基于排列熵和支持向量机的癫痫发作预测研究

针对癫痫发作给病人带来的巨大伤害,为临床治疗留下足够空余时间,提出一个可以预测癫痫发作的系统模型。对21名癫痫病人进行研究,提取具有较低算法复杂度的排列熵构成特征向量,将其输入支持向量机（support vector machine,SVM）训练出学习模型,用来识别发作期样本,利用投票机制充分考虑病人差异来判断所处状态,最终实现癫痫的实时预测。结果表明,其中81%的发作可以提前平均50多分钟预测到,且具有较低的误报率。为癫痫发作预测系统的理论研究打下坚实基础。     

关爱学生，有效教与学

高一地理课，内容多，课时紧。许多老师在课堂上忙于赶进度，急匆匆地完成任务，结果学生紧张不堪，囫囵吞枣，成绩不理想。学生们有压力，教师们有抱怨。那么，如何有效地开展教学活动，提高学生的课堂时效性昵？