基于改进人工势场法的机器人局部路径规划

针对人工势场(APF)法在机器人局部路径规划中存在的局部极小值陷阱和路径冗余等问题,提出一种基于模糊控制(FC)和虚拟目标点改进人工势场的FC-V-APF算法。首先设计虚拟目标点避障策略,并加入障碍物跨越机制和目标点更新阈值,构建V-APF算法引导机器人摆脱陷阱区域;其次提出基于累计转角和的控制策略,帮助机器人走出多U型复杂陷阱;然后针对路径冗余问题,将V-APF算法与模糊控制算法相结合,提出FC-V-APF算法,通过激光雷达传感器的实时数据和权重函数对当前环境进行评估,选取模糊控制器输出辅助力,提前规避障碍物。最后在机器人操作系统(ROS)平台上搭建仿真环境对FC-V-APF算法进行路径规划性能的对比实验,并对路径长度、运行时间和速度曲线等进行比较。实验结果表明,所设计的FC-V-APF算法能够快速摆脱陷阱,减少冗余路径,提高路径平滑度并减少规划时间。

基于时间序列的非周期预测模型

在实际应用中,纯周期性的数据相对罕见,大多数数据往往表现出非周期性特征,难以通过简单的周期性变化进行预测或描述。而单一神经网络在处理非周期性时间序列时往往面临过拟合、长时依赖捕获困难、非线性关系捕获有限等问题。为了有效地对非周期性时间序列进行预测,基于Informer模型提出了ILTNet模型。ILTNet模型结合线性预测(AR模型)和非线性预测(Informer模型与循环跳跃组件),能有效捕获长期依赖关系。实验证明,与LSTNet、Informer、AR以及GRU模型相比,ILTNet模型在非周期时间序列预测上表现出显著优势。例如,在Exchange Rate数据集上,ILNet模型相对于LSTNet模型,在步长为96和128时将RSE分别降低了0.0333和0.0277,相对于Informer模型在所有步长下,RSE均有显著降低,尤其是在步长为96时将RSE降低了0.2877。

辉光放电低温等离子体处理对玉米生理特性的影响

采用辉光放电低温等离子体处理玉米种子,研究不同处理条件(工作压强、处理时间)对玉米种子生理特性的影响。结果表明:适当条件的低温等离子体处理可以提高玉米种子发芽率,降低玉米接触角、脂肪酸值,提高超氧化物歧化酶(SOD)过氧化氢酶(CAT)活性,降低过氧化物酶(POD)活性,提高抗氧化性,促进玉米生长。

个性化护理对高血压患者睡眠质量及护理满意度的影响探讨

探讨个性化护理对高血压患者睡眠质量及护理满意度的影响。方法 2022年11月-2023年12月期间,纳入280例高血压患者,结合护理方案差异进行分组,以常规护理为对照组,个性化护理纳入观察组。比较两组护理前后焦虑SAS评分和抑郁SDS评分、睡眠质量评分、生活质量评分、满意度。结果 观察组上述各项指标均比对照组好,P<0.05。结论 个性化护理用于高血压临床护理效果确切,可有效减轻患者不良情绪和改善睡眠质量,提高生活质量,值得推广。

基于文献计量学分析多囊卵巢综合征中英文文献检测现状

目的分析多囊卵巢综合征(PCOS)中英文文献检测研究发展历程、现状及发展趋势。方法检索2000年1月至2023年12月中国知网、万方数据库、Web of Science中关于PCOS检测的相关文献,采用CiteSpace 6.3.R1软件对年发文量、研究机构、关键词进行可视化分析。结果中英文文献关于PCOS检测方法的研究可分为3个阶段,即波动期、快速增长期、缓慢增长期,中文文献检测方法的研究虽略晚于英文文献,但总发文量远超英文。中文文献发文量最多的是上海交通大学,英文是哈佛大学。以“性激素”为主题的聚类中文文献研究时间早且跨度长,是该领域的研究热点;以“超声评估”为主题的聚类英文文献研究时间线长,自2013年开始,持续至今。细胞增殖、凋亡、糖脂代谢、抗米勒管激素(AMH)为目前中文文献该领域研究热点,心血管代谢风险、诊断标准、卵泡液为近年英文文献研究热点。结论中英文文献关于PCOS检测各自有侧重点,因此,研究者们应互相合作交流,开发出更加准确、省时、经济、对受检者损伤更小的检测手段,为疾病诊断提供有效依据。

