基于联盟区块链的电子病历系统模型研究

本文通过研究联盟区块链技术,结合医疗健康信息集成规范IHE,探讨对跨区域电子病历共享模型研究方法,构建了基于联盟区块链的电子病历系统模型,设计系统的四个智能合约。区块链存储患者关键医疗和交易记录,采用了改进的PBFT共识算法,该算法适用于P2P网络且能耗较低;医疗机构作为联盟成员互联互通,自动执行智能合约,通过授权可以共享和交换患者的完整病历信息。这个跨平台、安全可靠的医院间电子病历共享模型,对医疗大数据背景下共享医疗资源和提升医疗系统的服务质量有重大的现实意义。     

基于医疗知识图谱的交互式智能导诊系统

针对在线问诊中患者主诉医疗信息表述多样化,医疗知识利用不足的问题,本文设计实现了基于医疗知识图谱的交互式智能导诊系统.该系统引入医疗知识图谱提供导诊知识,通过实体识别和实体链接技术规范化主诉文本中的医疗表述,利用医疗实体生成知识图谱子图并获取子图语义信息,融合子图和患者主诉的语义信息得到科室置信度.当推荐科室置信度低时,通过多轮交互问询的方式补充患者症状信息,最终给出推荐科室.该系统能够为建立快速精准智能医疗体系提供技术支持,有效提升导诊效率,缓解医疗资源紧张.     

基于多分类支持向量机的优化算法智能推荐系统与实证分析

算法智能推荐是超启发式算法研究领域一个重要分支,其目标是从众多"在线"算法中自动选择出最适于当前问题的算法,从而大大提升解决问题的效率。基于此提出并验证了一种优化算法智能推荐系统,理论依据是无免费午餐定理和Rice算法选择框架,并假设问题特征与算法性能表现之间存在潜在关联关系,从而可以把算法推荐问题转换为一个多分类问题。为了验证假设的成立,以多模式资源约束项目调度问题为测试样本数据集,以粒子群、模拟退火、禁忌搜索和人工蜂群等元启发式优化算法为推荐对象,以支持向量机多分类策略实现算法的分类推荐。交叉验证结果表明,推荐准确率均在90%以上,各项评价指标表现优秀。     

基于人工智能推荐算法的智能家庭社会服务机制

随着社交网络时代的来临,社交网络的类型逐渐覆盖到不同的用户群体,对不同用户群体进行社交网络需求的潜力挖掘是目前的研究热点。本文研究基于人工智能推荐算法构建家庭社交网络的多级圈层结构,并以此提出家庭和亲属的智能推荐算法,以智能算法和家庭这一特殊群体的社交模式设计由个人信息模块、基本功能模块、家庭信息模块、应用服务模块和开放API模块所构成的家庭社交网络系统。研究结果表明,在数据量达到一万以上时,智能推荐算法的执行效率是非智能推荐算法的3倍左右,集群节点数对执行效率有显著影响。此外,智能推荐算法下的社交系统表现出良好的使用效果,这说明智能推荐算法具有较高的实用性。通过对家庭社会服务进行数据化的推荐算法研究,以及对算法执行效率进行定量验证,为社交网络服务机制提供了数据支持,验证了家庭社会服务的市场潜力。     

基于Web使用挖掘的个性化学习推荐系统

针对当前E learning推荐系统存在的问题，引入多Agent（MAS）系统，提出一种基于Web使用挖掘的集成MAS与Web services的分布式智能推荐系统模型。该模型能动态生成基于用户使用信息的个性化链接页面，有效地帮助学员找到所需的资源信息。提出了一种基于最近最少使用策略的系统推荐算法，包括系统整体实现算法、系统聚类算法及推荐算法。实时性能分析显示该系统运行性能良好。     

基于堆栈降噪自编码器改进的混合推荐算法

针对传统协同过滤算法仅利用评分信息作为推荐依据,没有利用用户评论和标签信息,无法准确反映用户对项目特征的偏好,推荐精确度低且容易过拟合等问题,提出一种基于堆栈降噪自编码（SDAE）改进的混合推荐（SDHR）算法。首先利用深度学习模型SDAE从用户自由文本标签中抽取项目的显式特征信息;然后,改进隐因子模型（LFM）算法,使用显式项目特征信息替换LFM中的抽象特征,进行矩阵分解训练;最后通过用户-项目偏好矩阵为用户提供推荐。在公开数据集MovieLens上的实验测试,与三组推荐模型（基于标签权重及协同过滤、基于SDAE和极限学习机、基于循环神经网络）比较,该算法推荐精确度分别提高了45.2%、38.4%和16.1%。实验结果表明,所提算法可以充分利用项目自由文本标签信息提高推荐性能。     

