基于反思性教学对护理实习生压力源的纵向调查

探讨反思性教学法对实习护士压力源的影响。方法 对23年来我院实习的97名护理本科生进行纵向压力源测试,测试时间实习3个月、实习6个月、实习9个月,每次集中发放压力源量表,现场集中收回,保证问卷的回收率。结果 根据压力源量表的显示及时反思调整带教计划,三次压力源调查结果显示为压力水平变化明显。结论 反思教学法有助于缓解护理实习生的实习压力。

不同煎煮条件对芍药甙煎出量的影响

采取高效液相色谱法，对不同煎煮条件煎煮赤芍煎剂中的芍药甙含量进行测定。结果表明，赤芍与群药含煎比单煎液中芍药甙含量低；随煎药时间的延长。

穴位贴敷治疗小儿厌食症的临床观察

本文采用穴位贴敷法治疗小儿厌食６５例，并随机设对照组６４例对照观察。结果治疗组总有效率达９３．８％，明显优于对照组（Ｐ＜０．０１）。治疗前后血红蛋白、微量元素、消化酶等指标的改善有显著差异。表明本法有调整脾胃功能，促进消化吸收，提高机体对各种营养物质吸收利用的整体作用机制。

针刺配合药氧治疗血管性痴呆的临床观察

对 4 0例血管性痴呆患者采用针刺配合药氧方法治疗 ,并与单纯针刺组对照。结果治疗组有效率 92 5% ,对照组有效率 75 0 % ,两组的疗效差异有显著意义 (P <0 0 5) ,表明此法对血管性痴呆具有肯定的疗效。对其可能的作用机制进行了探讨。

全方向梯度预测和自适应选块的可逆图像水印

针对基于预测差值扩展方法在预测精度和隐秘图像隐蔽性上的不足,提出一种基于全方向梯度预测和自适应选块的可逆图像水印.首先通过全方向梯度预测算子得到预测误差;然后将图像和预测误差分块,利用均方误差衡量子块的纹理复杂度,根据纹理复杂度自适应选择适合隐藏信息的误差块;最后采用基于预测误差对扩展的可逆算法进行水印嵌入.算法能自适应地选择水印嵌入位置,有效减少嵌入带来的失真,嵌入水印后图像的平均PSNR值较现有方法高出3.25%左右,图像熵值平均降低了23%左右.实验结果表明,本文算法具有更好的预测精度和隐蔽性.算法适用于医学、军事、卫星等领域.

基于云仿真的Web服务选择研究

针对当前Web服务海量增加,而现有的Web服务选择算法低效、缓慢的问题,提出了一种基于云计算的粒子群优化算法的Web服务选择方法。该方法在云平台下对粒子分群映射、相似分群并行化简、适时更新分群,并且寻找与用户需求最相似、服务质量最好的策略。实验表明,该方法能有效减少流程执行过程中Web服务选择导致的时间开销,并提高Web服务选择的可靠性。

以学科竞赛为依托强化信息类学生创新能力的探索与实践

随着全球科技的进步与经济的发展,社会对大学毕业生提出了更高的要求。在这种形势下,如何提高大学生综合素质,尤其是创新能力,使之凭借基础实力和特色实力,在激烈的就业竞争中取胜,显得尤为重要。为强化信息类学生创新能力,文章阐述了以专业学科竞赛活动为依托,通过完善人才培养方案,将学科竞赛与课程教学有机结合,建立健全学科竞赛激励机制,深化实验教学改革,培养学生的实践创新能力,全面提高学生的创造力和综合素质。

以学生为中心理念在教学团队建设中的应用研究

高校教学团队的建设是促进教育教学改革、提高教学质量的重要途径。文章主要针对目前高校教学团队建设状况及存在的主要问题进行分析,并以"信息技术本科教学团队"的建设为例,结合以学生为中心的教学理念提出一些相应的建设思路,对当前教学团队的建设具有重要的现实意义。

基于信用的联盟链共识算法

针对当前共识算法中存在的共识效率低下和激励机制不足的问题,提出了一种基于信用的联盟链共识算法。首先,根据节点参与共识过程的行为,设计节点信用评估机制,通过信用奖励解决节点间激励机制不足的问题。其次,构造信用区块链和信用计算模型,将节点的信用值进行存储,并作为挑选“矿工”节点的依据,提高了共识算法的效率。最后,提出了分轮次的矿工节点选择算法,利用随机算法和优先级排列算法依次选择矿工节点,并提出节点信用值评估方法,避免节点信用值过大而成为寡头,确保节点成为矿工节点的公平性。实验仿真结果表明,该信用共识算法算力消耗低,出块速度快,相比现有的共识算法具有更好的性能,可以很好地应用于商业和医疗等联盟链场景。

地下矿山信息化应用综述

分析了地下矿山信息化的重点和难点,根据矿山生产中地质、测量、采矿等主要环节,从信息采集、转换、存储、传递、再生入手,提出了地下矿山信息化研究的基本框架,并介绍以美国M ineS ight软件为平台,信息化技术可应用于地下矿山三维矿床模型、开拓系统优化、采矿方法模拟、爆破孔优化设计等。这些应用均取得了显著的效果。

