高中体育特长生的训练量与训练强度探究

基于新课改的不断推进与发展,体育教学也在逐渐的改革。想要保障体育训练积极的训练效果,就必须加强高中体育特长生的日常训练量与训练强度。体育训练的方式与强度将会对训练的效果产生直接性的关键影响,而传统陈旧的体育训练理念与训练方式已经难以满足日渐发展的体育教育。因此,针对高中体育特长生的日常训练,体育教师需要结合学生的特征与实际需求,依照科学合理的体育训练量与训练强度,保证学生的有效训练。     

西沙海战中的通信兵

在记者采访过的,现住在天津的西沙海战参加者中,尚万龙参谋是唯一一个转业后仍从事了一段军事工作的老同志。见面伊始,尚参谋拿出一张天津和平区武装部颁发给他的奖状,获奖原由是尚参谋任武装部长的水泥厂基干民兵,在1984年全天津市民兵实弹射击中,获得14.5毫米高射机枪组第一名,我的采访也正式开始     

基于微博用户兴趣话题的相似用户挖掘

相似用户挖掘是提高社交网络服务质量的重要途径，在面向大数据的社交网络时代，准确的相似用户挖掘对于用户和互联网企业等都有重要的意义，而根据用户自己的兴趣话题挖掘的相似用户更符合相似用户的要求。提出了一种基于用户兴趣话题进行相似用户挖掘的方法。该方法首先使用TextRank话题提取方法对用户进行兴趣话题提取，再对用户发表内容进行训练，计算出所有词之间的相似度。提出CP（Corresponding Position similarity）、CPW（Corresponding Position Weighted similarity）、AP（All Position similarity）、APW（All Position Weighted similarity）四种用户兴趣话题词相似度计算方法，通过用户和相似用户间关注、粉丝重合率验证相似用户挖掘效果，APW similarity的相似用户的关注/粉丝重合百分比为1.687%，优于提出的其他三种算法，分别提高了26.3%、2.8%、12.4%，并且比传统的文本相似度方法Jaccard相似度、编辑距离算法、余弦相似度分别提高了20.4%、21.2%、45.0%。因此APW方法可以更加有效地挖掘出用户的相似用户。     

以用户为中心的可见光通信协作传输中训练资源分配算法

以用户为中心的可见光通信协作传输是近年来出现的新架构,这导致虚拟小区之间出现重叠。为避免导频污染问题,每个虚拟小区中的光接入点(AP)或者虚拟小区中选择相同AP的用户发送的训练序列应该是正交的。针对可见光通信中以用户为中心的协作网络,研究训练资源的正交分配问题,提出了一种新的导频分配算法,联合导频分配和用户选择问题,以期最大限度地增加虚拟小区内可被接入的用户数。分析和仿真结果表明,该导频分配方案可以有效改善导频污染问题,提高训练资源利用率,并且相比已有的导频分配方案,性能有所改进。     

护理协作团队合作在脑卒中偏瘫患者ADL训练中的效果观察

目的:护理协作团队合作在脑卒中患者日常生活活动训练(ADL训练)中的效果观察。方法:将60例脑卒中恢复期患者按随机数字表法分为对照组(30例)与观察组(30例)。对照组实施常规护理;观察组采用与康复医生、责任护士、治疗师、营养师、患者、家属、专职生活护理人员联合参与的护理协作团队,针对患者的评估结果给予相应的基本生活活动(BADL)和辅助生活活动(IADL)能力训练。分别于两组入院时、出院时采用基本生活活动能力(BADL)量表(Barthel指数评定量表)及功能独立性评定(FIM)进行评定。结果:观察组Baahel指数及FIM评分均较对照组改善,比较差异有统计学意义(P<0.05)。结论:护理协作团队合作,有效地提高了患者的主动性和参与性,明显提高了脑卒中偏瘫患者的日常生活活动能力,促进患者康复。     

基于BP神经网络的异常轨迹检测方法

为有效利用轨迹内外部属性进行异常检测,提出一种基于BP神经网络的异常轨迹识别方法。对原始轨迹数据进行去噪处理,存储至百度云的LBS云端,基于百度地图的轨迹数据可视化网站实现轨迹显示,并通过归一化数据计算轨迹属性值。同时,将轨迹内外部特征属性作为BP神经网络算法的输入层,轨迹相似度量值作为输出层,调整隐含层系数得到训练模型,从而识别用户异常轨迹。在2个用户数据集上的仿真结果表明,该方法的异常轨迹识别准确率分别达到92.3%和100%。     

基于康复训练中力信号的人体参与度建模

设计一种基于人机接触力的人体主动参与程度评估模型,用于康复机器人应用中的主动康复训练。通过人体的肌电信号得到肌肉活跃度,确定肌电信号与人体参与度的关系。分析这一过程中人机接触力的变化,将腿部力信号平均值以及腰部力信号方差作为模型输入,对基于肌电信号的参与度模型进行拟合,得到基于力信号的参与度模型,使用肌电信号参与度模型对力信号参与度模型进行验证,证明了该模型的有效性。该方法避免了肌电信号采集时干扰较大且准备工作繁琐等缺点,具有良好的实用性。     

基于支持向量机的缓存预估模型的设计与实现

采用支持向量机(SVM)对网络业务流数据进行预测估计，通过训练样本，从而获得样本以外数据的分布规律。在此基础上，设计了一种网络排队队列缓存的预估模型。实验表明，该模型具有较高的训练效率和很高的估计精确度。     

大规模训练数据的支持向量机学习新方法

支持向量机不能直接对大规模的训练数据进行学习。提出一种新的减小样本集规模的方法；在映射后的高维空间中寻找两种类别的交界部分，交界部分上的样本作为学习样本。并且指出，不需涉及具体映射的形式只用核函数即可找到交界部分的样本。实验表明，新方法优于直接在低维样本空间中寻找交界部分样本的方法。