一种改进的slope one推荐算法研究

随着互联网信息的不断膨胀,互联网已经进入了大数据时代。为了解决人们当前面临的信息过载问题,个性化推荐系统应运而生,系统核心是其所使用的推荐算法。slope one算法是一种简单高效的典型协同过滤推荐算法,算法通过对用户——项目评分矩阵进行线性回归,预测用户对于未评分项目的可能评分。由于算法的输入只有用户评分矩阵,而实际情况中的评分矩阵通常较为稀疏,因此数据稀疏性是影响其推荐准确率的主要问题。为了克服该问题,文章基于现有研究提出了一种改进的slope one算法。该算法根据所有用户对项目的历史评分计算其项目相似度,然后将其加入评分公式予以修正,同时针对稀疏的评分矩阵使用奇异值分解技术降低矩阵维度,生成更加稠密的相似矩阵作为slope one核心计算部分的输入。项目相似度的引入增加了算法对于项目内在联系的考虑,推荐结果更加合理。而奇异值分解则可以使稀疏的评分矩阵转换为更适用于算法计算的形式。通过项目相似性和奇异值分解两种技术的融合,文中算法实现了更好的推荐准确性和适应性。     

“智愿点津”高考志愿填报辅助系统设计与实现

高考成绩发布后，面对考生填报志愿时间“紧”、院校了解“少”、专业方向“迷”、咨询指导“贵”这4个痛点，基于社会需求和考试院深度合作，设计并实现了高考志愿填报辅助系统。系统支持根据考生分数自动选取合适高校、院校收藏、专业收藏等功能，并使用推荐算法智能推荐合适专业等功能。系统不仅有完备的后台管理功能、先进的架构，同时支持数十万次的并发访问。     

基于电子病历利用矩阵乘法构建医生推荐模型

摘要：当前医疗机构缺乏通过互联网进行医疗资源推荐的有效渠道。同时，由于医疗应用场景的复杂性与多样性致使传统推荐算法面向医疗领域推荐质量不高。因此，提出基于电子病历利用矩阵乘法构建医生推荐模型。推荐模型以电子病历为研究对象，使用朴素贝叶斯分类器获取意向科室；根据症状、诊断、结论等信息构建意向科室医生-疾病矩阵与疾病-患者矩阵，利用矩阵乘法计算推荐结果。实验结果表明，推荐模型达到最佳性能时准确率为97.3%，平均准确率可以达到95.6%。     

面对智能导诊的个性化推荐算法

针对电子医疗信息过载和医疗资源严重不足的问题，本文以辅助诊疗的结果为基础，将Skyline查询和局部范围内基于协同过滤的评分方式有机结合，提出了一种面向智能导诊的个性化推荐算法。实验结果表明，本文提出的算法能为用户提供个性化的合理推荐结果。该方法对合理分配和使用医疗资源有很大的促进作用，能从一定程度上缓解就诊压力，提高就诊质量，具有重要的实用价值和社会意义。     

基于协同过滤的电子商务智能推荐方法研究

为获得更加理想的电子商务推荐结果,提出一种基于协同过滤的电子商务智能推荐方法.该方法收集电子商务用户相关信息,并对信息进行预处理,计算电子商务用户对项目评分,构建电子商务用户评分矩阵,采用余弦算法根据用户评分矩阵计算用户之间的相性度,基于用户相似度进行电子商务智能推荐.为了与其他方法进行比较,开展仿真实验.实验结果表明...     

基于网络和标签的混合推荐算法

基于网络结构的推荐算法利用用户与项目间的结构关系进行推荐,忽略了用户偏好,而项目的标签隐含了项目的内容及用户的偏好,提出一种基于网络结构和标签的混合推荐方法。算法根据用户选择项目的标签统计信息,分别采用TF-IDF和用户对标签的支持度两种方法构建用户偏好模型,与基于网络的推荐模型进行线性组合推荐。通过在基准数据集MovieLens上测试证明,该算法在推荐结果命中率、个性化程度、多样性等方面均优于基于网络的推荐算法。     

基于主题信息的项目评审专家推荐方法

针对为项目自动推荐评审专家的任务特点,提出一种基于主题信息的专家推荐方法。在分析项目与专家描述文档的属性特点后,使用隐含狄利克雷分配模型获取文档内容的主题词,通过统计主题词词频的方法构建主题特征空间,并结合文档属性栏目的重要性因素,利用TF-IDF特征提取算法分别获得项目文档与专家文档的主题特征向量,采用改进的相似度算法计算项目与专家主题特征向量的相关度,并选择与项目相关度较高的专家作为推荐结果。实验结果表明,该方法的推荐效果优于使用TF-IDF+余弦相似度计算的推荐方法,准确率、召回率和综合评价指标F值平均提高了4.87%,5.04%和4.97%。     

