基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

建筑物分组LOD模型的研究

建筑物模型在数字校园模型中占有相当大的比重,建筑物模型多细节层次LOD(Level of Detail)的建立和表达直接关系到数字校园模型的整体显示效率和真实表现力,是数字校园模型的重要研究内容之一.本文从建筑物模型的纹理特征和几何结构出发,提出了基于体元的建筑物分组LOD模型的分组规则和建立原则,并从应用角度根据建筑物各个细节层次模型的特点进行了分组LOD模型实验并得到相应的结果.     

基于BiGRU深度神经网络的心肌梗死检测

针对目前智能医疗诊断领域的研究现状,结合心电信号的时序性和多导联关联性特点,为降低心肌梗死疾病的误诊率,提出一种基于双向门控循环单元神经网络(Bidirectional Gated Recurrent Unit,BiGRU)和多导联心电图(electrocardiogram,ECG)信号的深度神经网络学习算法。对原始心电信号进行去噪处理,分割成心拍序列;将心拍序列送入深度神经网络训练模型学习分类;采用Physikalisch-Technische Bundesanstalt(PTB)心电数据库验证多导联BiGRU算法。算法对心梗检测的灵敏度为99.93%、特异性为99.72%、准确率为99.89%。实验结果表明,该算法的检测效果明显优于其他文献的检测算法,对提高心肌梗死的正确诊断率具有重要意义。     

光滑粒子流体动力学流体仿真交互性研究

为了加强虚拟水体的交互性,在基于物理的水体仿真基础上,应用并扩展了光滑粒子流体动力学技术,提出了一种基于粒子的流体仿真算法.该算法通过对光滑粒子流体动力学基本算法进行扩展,解决了虚拟水体与虚拟场景中的静态实体以及动态实体的交互问题,并给出了仿真算法的程序实现方法.实验表明,该算法既满足了虚拟水体渲染的实时性要求,同时又解决了虚拟现实场景中水体与其它物体的交互性问题.     

基于Petri网的协同三维建模工作流模型研究*

通过分析大规模三维场景单机建模所面临的局限性问题,对三维场景协同建模理论进行了描述。结合workflow net的定义以及建立工作流模型的方法,采用基于Petri网扩展的、用于复杂工作流模型设计的建模方法建立协同三维建模的工作流模型,并通过Petri网相关理论分析得出所建模型具有可达性、有界性、活性,并且是安全可靠的,同时对系统中必须加以解决的并发问题进行了相关的探讨。     

IPv6-IPv4隧道技术的研究及互连方案实现

介绍IPv4到IPv6的过渡技术,包括双协议栈技术、隧道技术和网络地址转换/协议转换(NAT-PT)技术,并对隧道技术进行深入分析.根据当前的网络环境,在不增加双栈网络设备的前提下,采用双网卡主机模拟双栈网络设备的功能,设计2种有代表性的利用隧道技术完成IPv4/IPv6网络互联的方案,分别实现了IPv4网络主机通过隧道访问IPv6网络以及2个纯IPv6网络通过隧道跨IPv4网络实现互联.最后给出了隧道配置步骤及详细的配置命令.     

一种基于基本显露模式的分类算法

本文提出了一种新的基于EP的分类法CEEP。CEEP仅使用最短的EP(eEP)建立分类器，并使用不同于早先的基于EP的分类法(如，CAEP)的评分标准。文中还讨论了eEP的有效挖掘，最小支持度和最小增长率闽值的自适应选取等问题。在UCI机器学习库中的12个数据集上的实验表明，本文的分类方法具有很好的分类正确率。如何保证eEP有足够的度盖率，以及如何处理稀有类的分类，尚待进一步研究。此外，如何将装袋(bagging)和推进(bootstrap)的思想与CEEP的方法相结合，进一步提高分类的正确率，也是值得深入研究的问题。     

多属性递进网格快速生成算法研究

递进网格表示法能高效地存储网格信息,并能生成连续的细节层次模型,支持模型的多分辨率表示、递进传输、网格压缩和有选择精化。文中提出并实现了一种基于二次误差测度的多属性递进网格生成算法。同Hoppe提出的基于能量优化的算法和以往大多支持仅具有几何属性的算法相比,该算法具有生成速度快、质量高、可处理包含色彩、纹理等多属性递进网格模型的特点。     

一种基于Shadow Mapping的阴影生成改进算法

Shadow Mapping算法是目前广泛应用的阴影渲染方法,但该方法容易产生走样,特别是不能满足大规模场景中阴影的真实性和实时性要求。对此,提出一种利用平行面分割的改进Shadow Mapping算法,减少了算法运行时的缓冲空间,提高了阴影质量,尤其适合于动态大规模环境中实时阴影的生成。并用VS2005和OpenSceneGraph实现了算法的绘制过程,达到满意的视觉效果和生成速度。     

混合多分类器结合算法在遥感影像分类中的应用研究*

为了提高遥感影像分类精度,从抽象级和测量级的两个层次出发,提出混合多分类器结合算法。该算法利用不同子分类器的分类结果及对各类别的分类精度,设定单个类别精度的阈值,选择最优子分类器,得到部分类别的最终分类结果;然后使用基于抽象级Bagging算法和测量级上的最大置信度进行多分类器结合。该算法应用于北京1号遥感影像的分类研究,结果表明该算法的总体精度和单个类别的分类精度比选用的子分类器都有明显的提高,是一种新的有效算法。