关键词： 故障诊断系统   汽变速器   遗传算法   支持向量机   机器学习方法  

摘要： 变速器是汽车的主要部件之一,其可靠性直接影响着汽车的整体性能指标。随着我国汽车工业的发展,为了提高生产效率,变速器新产品的故障检测工作应逐渐由自动化的计算机系统来代替传统的人工检测。因此,研发一种高效的变速器故障诊断系统迫在眉睫。该系统在提高检测效率的基础上,不但可以代替人工检测出有故障的不合格变速器产品,而且可以比人工检测更为精准的判断出故障原因,定位出故障部位,从而指导不合格变速器的维修工作并为变速器的质量跟踪和产品改进提供有力依据。　　 本文针对变速器新产品在线检测问题,主要进行了两个方面的研究工作:针对变速器故障诊断的理论研究和变速器故障诊断系统的设计开发验证工作。　　 针对变速器故障诊断的理论研究主要从以下三个方面展开:　　 (1)变速器故障特征提取方法研究。首先分析了近期旋转机械故障诊断中几种常用的故障特征提取方法:频谱分析、小波分析、经验模式分解方法和阶次分析方法,论述了每种方法的优缺点。然后根据变速器新产品故障诊断的特点,提出了基于阶次分析的故障特征提取方法。通过等角度采样、分轴计算、角域同步平均计算、阶次谱计算,利用同步采集的转速信号将振动信号由时域信号转化为反应变速器阶次信息的阶次域信号。最后选择三个能敏感的反应故障信息的时域特征指标与阶次域特征向量集共同组成了变速器故障特征向量集,完成故障特征提取工作。　　 (2)变速器故障特征选择方法研究。由于特征选择后得到的特征向量集中特征数量过多,一方面会影响学习算法的效率,一方面由于冗余特征的存在会降低学习算法的准确率。因此本文提出了一种基于遗传搜索算法的特征选择策略。该方法以类内类间距离与惩罚系数的乘积做为特征评价准则,以改进的遗传算法作为搜索策略进行最优特征子集的搜索,最终得到了精简后的近似最优解。　　 (3)变速器故障分类方法研究。针对变速器故障分类判别中先验知识不完备、前期训练样本偏少,对实时性要求较高的特点,选取了支持向量机理论来解决变速器故障分类问题。在分析了支持向量机理论基础和原理之后,建立了二层多分类支持向量机结构模型,并针对正反例样本数量不平衡的特点,对支持向量机算法进行了改进,通过对惩罚因子的调整,解决了判别结果偏向于样本数多的类别的问题,得到了满意的判别结果。　　 针对变速器新产品故障诊断系统的分析设计和实施过程中遇到的问题,从系统实施方面对以下关键技术进行了研究:　　 (1)数据同步采集。针对转速信号和振动信号的同步采集问题,提出了一种解决方案。该方案不同于以往的以振动信号采集卡作为主控卡的方式,从阶次分析计算的需要入手,以转速信号采集卡作为主控卡,根据变速器输入轴的旋转周期作为数据采集长度的依据,实现了两路信号的同步采集。　　 (2)振动传感器测点位置分析。通过对变速器壳体上各个采集位置采集到的信号进行分析和评价,从十几个备选位置中选择了一个最优位置作为传感器安装位置,保证了采集到的信号质量。　　 (3)通用的变速器结构建模和参数存储。为实现系统的通用性,设计了通用的变速器结构模型,可存储不同型号不同结构的变速器齿轮和轴承参数。设计并实现了参数管理系统用于存储变速器故障诊断系统运行所需要的各种计算和硬件参数,可满足变速器性能试验台上不同工况下的诊断工作。　　 (4)故障诊断系统与变速器性能试验台之间的通讯模块的设计。变速器故障诊断系统在运行中,需要实时接收变速器性能试验台发送的各种指令并作出应答,才能实现诊断过程的自动化。文本在分析了交互过程后,设计了通讯模块的工作流程,并完成了该模块的实施。　　 (5)给出了变速器故障诊断软件的整体设计概要并展示了各部分功能。

关键词： machine learning method   DNA adducts   feature selection   Monte Carlo simulated annealing   applicability domain  

摘要： In this study, we developed new computational DNA adduct prediction models by using significantly more diverse training data-set of 217 DNA adducts and 1024 non-DNA adducts, and applying five machine learning methods which include support vector machine (SVM), k-nearest neighbour, artificial neural networks, logistic regression and continuous kernel discrimination. The molecular descriptors used for DNA adduct prediction were selected from a pool of 548 descriptors by using a multi-step hybrid feature selection method combining Fischer-score and Monte Carlo simulated annealing method. Some of the selected descriptors are consistent with the structural and physicochemical properties reported to be important for DNA adduct formation. The y-scrambling method was used to test whether there is a chance correlation in the developed SVM model. In the meantime, fivefold cross-validation of these machine learning methods results in the prediction accuracies of 64.1-82.5% for DNA adducts and 95.1-97.6% for non-DNA adducts, and the prediction accuracies for external test set are 78.2-100% for DNA adducts and 92.6-98.4% for non-DNA adducts. Our study suggested that the tested machine learning methods are potentially useful for DNA adducts identification.