基于云计算技术的医疗信息化建设思路分析

医疗卫生信息化是实现卫生体制飞速发展的一个强有力的技术保障,通过先进的信息化手段,及时提供病人的各种数字医疗信息,建立信息的共享、流动和智能运用,可以实现更加方便而快捷的医疗服务。本文将探讨云计算技术在医疗信息化建设中的应用,分析其具体使用作用和对未来展开展望,希望帮助区域医疗结构和平台提供云体系构建的思路,实现远程医疗和远程健康管理等现代化工作模式。     

基于朴素贝叶斯分类器的校园信息智能推荐算法

本文结合对原始朴素贝叶斯分类器原理的分析,论述智能助理软件的设计过程中,所需推荐算法与其之间存在的差异性。并针对在校园收集和整合信息的特点和所需推荐方式,对原始朴素贝叶斯文本分类器算法加以修改。将得到的校园信息智能推荐算法实现在智能助理软件中。经测试,算法具有较好的准确性。     

融合用户偏好和多交互网络的协同过滤算法

推荐系统中的辅助信息可以为推荐提供有用的帮助,而传统的协同过滤算法在计算用户相似度时对辅助信息的利用率低,数据稀疏性大,导致推荐的精度偏低.针对这一问题,本文提出了一种融合用户偏好和多交互网络的协同过滤算法(NIAP-CF).该算法首先根据评分矩阵和项目属性特征矩阵挖掘出用户的项目属性偏好信息,然后使用SBM方法计算用户间的项目属性偏好相似度,并用其改进用户相似度计算公式.在进行评分预测时,构建融合用户-项目属性偏好信息的多交互神经网络预测模型,使用动态权衡参数综合由用户相似度计算出的预测评分和模型的预测评分来进行项目推荐.本文使用MovieLens数据集进行实验验证,实验结果表明改进算法能够提高推荐的精度,降低评分预测的MAE和RMSE值.     

基于改进聚类和矩阵分解的协同过滤推荐算法

大数据背景下,对于传统的协同过滤推荐算法在电子商务系统中的数据稀疏性、准确性不高、实时性不足等问题,提出一种改进的协同过滤推荐算法。该算法首先通过矩阵分解实现对原始数据的降维及其数据填充,并引入了时间衰减函数预处理用户评分,用项目的属性向量来表征项目,用用户的兴趣向量来表征用户,通过k-means聚类算法对用户和项目分别进行聚类;然后使用改进相似性度量方法在簇中查找用户的最近邻和项目推荐候选集,产生推荐。实验结果表明,该算法不仅可以有效解决数据稀疏和新项目带来的冷启动问题,而且还可以在多维度下反映用户的兴趣变化,推荐算法的准确度明显提升。     

基于改进聚类算法构建智慧医院的研究与实践

针对智慧医院缺乏有效的智能辅助诊疗应用问题,提出一种改进聚类算法来设计与实践智慧医院的相关医疗应用,实现诊疗辅助。该算法结合一种改进的遗传算法和网络中心数学模型对初始中心进行优化,先用一种改进的遗传算法获得文档集合的近似最优聚簇数K,然后采用网络中心与重心数学模型来获得优化的初始聚类中心点,有效解决了算法对初始聚类中心的敏感性,取得了较好的实验结果。在实践应用阶段结合不同的医疗业务场景设计制定不同的应用规则模型,并通过智能检查预约时效分析、输血质量智能评价、手术风险预测分析、辅助诊断推荐等实践应用检测该算法的运行效果,取得了良好的运用结果。     

一种室内智能吸尘器充电返回算法

针对智能吸尘器自动返回充电所遇到的问题,提出在不增加传感器的条件下,使用Dijkstra算法实现返回充电座最短路径的方法。利用简化栅格法建立环境地图并分块,基于广度优先和深度优先算法对其进行生成树,最后使用Dijkstra算法得到最短路径。该算法通过软件实现了智能吸尘器自动返回充电的功能,在实际应用中效果良好。     

一种基于耦合对象相似度的项目推荐算法

推荐系统根据用户的偏好为用户推荐个性化的信息、产品和服务等,能够帮助用户有效解决信息过载问题。基于内容的协同过滤算法缺少合适的度量指标用来计算项目之间的相似度。提出一种基于耦合对象相似度的项目推荐算法,即通过耦合对象相似度捕获项目特征频率分布相似性和特征依赖聚合相似度。首先从项目文本中抽取项目的关键特征,然后利用耦合对象相似度构建项目相似度模型,最后使用协同过滤的方法为活动用户推荐用户可能感兴趣的项目。在真实数据集上的实验结果表明,基于耦合对象相似度的推荐算法可以有效解决基于内容推荐系统的项目相似度度量问题,在缺失大量项目特征数据的情况下改进传统基于内容推荐系统的推荐质量。