第一章：绪论
进化生物学EvolutionaryBiology：是研究生物进化的科学，不仅研究进化的过程，更重要的是研究进化的原
因、机制、速率和方向。（研究生物进化的科学，包括进化的过程、证据、原因、规律、演说以及生物工
程进化与地球的关系等。）
系统学Taxonomy：isthescienceofdefininggroupsofbiologicalorganismsonthebasisofsharedcharacteristicsand
givingnamestothosegroups.根据生物体显现出的的基本特征定义并确定其群体名称的学科。
系统生物学SystematicBiology：研究生物系统组成成分的构成与相互关系的结构、动态与发生，以系统论和
实验、计算方法整合研究为特征的生物学。
系统与进化生物学SystematicandEvolutionaryBiology：
分类Classification：provideaconvenientmethodofidentificationandcommunication.为生物的辨识与交流提供
更便捷方法的学科。
系统发育Phylogeny：theevolutionaryrelationshipsamongagroupofspecies,provideaclassificationwhichasfar
aspossibleexpressesthenaturalrelationshipsoforganism.研究种群之间进化的联系，尽可能地为解读生物
体之间的自然关系提供一种分类方式的科学。
进化Evolution：detectevolutionatwork,discoveringitsprocessesandinterpretingitsresults.（PPT）进化指食物
由低级的、简单的形式向高级的、复杂的形式转变过程。广义进化是指事物的变化与发展。涵盖了天体的
消长，生物的进化，以及人类的出现和社会的发展。
２０１０年７月 农机化研究 第７期
基于ＳＶＭ的禽蛋孵化过程系统辨识 刘玫星 （长沙通信职业技术学院，长沙４１００１５） 摘要：家禽孵化是一个复杂的生物学过程，其过程参数的系统辨识对于实现后续精确控制有着重要意义。由 于孵化的过程参数具有数据量获取困难、样本小的特点，而ＳＶＭ是经过严格的数学推理而得，在解决小样本、非 线性、过学习与欠学习、局部极小点问题中表现出许多特有的优势。为此，结合ＳＶＭ的特点，将其应用于孵化过 程。实验结果表明，采用ＳＶＭ辨识方法对孵化过程控制系统的温度和湿度具有较好的预测效果。 关键词：禽蛋；孵化；ＳＶＭ；系统辨识 中图分类号：ＴＰ２１２ 文献标识码：Ａ 文章编号：１００３—１８８Ｘ（２０１０）０７－００３０—０４ ０引言 为了满足人们对禽蛋的需求，目前生产供应商大 都是采用人工孵化的方法来获得禽蛋。而这些人工 孵化的禽蛋的质和量主要依赖于孵化过程控制系统 对温度、湿度的控制。为了较好地获得孵化禽蛋的质 和量，有必要对孵化过程控制系统中的温、湿度变量 进行辨识，以供后续更精确的控制。 国内外对孵化的研究均只限于采用控制¨ 。由 于孵化过程控制系统是一个强耦合、大干扰、大滞后 的复杂动态非线性系统，辨识系统方法和模型的建立 并无统一方法。目前，常用方法有神经网络中的前馈 神经网络和ＲＢＦ神经网络已应用于工业生产过程当 中；但是神经网络的局部极小点、过学习现象，以及结 构和类型过分依赖于经验等固有缺点严重影响和降 低了其应用和发展。 由Ｖａｐｎｉｋ等提出的支持向量机（ｓｕｐｐｏｎＶｅｃｔ０ｒＭａ－ ｃｈｉｎｅ，简称ＳＶＭ）是建立在统计学习理论的ＶＣ维理 论和结构风险最小原理基础上的，它根据有限的样本 信息在模型的复杂性和学习能力之间寻求最佳折衷， 以期获得最好的推广能力。ＳＶＭ是经过严格的数学 推理而得，比基于经验风险最小化的、强烈依赖设计 者工程技巧的神经网络学习算法具有更强的理论依 据和更好的泛化能力。在解决小样本、非线性、过学 习与欠学习、局部极小点问题以及高维模式识别问题 中表现出许多特有的优势，并能够推广应用到函数拟 收稿日期：２００９—１０一Ｉ２ 基金项目：湖南省教育厅科研项目（０８Ｃ９３３） 作者简介：刘玫星（１９６６一），女，湖南新化人，讲师，（Ｅ—ｍｉｎｉ） ｚｈｏｕ￣０１＠ｓｉｎａ．ｔｏｍ。 ・３Ｏ・ 合等其他机器学习问题中，从此迅速地发展起来，目 前已经在许多领域（生物信息学、文本和手写识别等） 都取得了成功的应用【４ ］。同时，由于ＳＶＭ算法成功 地克服了神经网络的这些缺陷，因而采用支持向量机 进行系统辨识和建立模型是一个新颖而有发展的研 究方向。 本文针对孵化过程控制系统特点，在仅有输入输 出温度和湿度数据的情况下，提出利用ＳＶＭ辨识方 法¨。。对孵化过程控制系统进行辨识 Ｊ。