目的探讨局灶性癫痫围发作期心率变异性变化特点。方法收集2014年9月至2019年9月在首都医科大学附属北京天坛医院癫痫中心进行术前评估并完成手术的癫痫患者102例,选择局灶性发作198次,手动测量相邻两个心电活动的RR间期,计算心率变异...目的探讨局灶性癫痫围发作期心率变异性变化特点。方法收集2014年9月至2019年9月在首都医科大学附属北京天坛医院癫痫中心进行术前评估并完成手术的癫痫患者102例,选择局灶性发作198次,手动测量相邻两个心电活动的RR间期,计算心率变异性时域参数-相邻正常心跳间期差值平方和的均方根(RMSSD),比较发作前60 s、发作期、终止后60 s RMSSD差异,并比较不同心率变化类型、不同发作类型、不同发作前状态以及不同致痫灶部位和侧别RMSSD差异。结果发作期和发作前60 s及终止后60 s RMSSD相比差异有统计学意义(P<0.001),提示发作期RMSSD降低;心率增快类型癫痫发作期RMSSD降低(P<0.001);复杂部分性癫痫发作期RMSSD降低(P<0.001);颞叶内侧癫痫发作期RMSSD降低(右颞叶内侧P<0.001;左颞叶内侧P<0.001);心率无变化(P=0.556)和心率减慢(P=0.983)类型癫痫发作、单纯部分性癫痫(P=0.869)、颞叶外侧癫痫(右颞叶外侧P=0.204;左颞叶外侧P=0.849)和颞叶外癫痫(右颞外P=0.188;左颞外P=0.068)发作期RMSSD无降低。发作期和发作前60 s RMSSD差值在睡眠期更明显(P=0.039)。结论心率增快类型癫痫发作、复杂部分性癫痫、颞叶内侧癫痫发作期易发生心率变异性下降,提示癫痫发作期副交感活性下降;睡眠期状态下发生的癫痫发作期心率变异性下降相比清醒期显著,提示睡眠期癫痫发作副交感活性下降更加明显。展开更多
入侵检测系统能够有效地检测网络中异常的攻击行为,对网络安全至关重要.目前,许多入侵检测方法对攻击行为Probe(probing),U2R(user to root),R2L(remote to local)的检测率比较低.基于这一问题,提出一种新的混合多层次入侵检测模型,检...入侵检测系统能够有效地检测网络中异常的攻击行为,对网络安全至关重要.目前,许多入侵检测方法对攻击行为Probe(probing),U2R(user to root),R2L(remote to local)的检测率比较低.基于这一问题,提出一种新的混合多层次入侵检测模型,检测正常和异常的网络行为.该模型首先应用KNN(K nearest neighbors)离群点检测算法来检测并删除离群数据,从而得到一个小规模和高质量的训练数据集;接下来,结合网络流量的相似性,提出一种类别检测划分方法,该方法避免了异常行为在检测过程中的相互干扰,尤其是对小流量攻击行为的检测;结合这种划分方法,构建多层次的随机森林模型来检测网络异常行为,提高了网络攻击行为的检测效果.流行的数据集KDD(knowledge discovery and data mining) Cup 1999被用来评估所提出的模型.通过与其他算法进行对比,该方法的准确率和检测率要明显优于其他算法,并且能有效地检测Probe,U2R,R2L这3种攻击类型.展开更多
针对一类具有不确定系统函数和方向未知的不确定增益函数的非线性系统,提出了一种鲁棒自适应神经网络控制算法.本算法采用RBF神经网络(Radial based function neural network,RBFNN)逼近模型不确定性,外界干扰和建模误差采用非线性阻尼...针对一类具有不确定系统函数和方向未知的不确定增益函数的非线性系统,提出了一种鲁棒自适应神经网络控制算法.本算法采用RBF神经网络(Radial based function neural network,RBFNN)逼近模型不确定性,外界干扰和建模误差采用非线性阻尼项进行补偿,将动态面控制(Dynamic surface control,DSC)与后推方法结合,消除了反推法的计算膨胀问题,降低了控制器的复杂性;尤其是采用Nussbaum函数处理系统中方向未知的不确定虚拟控制增益函数,不仅可以避免可能存在的控制器奇异值问题,而且还能使得整个系统的在线学习参数显著减少,与DSC方法优点结合,使得控制算法的计算量大为减少,便于计算机实现.稳定性分析证明了所得闭环系统是半全局一致最终有界(Semi-global uniformly ultimately bounded,SGUUB)的,并且跟踪误差可以收敛到原点的一个较小邻域.最后,计算机仿真结果表明了本文所提出控制器的有效性.展开更多
