战术意识在高校篮球训练中的培养与应用

战术意识是运动员面对突发与复杂的情况下进行准确判断,并且迅速作出合理决策的能力。运用文献资料法、专家访谈法、逻辑分析法,对战术意识在高校篮球训练中的培养与应用进行分析,研究认为:战术意识在高校篮球训练中能够提升比赛表现、增强团队协作、适应比赛变化、培养篮球智慧。将战术意识融入高校篮球训练中的培养方法有:深化学生战术意识的理论基础、丰富学生篮球赛事的实战演练、注重学生篮球战术意识的专项训练、提高学生篮球战术意识的心理素质的培养方法。进而提出以下应用措施:提高篮球竞技的观察与判断能力、合理利用篮球区域位置与空间、把握篮球进攻与防守节奏变化、提升篮球队伍的团队默契。

基于双通道轻量图卷积的序列推荐算法

传统基于图神经网络的序列推荐算法,在构图阶段忽略了其他用户序列中项目的转换关系,针对这一问题,提出了一种基于双通道轻量图卷积的序列推荐算法。首先,为目标用户找到其邻居用户序列,将目标用户序列和得到的邻居序列合并成一个有向序列图,充分利用了用户之间潜在的协作信息。然后,通过双通道轻量图卷积,分别对2种序列进行信息传播,每个通道通过指数分母的形式组合每一层的信息,融合2个通道得到的嵌入生成最终的项目嵌入。最后,对得到的项目嵌入通过后几项取平均的方式提取短期偏好,再通过引入挤压激励网络的多头自注意力机制提取长期偏好,整合长短期偏好得到用户的最终偏好。在2个公开数据集Beauty和MovieLens-20M上进行充分的实验并验证了算法的有效性。

基于反事实推理的会话级社交推荐算法

为提高社交推荐算法的准确性和可解释性,对会话中用户历史行为序列的建模过程中,针对现有社交推荐算法未充分考虑引入和学习因果信息的问题,提出基于反事实推理的会话级社交推荐算法.为引入因果信息,利用反事实推理对用户朋友在会话中的历史行为序列生成反事实数据,通过反事实数据捕获社交关系的因果信息.为学习因果信息,在事实和反事实数据的基础上提出由多个损失函数组成的多任务预测模块,在训练模型的过程中学习因果信息.在真实数据集Douban和Delicious中与现有方法比较,提出算法的评估指标Recall@K和MRR@K较基线方法均有提升.

一种分层注意力机制与用户动态偏好融合的序列推荐算法

针对现有的序列推荐算法通常仅采用单一项目信息来捕获项目的潜在特征,以及循环神经网络存在时间依赖性随序列中位置单调变化的问题,提出一种分层注意力机制与用户动态偏好融合的序列推荐算法.首先,针对单一项目信息不足以学习项目准确表示的问题,提出一种分层注意力机制用于学习高质量的项目表示.其次,针对循环神经网络的时间依赖性严重损害了用户近期偏好建模的问题,引入文本卷积神经网络来提取循环隐藏状态之间的短期序列模式,并根据用户意图将用户长期偏好与近期偏好进行动态融合.此外,针对传统自注意力机制无法对序列中元素的相对位置信息进行建模的问题,对现有的自注意力机制进行了改进,充分捕获序列中元素的相对位置信息.并在公开数据集MovieLens-1M与Amazon-Book上与现有优秀算法作比较,实验结果证明了所提算法的有效性.

知识增强的个性化序列推荐算法

针对现有的序列推荐系统在数据稀疏场景下表现不佳,以及无法充分学习用户的个性化兴趣问题,本文提出一种知识增强的个性化序列推荐算法.使用知识图谱作为辅助信息可以缓解数据稀疏问题,然而现有的融合知识图谱的方法会引入大量与系统无关的信息.为此采用一种关系感知采样方法,仅保留知识图谱中与系统相关性高的交互.在序列建模阶段卷积神经网络可以较好地学习用户的局部动态偏好,然而用户的全局交互特征对用户个性化偏好的表达同样重要,本文通过引入多头自注意力机制对全局交互特征进行学习.最后,设计一个自适应混合模块来动态融合两种特征.在公共数据集MovieLens-1M与Amazon-book上的实验结果证明了所设计模型的有效性.