某大型公立医院医养结合模式实践探索

随着人口老龄化程度的加深以及医疗需求的增加,家庭病房作为一种医养结合服务模式逐渐受到重视,成为一种对医疗资源紧缺的重要补充手段。广东省第二人民医院建设智慧家庭病房,探索实践医养结合“互联网+养老”新模式。本文以广东省第二人民医院建设智慧家庭病房的医养结合实践为对象,探索分析公立医院医养结合“互联网+养老”模式在应用中存在的问题,并提出相应的对策建议。

基于运动训练的延续性护理对股骨头坏死手术髋关节功能及生活质量的影响

目的 探究基于运动训练的延续性护理对股骨头坏死手术患者髋关节功能及生活质量的影响。方法 收集我院2022年5月至2024年7月期间实施股骨头坏死手术的81例患者临床资料进行研究。依照护理方法的不同将其分为两组。其中40例基础护理的患者纳入对照组,41例实施基于运动训练的延续性护理的患者纳入观察组。比较两组患者的髋关节功能、生活质量、满意度评分。结果 干预前,两组髋关节功能评分差异不显著(P>0.05),干预后,两组评分均提升(P<0.001),且观察组高于对照组(t=3.686,P<0.001)。干预前,两组生活质量评分差异不显著(P>0.05),干预后,两组评分均提升(P<0.001),且观察组高于对照组(t=3.634,P<0.001)。观察组满意度评分(90.14±4.58)分高于对照组(86.75±5.12)分,差异显著(t=3.143,P=0.002)。结论 基于运动训练的延续性护理能够提升股骨头坏死手术患者的髋关节功能及生活质量,且患者满意度较高。

应用Colaizzi分析法对县域“互联网+医联体”的调查研究

目的:运用Colaizzi七步分析法对某医疗集团“互联网+医联体”关键人物的访谈记录进行分析,了解当前县域“互联网+医联体”发展现状及未来发展趋势、“互联网+医联体”开展过程中存在的问题与影响因素,为提出管理建议提供定性依据。方法:采用半结构式访谈法对“互联网+医联体”县域各层级医疗机构负责人及卫生行政部门负责人等进行访谈,并按照Colaizzi七步分析法对访谈结果进行整理分析。结果:根据15位受访者的访谈记录,提炼出15个副主题并整理归纳为4个主题。结论:受访者对“互联网+医联体”发展普遍持乐观态度,但是面临着医联体建设无法做到信息系统互通共享等难题,需进一步在政府部门、医疗机构及社会的共同努力下,加强互联网平台建设,强化对社会群众的宣传接受力度,强化医务人员对相关技能的掌握程度。

医疗联合体基层医务人员职业流动意向影响因素研究

目的探究医疗联合体内的基层医务人员职业流动意向情况,为基层医务人员培养、留用决策提供参考。方法以广东省第二人民医院医疗联合体内的基层医务人员作为调查对象,对采集的主要指标进行统计描述,采用χ2检验和独立样本t检验分析组间差异,采用二元logistic回归分析探索潜在因素与留任基层想法的关联。结果共纳入289名医疗联合体内的基层医务人员,女性为主要群体,占比为63.0%;40岁以下的工作人员占比最高,为63.6%。logistic回归分析结果显示,培训效果满意度与留任基层意向的关联差异有统计学意义(P<0.05)。结论应坚持问题导向,积极破解基层医疗人才严重短缺问题,促进医疗联合体内人才有序流动,以实现基层医疗卫生机构医疗人才“招得到、用得好、上得去、留得住”。

