导读:本文包含了检测与预测方法论文开题报告文献综述及选题提纲参考文献，主要关键词:浸润性膀胱癌,可溶性细胞间黏附分子-1,肿瘤特异性生长因子,癌胚抗原
检测与预测方法论文文献综述
梅延辉,武玉海,门婷婷,李刚,牛文杰[1]（2019）在《叁种检测方法对浸润性膀胱癌患者行膀胱部分切除术后复发的预测价值》一文中研究指出目的:探讨血清可溶性细胞间黏附分子-1(sICAM-1)、肿瘤特异性生长因子(TSGF)及癌胚抗原(CEA)检测对浸润性膀胱癌患者行膀胱部分切除术后复发的预测价值。方法:选取接受膀胱部分切除联合化疗治疗的浸润性膀胱癌患者75例,根据随访2年内是否复发分为复发组和未复发组。对比两组患者的临床特征和治疗后血清sICAM-1、TSGF及CEA水平的差异,探讨sICAM-1、TSGF及CEA对浸润性膀胱癌患者2年内复发的预测价值。结果:随访2年,75例研究对象中复发26例,复发率为34.67%。复发组与未复发组患者在性别、年龄、肿瘤数目以及肿瘤直径方面比较,差异无统计学意义(P>0.05);而两组患者在病理分期和组织分化程度构成方面差异有统计学意义(P<0.05)。复发组患者血清sICAM-1、TSGF及CEA水平显着高于未复发组(P<0.05),且血清sICAM-1、TSGF及CEA水平高是浸润性膀胱癌患者术后复发的独立危险因素(P<0.05),sICAM-1、TSGF及CEA预测浸润性膀胱癌复发的AUC分别为0.822、0.857、0.852,预测灵敏度为69.2%、73.1%、76.9%,特异度为93.9%、91.8%、87.8%。结论:复发的浸润性膀胱癌患者血清sICAM-1、TSGF及CEA表达水平升高且为术后复发的独立危险因素,在预测浸润性膀胱癌患者复发具有较高应用价值。(本文来源于《微创泌尿外科杂志》期刊2019年05期）
任亚婧,张宏立[2]（2019）在《结构化预测的车辆联合检测与跟踪方法》一文中研究指出为了对道路车辆进行流量的统计与监控跟踪,提出一种联合检测与跟踪思想的方法。该方法利用初始分割时产生的目标数量的冲突集描述分割阶段产生的错误以及遮挡问题,并通过建立车辆近邻关联事件和与之对应的关联标签变量,将汽车监控跟踪建模为一个结构化预测问题,利用相应的关联标签变量建立全局目标函数,从而将车辆跟踪问题转化为一个通过求解带约束的整数规划问题,最后求解得到车辆轨迹的全局最优解。(本文来源于《现代电子技术》期刊2019年15期）
王玉婷,刘楠,潘志文,尤肖虎[3]（2019）在《一种使用协作预测的自组织网络故障检测方法（英文）》一文中研究指出为了提升自组织网络的自动管理能力,实现有效的自治愈,研究了无线网络的小区故障问题,提出了一种基于协作预测的小区故障检测方法.通过利用改进的协同过滤算法,考虑了无线网络中用户的位置相关性,同时通过引入协作灰度预测模型,给出了用户运动过程的时间相关性.模拟了基站正常运行的场景,收集用户数据进行模型训练并选取阈值,在模拟的故障场景下有效地实现了故障的检测.仿真结果表明,所提方法在用户稀少的密集小基站网络中比传统故障检测方法具有更高的检测率,并保证了更低的通信开销和虚警率.在用户稀少的情况下,所提方法的故障检测率比传统研究方法提升了14%左右,同时,所提方法在邻居用户的帮助下能够检测到无活动用户的故障小区.(本文来源于《Journal of Southeast University(English Edition)》期刊2019年02期）
