软件复用机会识别策略的研究

根据对面向对象分析、设计与建模及可复用构件理论的研究 ,结合在软件开发中的实践经验 ,论述了在项目的需求捕获、分析、设计。

异位阑尾炎的误诊及临床诊疗分析

目的探讨异位阑尾炎误诊的原因,提高异位阑尾炎的临床诊治水平。方法对本院2006年1月至2012年3月收治的14例误诊异位阑尾炎进行回顾性分析。结果 14例患者均开腹一期施行阑尾切除术,均痊愈出院。结论异位阑尾炎易误诊,通过加强对腹痛或不典型转移性腹痛的诊断与鉴别诊断的学习,可提高异位阑尾炎的诊治水平,做到早期诊治,避免误诊。

腹腔镜结直肠癌根治术对结直肠癌患者凝血功能及血清内皮素和C反应蛋白水平的影响

目的:探讨对结直肠癌患者应用腹腔镜结直肠癌根治术治疗对其凝血功能、血清内皮素(ET)及C反应蛋白(CRP)水平的影响。方法:选取江门市中心医院2019年1月至2020年2月收治的86例患者为研究对象,将其随机分为两组,针对其中43例对照组的治疗方式是常规开腹手术,而43例观察组则是采取腹腔镜结直肠癌根治术治疗,对比患者手术及预后情况。结果:术后3 d两组凝血酶时间、活化部分凝血酶原时间与纤维蛋白原水平均较术前降低,观察组显著低于对照组(P<0.05);术后3 d两组血清ET、CRP均提高,对照组提高幅度较观察组显著(P<0.05);观察组术后并发症总发生率为4.65%,低于对照组的20.93%(P<0.05)。结论:采取腹腔镜结直肠癌根治术治疗结直肠癌的效果满意,显著改善患者凝血功能,对血清ET、CRP影响小,术后并发症发生率低,值得推广。

腹部切口脂肪液化危险因素的Logistic回归分析

目的探讨腹部手术后切口脂肪液化的相关临床因素。方法采用前瞻性研究方法,分析行腹部大、中型手术的982例患者伤口愈合情况,采用Logistic回归分析影响切口脂肪液化的相关临床因素。结果全组共80例患者术后出现切口脂肪液化,术后切口脂肪液化发生率为8.1%。单因素分析显示,糖尿病、使用高频电刀、腹壁脂肪厚度、切口冲洗与切口脂肪液化有关(均P<0.05)。Logistic回归多因素分析显示,糖尿病、腹壁脂肪厚度、切口冲洗与切口脂肪液化有关(均P<0.05)。结论糖尿病、腹壁脂肪厚度、切口冲洗是影响术后切口脂肪液化的重要因素。

本体中概念相似度的计算

本体是概念、属性和关系的集合。本体异构是本体间互操作的主要障碍,解决本体异构最好的方法是本体映射。本体映射的关键是概念相似度的计算,但计算时一般不考虑关系和属性对相似度的影响,计算结果存在误差。论文从两个方面对概念的相似度进行计算。首先计算概念的语义相似度,然后计算概念描述相似度。实验表明该计算方式可以提高计算结果的精确度。

面向知识处理的领域本体及其应用研究

本体是关于领域概念及概念之间关系的精确描述。本文给出面向知识处理的领域本体模型及其描述语言。一个本体由实例、类、属性、关系和类问关系等元素组成。在给出领域知识本体模型的基础上，给出了基于框架的领域知识本体表示语言、三层组织结构以及本体的公理体系。在领域本体的驱动下。以数学家知识获取为例给出一种面向领域的知识获取方法，并给出领域知识语义正确性检查的方法。最后介绍一个领域本体管理和知识获取工具。

基于贝叶斯方法的决策树分类算法

针对数据挖掘的特点和本质,充分利用贝叶斯方法和决策树分类的优点,将贝叶斯的先验信息方法与决策树分类的信息增益方法相结合,提出了一种新的数据挖掘分类算法(BD1.0算法),并对此算法进行了设计和分析。实验分析表明,该算法可以处理不一致或者不完整数据等“脏数据”,比单纯使用贝叶斯方法或决策树方法具有更高的准确率,而且与C4.5算法具有近似的时间复杂度。

ASP．NET中数据分页技术的研究

数据分页是Web应用程序开发中经常使用的一种技术,也是提高Web数据访问性能的主要手段。结合ASP.NET的优点,详细分析了ASP.NET中各种数据分页技术,并通过分析试验结果比较了各种数据分页技术的优缺点。

分布式视频编码虚拟依赖信道模型研究

视频信息固有的非平稳特性,如冲突区域等,使时域预测技术变得非常复杂.在分布式视频编码(DVC)中,由于解码端不能获取当前编码帧的信息,精确地对时域相关噪声进行建模变得更为困难.文中以虚拟依赖信道模型为切入点对如何降低时域相关噪声进行了研究.首先对DVC虚拟依赖信道进行了建模,并对影响边信息的主要因素进行了分析,分析结果表明在变换域中不同的频率子带对时域相关噪声的敏感度不同.在此基础上提出了一种新的基于小波变换域的虚拟依赖信道模型VCMDWT,基于分类编码的思想对较为平稳的LL子带进行Wyner-Ziv编码,对非平稳的高频子带进行SPIHT帧内编码.实验结果表明,与基于像素域的方法相比,所提出的VCMDWT模型能够得到更稳定的虚拟信道,提高DVC系统的率失真性能达到2.6dBs以上.