关键词： 协作分类   链接预测   极限学习机   主动学习  

摘要： 随着以因特网为代表的信息技术的迅猛发展，人类社会大步迈入了网络时代。关于网络分析的需求日益增加，网络数据挖掘已成为数据挖掘中的一个重要研究课题。网络数据挖掘旨在从网络数据源中提取隐含的知识，完成实体分类、链接预测、社区发现、实体排序和网络聚类等任务，从而达到分析网络的性质、功能、动态变化和网络之间关系的目的。本文围绕网络数据挖掘领域，针对实体分类和链接预测任务，展开了深入的研究。在对现有的实体分类方法进行详细分析的基础上，重点研究了链接关系在实体分类问题中的作用，并针对不同类型的网络数据提出多种解决方案：针对实体有属性和标签的网络数据，提出基于主成份分析和极限学习机的正则化分类模型；针对实体有属性和标签，但已标记实体数量较少的网络数据，提出结合特征选择和链接过滤的主动协作分类方法；针对实体仅有标签信息的网络数据，提出集成网络拓扑特征和标签分布信息的协作分类框架。此外，本文对链接预测的研究现状进行总结，并针对稀疏链接网络，提出协作链接预测框架，给出两种具体实现算法。在多个公用数据集上的实验表明，本文方法能获得较好的效果。

关键词： 典型相关分析   核典型相关分析   核方法   核函数   不完全Cholesky分解  

摘要： 我们从处理线性关系样本的典型相关分析(CCA)的基本理论入手,通过引入“核”方法,总结了处理非线性关系样本的核典型相关分析(KCCA)的基础理论构造过程.在KCCA的计算中引入了正则化方法和不完全Cholesky分解法,达到了降维和解决过拟合问题的目的。同时我们还介绍了多项式核和高斯核这两种常用的核函数。最后,我们进行了简单的基于CCA的节目评分相关性实验和基于KCCA的字符识别实验,验证了二者在不同样本中的处理效果以及选取不同核函数时KCCA的表现。

关键词： 构象性B细胞表位预测   蛋白质氨基酸侧链信息   机器学习   支持向量机  

摘要： B细胞表位预测是免疫信息学中非常重要的一个研究方面。B细胞表位是一组有自身特征性的位点，它们分布在抗原表面，依照线性或者构象性的方式排列，从而来引起抗原-抗体的相互绑定、介导体液免疫应答,因此表位的预测对于疫苗的开发和疾病的诊断都具有非常重要的作用。根据结构不同，B细胞表位分为线性表位和构象性表位两种，目前线性B细胞表位预测方面已经取得很多的成绩，而构象性B细胞表位预测方面的研究则相对缓慢，随着实际应用需求的增加和实验手段的进步，越来越多的研究人员开始专注于构象性B细胞表位的预测研究，一些预测算法和软件相继发布。 本文提出了一种基于划分的策略来进行构象性B细胞表位预测，方法选取抗原的六个基于蛋白质氨基酸侧链信息的表位特征，使用支持向量机的方法对抗原氨基酸进行分类，进而预测可能的表位。该方法的有效性在161条包含了抗原-抗体复合体结构的数据集以及非复合体的抗原数据集上得到验证，使用非复合体的抗原数据集，算法预测的准确性可以达到：敏感性53.6%、准确性20.5%、曲线下面积（AUC）的值为0.627；对于复合体结构的数据集，算法的AUC值下降到0.609，但是在敏感性、准确性上略有提高。本文预测结果与EPCES进行比较发现，预测性能较高于EPCES，这个结果说明了结合机器学习和特征选择的方法进行表位预测是有效的；另一方面，方法整体预测性能仍然不能令人满意，还有待建立更全面的表位和非表位数据集、寻找或结合更多更有效的表位特征、开发更有效的算法来进一步提高预测性能。

关键词： P2P   流量检测   深度包检测   流统计特征   机器学习   C4.5  

摘要： P2P网络具有不同于传统客户端/服务器（C/S）网络的两大特点:去中心化和自组织性,这使其增强了用户的参与性,增加了资源节点,使得P2P网络在资源共享方面发挥了巨大的作用,其技术得到了飞速的发展。 P2P技术在飞速发展的同时也带来了很多的问题。据统计网络中有60%80%的流量为P2P流量,过多的P2P流量会造成网络拥塞,降低网络性能,使得其他关键业务因缺少可用带宽受到影响,最终影响到网络的服务质量。同样,由于其去中心化,网络监管也变得更加困难,P2P网络成为非法资源甚至病毒传播的重要途径。建立长效的流量管理监控机制是解决以上问题的关键。寻找有效的识别P2P流量的方法,是亟待解决的重要问题。 本文在分析当今主流的P2P检测技术的基础上研究并设计一种P2P流量分析系统,该系统能够有效的识别出目前网络中的P2P流量,为进一步的控制工作奠定基础。主要研究工作如下:首先分析了当今最广泛的网络流量识别方法:传统法,深度包识别法以及流统计特征分析法,选择深度包识别法和基于流统计特征分析法构建系统。然后分析了常见P2P协议的网络拓扑结构,通信过程以及文件传输过程,通过分析大量数据包建立起深度包识别法中的流特征库,实现了利用特征值进行流量识别的模块。再次,在流统计特征分析模块中选择机器算法为基础。在研究比较了决策树分类和贝叶斯分类的各种算法后,选择机器算法中监督学习的决策树模型下C4.5算法作为分类算法,选择CFS算法作为属性约简算法。最后通过实验表明,系统在有效识别P2P流量方面优于现有方法。

