摘要：介绍了相关性分析方法,并探讨了其在材料组分优化设计中的应用。结果表明,在材料系统数据处理中,把相关分析作为数据信息处理的第一步是很有必要的。

摘要：通过分析大量STL文件中的三角形单元数据,发现文件中顺序相邻的2个独立的三角形网格单元至少共一个顶点的概率大约是0.84～0.99,共2个顶点的概率大约是0.67～0.75,表明相邻网格单元数据存在强相关性以及大量的冗余信息.利用这种数据相关性,从概率的角度给出了一条检查冗余点的有效途径,进而得到一种快速的STL三角形曲面网格重建算法.新的曲面网格数据文件存储容量为原来的25%左右,有效地去除了冗余数据.实验结果表明了该算法的高效性及鲁棒性.

摘要：数据相关性分析经常使用诸如方向向量或体差不等式等作为替代约束以加强求解丢番图方程的能力。给出了替代约束有效性的几个测度,详细分析了什么样的替代约束是可行的、有效的、良性的或恰当的,并证明在大多数情况下体差不等式约束要比方向向量约束更有效,体差不等式测试方法的收敛性要强于其它使用方向向量作为替代约束的传统数据相关性测试算法。

摘要：随着物联网的发展,众多传感器采集到大量具有丰富数据相关性的时间序列,为各种数据挖掘应用提供强大的数据支持。然而,一些客观或主观原因(如设备故障、稀疏感知等)往往会造成采集到的数据出现不同程度的缺失。虽然已有很多方法被提出用于解决这一问题,但这些方法在数据相关性方面或考虑不够全面,或计算成本过高。而且,现有方法仅关注对缺失值的补全,未能兼顾下游应用。针对上述不足,设计了一种兼顾补全与预测任务的双通道回声状态网络。两个通道的网络虽共用输入层,但具有各自的储备池和输出层。两者最大的区别是左/右通道的输出层分别表示输入层前/后一个时刻对应的目标值或预补值。最后将两个通道的估计值进行融合,充分利用来自缺失时刻之前和之后的数据相关性以进一步提升性能。两种缺失现象下(随机缺失和分段缺失)不同缺失率的实验结果表明,所提模型无论是在补全精度还是预测精度上都优于目前流行的各类方法。

摘要：为了减少集成电路密码芯片工作时的电磁信息泄漏,设计具有防护能力的加密芯片。在研究CMOS集成电路电磁辐射原理的基础上,分析了电磁辐射产生数据相关性的机理。以电偶极子为模型,简化了电磁计算的方法,对基本的CMOS电路工作过程进行分析。采用TSMC 0.18工艺设计CMOS反相器,并对该反向器进行电磁辐射仿真。建立评估模型并对金属层电磁辐射的信息泄漏进行评估。结果表明,电路工作时NMOS金属层、PMOS金属层和输出线的金属层产生的电磁辐射均会导致信息泄漏,长度相等时,输出线金属层的电磁信息泄漏更强。

摘要：乱序执行是现代微处理器设计中普遍采用的提高流水线性能的方法,但乱序执行并乱序退出的全乱序结构在超标量处理器中应用并不普遍,这种全乱序的结构对基于参考模型的处理器正确性验证提出了巨大的挑战。主要介绍了从处理器的程序行为是否正确的最终标准——程序员可见的结构变量按程序行为进行顺序变化的角度对全乱序结构的处理器验证提出了一种全新的解决方法。

摘要：为了解决传统模型认为建筑钢材造价成本是线性变化因素,不满足实际应用,且模型结构的确定很难,在很大程度上会导致过拟合,预估准确性较差,稳定性低。通过数据相关性分组挖掘研究建筑钢材造价成本预估模型。按照各项目特征获取历史工程项目钢材造价特征指标属性集合,通过模糊模式识别,依据就近原则对待筛选样本项目和待预估样本项目的相符程度进行判断,得到和待预估项目最相近的若干历史项目当成建立预估模型的输入样本。基于最小二乘支持向量机进行数据相关性分组挖掘,建立建筑钢材造价成本预估模型。在建立模型中,正则化参数与核函数的宽度是影响建筑钢材造价成本预估结果的主要参数,通过粒子群算法获取两个参数的最优值。把得到的参数值带入模型,重新进行训练学习,获取较优的建筑钢材造价成本预估模型。在进行实验时,选择杆塔钢材、基础钢材和接地钢材三个指标作为建立模型的输入向量,将人工神经网络模型与实践序列模型作为对比进行测试。结果表明:通过人工神经网络和时间序列模型对建筑钢材造价成本进行预估,获取的预估数据有好有坏,稳定性较低,整体预估数据误差显著高于建立模型预估误差。可见建立模型预估精度高,稳定性好。

