简介：针对计算机辅助诊断模型优化过程中稳定性差和早熟问题,提出基于集成VPRS-RUGGA-支持向量机的肺部肿瘤计算机辅助诊断模型。首先,引入变精度粗糙集构造属性依赖度,结合属性约简长度和惩罚函数的加权和构造适应度函数框架;其次,采用无回放余数随机选择法、均匀交叉和高斯变异算子进行遗传操作;然后,在CT、PET和PET/CT样本空间中提取肺部肿瘤ROI区域特征,构造不同的特征空间,运用VPRS-RUGGA-支持向量机模型约简和分类识别;最后,在不同的样本空间中构造支持向量机(SVM)个体分类器,采用相对多数投票法输出集成结论。实验结果表明,集成VPRS-RUGGA-SVM模型可以有效的提高泛化性能和稳定性,VPRS-RUGGA-SVM模型可有效改善早熟问题,提高模型的分类性能。

简介：当前,高性能计算极大地促进了众多领域的发展,因此,探究高性能计算的潜在的运算能力尤为重要。本研究基于自由、开源的计算流体力学(computationalfluiddynamics,CFD)平台OpenFOAM,测试了一个多核计算集群在不同网格数和计算节点数下的并行计算时间,通过分析加速性能和计算效率来探究其潜在的运算能力。结果表明,多核并行计算很难达到理想的线性加速性能,甚至当计算能力达到饱和时,加速性能反而下降。同时,随着网格数量的增加,即计算规模的增大,计算效率也越来越高。本研究对于实现基于OpenFOAM的最佳多核并行计算策略具有一定参考价值。

简介：胸痛三联征在临床上有相似的胸痛症状,误诊率居高,其确切病因尚不十分明确。针对经典支持向量机不适用于胸痛三联征此类非平衡数据集分类的缺点,本研究结合径向基核函数、布谷鸟算法以及支持向量机,提出一种基于布谷鸟算法优化支持向量机的分类识别模型,用于胸痛三联征的分类诊断。在收集到的735例有效样本数据集上,采用Java程序抽取平衡数据集。实验结果显示,基于平衡数据集,该模型的平均正确率为80.667%;基于非平衡数据集,其平均正确率为97.767%,相比经典支持向量机、粒子群算法-支持向量机、遗传算法-支持向量机均有不同程度的提高。因此,本研究模型对胸痛三联征的分类诊断具有一定的参考价值。