基于树型二重结构编码遗传算法的服务选择

提出了Web服务语法业务流程树的概念,并结合基于QoS的Web服务全局选择的特点,研究了一种用于组合服务QoS优化的基于树型二重结构编码的遗传算法GATD。该方法建立在服务语法业务流程树先序遍历序列编码的基础上,采用二重编码方法处理用户的QoS约束条件,不仅能够有效地选择出满足用户QoS需求的服务资源,而且可以较好地支持服务运行时快速再规划。

一种抗重压缩的H.264/AVC视频水印算法

针对当前视频水印抗重压缩能力不足，提出一种基于I帧色度量化残差系数的视频水印算法。首先，利用4×4子块中非零系数个数选择合适的色度子块；然后，运用差分能量的思想，结合Arnold置乱后的水印信息，通过调制其中一个非零量化DCT残差系数改变两个特定位置系数的关系嵌入水印。算法在帧内预测模式色度分量中嵌入水印，有效解决了重压缩后水印提取不同步问题，提高了水印的抗重压缩性能。实验结果显示，提取的水印图像位错误率（BER）在20％以下，重构图像的SSIM比现有方案提高了1．2％～4．4％；另外，测试序列的比特增加率（BIR）平均降低了70％左右。该算法适用于广播监控等实时视频应用。

柏子仁油的化学成分研究

应用气相色谱—质谱测定了中药柏子仁中脂肪油的化学成分。柏子仁油中除含微量挥发油外，主要是脂肪油。脂肪油的主要成分为不饱和脂肪酸，含量为总脂肪酸的６２．３９％，柏子仁油的含量约为５７．４０％（约有０．

结合纹理复杂度和JND模型的图像水印算法

针对目前基于灰度共生矩阵相关水印算法存在容量较小的问题,提出一种将纹理复杂度和DCT域JND模型相结合的图像水印算法。首先将原图像分成子块,利用各子块灰度共生矩阵的四个纹理特性计算其纹理复杂度,并据此对子块进行排序以确定水印嵌入的子块位置后对原图像素矩阵进行DCT变换,结合新的分区方式计算各块JND值,根据JND值以及新的嵌入规则确定子块内水印嵌入方式。算法有效考虑了图像块的纹理特性和人眼视觉敏感性,加强了嵌入水印后的图像质量,提高了水印嵌入容量。实验结果表明,所提方法在嵌入相同容量的水印时,图像平均峰值信噪比(PSNR)较现有方法高出4. 27%左右,在嵌入超过原方法容量上限一倍的水印时,图像平均PSNR仍有53. 449 8 d B。

融合深度情感分析和评分矩阵的推荐模型

目前,大多数推荐系统都具有评分数据稀疏性的问题,它会限制模型的有效性。而用户对于某件商品撰写的评论中隐含了很多信息,对评论文本进行情感分析并提取关键的因素来用于模型的学习,可以有效地缓解数据稀疏问题,但仅使用评论数据而忽略了评分数据的主要因素会影响推荐精度。对此,为了进一步提高推荐精度,该文提出一个评论文本和评分矩阵交互(RTRM)的深度模型,该模型能够提取评论文本和评分矩阵的深层次特征,并结合它们进行评分预测;其次,通过使用预训练的Electra模型得到每条评论的隐表达,并结合深度情感分析及注意力机制实现从上下文语义层面对评论文本的分析,解决了短文本的语义难以分析的问题;同时,在融合层模块中,用户(物品)评论和评分矩阵进行交互,最终预测出用户对商品的评分;最后,在6组数据集上,采用均方误差(MSE)进行性能对比实验,实验结果表明该文模型性能优于其他系统,且平均预测误差最大降低了12.821%,该模型适用于向用户推荐精确的物品。

结合Skip-gram和加权损失函数的神经网络推荐模型

针对网络推荐系统中传统的协同过滤技术在实际应用中存在数据稀疏、导致准确率低、推荐单一性等问题,提出一种结合Skip-gram项目嵌入和加权损失函数的深度神经网络的推荐模型DSM。采用了3层ReLU层对输出向量进行回归,在未使用附加信息的前提下提高了推荐精度;利用Skip-gram进行项目嵌入得到更稠密的表示向量,减少了计算量;并且使用加权损失函数训练深度神经网络的参数,平衡了推荐项目的受欢迎程度,保证了新颖性。在APP数据集和Last.fm数据集的实验结果表明,DSM模型在推荐应用程序和歌曲时,准确性和多样性方面相比现有方法均有一定的提高。

结合评分比例因子及项目属性的协同过滤算法

针对传统的协同过滤算法存在用户评分矩阵稀疏及未考虑项目属性之间关系的问题,提出了结合评分比例因子及项目属性的协同过滤算法。首先利用评分矩阵得出项目之间的共同与非共同评分用户数量比矩阵,以此增加项目共同评分用户的影响度,减少用户—项目评分矩阵的稀疏性对项目相似度计算带来的误差;然后对项目属性量化得出其对项目相似度的影响权重,提高项目相似度计算的准确性,根据以上两点提出了一种结合评分比例因子及项目属性权重作为项目相似度权重的算法。实验结果表明,该算法在召回率和准确率上相比现有的方法分别提高了5.1%和4.7%,适用于电商类网站的个性化推荐。