检索结果-内蒙古大学图书馆

中华中医药杂志 2025年第1期40卷 77-82页

作者：吕仪吴海妹燕海霞洪静侍煜景王忆勤徐璡上海中医药大学中医学院上海201203 上海市健康辨识与评估重点实验室上海201203 上海市徐汇区凌云街道社区卫生服务中心上海200237 南京中医药大学南京210023

目的:为早期检测冠心病探索无创、快速、经济、可靠的技术。方法:纳入健康人群196名,仅高血压病无其他心血管疾病患者186例,明确诊断冠心病患者226例,采集其脉象数据并提取参数。在前期研究基础上,对传统脉象参数进行扩充,引入更多特征... 详细信息

目的:为早期检测冠心病探索无创、快速、经济、可靠的技术。方法:纳入健康人群196名,仅高血压病无其他心血管疾病患者186例,明确诊断冠心病患者226例,采集其脉象数据并提取参数。在前期研究基础上,对传统脉象参数进行扩充,引入更多特征并使用树模型特征选择对所有特征的重要性排序后取前十进行降维。随后基于长短时记忆网络(LSTM)算法以及使用麻雀搜索算法(SSA)、模拟退火算法(SA)、粒子群算法(PSO)以及开普勒优化算法(KOA)分别对其进行调优。结果:基于KOA优化的LSTM取得了0.83607的准确率,0.83446的精准率,0.83734的召回率,0.8359的F1得分以及0.91793的特异性。结论:基于KOA优化的LSTM相比其他基于LSTM的智能优化算法拥有更高的准确率、精准率、召回率、F1得分以及特异性,对健康人群、高血压病以及冠心病人群有较好的识别效果。

关键词：开普勒优化算法长短时记忆冠心病脉象识别

来源：评论

学校读者我要写书评

暂无评论

基于EKOA-ELM的压电型三维力传感器解耦算法

引用

组合机床与自动化加工技术 2025年第4期 32-36,42页

作者：何祥刘勇刘诚陈思涵四川轻化工大学自动化与信息工程学院宜宾644000 四川轻化工大学人工智能四川省重点实验室宜宾644000

针对压电型三维力传感器由于结构制造而产生的维间耦合问题,设计了一种基于改进的开普勒优化算法优化极限学习机(EKOA-ELM)的解耦算法。首先,阐述了压电型三维力传感器的耦合特性;然后,对压电型三维力传感器构建标定实验进行标定,得出... 详细信息

针对压电型三维力传感器由于结构制造而产生的维间耦合问题,设计了一种基于改进的开普勒优化算法优化极限学习机(EKOA-ELM)的解耦算法。首先,阐述了压电型三维力传感器的耦合特性;然后,对压电型三维力传感器构建标定实验进行标定,得出三维力传感器的测力数据;最后,建立极限学习机非线性解耦模型,并利用混沌Cat映射与基于余弦规律变化的收敛因子对KOA(Kepler optimization algorithm)算法进行优化。实验结果表明:平均解耦Ⅰ类误差控制在0.38%以内,平均解耦Ⅱ类误差控制在0.32%以内,解耦时间为0.071 s,该算法有较好解耦精度的同时,保持较好的解耦效率。

关键词：压电型三维力传感器维间耦合极限学习机开普勒优化算法混沌cat映射收敛因子

来源：评论

学校读者我要写书评

暂无评论

基于深度学习和元启发式算法的臭氧浓度集合预报

引用

计算机测量与控制 2025年

作者：曹君乾李欢莫欣岳海南大学网络空间安全学院(密码学院)

针对普遍而严重的空气污染问题，特别是日益增加的臭氧污染对环境和公众健康带来的威胁，提出了一种融合长短期记忆网络、时间卷积网络、Transformer三种深度学习模型和元启发式算法开普勒优化算法的集合预报模型。通过分析臭氧与其他... 详细信息