文摘目的探讨局灶性癫痫围发作期心率变异性变化特点。方法收集2014年9月至2019年9月在首都医科大学附属北京天坛医院癫痫中心进行术前评估并完成手术的癫痫患者102例,选择局灶性发作198次,手动测量相邻两个心电活动的RR间期,计算心率变异性时域参数-相邻正常心跳间期差值平方和的均方根(RMSSD),比较发作前60 s、发作期、终止后60 s RMSSD差异,并比较不同心率变化类型、不同发作类型、不同发作前状态以及不同致痫灶部位和侧别RMSSD差异。结果发作期和发作前60 s及终止后60 s RMSSD相比差异有统计学意义(P<0.001),提示发作期RMSSD降低;心率增快类型癫痫发作期RMSSD降低(P<0.001);复杂部分性癫痫发作期RMSSD降低(P<0.001);颞叶内侧癫痫发作期RMSSD降低(右颞叶内侧P<0.001;左颞叶内侧P<0.001);心率无变化(P=0.556)和心率减慢(P=0.983)类型癫痫发作、单纯部分性癫痫(P=0.869)、颞叶外侧癫痫(右颞叶外侧P=0.204;左颞叶外侧P=0.849)和颞叶外癫痫(右颞外P=0.188;左颞外P=0.068)发作期RMSSD无降低。发作期和发作前60 s RMSSD差值在睡眠期更明显(P=0.039)。结论心率增快类型癫痫发作、复杂部分性癫痫、颞叶内侧癫痫发作期易发生心率变异性下降,提示癫痫发作期副交感活性下降;睡眠期状态下发生的癫痫发作期心率变异性下降相比清醒期显著,提示睡眠期癫痫发作副交感活性下降更加明显。
文摘入侵检测系统能够有效地检测网络中异常的攻击行为,对网络安全至关重要.目前,许多入侵检测方法对攻击行为Probe(probing),U2R(user to root),R2L(remote to local)的检测率比较低.基于这一问题,提出一种新的混合多层次入侵检测模型,检测正常和异常的网络行为.该模型首先应用KNN(K nearest neighbors)离群点检测算法来检测并删除离群数据,从而得到一个小规模和高质量的训练数据集;接下来,结合网络流量的相似性,提出一种类别检测划分方法,该方法避免了异常行为在检测过程中的相互干扰,尤其是对小流量攻击行为的检测;结合这种划分方法,构建多层次的随机森林模型来检测网络异常行为,提高了网络攻击行为的检测效果.流行的数据集KDD(knowledge discovery and data mining) Cup 1999被用来评估所提出的模型.通过与其他算法进行对比,该方法的准确率和检测率要明显优于其他算法,并且能有效地检测Probe,U2R,R2L这3种攻击类型.
文摘针对一类具有不确定系统函数和方向未知的不确定增益函数的非线性系统,提出了一种鲁棒自适应神经网络控制算法.本算法采用RBF神经网络(Radial based function neural network,RBFNN)逼近模型不确定性,外界干扰和建模误差采用非线性阻尼项进行补偿,将动态面控制(Dynamic surface control,DSC)与后推方法结合,消除了反推法的计算膨胀问题,降低了控制器的复杂性;尤其是采用Nussbaum函数处理系统中方向未知的不确定虚拟控制增益函数,不仅可以避免可能存在的控制器奇异值问题,而且还能使得整个系统的在线学习参数显著减少,与DSC方法优点结合,使得控制算法的计算量大为减少,便于计算机实现.稳定性分析证明了所得闭环系统是半全局一致最终有界(Semi-global uniformly ultimately bounded,SGUUB)的,并且跟踪误差可以收敛到原点的一个较小邻域.最后,计算机仿真结果表明了本文所提出控制器的有效性.
基金Supported by the National Natural Science Foundation of China under Grant Nos.60503036,60473073(国家自然科学基金)the Fok Ying Tong Education Foundation of China under Grant No.104027(霍英东教育基金)the National Grand Fundamental Research973Program of China under Grant No.2006CB303000(国家重点基础研究发展规划(973))