多尺度行为路径自注意力机制推荐算法

基于自注意力机制的序列推荐算法在捕获用户交互序列的全局特征方面表现出了强大的能力,得到了广泛应用。然而交互序列当中只有一部分关键行为会对用户未来行为的演化起到决定性作用,其余冗余的噪声行为会干扰推荐结果的准确性。同时,单一尺度的自注意力机制难以从不同粒度上捕获用户行为。该文提出基于行为路径的多尺度自注意力机制序列推荐算法,在不同粒度上动态地捕获对最终推荐起到决定性作用的行为演化模式,屏蔽冗余的非关键行为,提高了推荐系统的用户体验。该模型在三个公开数据集上与同类型方法进行比较,实验结果显示,该文所提出的算法在不同的评估指标上较基线方法均有一定的提升,验证了模型的有效性。

融合序列局部信息的日期感知序列推荐算法

基于自注意力机制的序列推荐算法利用用户的交互序列建模用户的动态偏好,预测用户未来的行为。但是,将交互序列直接输入自注意力层将会限制算法对序列局部关联信息的有效利用。此外,现有的大部分推荐算法利用用户最近的行为表征与目标项目的点积计算项目得分,这将削弱先前交互项目对推荐结果的影响。提出融合序列局部信息的日期感知序列推荐算法,使用多个垂直过滤器融合各交互项目在交互序列中的多种局部关联信息,同时使用交叉注意力机制捕获所有历史交互项目和目标项目的关系,并且抛弃了传统的位置嵌入方法,改用交互发生的日期作为绝对时间嵌入。在多个公开数据集上的实验表明,该算法在不同的评估指标上较基线算法均有一定程度的提升。

云南省安宁市老年人不同中医体质与高血压患病情况分析

目的:调查老年人中医体质分布情况,探讨66~90岁老年人不同体质与高血压患病情况的关系。方法:选取2021年1月—2021年12月云南省安宁市老年人健康体检数据,从中筛选出、依据中医体质分类判定表辨识出的体质标准和测量高血压数据2 014条。采用单因素方差分析不同体质与性别、年龄及高血压患病情况的关系。结果:老年人平和质体质占28.6%,阴虚质占28.2%。痰湿质、血瘀质老年人高血压患病率比较,差异有统计学意义(P<0.05)。结论:老年人体质类型主要以平和质和阴虚质为主;与血压正常老年人相比,痰湿质、血瘀质型老年人患高血压概率更高。

基于灰度空间相关性最大类间方差的图像分割

一维最大类间方差1D-Otsu和二维最大类间方差2D-Otsu在目标和背景比较模糊时,图像分割效果较差。针对该问题,提出一种基于灰度空间相关性(GLSC)最大类间方差的图像分割算法。该算法使用各像素的灰度值与其邻域内相似像素的数目构建直方图,通过计算GLSC直方图的最大类间方差得到分割阈值,应用积分图的思想将运算复杂度由O((N2×L)2)降到O(N2×L),节省了运算时间。针对5幅大小不同和直方图类型不同的真实图像,与1DOtsu、2D-Otsu和灰度空间相关性熵算法进行分割实验比较,结果表明该算法具有较好的鲁棒性。

基于B/S模式的医学实验室信息平台(LIS)的设计与实现

随着医疗信息化的发展和对检验要求的提高,医学检验实现信息化管理已成为必然趋势,这也使得LIS在专业细分多、技术要素复杂的医学实验室信息管理中越来越重要。然而,传统的LIS大多基于C/S模式进行开发,这种模式开发的平台安装繁琐,扩展性和分布能力差,实现维护和平台移植困难。针对这些问题,基于B/S模式,运用SSH框架和Ext JS技术对LIS平台进行研究并设计开发了一种医学实验室信息平台。结果表明,该平台有效地解决了传统LIS的许多不足,完成并实现了医学实验室的规范管理与信息融合,提高了工作效率。