针对普遍而严重的空气污染问题，特别是日益增加的臭氧污染对环境和公众健康带来的威胁，提出了一种融合长短期记忆网络、时间卷积网络、Transformer三种深度学习模型和元启发式算法开普勒优化算法的集合预报模型。通过分析臭氧与其他空气污染物及气象要素的相关性，选定了预报因子；分别搭建了长短期记忆网络、时间卷积网络、Transformer预报模型并开展独立的预报；采用开普勒优化算法融合三种深度学习模型的预报结果从而得到最终的预报结果。实验结果显示在北京地区臭氧小时浓度的多步预报中，提出的集合预报模型的均方根误差、平均绝对误差和决定系数均优于单一的深度学习模型长短期记忆网络、时间卷积网络和Transformer以及统计模型多元线性回归和传统机器学习模型随机森林。研究结果表明融合深度学习和元启发式算法的集合预报策略能有效提升预报模型的准确性和稳定性，验证了深度学习集合预报方法对臭氧污染预报的可行性。

关键词：臭氧浓度预报长短期记忆网络时间卷积网络 Transformer 开普勒优化算法集合预报

来源：评论

学校读者我要写书评

暂无评论

基于KOA-CNN-BiLSTM-AM的风电齿轮箱故障诊断研究

引用

机床与液压 2025年第4期53卷 214-220页

作者：龙霞飞何志成周凌刘伟强梁凯湖南工业大学电气与信息工程学院湖南株洲412007

为了保障大型风电机组的可靠运行并实现风电机组的早期故障识别,提出一种融合开普勒优化算法(KOA)、卷积神经网络(CNN)、双向长短时记忆网络(BiLSTM)和注意力机制(AM)的深度神经网络早期故障诊断混合模型。对齿轮箱原始振动数据进行预处... 详细信息

为了保障大型风电机组的可靠运行并实现风电机组的早期故障识别,提出一种融合开普勒优化算法(KOA)、卷积神经网络(CNN)、双向长短时记忆网络(BiLSTM)和注意力机制(AM)的深度神经网络早期故障诊断混合模型。对齿轮箱原始振动数据进行预处理,利用CNN+BiLSTM方法建立输入参数和输出参数之间的逻辑关系,并融合AM+KOA方法,自动、有效地提取深层次故障特征信息,改善传统深度神经网络容易陷入局部最优、收敛速度慢、提取特征能力不足而导致诊断效果不佳等问题,实现风电齿轮箱的智能故障诊断。通过对华中科技大学齿轮箱传动系统动力学实验平台的故障数据进行分析,验证了KOA-CNN-BiLSTM-AM方法的有效性和实用性。与现有多种方法进行对比,结果表明:所提方法能够更有效地提取故障特征信息,并具有更高的故障类型识别率。

关键词：风电齿轮箱故障诊断深度学习注意力机制开普勒优化算法

来源：评论

学校读者我要写书评

暂无评论

轴向柱塞泵气穴现象故障诊断研究

引用

机床与液压 2025年第6期53卷 125-130页

作者：杨景昆张纯强熠宇戴吉勇关栋秦永法扬州大学机械工程学院江苏扬州225127

在高速高压工况下,柱塞泵的气穴现象不可避免。针对传统气穴现象故障检测方法中存在效果差和迟滞性的缺点,提出一种结合实验研究和信号处理的新型气穴检测系统,并采用KOA-CNN-BiLSTM-Attention深度学习算法对采集的信号进行训练,实现对... 详细信息

在高速高压工况下,柱塞泵的气穴现象不可避免。针对传统气穴现象故障检测方法中存在效果差和迟滞性的缺点,提出一种结合实验研究和信号处理的新型气穴检测系统,并采用KOA-CNN-BiLSTM-Attention深度学习算法对采集的信号进行训练,实现对轴向柱塞泵气穴强度的检测。通过CNN提取数据中的高维空间特征,利用开普勒优化算法(KOA)与CNN相互配合来增强关键特征的表现能力,再通过BiLSTM提高信号的时序性,最后利用注意力机制进行优化。结果表明:该方法对轴向柱塞泵气穴故障状态识别精度达到98%,其效果明显优于其他方法,可以更加准确地识别轴向柱塞泵气穴故障状态。