胡姣姣[4]（2019）在《基于深度学习的飞行器遥测时间序列数据异常检测与预测方法研究》一文中研究指出随着信息技术的发展,时间序列数据正以惊人的速度产生于各个领域,尤其在航空航天方面,飞行器在运行期间会产生大量的遥测数据,并以时间序列的形式存在,这些数据能够直接展示各部件的工作状态和运行情况,是处理故障的重要依据。本文以飞行器某设备的转速和温度时间序列数据为研究对象,利用深度学习的理论和技术,深入研究基于数据驱动的时间序列数据异常检测和预测方法。主要工作如下:考虑到工程实测数据呈典型的不平衡形式分布,我们研究了类间分布不平衡的时间序列数据的异常检测问题,提出了一种基于卷积神经网络(convolution neural network,CNN)的异常检测方法。在提出的方法中,首先采用抽样法对不平衡时间序列数据进行处理,使得样本不充足的数据集可以有足够多的代表性样本,从而弥补现存的检测技术由于忽略数据分布的偏斜性而造成的少数类检测精度低的缺点;其次,为了提高卷积神经网络的检测性能,利用尺度变换和时间切片技术对原始时间序列数据进行预处理;然后研究了不同隐藏层的卷积神经网络对于时间序列数据检测性能的影响,确定了四层隐藏层的卷积神经网络模型;最后,利用飞行器某设备的转速和温度时间序列数据进行仿真实验,结果表明了我们的方法的有效性,并通过与基于特征提取和分类器结合的检测方法进行比较,验证了提出的方法具有较高的性能。提出了一种基于变体长短时记忆循环神经网络的时间序列数据预测方法。在提出的方法中,考虑到故障预测的时效性,我们首先将长短时记忆(Long Short Term Memory,LSTM)循环神经网络的输入门与遗忘门合并成更新门,提出了一种变体LSTM循环神经网络的结构,简化了学习参数,提高了训练效率;其次考虑到故障预测中长序列数据的预测需求,基于提出的变体LSTM循环神经网络建立了一种时间序列数据预测模型,在预测阶段引入了参数更新机制,使网络模型能够动态调整模型参数从而更适用于长时间序列数据的预测。最后,利用飞行器某设备的转速和温度时间序列数据进行仿真实验,通过与几种典型的预测模型进行比较,结果表明我们的方法具有令人满意的预测效果。本文的研究工作,在理论上为航天测控工程中利用历史数据进行故障检测和预测提供了一定的参考价值,为提高故障诊断的准确度提供了依据。(本文来源于《西安理工大学》期刊2019-06-01）
程杰仁,罗逸涵,唐湘滟,欧明望[5]（2019）在《基于LSTM流量预测的DDoS攻击检测方法》一文中研究指出提出一种基于长短时记忆(LSTM)神经网络流量预测的分布式拒绝服务(DDoS)攻击检测方法.首先定义了IP数据包统计特征(IPDCF)来表征网络流特征,然后采用LSTM神经网络模型对IPDCF时间序列进行建模,且使用网格搜索和超参数最优法确定Dropout的值以缓解该模型的过拟合现象,最后建立基于IPDCF时间序列的LSTM模型来识别DDoS攻击.实验结果表明:该模型能够准确地预测正常网络流量变化趋势,识别DDoS攻击引起的异常;与同类方法相比,该方法能较早地检测DDoS攻击且漏报率和误报率更低.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年04期）
侯弘毅[6]（2019）在《基于纤维角检测的实木板材抗压弹性模量预测方法》一文中研究指出木材是可再生的生物质材料,广泛应用于建筑、桥梁、家具等领域,但是由于对其力学特性缺乏足够了解,使其应用范围受到了限制。抗压弹性模量是木材应用的重要力学指标,传统的检测方法则是通过力学破化性实验完成测量,其具有条件苛刻、耗时长、以偏概全等缺点。随着现代传感技术的发展,木材力学强度的无损检测法得到了大力发展。目前主要的无损检测技术主要有:近红外光谱分析法、密度预测法、应力波法等。纤维角作为板材表面的重要特征,在很大程度上决定了板材的力学性能。通过构建板材纤维角分布特征与板材力学性能的模型,能够很好弥补当前主流木材力学强度无损检测中测量设备昂贵、操作复杂、方式局限等缺陷,拓展了板材力学无损检测方法。本文从针叶材管胞效应入手,设计了一套集光源发射、光斑采集与板材遍历为一体的纤维角检测平台,实现纤维角测量与纤维角分布的统计功能。针对设备搭建过程中相机相对于待测板材表面存在旋转导致光斑图像出现梯形变形的问题,采用了在待测表面设置特殊标记完成相机的姿态恢复,从而完成图像校正。在从激光光斑图像恢复板材纤维角的过程中,采用了高斯滤波核对图像高频信号进行抑制,通过梯度算子完成光斑边缘点的提取。