摘要：在时下海洋观测系统中,往往通过分布于不同地理位置的智能传感器来获取实时观测数据。然而由于通信环境不稳定、观测仪器故障、数据采集或传输软件运行异常等原因,观测数据的完整性、可靠性和时效性往往得不到保障。本文基于层级实时记忆(Hierarchical Temporal Memory,HTM)网络设计多源数据异常检测算法,对不同测点海洋实时观测数据流进行质量监控。首先考虑海洋观测系统中存在的数据缺测、网络丢包现象,对观测数据进行预处理;接着基于HTM网络,生成观测数据的稀疏离散表征,动态更新神经元活跃和预测状态,并根据赫布法则奖励或惩罚突触连通值,模拟时序数据的空间和时间关系,从而学习和识别数据内部特征,实现单源海洋实时数据流的异常检测;最后在此基础上,利用不同测点间观测数据的距离相关性,对多源海洋实时数据流进行质量监控,降低异常数据漏报率。实验结果表明,本文提出的算法能有效检测出海洋实时观测数据异常点,且识别速度快于数据采集速度,能保证异常检测过程的准确性和实时性,符合实际应用需求。

摘要：针对风电场待插补测风塔与参考塔或气象站的数据间具有非线性相关关系的特点,采用遗传算法（GA）对极限学习机（ELM）神经网络的权值和阈值进行优化,建立用于风电场测风数据插补的GA-ELM模型。选取原始参考数据相关性不同的4个插补实例对基于GA-ELM模型的插补方法进行验证,并与ELM方法和线性回归法进行对比。结果表明：GA-ELM方法较ELM方法的插补精度有一定提高;GA-ELM方法与线性回归法相比,对于相关性较强的参考数据,插补风速与实测风速的均方根误差减少的绝对值和相对值分别可达0.06 m/s和30%以上,对于相关性较弱的参考数据,均方根误差减少的绝对值为0.1~0.3 m/s,相对值为7%~19%。GA-ELM方法较传统插补方法的精度有较大提高,且对相关性较弱的风电场测风数据的插补更有优势。

摘要：目的探究腹膜透析患者腹内压与临床症状的相关性。方法横断面研究,根据入选和排除标准纳入2021年1月1日至10月31日在北京大学第一医院接受腹膜透析的患者,以腹内压测量金标准——Durand法测定灌入2 L透析液后的腹内压,收集患者临床和实验室资料。按照腹内压≥18 cmH2O与否将入选者分为腹内压升高组和腹内压正常组。采用自行设计的半定量问卷调查患者腹胀、胃胀、反酸、打嗝和胸闷或憋气等5种临床症状的程度和频度,以及放空腹膜透析液后症状的缓解程度。采用Pearson相关或Spearman相关分析法分析各变量与腹内压的相关性。结果共194例腹膜透析患者入选该研究,年龄(51.6±12.9)岁,男性123例(63.4%),女性71例(36.6%),合并糖尿病60例(30.9%),中位透析龄24.0(10.0,54.0)个月,腹内压(16.2±4.3)cmH2O,腹内压升高70例(36.1%)。相关性分析结果显示,腹内压与体重(r=0.23,P0.05)。两组患者在其余4项临床症状的程度、频度及放空透析液后症状缓解程度等方面的差异均无统计学意义(均P>0.05)。结论腹内压升高与临床症状关联度不大,提示仅根据患者主观感受调整透析液灌入量并不可靠,需常规监测腹内压。