关键词：柱塞泵信号处理开普勒优化算法深度学习

来源：评论

学校读者我要写书评

暂无评论

基于KOA-CNN-LSTM的变压器故障诊断研究

引用

内蒙古农业大学学报(自然科学版) 2024年

作者：王明洋马学军葛丽娟周守航徐志伟吴昊任晓丹内蒙古农业大学机电工程学院北方联合电力有限责任公司呼和浩特热电厂内蒙古机电职业技术学院电气工程系

变压器是电力系统中贵重且重要的电气设备，其稳定运行是电力系统供电可靠性和运行稳定性的重要保障，但变压器故障是不可避免的，及时、准确的故障诊断是变压器安全运行的技术基础。变压器油中溶解气体分析（Dissolved Gas Analysis， ... 详细信息

变压器是电力系统中贵重且重要的电气设备，其稳定运行是电力系统供电可靠性和运行稳定性的重要保障，但变压器故障是不可避免的，及时、准确的故障诊断是变压器安全运行的技术基础。变压器油中溶解气体分析（Dissolved Gas Analysis， DGA）数据的不均衡是影响诊断模型训练精度的重要因素，本文通过安全级过采样法对DGA数据进行增强，同时引入三比值法扩充特征，得出增强后的数据集。对于变压器故障诊断算法方面提出基于开普勒优化算法（Kepler Optimization Algorithm， KOA）的卷积神经网络（Convolutional Neural Network， CNN）-长短期记忆网络（Long Short-Term Memory，LSTM）变压器故障诊断算法。该算法通过CNN提取特征，LSTM提取深层次的特征，通过组合开普勒优化算法以及CNN-LSTM深度学习网络对变压器DGA增强数据集进行深度学习，得出优化诊断模型，以达到较高的诊断准确率。

关键词：变压器故障诊断过采样算法深度学习开普勒优化算法

来源：评论

学校读者我要写书评

暂无评论

基于KOA-VMD-FastICA的信噪比提升方法研究

引用

火炮发射与控制学报 2024年

作者：何淑典李杰胡陈君王镜淇张元园高正阳杜增辉曹宇中北大学电子测试技术国防科技重点实验室上海船舶电子设备研究所中国船舶集团有限公司第七一五研究所淮海工业集团有限公司

炮射导弹是通过一些先进的制导及传感技术来提高命中精度的新型弹药。为了精确剔除炮射导弹部件在采集中的噪声，提高被测信号的信噪比，准确获取参数信息，提出一种联合开普勒优化算法(KOA)、变分模态分解(VMD)和快速独立成分分析(Fast... 详细信息

炮射导弹是通过一些先进的制导及传感技术来提高命中精度的新型弹药。为了精确剔除炮射导弹部件在采集中的噪声，提高被测信号的信噪比，准确获取参数信息，提出一种联合开普勒优化算法(KOA)、变分模态分解(VMD)和快速独立成分分析(FastICA)的信号降噪方法。利用KOA优化VMD的分解参数，将含噪信号分解后利用将最大化输出信号的非高斯性来达到盲源分离的目的，引入功率谱熵判断的方法实现噪声去除。实验结果表明：对仿真信号，KOA-VMD-FastICA相比于传统分解方法，信噪比最大提升了14.256 dB，归一化相关系数最大提升了0.291，均方根误差最多降低了0.642；对实测数据，降噪效果优异。分析表明，KOA-VMD-FastICA能够有效抑制噪声，提升信噪比。