实验结果显 示，ＳＶＭ辨识方法能够很好地对孵化过程系统进行辨 识并且能够很准确地预测温湿度。 １ 孵化过程控制工艺参数分析 孵化过程控制系统主要对系统的温度和湿度两 个变量要求严格，而孵化过程中的通风换气的主要目 的是帮助胚蛋中的胚胎与外界进行气体和热能的交 换，其对温度和湿度的影响可以通过温度和湿度控制 器来调节温度和湿度。所以，只有控制好适当的温度 和湿度才能提高孵化率和健雏率，才能获得很好的经 济效率。 １）孵化温度参数分析：孵化温度是孵化过程的首 要条件，只有在适宜的温度下才能保证胚胎的正常生 长发育和物质代谢。 ２）孵化湿度参数分析：空气中的湿度对胚胎的发 育有很大的作用，若湿度过高会妨碍蛋内水分蒸发， 使胚胎发育所产生的大量代谢水不能及时排出，而湿 度过低易引起胚胎和壳膜粘连。 分析孵化过程控制系统的动态特性可知，孵化系 统是一个多输入和多输出的非线性系统，其温度和湿
第３Ｏ卷第４期 ２０１０年８月 苏州大学学报（工科版） ＪＯＵＲＮＡＬ ＯＦ ＳＵＺＨＯＵ ＵＮＩＶＥＲＳＩＴＹ（ＥＮＧＩＮＥＥＲＩＮＧ ＳＣＩＥＮＣＥ ＥＤＩＴＩＯＮ） Ｖｏ１．３０ Ｎｏ．４ Ａｕｇ．２０１０
文章编号：１６７３—０４７Ｘ（２０１０）一０４—００３５—０６
脉搏信号的生物识别
杜德欢，费万春，左保齐
（苏州大学纺织与服装工程学院，江苏苏州２１５０２１）
摘要：以中医脉象人工智能辨识系统的研究与开发为背景，对脉搏信号的分析与识别进行了研究 与探讨。首先对平静状态和兴奋状态下的脉搏波进行聚类，聚类后再进行脉搏波的生物识别。将脉
搏波幅度序列看做非平稳时间序列，并对其进行解析，将其中的趋势分量和波动分量进行了分离，运
用时变参数自回归（ＴＶＰＡＲ）模型得到残差，最后采用马氏距离判别法进行判别分析，得到了比较理 想的识别结果。 关键词：脉搏信号；聚类分析；非平稳性；时间序列簇；ＴＶＰＡＲ模型；马氏距离
中图分类号：ＴＰ３９１．４ 文献标识码：Ａ
０ 引 言
人体脉搏系统是心血管系统的重要组成部分，它是人体输送养料、传递能量和传播各种生理病理信息的 重要途径，它包含了丰富的人体健康状况信息。随着计算机技术的飞速发展，脉搏信号的获取及检测方法、脉
象识别等方面的研究都有了新的突破，但却很少见到脉搏信号生物识别方面的研究。
茧丝作为一类时间序列（所谓时问序列通常是某随机过程按照某种如时间顺序排列的一系列被观测数
据）包含了数学问题，文献［１—２］针对该时间序列建立了一系列的模型，包括阶梯自回归模型和时变参数自 回归模型（ＴＶＰＡＲ）。本文将脉搏信号幅度序列看做有限长度非平稳时间序列，结合相关理论进行分析，运用
ＭＡＴＬＡＢ程序语言，对脉搏信号进行系列的处理后，运用ＴＶＰＡＲ模型对脉搏信号进行生物识别，得到了比较
理想的识别结果。 为了使研究更具实际应用价值，实验中分别采集了不同个体平静和兴奋两种状态下的脉搏信号，首先对 其进行聚类，再进行各自状态下的生物识别。
系统辨识与自适应控制matlab仿真 概述说明
1. 引言
1.1 概述
在控制系统中，系统辨识与自适应控制是两个重要的研究领域。系统辨识是指通过实验数据来推断和建立数学模型，以揭示被控对象的动态特性和行为规律。而自适应控制则是基于辨识模型预测，并根据外部环境变化及时调整控制策略，以实现对系统稳定性、鲁棒性和性能的优化。
本文将围绕系统辨识与自适应控制在Matlab仿真环境中的应用展开讨论。首先，我们会介绍系统辨识和自适应控制的基本概念以及其在工程领域中的重要性。然后，我们会详细介绍常用的系统辨识方法和自适应控制算法，并通过具体示例来说明它们的实际应用价值。最后，我们会重点讲解如何利用Matlab进行仿真实验，并分享一些Matlab编程与仿真技巧。
1.2 文章结构
本文共分为五个主要部分：引言、系统辨识、自适应控制、Matlab仿真以及结论与展望。在引言部分，我们将介绍文章的背景和目的，以及整体结构安排。接下来的三个部分将重点讨论系统辨识和自适应控制两个主题，并具体阐述各自的概念、方法、应用以及仿真结果分析。最后一部分则是对全文进行总结回顾，并展望未来研究方向和发展趋势。
1.3 目的
本文旨在通过对系统辨识与自适应控制在Matlab仿真环境中的研究与应用进行概述说明，帮助读者深入了解该领域的基本理论和实践技巧。同时，在介绍相关概念和算法的同时，我们也希望能够启发读者思考并提出对未来研究方向和发展趋势的建议。通过本文的阅读，读者将能够全面了解系统辨识与自适应控制在工程领域中的重要性，并学会利用Matlab进行仿真实验，从而加深对这一领域的理解与认知。
2. 系统辨识
2.1 系统辨识概念
系统辨识是指通过观测系统输入与输出之间的关系，以及对系统内部状态的估计，来建立数学模型以反映实际物理系统行为的过程。在控制工程领域中，系统辨识是一种常用的方法，用于从已知输入与输出数据中推断出未知系统的特性和参数。