基于SSH与EXTJS框架的计量服务平台设计与实现

计量监督管理的信息化对器具市场标准规范,保障公民和法人合法权益具有积极促进作用.然而多数的信息系统的设计与实现是基于客户端/服务器模式的,其系统平台的维护成本高,安装繁琐,异地操作性差,运行效率低.针对这些问题,运用开源Struts技术、Spring技术、Hibernate技术作为计量平台的整体架构,界面运用组件丰富的EXTJS展现,设计开发实现了基于浏览器/服务器模式的一套计量管理综合服务平台.实现了计量业务实时管理监督,提高了工作效率.

基于遗传算法的灰度-梯度熵多阈值图像分割

一些基于熵的阈值图像分割技术考虑了空间信息,从而能够提高阈值分割的性能,但是仍然不能较好地区分边缘和噪声。尽管灰度-梯度(gray-level&gradient-magnitude,GLGM)熵算法能有效地解决以上问题,但是针对多目标和复杂图像却不能有效地分割。为此,提出了一种基于遗传算法(genetic algorithm,GA)的GLGM熵多阈值快速分割方法。该方法应用积分图思想将GLGM熵算法阈值搜索空间从O(9×L)降到O(L),并将GLGM熵算法从单阈值拓展到多阈值。最后应用基于实数编码的遗传算法搜索GLGM熵多阈值的最佳阈值。仿真结果表明,该方法能够实现图像的快速多阈值分割,适合复杂图像分割。

基于狄利克雷多项式过程模型与K-means结合的菌群分析

群体分型是一种有助于更好的理解人类身心健康等复杂生物学问题的有效方法,聚类是一种为了对样本分组来降低复杂性的定义肠型的方法,而传统K-means聚类算法的K值选取无法确定,本文在传统K-means聚类算法的基础上进行了改进,并公开数据集上进行了验证,实验表明改进算法能够解决K值选取无法确定的问题,且聚类结果的稳定性、准确性和聚类质量都得到显著提高。将改进后的模型运用于肠道菌群OTUs数据,发现不仅能够有效地区分2-型糖尿病患者样本间的相似性,而且能鉴定出影响菌群结构异质性最大的OTUs菌,为临床解决2-型糖尿病问题提供了一种新的思路。

脑卒中信息管理系统权限控制的设计与实现

随着医疗信息技术和互联网的飞速发展,医疗信息资源的安全越来越备受关注,权限管理为解决信息系统安全性问题提供了重要保障,为防止非法获得或破坏信息起着重要的作用;脑卒中信息管理系统存放大量脑卒中患者的治疗信息,为医生发现其潜在的疾病提供依据;针对脑卒中信息管理系统复杂的权限控制需求,提出了一种权限控制方法,采用SpringMVC+Hibernate后台框架,Bootstrap前台框架技术,以及B/S结构软件设计中的精粒度权限管理思路,实现了脑卒中软件系统中的权限管理;同时将权限控制设计为一套与业务无关的权限管理组件,该组件不需要做代码级的更改可以轻松的移植到其它Web系统中;结果表明,系统能够满足权限控制需求,具有良好的可操作性、灵活性和移植性。

济钢炼钢炼铁污泥的处理和应用

炼钢炼铁湿法除尘产生的污泥 ,难处理、污染环境。济钢将其脱水至 4 0 %左右 ,炼钢污泥配到竖炉球团原料中 ,炼铁污泥配到烧结生产原料中 ,以状膏的形态做到了污泥全部利用 ,取得了较好的经济效益和环保效果 。