在提取光斑最大变形指向的过程中,以椭圆方程作为模型,利用最小二乘法进行拟合。针对最小二乘对“离群点”敏感的缺陷,采用了随机采用一致性原则进行抽样拟合,以启发搜索的方式降低离群点对椭圆拟合的影响。由于脉冲激光光源发射功率存在跳动从而导致测量设备对同一点的不同次的测量值存在波动,该波动符合高斯分布,故选用均值滤波对最终拟合的纤维角度进行平滑。通过遍历板材得到板材纤维角分布,经过实验调优,最终确定了以板材正反两侧的纤维角均值、纤维角标准差、潜入系数作为输入,抗压弹性模量作为输出构建了 BP神经网络,完成板材纤维角分布预测抗压弹性模量的任务。在纤维角测量过程中,通过单点重复测量得到在最终的纤维角均值滤波器参数为20时,设备最大误差为0.65°。按照国家标准《GB-T-15777-1995》加工落叶松试样100个,应用检测平台采集纤维角分布后采用力学试验机获得抗压弹性模量;按照3:1的比例划分训练样本与测试样本;通过实验反复确定,在以两面纤维角均值、纤维角方差与潜入系数均值为输入,抗压弹性模量为输出构建6-15-4-1的前馈神经网络;以网络权值平方作为代价函数正则项,利用NAGD方法进行训练,网络精度能够达到90.8%,能够较好的完成板材抗压弹性模量预测任务。(本文来源于《东北林业大学》期刊2019-04-01）
李录平,封江,刘瑞,杨波,陈志刚[7]（2019）在《基于模态频率变化量检测的风力机叶片寿命损耗预测方法研究》一文中研究指出在分析复合材料损伤演化及刚度退化模型的基础上,根据风力机叶片模态频率变化与材料刚度之间的定量关系,建立起基于叶片模态频率变化量的叶片寿命损耗诊断方法。同时,以国产某2 MW风力机叶片为例,验算该型叶片运行过程的寿命损耗量,验证本文所提出的叶片寿命损耗预测方法的可行性、有效性。(本文来源于《电站系统工程》期刊2019年01期）
董哲,唐湘滟,程杰仁,张晨,林福生[8]（2018）在《基于HMM时间序列预测和混沌模型的DDoS攻击检测方法》一文中研究指出分布式拒绝服务(DDoS)攻击是网络环境中最具破坏力的攻击方式之一,现有基于机器学习的攻击检测方法往往直接将某时刻的特征值代入分类器进行分类,没有考虑相邻时刻特征之间的联系,因而导致误报率和漏报率较高。提出一种基于隐马尔科夫模型HMM时间序列预测和混沌模型的DDoS攻击检测方法。针对大规模攻击网络流量的突发性,定义网络流量加权特征NTWF和网络流平均速率NFAR二元组来描述网络流量的特点;然后采用层次聚类算法对训练集进行分类,以获取隐层状态HLS序列,利用NTWF序列和HLS序列对HMM进行监督学习获得状态转移矩阵和混淆矩阵,以预测NTWF序列;最后通过混沌模型分析NTWF序列的预测误差,结合基于NFAR的规则来识别攻击行为。实验结果表明,与同类方法相比,所提方法具有较低的误报率和漏报率。(本文来源于《计算机工程与科学》期刊2018年12期）
郄岩[9]（2018）在《雾天能见度检测与预测方法研究》一文中研究指出近年雾霾天气频发,能见度降低给人们的日常生活带来诸多不便,对雾天能见度进行检测及预报需求迫切。现今能见度检测仪器昂贵无法大面积推广,基于图像处理的能见度检测方法日益成熟的同时,可利用高速公路安装的大量摄像机进行能见度检测方法的研究。目前能见度预测大多采用多元回归模型、天气图分析等方法,但要求观测时间足够长且数据完整,依赖前期实验得到经验与模型。针对上述问题,对采集到的高速公路图像进行背景提取,基于暗通道先验理论获取图像的大气透射率并采用导向滤波方法进行细化。采用Canny算法进行边缘检测后利用伸缩矩形窗快速检测车道线,计算车道线两端透射率,结合车道线距离信息获得图像的消光系数,进一步推导得到当前检测图像的能见度。利用高速公路车道线实现了能见度的分布式实时检测,检测相对误差在18%以内,符合国家规范要求,鲁棒性好,准确度较高。设计了一种基于人工神经网络的能见度预测方法,建立BP神经网络能见度预测模型,基于遗传算法对各网络层参数进行优化调整。利用国家气象信息中心提供的气象数据对GA-BP神经网络能见度预测模型进行训练,将GA-BP神经网络和BP神经网络的预测数据分别与能见度观测数据进行对比,从相关系数、均方根误差及平均绝对误差叁个方面进行评价。GA-BP神经网络模型的能见度预测准确度更高,预测稳定性更好,预测性能更佳,能够给人们出行提供可靠的能见度预报信息。(本文来源于《河北科技大学》期刊2018-12-01）