高职计算机专业教育与创新创业教育融合策略

创新创业是推动社会经济发展的重要力量,在此背景下,高质量开展创新创业教育、不断提升学生的创新创业能力,已成为高职院校开展教育工作的重点任务。当前,各高职院校不断加大专业教育与创新创业教育融合的探索,推进专业教育与创新创业教育的融合。要以计算机专业教育与创新创业教育融合为切入点,了解计算机专业教育与创新创业教育融合的意义,打破计算机专业教育与创新创业教育融合过程中的制约,在思想观念、课程体系、教学内容、师资队伍等方面创新发展。

基于大数据技术的甘肃智慧旅游系统

随着旅行方式的不断演变,传统旅游管理服务模式的滞后已不再满足现代游客对个性化、品质化出行的需求。为解决该问题,搭建了甘肃省智慧旅游系统。首先对相关研究进行综述,然后详细描述了系统的构成和实现过程,包括甘肃智慧旅游大数据中心的构建和“一部手机游甘肃”综合服务平台的设计。系统通过分层架构和逻辑框架,实现了旅游数据与游客行为的关联映射,并对多元数据进行融合计算。最后,以高速公路自驾车流量预测模型、旅游目的地形象代表的图片选择模型和旅游评论情感影响因素分析模型为例,阐述了综合服务平台面向政府、业态、游客提供的智能化服务。应用成效表明,该系统的实施有效地提高了甘肃地区旅游服务的质量和游客满意度,进一步推动了甘肃智慧旅游的快速发展。

一种预测流程剩余时间的可解释特征分层方法

流程剩余时间预测对于业务异常的预防和干预有着重要的价值和意义.现有的剩余时间预测方法通过深度学习技术达到了更高的准确率,然而大多数深度模型结构复杂难以解释预测结果,即不可解释问题.此外,剩余时间预测除了活动这一关键属性还会根据领域知识选择若干其他属性作为预测模型的输入特征,缺少通用的特征选择方法,对于预测的准确率和模型的可解释性存在一定的影响.针对上述问题,提出基于可解释特征分层模型(explainable feature-based hierarchical model,EFH model)的流程剩余时间预测框架.具体而言,首先提出特征自选择策略,通过基于优先级的后向特征删除和基于特征重要性值的前向特征选择,得到对预测任务具有积极影响的属性作为模型输入.然后提出可解释特征分层模型架构,通过逐层加入不同特征得到每层的预测结果,解释特征值与预测结果的内在联系.采用LightGBM(light gradient boosting machine)和LSTM(long short-term memory)算法实例化所提方法,框架是通用的,不限于选用算法.最后在8个真实事件日志上与最新方法进行比较.实验结果表明所提方法能够选取出有效特征,提高预测的准确率,并解释预测结果.

基于APF-LSTM-DDPG算法的移动机器人局部路径规划

针对深度强化学习算法存在训练时间长、收敛速度慢的问题,将深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法和人工势场(artifical potential field,APF)法相融合,引入长短期记忆(long short-term memory,LSTM)神经网络结构,提出了APF-LSTM-DDPG算法。首先在DDPG算法中添加LSTM,通过记忆单元和遗忘单元将奖励较高的样本优先学习,使模型更快地收敛;其次引入人工势场法,设计相应势场函数,解决环境奖励稀疏的缺点,加速模型收敛进程;然后通过人工势场法修正算法的动作选择,缩短路径长度;最后在机器人仿真平台(robot operating system,ROS)中搭建不同障碍物环境对算法进行了仿真验证。仿真结果表明,APF-LSTM-DDPG算法在搭建的仿真环境中训练时平均奖励能够更快地稳定,提高了算法的成功率并减少了规划路径中的冗余。

基于特征选择的风机检修流程预测性监控方法

针对风机检修业务流程中存在的操作失误和工作延期等问题,应用业务流程预测性监控方法,预测业务的下一事件、下一事件执行时间和剩余时间,以提醒工作人员预防和避免风险的发生。首先,针对不同预测任务,提出一种基于优先级的特征自选取策略,并使用LightGBM(Light Gradient Boosting Machine)算法作为特征选择策略的依托预测模型,得到对预测结果有积极影响的输入特征;然后,针对不同预测任务分别采用LightGBM算法和LSTM(Long Short Term Memory)神经网络构建预测模型;最后,经实验评估和分析,在风机检修业务流程中,特征选择策略能够为不同的预测任务提供有效特征,确保预测的准确率,具有实际应用价值。对于不同预测任务而言,LightGBM算法更适用于下一事件任务预测,LSTM模型更适用于时间方面的任务预测。