基于关联规则算法的慢性阻塞性肺疾病及其协同发病分析

目的研究慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)的发病规律及与其他疾病的协同发病现象,为COPD的主动预防提供数据支持。方法采用统计分析及关联规则挖掘对云南省某三甲医院2013～2015年的住院病案首页数据中的COPD案例进行分析,研究COPD患者的共同特征。采用经典的APRIORI关联规则算法在MODELER软件中建模,研究COPD和其他疾病的协同发病规律。结果 COPD患者年龄集中在61岁以上(83. 9%),职业集中在离退休人员(59. 5%),男性偏多(80. 3%);关联规则挖掘结果中COPD和高血压同时发生的有3 834例,支持度45. 2%。COPD和慢性肺源性心脏病同时发生的实例有3766,支持度44. 4%。COPD和冠状动脉粥样硬化心脏病同时发生的有2 001例,支持度23. 6%结论 COPD高危人群为61岁以上的男性离退休人员,与COPD协同发病的疾病频率最高的为高血压、慢性肺源性心脏病等心脑血管疾病,这对主动预防和治疗COPD和相关疾病具有重要作用,同时也对研究疾病间的协同发病现象提供思路,可以推广到其他疾病的研究。

去除磁共振成像图像莱斯噪声的加权扩散

针对各向同性扩散易于造成图像边缘等特征区域的模糊以及相干增强扩散易于在图像背景区域内产生伪条纹的问题,提出了一种根据磁共振成像(MRI)图像莱斯噪声分布特点来对其进行降噪的加权扩散算法。该算法以MRI图像背景区域的莱斯噪声方差作为区分MRI图像背景区域和感兴趣的边缘特征区域二者特征差异的阈值。基于该阈值,该算法构造了一个加权函数,并用该函数对各向同性扩散和相干增强扩散进行加权。加权函数根据图像在不同结构区域的变化,自适应地调整两种扩散的权值,从而充分发挥两种扩散的优势并克服各自的不足。实验结果表明,该算法在峰值信噪比(PSNR)及平均结构相似度(MSSIM)的评价上优于一些经典算法。因此,该算法的降噪及保护、增强边缘的能力更为优越。

数字几何体模仿真呼吸运动

仿真在补偿呼吸运动的PET/CT成像研究中起着非常重要的作用。许多方法被开发出来用于仿真呼吸运动。然而,它们在使用中存在一些局限性,例如操作者的干预,花费太高或者是仿真时间太长等。提出一种新的简单方法,用GATE软件包来实现呼吸运动的仿真。GATE不仅在SPECT/PET仿真,而且在不同的模型仿真构建方面也提供了非常强大的功能。根据呼吸运动,在GATE的配置中就可以确定体模运动的特征。GATE可以生成象柱,球和椭圆等形状的几何体模。组合体模的运动特征和形状就可以仿真呼吸运动。仿真的结果表明,在开发和评估SPECT/PET补偿呼吸运动技术时,GATE产生的运动体模,提供了一种可选的方法用于呼吸运动的仿真。这种方法与传统方法相比,运算量小,体模设置简单。

济钢炼钢炼铁污泥的综合利用

研究和实践表明 ,将炼钢炼铁污泥以污泥膏的形式分别用于球团和烧结生产 ,不仅可以消化公司内部产生的全部钢铁污泥 ,降低原料成本 ,而且有利于环保 。

基于Web的计量器具收费系统的设计与实现

随着市场规范化的不断加强和计量器具种类的日益增加,计量器具收费管理的信息化已成为必然趋势。然而,原有基于C/S模式开发的计量器具收费系统往往忽略器具委托方的需求,并且在进行费用核算时需人为判断器具收费类型是经营性还是事业性,无法对计量器具的收费进行高效统一的管理。针对这种情况,文中采用B/S模式,运用ExtJS和SSH框架,设计并实现了一套为器具委托方提供开放式入口的计量器具收费系统。结果表明,系统很好地解决了原有系统的不足,实现了计量器具收费的标准化和规范化,在计量器具收费管理中具有良好的应用价值。