族数据管理和相似性识别的变型件快速设计方法。(2)结合模糊聚类的改进型RBF网络训练方法。(3)将模拟退火算法与多种群遗传算法融入到传统遗传算法中,提出了采用混合遗传算法求解有限能力作业车间调度模型。
谭琨[8]2005年在《测井岩性自适应识别》文中研究说明由于地层沉积环境及沉积物理、化学条件的复杂性,一些不同岩性地层测井数据之间没有明显的区分界线,分类时所依据的数据指标的变换也大多具有连续性;相反地,同种岩性在不同的深度或不同的井中,测井数据可能差别较大. 由于这些客观原因的存在,这就要求有一种容错能力强的识别方法来对岩性进行识别. 人工神经网络是一种新的模式识别方法,它具有很强的自适应能力、学习能力、容错能力,使信号处理过程更接近人的思维.本文主要工作是对人工神经网络的常用模型bp 网,Hopfield网和Kohonen 网的拓扑结构和学习算法进行了的研究,特别是对其中的传统bp 算法进行了分析,并总结了一些改进措施. 其次,本文论述了用Visual C++建立岩性识别软件模型,对测井数据进行岩性识别. 另外,还尝试将数值分析中的Aitken 迭代算法引入神经网络的bp 算法中来加速收敛.
参考文献：
[1]. 基于模糊Hopfield网络的人体染色体聚类分析[D]. 范涛. 北京工业大学. 2000
[2]. 基于“OD-IM-RD”模式的半夏泻心汤及其类方配伍规律的研究[D]. 宋小莉. 北京中医药大学. 2005
[3]. 软计算技术在TiAl合金显微硬度的预测研究[D]. 秦一梅. 陕西科技大学. 2018
[4]. 自动化技术、计算机技术[J]. 佚名. 中国无线电电子学文摘. 2010
[5]. RNA二级结构的若干计算生物学问题研究[D]. 刘琦. 浙江大学. 2008
[6]. 数据融合中基于神经网络的目标识别方法研究[D]. 王晓东. 西北工业大学. 2006
[7]. 装备制造企业前向物流智能平衡模式研究[D]. 马利. 天津大学. 2008
[8]. 测井岩性自适应识别[D]. 谭琨. 吉林大学. 2005
标签：自动化技术论文; 聚类论文; 模糊聚类分析论文; 神经网络算法论文; 预测模型论文; 网络模型论文; 模糊理论论文; 模糊算法论文; 企业特征论文; 遗传算法论文; bp神经网络论文;