基于影像组学的放射治疗计划特征预测调强放疗计划复杂度的可行性研究

目的:探讨采用机器学习的方法提取放疗计划特征预测调强放射治疗(IMRT)计划复杂度的可行性,为IMRT计划复杂度综合评价提供新方法。方法:选取2022年12月至2023年11月在南京医科大学第一附属医院放疗科进行治疗的3203例盆腔肿瘤、腹部肿瘤及头颈部肿瘤患者病例资料,所有患者均采用Monaco系统进行计划设计,分别采用Precise和Axesse加速器进行治疗。利用Python软件计算10个放疗计划复杂度评价指标,通过格式转换借助影像组学Pyradiomics工具提取放疗计划文件中的放疗计划特征。通过机器学习的数据清洗、过滤法和嵌入法选择放疗计划特征,利用梯度提升决策树(GBDT)模型分别对10个常用的计划复杂度评价指标构建相应的预测模型,采用拟合优度(R2)值评价模型预测性能,采用五折交叉验证方法检测模型的泛化能力。结果:放疗中Precise加速器与Axesse加速器在平均叶片对面积(LA)、射束形状与标准圆的偏差(PI)、子野形状和面积的变异度(MCS)和叶片运动范围平均值(LT)比较,差异有统计学意义(t=63.894、-63.678、72.582、-48.858,P<0.01)。借助Pyradiomics工具共提取到计划组学特征107个,采用过滤法筛选后剩余38个,嵌入法筛选后复杂度指标特征数为4~11个。MU加权平均射野面积(MFA)、LA、叶片对间距平均值(LGA)等在验证集中的拟合优度较好(R2>0.970);叶片间距小于某阈值20 mm比例(SAS20)在验证集中的拟合优度较差(R2=0.917)。五折交叉验证结果显示所有复杂度评价指标的预测准确率均值>90%。结论:基于影像组学方法提取到的放疗计划特征可以准确预测调强放疗计划的复杂度,有望在提高患者放疗计划个体化质量保证效率、筛选更高质量的放疗计划方面发挥更大价值。

面向紧邻关系重发现的事件日志采样方法及其应用

事件日志采样作为近年来流程挖掘领域一个新的研究热点,旨在提高流程挖掘任务的效率,如模型发现、合规性检查、流程预测等。然而目前已有的采样方法不能很好地保证挖掘模型的质量,且针对大规模事件日志的采样效率低。任务紧邻关系作为事件日志中行为描述的基本单元,在各类流程挖掘任务中起到了关键作用。鉴于此,提出了一个通用的面向紧邻关系重发现的事件日志采样方法,该方法可保证紧邻关系的重发现性。为了验证该采样方法的有效性,将其应用于提高已有模型挖掘算法的效率,为了对挖掘模型质量定量评估,提出了基于流程树的模型相似度方法。所提出的采样方法已在开源流程挖掘工具平台ProM6和PM4PY实现,基于12个公开事件日志数据集,将所提出的面向紧邻关系重发现的采样方法与已有方法从模型挖掘质量方面进行了定量比较,实验结果表明所提方法可以在保证模型质量的前提下,大幅提高模型发现效率。