基于HVS的彩色图像水印视觉不可感知性评价方法

水印的视觉不可感知性反映了水印化图像的保真程度。分析了人类视觉对频率、亮度、纹理以及色彩的掩蔽,以Watson的灰度图像DCT域JND(just noticeable differences)值计算模型为基础,再结合色彩对视觉的掩蔽,给出彩色图像JNCD(just noticeable color differences)值计算方法,计算出图像中不同成份的视觉掩蔽权值,给出一个基于这些权值的彩色图像水印不可感知性评价模型,即CPSNR(color image peak signal to noise ratio)。实验证明,CPSNR的判定结果与人眼的视觉感知结果一致,可用于对水印算法进行不可感知性性能评价。

融合相似性评价、信任度与社会网络的学术资源推荐方法研究

针对数字图书馆学术资源信息过载问题,提出了一种融合相似性评价、信任度与社会网络的学术资源推荐方法。该方法利用信任度分析与社会网络关系挖掘技术对协同过滤推荐方法进行了改进,并综合考虑了用户特征因素对推荐结果的影响。实验结果表明,本方法在预测准确度和覆盖率指标上均优于其他推荐方法,显著提高了学术资源推荐系统的推荐质量。

电子商务系统信任管理研究综述

通过分析目前电子商务信任模型的研究现状,总结出了研究信任模型的主要方法,讨论了信任研究中所涉及的各种问题,并指出了下一步研究的方向和思路。

一种新的模糊支持向量机多分类算法

在模糊多分类问题中,由于训练样本在训练过程中所起的作用不同,对所有数据包括异常数据赋予一个隶属度。针对模糊支持向量机(fuzzy support vectormachines,FSVM)的第一种形式,引入类中心的概念,结合一对多1-a-a(one-against-all)组合分类方法,提出了一种基于一对多组合的模糊支持向量机多分类算法,并与1-a-1(one-against-one)组合和1-a-a组合的分类算法比较。数值实验表明,该算法是有效的,有较高的分类准确率,有更好的泛化能力。

基于标签和关联规则挖掘的图书组合推荐系统模型研究

针对数字图书馆资源增加致使用户难以获取感兴趣图书资源的问题,提出了一种基于标签和关联规则挖掘的图书组合推荐系统模型。该模型整合了基于内容推荐和协同过滤推荐的优点,利用标签系统对图书内容进行语义分析,使用关联规则挖掘技术发现相似用户,并设计了组合推荐模型各功能模块结构及其算法。实验结果表明,组合推荐模型与算法优于其他图书推荐算法,获得了较高的推荐准确性。

利用ADO方法在C/S模式下实现远程数据访问

介绍了微软公司以ActiveX技术为基础的ADO技术 ,分析了客户 /服务器和ADO的工作原理 ,并以VB 6.0环境为例说明了ADO访问远程SQL服务器的实现方法。

面向网络视频的组合推荐系统模型研究

针对网络电视视频个性化推荐问题,提出了一种面向网络视频的基于内容和协同过滤组合推荐系统。系统整合了基于内容推荐和协同过滤推荐的优点,并在一定程度上避免了基于内容推荐或协同过滤推荐各自的缺点。设计了组合推荐系统各功能模块结构及其算法,实现了网络视频的用户个性化推荐。实验结果表明,组合推荐系统模型与算法优于单一推荐算法,获得了较高的推荐准确性。

基于神经网络的用户视频评分自动获取方法

在未来的智能电视系统中,真正的智能视频推荐应该是不需要用户评分动作就能自动、准确地获得用户兴趣、爱好并做出推荐的系统。研究无评分动作约束下的用户评分(揭示了他们的兴趣和爱好)自动获取技术是真正的智能推荐必须解决的一个关键问题。给出了一种基于神经网络的用户视频隐性评分自动获取方法。基于用户视频观看行为与评分样本的实验结果表明,该方法可以有效地获取用户的隐性评分信息。

围手术期化疗对结直肠癌患者预后的影响——附82例报告

背景与目的:近年来有学者主张对结直肠癌患者行围手术期化疗,本研究旨在探讨围手术期化疗对结直肠癌预后的影响。方法:选择2001年8月至2003年8月在我院胃肠外科行根治术的167例DukesRB、C期结直肠癌患者,电脑抽取随机数方法随机分为对照组和试验组,两组均行根治性手术,试验组采用5-FU进行围手术期化疗,两组术后均采用5-FU/CF方案进行全身化疗。比较两组的不良反应、术后复发转移率和生存率。结果:两组的不良反应发生率和程度比较差异无统计学意义。全组总的术后复发转移率为42.5%,对照组为49.4%,试验组为34.6%,两组比较差异有统计学意义(P=0.038)。全组总的术后1、3、4年生存率分别为97.6%、74.7%、61.8%,对照组分别为95.3%、67.1%、54.8%,试验组分别为100%、82.7%、69.1%,两组比较差异有统计学意义(P=0.046)。结论:围手术期化疗能改善结直肠癌患者的预后。

基于用户兴趣模型的协同过滤推荐算法

协同过滤推荐算法是目前应用最广泛个性化推荐技术,其中用户相似度的计算方法是影响推荐算法质量的关键因素。针对传统协同过滤算法中稀疏评分数据造成的用户相似度计算不准确问题,提出一种基于用户兴趣模型的协同过滤推荐算法。该算法使用分布估计算法建立用户兴趣模型,并使用用户兴趣模型计算用户间相似度。实验表明,该算法的准确性受数据稀疏性影响较小,同时在收敛速度和推荐准确性方面有明显提高。

本体映射框架的设计

本体异构是本体间互操作的主要障碍。解决本体异构最好的方法是本体映射。本文主要讨论了本体异构和本体映射的研究现状,提出一种具有混合体系结构的本体映射框架,并用具体的本体映射来说明该映射框架。