【摘 要】
：
将BP神经网络应用到对震后灾情的预测问题中,利用BP神经网络对汶川地震震后数据进行推演,采用神经网络估计模型分别对震后受伤人员数量和医疗物资医务人员需求进行预测。最后给出对地震应急救援具有重要指导意义的震后需求数据的估算方法,并且在对震后灾情评估以及医疗物资需求预测等问题的充分研究基础上,开发了基于GIS的地震医疗应急救援系统(EMERS)。
【机 构】
：
四川大学计算机学院,四川大学华西医院
【基金项目】
：
基金项目：国家“863”计划资助项目（2008AA022503,2009AA01ZA05）,四川省青年基金资助项目（2009-28-419）
论文部分内容阅读
将BP神经网络应用到对震后灾情的预测问题中,利用BP神经网络对汶川地震震后数据进行推演,采用神经网络估计模型分别对震后受伤人员数量和医疗物资医务人员需求进行预测。最后给出对地震应急救援具有重要指导意义的震后需求数据的估算方法,并且在对震后灾情评估以及医疗物资需求预测等问题的充分研究基础上,开发了基于GIS的地震医疗应急救援系统(EMERS)。
其他文献
针对复杂光照条件下Sift算法对彩色图像匹配能力较差,基于Kubelka-Munk理论,提出了一种适用于未标定图像的准稠密立体匹配算法,有助于更精确地进行三维重建。该算法首先求出彩色图像各个像素的颜色不变量,提取彩色特征点并通过构造彩色Sift特征描述子进行初匹配,采用RANSAC鲁棒算法消除误匹配生成种子点;然后依据视差约束提出一种基于视差梯度均值自适应窗口方法,根据视差梯度均值调整搜索范围;最
Internet环境下网构软件的开发是一个构件组装过程,传统的软件可靠性技术在其应用过程中面临着新的挑战。建立了网构软件的抽象模型和物理模型,介绍了可靠性的形式化定义及五种构件组装结构的可靠性度量方法,提出了一种满足可靠度期望的网构软件优化方法。该方法将复杂的网构软件结构进行串行化,以抽象构件、链路的可靠度期望阈值过滤无效分支,以网构软件的可靠性期望筛选较优路径,应用一种改进的蚁群优化算法求解,从
针对区域增长算法种子点选取及生长条件对分割效果影响大,但难以有效、准确确定的缺点,提出了一种融合色调、色调频度及其曲率的自适应区域增长算法（HARG）。通过曲率求取分割对
提出了一种基于动态粒子群优化的网格任务调度算法。设计了网格任务调度问题的数学模型,给出了自适应变异的动态粒子群优化算法的框架,引入了自适应学习因子和自适应变异策略,从而使算法具有动态自适应性,能够较容易地跳出局部最优。实验结果表明,本算法能有效地解决异构网格任务调度问题,具有较好的应用价值。
针对非结构去中心化的P2P网络可能作为DDoS引擎而产生大规模的网络攻击,提出了一种基于人工免疫(AIS)的方法来对非结构去中心化的P2P网络中的恶意节点进行免疫处理。通过在非结构去中心化的P2P网络中的节点上构建人工免疫系统,利用抗体和抗原之间天然的亲和关系,以及抗体不断进化的特点,实时计算由返回查询消息的节点提供的资源信息而进行请求得到的请求结果状态序列与检测器中的对应节点的请求状态序列特征之
提出了一种MANET的动态IPv6地址配置方案。此方案采用层次分配体系结构,即中心节点为簇首节点分配地址,簇首节点为簇内节点分配地址。提出了以簇内节点数量为度量单位的簇构建算法,实现了簇首节点最小化,降低了簇首节点地址分配代价。中心节点/簇首节点采用单播通信方式实现了地址实时回收,保证了中心节点/簇首节点有足够的地址进行分配。最后提出了低代价的MANET合并和分裂算法,有效减少了MA-NET合并次
为了改进标准粒子群优化算法的全局搜索性能,提出了一种种群动态变化的多种群粒子群优化算法。当算法搜索停滞时,把种群分裂成两个子种群,通过子种群粒子随机初始化及个体替代机制增强种群多样性,两个子种群并行搜索一定代数后,通过混合子种群来完成不同子种群中粒子的信息交流。收敛性分析表明,本算法能以概率1收敛到全局最优解。实验结果表明,本算法具有较好的全局寻优能力和较快的收敛速度。
针对粗糙集属性约简的结果容易出现局部最优问题,引入差别矩阵,将相对和绝对属性约简统一为差别列表上的集合操作,提出基于蚁群系统的启发式数据约简算法,将蚁群算法的启发信息建立在差别矩阵的核度和必要度上。实验仿真表明本算法可以较好地克服普通约简算法的局部最优问题,说明本算法具有较好约简性能。
采用对等计算技术解决分布式时空查询处理问题,分析并设计了基于对等计算的时空查询处理系统。参与计算的节点通过合理有效的拓扑结构进行组网,整体上对外提供时空查询服务,查询负载被合理地分配到相关节点中,大大增强了系统的鲁棒性和容错性,提高了系统性能和抗毁能力。最后通过应用实例说明系统具有很大的应用价值。
在采用液压挖掘机改造的遥操作机器人双向伺服控制系统中,针对大臂和前臂两个自由度构建力反馈控制算法。以准确地获取从端机器人与环境的作用力,使反馈力能够更好地反映从端工作状况为目的,采用构建干扰力补偿项的方法消除干扰力对反馈力的影响;以机器人转角为输入,以空载时检测到的液压缸作用力为输出,通过径向基函数构建干扰力补偿项,此补偿项可对多种因机器人的机械本体动力学特性产生的干扰力之合力进行补偿。实验证明,