关键词：炮射导弹开普勒优化算法变分模态分解功率谱熵降噪

来源：评论

学校读者我要写书评

暂无评论

基于集成学习的网约车拼车需求预测研究

基于集成学习的网约车拼车需求预测研究

引用

作者：胡宇娇长安大学

学位级别：硕士

随着城市人口规模的急剧扩张,交通拥堵现象的日益加剧。网约车平台作为城市交通的重要组成部分,其拼车业务逐渐受到广泛关注。拼车作为一种有效缓解交通压力的策略,其需求预测对于优化网约车服务、提升城市交通效率具有重要意义。然而,... 详细信息

随着城市人口规模的急剧扩张,交通拥堵现象的日益加剧。网约车平台作为城市交通的重要组成部分,其拼车业务逐渐受到广泛关注。拼车作为一种有效缓解交通压力的策略,其需求预测对于优化网约车服务、提升城市交通效率具有重要意义。然而,如何全面地捕捉拼车需求的多种影响因素,以及如何根据这些影响因素应用先进的集成学习技术提高拼车需求预测的准确性,仍是目前拼车需求预测研究需要解决的问题。本研究基于芝加哥网约车订单数据集,由于芝加哥不同区域存在差异性,各个区域的拼车需求不同,所以将原始订单按区域划分,构建区域订单拼车信息的分类预测数据集,反映了每个区域订单的拼车情况。然后在尽可能减少缺失值的情况下,按每个区域每十五分钟聚合订单信息,计算拼车概率,构建区域拼车概率的回归预测数据集,量化每个区域在不同时间段的拼车概率。而仅依赖原订单特征无法完整捕捉相关影响因素。区域信息特征和天气特征作为外部因素,对拼车需求有重要影响。因此在两种订单数据集中融合了区域信息特征与天气特征,增强数据集信息特征的全面性以及模型预测的准确性。对于区域订单拼车信息分类预测任务,本研究基于随机森林、XGBoost、LightGBM和CatBoost的分类算法,加入贝叶斯优化器对模型进行了优化,然后对区域订单拼车信息分类预测数据集中的是否拼车信息进行预测。实验结果表明,在此任务中,CatBoost模型在拼车需求预测上效果较好,CatBoost模型准确率达到了98.9%。对于区域拼车概率回归预测任务,本研究在基于集成学习的模型中加入了时间特征提取模块与开普勒优化算法模块对模型进行优化,时间特征提取模块通过Transformer编码器将时间序列转换为相关特征值,然后进行主成分分析降维,提高了模型学习时间特征与预测目标之间相关性的能力。开普勒优化算法模块则使模型能够更快更准确地找到最佳参数组合,提高了预测精确度。实验结果表明,在此任务中,CatBoost模型效果同样是最好的,相比原模型MAE降低了0.044,RMSE降低了0.054,有效地提升了网约车拼车需求的预测精度。

关键词：共享出行拼车需求集成学习决策树开普勒优化算法

来源：评论

学校读者我要写书评

暂无评论

城市内外的无人机双段渗透路径规划系统研究与设计

城市内外的无人机双段渗透路径规划系统研究与设计

引用

作者：李勇河北工程大学

学位级别：硕士

在现代战争环境中,无人机渗透路径规划系统已成为我方指挥官的主要作战工具之一。然而,大多数研究只关注路径规划而没有考虑与渗透战术相结合,针对无人机渗透路径规划领域研究较少。本文围绕城市内外的无人机双段渗透路径规划展开研究... 详细信息

