基于Agent技术的医疗信息整合研究

医疗信息整合(integrating the healtheare enterprise,IHE)一直以来都是医院数字化发展进程中最重要的问题.本研究的目的在于消除由于医疗信息设备的异构性和软件系统采用数据标准的差异性而造成的信息孤岛现象,从而实现医疗信息的互通和共享.在介绍了IHE的发展现状及Agent技术之后,采用Agent理论及XML技术,给出了一个基于A-gent技术的医疗信息整合系统框架,并就其关键技术转换Agent的设计及不同格式的医疗信息数据到HL7格式的转换方法作了进一步的研究.     

满足用户个性化需求的积木式产品设计研究

文章探讨了体验经济时代下积木式产品因何受到消费者青睐,以及在积木式产品生产、使用过程中设计师与用户角色的转变,并从设计角度提出对积木式产品开发的思考。     

基于VRRP技术的校园网冗余设计与实现

随着网络技术的迅速发展,大多数高校建设了校园网,基于校园网的应用也越来越多,用户对校园网的可靠性提出了更高的要求。本文在VRRP协议工作原理的基础上,探讨了如何利用VRRP协议、MSTP等技术,设计能够提供快速、有效的冗余校园网,提高校园网的可靠性和可用性。     

多信道无线网络中优化QoM吉布斯采样信道选择算法

在无线网络中采用专用节点对用户的通信活动进行监测可实现网络的故障诊断和资源管理.由于硬件资源受限,无线节点通常在一个时刻只能工作在一个信道上,因此优化各个节点的信道选择使整个网络收集的用户信息量达到最大,即网络监测质量(QoM)达到最优是一个关键问题.文中提出一种基于吉布斯采样(Gibbs Sampler)的分布式节点...     

全变分极端通道先验的盲图像去噪去模糊

图像先验是图像复原中求解不适定问题的关键。针对在图像具有显著噪声时,极端通道先验去模糊算法容易产生振铃伪影和无法抑制噪声的缺点,利用全变分模型可以同时抑制噪声和保护边缘的优势,提出一种有效的全变分极端通道先验的盲图像去噪和去模糊模型。首先,将全变分模型分别引入暗通道和亮通道中,用于保护图像的边缘及消除噪声或振铃伪影;其次,利用半二次分裂技术解决模型的非凸问题和估计潜在的清晰图像;最后,用迭代多尺度盲反褶积估计图像的模糊核。实验结果表明,该算法能够在抑制噪声的同时很好地保护图像的边缘细节和消除振铃伪影。相比近几年具有代表性的其他方法,该模型的鲁棒性、主观视觉效果和客观评价指标均有明显提高。     

一种在Netware 4.11下实现Windows 95远程启动的实用方案

通过对在服务器和工作站两端安装过程的详细阐述,重点讨论了对msbatch.inf和machines.ini文件的配置方法,在 Netware4.11下实现了Windows 95的远程启动。     

一种对IMM真实误差二阶距的估计方法

交互式多模型IMM被认为是对混合系统估计的一种性价比最好的算法之一。考虑到各个模型之间的相关性,在假设已知真实模式序列的情况下,本文提出了一种对IMM真实误差均值、协方差以及二阶距的估计方法。在Monte-Carlo仿真实验下用真实误差二阶距的均值平方根来评估IMM的性能,并与RMSE进行了比较。另外对该方法在跟踪门设计中的应用前景进行了展望。     

一种基于近邻传播算法的最佳聚类数确定方法

在聚类分析中,决定聚类质量的关键是确定最佳聚类数,对此,从样本几何结构的角度定义了样本聚类距离和样本聚类离差距离,设计了一种新的聚类有效性指标．在此基础上,提出一种基于近邻传播算法确定样本最佳聚类数的方法．理论研究和实验结果表明,所提出的指标和方法能够有效地对聚类结果进行评估,适合于确定样本的最佳聚类数．     

基于社交圈层和注意力机制的信息热度预测

社交网络现已成为现实世界中信息传播与扩散的主要媒介,对其中的热点信息进行建模和预测有着广泛的应用场景和商业价值,比如进行信息传播挖掘、广告推荐和用户行为分析等.目前的相关研究主要利用特征和时间序列进行建模,但是并没有考虑到社交网络中用户的社交圈层对于信息传播的作用.本文提出了一种基于社交圈层和注意力机制的热度预测模型S...     

基于PCA的H-K聚类算法研究

传统的H-K聚类算法将层次聚类算法和k-means聚类算法有机结合起来,从而使得H-K聚类算法具有单个聚类算法所不具有的诸多优点。为了将H-K聚类算法更好地应用于对高维数据集的聚类中,以缓解维度灾难问题,本文应用PCA(主成分分析)方法对H-K算法进行改进,提出新的聚类算法PCAHK。该算法首先采用PCA方法,将高维数据投影到较低维空间中,再对降维后的数据进行H-K聚类。实验表明,在对高维数据集进行聚类时,与传统的H-K算法相比,PCAHK算法的性能明显提高。