王金亮,徐丁,钱苏波,朱云开,齐隽[10]（2018）在《无创检测方法预测中国良性前列腺增生患者急性尿潴留风险》一文中研究指出目的建立预测良性前列腺增生(BPH)患者急性尿潴留风险的预测模型病人。方法通过我院的数据库收集2011年3月至2012年12月于我院就诊、诊断为BPH并建立随访的患者,共225例,其中42例患者在随访期间有急性尿潴留的病史。所有患者均进行国际前列腺症状评分(IPSS),生活质量评分(QoL)和血清前列腺特异性抗原(PSA)的测定,并且经直肠前列腺超声(TRUS)测得前列腺体积(PV),移行区体积(TZV),移行区比值(TZI)及膀胱内前列腺突出(IPP)的评估。根据患者有无急性尿潴留将患者分为两组:尿潴留组与非尿潴留组,观察两组患者各项指标的差别,并建立预测BPH患者急性尿潴留的风险模型。结果除了年龄以及排尿期评分,尿潴留组患者的所有指标均显着高于非尿潴留组。急性尿潴留风险预测模型:0.558×PSA+0.737×PV,受试者工作曲线下面积0.885,当阈值设定为62.8时,敏感度81%,特异度84.4%。结论急性尿潴留风险预测模型运用方便,可以较为准确地预测BPH患者急性尿潴留的风险,为临床决策提供帮助。(本文来源于《中国男科学杂志》期刊2018年06期）
检测与预测方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了对道路车辆进行流量的统计与监控跟踪,提出一种联合检测与跟踪思想的方法。该方法利用初始分割时产生的目标数量的冲突集描述分割阶段产生的错误以及遮挡问题,并通过建立车辆近邻关联事件和与之对应的关联标签变量,将汽车监控跟踪建模为一个结构化预测问题,利用相应的关联标签变量建立全局目标函数,从而将车辆跟踪问题转化为一个通过求解带约束的整数规划问题,最后求解得到车辆轨迹的全局最优解。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
检测与预测方法论文参考文献
[1].梅延辉,武玉海,门婷婷,李刚,牛文杰.叁种检测方法对浸润性膀胱癌患者行膀胱部分切除术后复发的预测价值[J].微创泌尿外科杂志.2019
[2].任亚婧,张宏立.结构化预测的车辆联合检测与跟踪方法[J].现代电子技术.2019
[3].王玉婷,刘楠,潘志文,尤肖虎.一种使用协作预测的自组织网络故障检测方法（英文）[J].JournalofSoutheastUniversity(EnglishEdition).2019
[4].胡姣姣.基于深度学习的飞行器遥测时间序列数据异常检测与预测方法研究[D].西安理工大学.2019
[5].程杰仁,罗逸涵,唐湘滟,欧明望.基于LSTM流量预测的DDoS攻击检测方法[J].华中科技大学学报(自然科学版).2019
[6].侯弘毅.基于纤维角检测的实木板材抗压弹性模量预测方法[D].东北林业大学.2019
[7].李录平,封江,刘瑞,杨波,陈志刚.基于模态频率变化量检测的风力机叶片寿命损耗预测方法研究[J].电站系统工程.2019
[8].董哲,唐湘滟,程杰仁,张晨,林福生.基于HMM时间序列预测和混沌模型的DDoS攻击检测方法[J].计算机工程与科学.2018
[9].郄岩.雾天能见度检测与预测方法研究[D].河北科技大学.2018
[10].王金亮,徐丁,钱苏波,朱云开,齐隽.无创检测方法预测中国良性前列腺增生患者急性尿潴留风险[J].中国男科学杂志.2018
标签：浸润性膀胱癌; 可溶性细胞间黏附分子-1; 肿瘤特异性生长因子; 癌胚抗原;