在现代战争环境中,无人机渗透路径规划系统已成为我方指挥官的主要作战工具之一。然而,大多数研究只关注路径规划而没有考虑与渗透战术相结合,针对无人机渗透路径规划领域研究较少。本文围绕城市内外的无人机双段渗透路径规划展开研究。新的无人机渗透路径规划系统考虑从城市外到城市的连贯渗透作战过程,这意味着在面对不同的作战环境时,系统可以建立对应的模型并给出相应的规划方案。本文主要研究内容如下: (1)无人机在进行渗透任务时需要从城市外逐渐飞行至城市边缘。在渗透路径规划作战任务中需要考虑威胁点的位置,以及城市外渗透容易被敌方察觉的情况。针对这一问题,提出了一种基于Circle映射、模拟退火以及多项式变异的开普勒优化算法(ICT-KOA)的威胁点节略多无人机野外渗透效能模型。首先,基于模糊优化威胁判断构建威胁点节略模型,对大量异构的威胁源进行威胁判断并筛选出;其次,基于DBSCAN算法在Voronoi图中建立多无人机渗透效能模型用于防止多架无人机产生聚集导致执行渗透任务被敌方察觉;再次,采用基于Circle混沌映射、模拟退火策略和多项式变异策略的开普勒优化算法用于优化城市外渗透路径。最后,经过实验验证取得了良好的城市外渗透路径规划结果。 (2)无人机从城市边缘渗透至城市内时,需要有合理的城市地形建模进行渗透路径规划。多数路径规划系统只关注障碍物的躲避,在城市渗透任务中还需要将障碍物当作掩体。针对这一问题,提出一种基于遴选策略的蜜獾算法低隐蔽区域结点缩减模型。首先,创建了一种根据划分低隐蔽区域减少区域内路径结点数量的结点缩减模型,减小了城市路径网络模型的复杂度;其次,构建遴选策略蜜獾算法(SEI-HBA),通过遴选机制挑选出种群中符合条件的个体,引导种群个体的求解方向;再次,建立一种结合建筑物大小和敌方位置的无人机城市渗透暴露度计算模型。最后,经过实验验证取得了较好的城市渗透路径规划结果。 (3)研究并设计了融合战场需求的无人机的野外和城区渗透路径规划系统。首先,对系统进行需求分析,并进行系统总体设计;其次,将基于威胁点节略模型、多无人机渗透效能模型、低隐蔽区域结点缩减模型、结点类型划分暴露度计算模型融合进系统之中;最后,对系统各模块进行测试,确保系统整体的可用性。

关键词：渗透路径规划无人机遴选策略开普勒优化算法蜜獾算法

来源：评论

学校读者我要写书评

暂无评论

高并发的数据安全能力微服务架构及调度算法

引用

电子技术应用 2024年第9期50卷 18-24页

作者：高先周郭敬东何阳李宏发罗富财国网智能电网研究院有限公司电力网络安全防护与监测技术实验室江苏南京210000 国网福建省电力有限公司福建福州350003

当前,电力系统业务以微服务为主,业务架构发生了显著变化,数据安全能力需要与业务深度融合。然而,现有的数据安全能力仍以传统软硬件架构为主,无法满足跨域流动场景的动态弹性防护需求,难以适应业务架构的变化,亟需研究基于微服务化架... 详细信息

当前,电力系统业务以微服务为主,业务架构发生了显著变化,数据安全能力需要与业务深度融合。然而,现有的数据安全能力仍以传统软硬件架构为主,无法满足跨域流动场景的动态弹性防护需求,难以适应业务架构的变化,亟需研究基于微服务化架构的数据共享交互安全保护技术。然而由于电力系统产生的数据量巨大,不同数据又有着不同的数据安全需求,普通的微服务架构难以解决电力系统微服务架构在高并发场景下的负载失衡。针对以上问题,提出了一种基于开普勒优化算法(Kepler Optimization Algorithm,KOA)的数据安全能力微服务调度算法,旨在实现负载平衡,从而提升系统的高并发处理能力。通过对云集群节点资源和微服务性能进行详细建模,以平衡集群负载与最小化微服务运行时间为目标构建了优化模型。实验结果显示,基于KOA的数据安全能力微服务调度算法在均衡服务器负载、提升集群系统处理效率以及降低任务响应时间方面具有显著效果,有效提升了系统的并发性能。

关键词：微服务负载均衡高并发开普勒优化算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：