南美白对虾肌肉骨架蛋白特异性染色及其冷藏期间参与质构劣化的作用

为明确南美白对虾冷藏期间肌肉快速软化的关键物质基础,建立细胞骨架蛋白特异性组织学检测方法,并解析细胞骨架蛋白降解与质构劣化的相关性。对比不同固定液、脱水模式、透明时间以及染色参数对细胞骨架蛋白染色效果的影响,表明南美白对虾肌肉组织适宜固定液为Carnoy固定液,室温固定15 h后逐级梯度乙醇脱水,经二甲苯-乙醇混合液及二甲苯透明并浸蜡包埋切片,之后进行Massion三色染色,可清晰显示细胞核、肌原纤维和胶原纤维,实现了肌肉组织骨架蛋白的特异性染色标记。病理结果显示,肌束间隙随着冷藏时间延长而增大,部分肌原纤维束结构破坏;而胶原纤维染色逐渐变浅提示其含量减少。定量分析显示,冷藏使肌肉组织中胶原纤维和肌原纤维的容积分数均表现出显著下降(P<0.05),横切面和纵切面肌原纤维容积分数分别由新鲜时的(91.03±1.37)%和(93.39±0.91)%下降至冷藏第5天时的(41.14±3.78)%和(24.36±3.67)%。对虾肌原纤维和胶原蛋白的横切面积及纵切面积分别与肌肉硬度、弹性呈显著正相关(P<0.05),表明冷藏引起的肌原纤维和胶原蛋白含量减少与质地劣化密切相关,细胞骨架蛋白的结构降解与质构劣变之间的显著相关性揭示了其在质构保持中的关键作用,是肌肉早期软化监控和干预的重要靶标。

河北省旅游业发展状况及金融支持情况调查

2023年是疫情防控平稳转段的第一年,全国旅游业强劲复苏。河北省具有发展旅游业的自然资源优势和环京津区位优势,省政府亦高度重视旅游业发展,明确提出建设文旅融合、全域全季的旅游强省目标。为深入了解疫情后旅游行业企业生产经营、市场供求、融资现状等方面的情况,改进经济金融服务对策,课题组对河北省主要旅游城市(1)的71户旅游行业(2)相关企业开展调查,结果显示:2023年以来,旅游行业企业经营总体向好,用工人数明显增加,企业贷款可得性较高,且贷款利率下行;同时市场竞争加剧、人员流动性大且专业人才短缺、部分企业存在资金缺口是旅游行业企业面临的主要问题。建议提升旅游产品和服务供给、发挥政策协同作用,推动旅游业持续稳定高质量发展。

支持增量日志的业务流程剩余时间预测方法

流程预测性监控通过对业务流程及其属性的预测,预防运行中的实例未来可能会面临的风险,从而及时干预流程。流程剩余时间预测是避免业务超时风险的一项预测任务,然而业务执行是动态的过程,可能会随时间或业务规模的增长而发生变化。这就要求预测模型能够持续更新以捕捉这些变化,同时要有足够的输入信息来区分变化前后的差异,并且预测模型应具有充分的拟合与泛化能力。针对上述问题,本文提出支持增量日志的流程剩余时间预测框架。具体而言,提出特征自选取策略,构建多特征预测模型,丰富预测任务的已知信息,将所得特征组合作为模型输入,提高预测模型的拟合能力。然后,将定期和定量作为模型更新的判断依据,提出定期更新、定量更新和综合更新3种增量更新机制。最后,基于6个真实事件日志,实现了3种不同的预测模型,模拟了增量更新过程。实验结果验证了本文所提方法的有效性,提高了流程剩余时间预测的准确率。

面向异质事件日志的轨迹聚类采样框架

信息系统在执行过程中收集了大量的业务流程事件日志,流程发现旨在从事件日志中发现流程模型,从而为改进提供事实依据。已有流程发现方法在处理大规模事件日志时仍存在性能瓶颈,事件日志采样技术为提高流程发现的效率提供了一种有效方案。已有事件日志采样方法通常假定日志是同质的,即日志来源于或对应单一的业务流程。然而,考虑到业务流程的复杂性和动态变化,同一事件日志中的轨迹通常呈现出异质的特点,即日志来源于或对应多个行为差异的业务流程。在处理异质事件日志时,通过已有采样技术得到的样本日志存在精度低等问题,而事件日志轨迹聚类却能很好地处理这一问题。由此提出一种面向异质事件日志的轨迹聚类采样框架,首先将事件日志通过轨迹聚类方法分解为一组同质的子日志;其次,通过已有采样方法对子日志进行日志采样;然后,将子日志对应的样本日志进行合并作为最终的样本日志;最后,从流程模型挖掘的角度对样本日志的质量进行评估。通过6个公开数据集的实验分析表明,所提方法为异质事件日志的高质量采样提供了一种有效的解决方案。