以社区医疗服务信息化为导向的全科医学专业教学改革

根据医改的方向,以社区医疗信息化为向导,提出了全科医学专业教学改革的方向和措施,提高全科医学专业学生的信息素养水平。     

正丙醇脱水萃取与共沸精馏隔壁塔工艺经济性对比

针对正丙醇脱水分离的常规萃取精馏及共沸精馏工艺能耗较高的缺点,提出以二甲基亚砜(DMSO)为萃取剂的萃取精馏隔壁塔工艺、以乙酸乙酯为共沸剂的共沸精馏隔壁塔工艺两种分离方案。利用Aspen Plus软件进行了以上两种流程模拟并以年度总费用最低为优化目标对两种工艺分别进行全局优化,得到两种流程的最优设备及操作参数,并对其经济性进行对比分析。结果表明:共沸精馏隔壁塔工艺的年度操作费用比萃取精馏隔壁塔工艺降低约28.68%,其年度总费用降低约17.63%,说明共沸精馏隔壁塔工艺更具经济优势和工业应用性。     

以电子健康档案为核心的信息集成平台的方案研究

随着医改的不断深入,医疗信息化的发展面临巨大压力,同时也给社区信息集成平台的建设提出了挑战。本文从实际出发,分析了社区信息系统集成的系统结构,并介绍了目前主要的集成方式。着重分析了系统集成时的接口规范,强调了HL7协议的绝对优势,希望能为社区信息集成平台的建设提供参考。     

服装设计知识图谱中的服装装饰工艺分类模型

为解决服装装饰工艺类别判定中噪声视角或弱相关视角带来的负影响问题,采用具备视角约减功能的多视角分类模型对噪声视角或弱相关视角进行动态过滤。首先基于1-阶TSK模糊系统,在其目标优化函数中引入视角间分类误差一致性约束,实现多视角协同学习;然后通过变体信息熵学习各视角的权重,并在权重学习过程中制定视角约减规则,自动剔除噪声视角或弱相关视角;最后通过服装装饰工艺类别分类实验对所构建模型的分类精度进行验证。结果表明:相比视角约减之前,所提出的多视角分类模型的测试精度提高了2.68%,可有效地过滤噪声视角或弱相关视角,降低其对分类精度的影响。     

氯代甲烷对真空电子捕获能力研究北大核心CSCD

设计了化学物质对真空电子吸收效果评价的密度泛函理论(DFT)评价法和气相色谱-电子捕获检测器(GC-ECD)评价法,并利用两种方法对CCl_2H_2、CCl3H和CCl_4三种氯代甲烷的电子吸收效果进行了评价,并对两种方法的结果进行了对比分析。DFT评价法表明,从结构上三种氯代甲烷均表现出明显的电子吸收潜力,且CCl_2H_2、CCl_3H和CCl_4得电子潜力依次增强;GC-ECD评价法表明,CCl_2H_2、CCl_3H和CCl_4在ECD检测器上均具有较好的响应,且CCl_4响应最强,CCl_2H_2最弱。综合考虑DFT评价结果和GC-ECD评价结果,三种氯代甲烷均具有优越的电子捕获能力,且CCl_4捕获电子能力最强,CCl_3H次之,CCl_2H_2最弱;同时也说明,氯代甲烷可以作为电离层扰动物质的备选物质。     

浅谈DMS与DSM

文章分别对DMS与DSM的概念进行简单分析,主要从电价和负荷管理来探讨DSM对DMS的影响。     

基于多舰协同侦察与信息融合的雷达识别

对雷达型号的识别一直是电子侦察情报系统的重要内容.为了提高单一平台侦察设备对雷达型号识别的可信度和准确率,这里采用协同侦察的思想,共享其他平台侦察的雷达辐射源信号.然后应用灰色关联方法对来自同一部雷达的辐射源信号进行相关处理,并对相关的雷达辐射源信号特征进行加权信息融合,以提高信号特征参数的精度;最后再对融合后的信号特征按最大相关准则,从雷达辐射源知识库中找出要协同识别的雷达型号.     

基于GSM的远程煤气报警器

相对于传统的煤气报警器无法进行远程报警的缺点,本系统成功研制了基于GSM无线远程煤气报警器。本系统采用STC5410为核心处理器,采用Fly60C为无线通讯模块,设计了煤气报警器的硬件电路。并分析了单片机的工作流程,电路由数据采集与报警模块,核心处理模块,以及通讯模块组成,配合现代的GSM网络可轻松地实现与用户手机进行远程通信。该产品在使用时若是接触到煤气泄漏,便会鸣叫,同时会给业主发送报警短信。该产品结构简单,性能稳定,价格低廉,十分适合现代的家庭使用。     

基于代表点评分策略的快速自适应聚类算法

在基于代表点的聚类算法中,为了解决算法自适应性和聚类速度问题,在快速压缩集密度估计的基础上,提出了一种基于代表点评分策略的快速自适应聚类算法.该算法的提出基于3个非常重要的假设：1)每个簇有一个代表点,且代表点来自簇内高密度样本;2)代表点或在压缩集中,或在压缩集附近且与压缩集中样本具有高度相似性;3)各簇中样本围绕代表点并沿着压缩集扩散.基于第1个和第2个假设,提出用代表点分值来评估样本成为代表点的可能性,并分析了其合理性.基于第3个假设和代表点分值,构建了一种快速的自适应聚类算法,该算法将所有样本按照其代表点分值从大到小排序,形成代表点候选集;然后从代表点候选集中逐个选择代表点,利用其邻域不断传递标签至整个压缩集;最后采用同样的方法将压缩集中样本的标签扩散至整个数据集,在此过程中引入抽样,提高标签传播速度.在人工数据集和真实数据集上的实验表明：所提出的算法能够处理任意形状的数据集和大规模数据集,且不需要指定类别数.