文中提出了一种基于混合策略的初始种群预测算法(A Hybrid Strategy Based Initial Population Rrediction Algorithm,HIPPA)来解决目标个数随时间不规则变化的动态多目标优化问题。HIPPA依据目标个数判断环境是否发生变化,根据不同的...文中提出了一种基于混合策略的初始种群预测算法(A Hybrid Strategy Based Initial Population Rrediction Algorithm,HIPPA)来解决目标个数随时间不规则变化的动态多目标优化问题。HIPPA依据目标个数判断环境是否发生变化,根据不同的目标个数划分环境类型。在种群初始化阶段,初始种群由3种机制产生。首先,利用历史种群信息训练改进的神经网络算法,生成一部分初始种群。其次,改进的精英策略利用历史种群信息生成一部分初始种群。最后,使用改进的随机策略生成一部分种群,以保持种群的多样性。本文使用基准实验F1-F5验证所提算法的有效性,并将结果与其他动态优化算法对比。实验结果表明,HIPPA可以更加有效地解决目标个数随时间不规则变化的动态多目标优化问题。展开更多
睡眠呼吸暂停综合征(Sleep Apnea Syndrome,SAS)是一种常见的睡眠呼吸系统疾病.目前有很多关于SAS自动检测的研究仅仅是在一段时间内判断是否发病,无法识别发病具体时段.针对这一局限性,本文提出一种新的SAS识别模型SD-FCE(SAS Detectio...睡眠呼吸暂停综合征(Sleep Apnea Syndrome,SAS)是一种常见的睡眠呼吸系统疾病.目前有很多关于SAS自动检测的研究仅仅是在一段时间内判断是否发病,无法识别发病具体时段.针对这一局限性,本文提出一种新的SAS识别模型SD-FCE(SAS Detection based on Functional Connectivity of Electroencephalography),该模型具备识别不规则发病时段的能力.首先,为提取发病时段的神经系统异常,本文利用脑电功能连接性构建脑电功能连接矩阵.其次,为识别发病的具体时段,本文基于目标检测算法改进,针对SAS设计不同的预选框将不规则目标网格化,以进行模型搭建.分类与位置回归模块依托于网格化处理的结果输出发病的分类结果、中心时间与持续时间.对比以往相关研究,SD-FCE模型的识别结果更利于医学诊断,同时性能优于以往其它类似模型.展开更多
文摘文中提出了一种基于混合策略的初始种群预测算法(A Hybrid Strategy Based Initial Population Rrediction Algorithm,HIPPA)来解决目标个数随时间不规则变化的动态多目标优化问题。HIPPA依据目标个数判断环境是否发生变化,根据不同的目标个数划分环境类型。在种群初始化阶段,初始种群由3种机制产生。首先,利用历史种群信息训练改进的神经网络算法,生成一部分初始种群。其次,改进的精英策略利用历史种群信息生成一部分初始种群。最后,使用改进的随机策略生成一部分种群,以保持种群的多样性。本文使用基准实验F1-F5验证所提算法的有效性,并将结果与其他动态优化算法对比。实验结果表明,HIPPA可以更加有效地解决目标个数随时间不规则变化的动态多目标优化问题。
文摘睡眠呼吸暂停综合征(Sleep Apnea Syndrome,SAS)是一种常见的睡眠呼吸系统疾病.目前有很多关于SAS自动检测的研究仅仅是在一段时间内判断是否发病,无法识别发病具体时段.针对这一局限性,本文提出一种新的SAS识别模型SD-FCE(SAS Detection based on Functional Connectivity of Electroencephalography),该模型具备识别不规则发病时段的能力.首先,为提取发病时段的神经系统异常,本文利用脑电功能连接性构建脑电功能连接矩阵.其次,为识别发病的具体时段,本文基于目标检测算法改进,针对SAS设计不同的预选框将不规则目标网格化,以进行模型搭建.分类与位置回归模块依托于网格化处理的结果输出发病的分类结果、中心时间与持续时间.对比以往相关研究,SD-FCE模型的识别结果更利于医学诊断,同时性能优于以往其它类似模型.