摘要： Chemometric techniques were used to extract relevant information from near infrared (NIR) spectral data to accurately classify physical properties of complex fuel samples. Discrimination of fuel types and classification of flash point, freezing point, and boiling point of jet fuels were investigated. Optimal partial least squares discriminant analysis (oPLS-DA), fuzzy rule-building expert system (FuRES), and support vector machine (SVM) were used to build the calibration models between the NIR spectra and classes of physical property of jet fuels. oPLS-DA, FuRES, and SVM were compared with respect to prediction accuracy. The results indicated that combined with chemometric classifiers NIR spectroscopy would be a fast method to monitor the changes of jet fuel physical properties.@pqdt@break@Six widely used approaches of preprocessing NIR spectra were compared with respect to property prediction of jet fuels by NIR spectroscopy. These approaches included calculating the derivatives of spectra, multiplicative signal correction (MSC), standard normal variate (SNV) transformation, orthogonal signal correction (OSC), and two feature selection methods interval partial least squares (iPLS) and genetic algorithm (GA). Partial least squares (PLS) and temperature-constrained cascade correlation network (TCCCN) were used to build the calibration model and the prediction performance are compared. The validation of the calibration model was conducted by applying the bootstrapped Latin partition method that can give a measure of the precision.@pqdt@break@Chemometric tools were used to determine the concentrations of the main products namely triolein and trielaidin in the mixtures of thermally treated triolein, a naturally occurring glyceride of oleic acid. The products formed during the thermal treatment at each temperature had been analyzed both by infrared spectrometry and gas chromatography/mass spectrometry (GC/MS). The GC/MS analysis was performed after derivatization of the

关键词： 机器学习   数据挖掘   半监督学习   隐式约束   协同训练   距离度量学习  

摘要： 在很多机器学习任务中,学习过程或者学习环境中存在一些额外可利用的约束,称为“隐式约束”。随着可获取数据量的不断增大和数据环境的越来越复杂,如何充分利用隐式约束来提高学习效率和泛化性能,近年来得到了越来越多研究者的关注。尤其在很多实际问题中只能提供少量的标记信息,利用隐式约束能够带来学习性能上更大的收益。 本文针对半监督学习,试图通过利用隐式约束来提高学习性能,主要取得了以下创新成果： 第一,提出了一种新的协同训练学习方法CoSnT。该方法受到现实世界教学过程的启发,通过考虑“教”者教学的置信度和“学”者学习的需求度,利用学习过程中隐含的这一教学约束,同时考虑了协同训练过程中两个学习器之间的交互。实验结果表明,CoSnT方法在学习性能上优于传统的协同训练方法。 第二,提出了一种新的针对示例对的距离度量学习方法PSD。该方法利用了学习环境中自然存在的连接约束,针对不同示例对可能存在不同的语义连接关系,提出了示例对距离度量。实验结果表明,PSD在多类数据和多标记数据上,都能学习得到相对更恰当的距离度量,从而帮助得到更好的分类性能。

关键词： 生物信息学   机器学习方法   结肠癌   特征基因提取   动态聚类  

摘要： 关于癌症问题的研究是目前世界各国都很关注的问题。众所周知，产生癌变的因素很多，包括基因突变，抑癌基因的功能丧失，原癌基因的激活，以及其它与癌症相关的因素。抑癌基因功能丧失和原癌基因激活都有可能导致癌症的形成，许多抑癌基因很早就被确定，但目前被确定的致癌基因却很少，所以发现更多的癌基因对癌症的治疗具有重要意义。早期的微生物基因组研究局限于简单的靶基因与功能相联系。随着生物信息学的发展，基因芯片分析成为癌基因确定的一个重要手段。基因表达谱代表了每个基因的即时表达数据，从这些数据中挖掘有用的信息，发现与癌症有关的基因，是当前生物信息学研究的热门问题。本文以结肠癌数据为研究对象，分别建立了T-统计，信噪比和动态聚类等分类模型，并对分类结果进行了比较。 本文的内容如下： 第一章介绍生物信息学产生的背景、概念、发展过程、研究的内容以及本文的研究工作。 第二章介绍肿瘤分类问题中的特征基因选取的方法和机器学习方法。 第三章基于结肠癌基因表达谱数据集，本文分别建立了三种聚类模型。对比分类结果，发现动态聚类的分类效果好，预测的精度平均达到90.62%。聚类的结果有助于结肠癌的诊断和治疗。