杞菊地黄丸辅助玻璃酸钠治疗干眼症疗效及安全性分析

目的:探讨杞菊地黄丸辅助玻璃酸钠治疗干眼症的疗效及安全性。方法:将40例(80眼)干眼症患者随机分为对照组与观察组各20例(40眼)。对照组仅采用玻璃酸钠治疗,观察组在此基础上加用杞菊地黄丸进行辅助治疗。比较两组临床疗效、泪液分泌试验(Schirmer I test,SIt)、泪膜破裂时间(tear break-up time,TBUT)、治疗后中西医临床积分以及不良反应发生情况。结果:观察组临床总有效率为95.0%,显著高于对照组的85.0%(P<0.05);两组治疗前后SIt试验结果及TBUT差异均具有统计学意义(P<0.05),且观察组治疗后SIt试验结果及TBUT均显著优于对照组(P<0.05);观察组治疗后中、西医临床积分均显著优于对照组(P<0.05);对照组不良反应发生率为7.5%,观察组为5.0%,差异无统计学意义(P>0.05)。结论:杞菊地黄丸辅助玻璃酸钠治疗干眼症疗效显著,安全性较高,值得临床推广应用。

龙葵水煎剂对小鼠的镇痛作用

目的探讨龙葵的镇痛作用。方法将60只小鼠按随机数字表法分为5组,每组12只,即生理盐水对照组,哌替啶溶液组,高、中、低剂量龙葵水煎剂组。采用热板法致痛,观察高、中、低剂量龙葵水煎剂对小鼠的镇痛作用。结果各组给药前痛阈值比较差异均无统计学意义(P>0.05),哌替啶溶液组及高、中、低剂量龙葵水煎剂组给药后15、30、60 min与生理盐水对照组相同时点比较差异均有统计学意义(P<0.01)。给药后15、30、60 min与自身给药前比较:生理盐水对照组差异无统计学意义(P>0.05),其余各组差异均有统计学意义(P<0.01)。结论龙葵水煎剂具有镇痛作用。

痰热清注射液的临床退热效果观察

目的:观察痰热清注射液用于感染性高热的临床退热效果。方法:选取2013年3月至2013年5月本院收治的呼吸道感染并高热患儿59例,随机分为观察组和对照组,其中观察组30例,静脉滴注抗菌素加静脉滴注痰热清注射液,对照组29例,用相同抗菌素静脉滴注加口服布洛芬混悬液,观察3 d体温变化情况。结果:痰热清有明显的退热效果且作用较平稳持久,无明显反弹现象。尚无明显不良反应。结论:痰热清用于感染性高热疗效明显,为合理有效选择退热药品提供了良好的借鉴和参考方向,并有利于提高安全用药,减少儿童使用该类药品引起的毒副作用。

自适应混沌粒子群算法对极限学习机参数的优化

针对极限学习机(ELM)在处理非线性数据时效果不理想,并且ELM的参数随机化不利于模型泛化的特点,提出了一种改进的极限学习机算法。结合自适应混沌粒子群(ACPSO)算法对ELM的参数进行优化,以增强算法的稳定性,提高ELM对基因表达数据分类的精度。在UCI基因数据集上进行仿真实验,实验结果表明,与探测粒子群-极限学习机(DPSO-ELM)、粒子群-极限学习机(PSO-ELM)等算法相比,自适应混沌粒子群-极限学习机(ACPSOELM)算法具有较好的稳定性、可靠性,且能有效提高基因分类精度。

基于连续密度隐马尔可夫模型的人体步态识别

人体步态识别作为一种远距离和非侵犯性的识别技术在视频监控等领域具有广泛的应用前景.基于此原因,文中提出基于连续密度隐马尔可夫模型(CD-HMM)的人体步态识别算法.首先,提出基于自然步态周期的特征提取算法,并在此基础上构造观测向量集.然后,使用从训练样本集中提取的步态向量集对CD-HMM进行参数估计.最后,提出基于Cox回归分析的渐进自适应算法对训练过的步态模型进行参数自适应和步态识别.实验表明,相比现有的其它步态识别算法,文中算法具有更高的识别率.

236例儿科抗菌素使用对比分析

目的为了解儿科抗菌素应用的变化及现状,探讨改善儿科抗菌素滥用趋势的途径。方法分别随机抽取时间跨度10年两组儿科住院病历,对其诊断,用药指征、用药时间、用药种类、用药量进行对比分析。结果住院病例全部使用抗菌素、X线、实验室检查支持使用抗菌素分别为75%和47.1%,抗菌素越用越新,用量偏大。结论必须建立系统的到位的干预措施,强化继续教育,加强知识更新和病原微生物的临床研究。

基于产业链视角的速冻食品产业发展研究——以河南速冻食品行业为例

随着社会分工的加深,新的产业日益增多,随之而来的是产业链日益增长。文章在总结产业链相关理论的基础上,构建速冻食品产业链模型,分析河南速冻食品产业发展的供需链、企业链、空间链和价值链。根据分析结果,指出产业链中存在的问题:食品安全和产业链安全。最后,给出了相关产业政策建议,供决策者和从业者参考。

我国农业利用外资产业链安全研究

农业产业化经营,使得农业产业链变得宽而长,涉农产业形成庞杂的农业产业链网络。在农业领域日渐开放,外资进入农业产业链各个环节的背景下,外资对哪些产业构成威胁,带来哪些不安全因素,是当前农业产业研究的热点。文章基于产业关联理论,构建农业产业链网络模型。在厘清农业产业链关键链环的基础上,对其进行利用外资安全分析。发现主要安全问题为:以农业生产资料为主的产前环节虽处于基本安全状态,但支持我国农业转向现代化的综合性农业机械、生物化肥、生物农药均掌握在外资手中;产中环节,种植业的种子产业在大豆、玉米、蔬菜等领域被外资垄断,养殖业几乎全部沦陷;产后环节,食用油、加工屠宰被外全面掌控,即便食品制造业、餐饮业外资所占比重不高,但其盈利能力却是国内企业不可企及。针对上述问题,文章给出具体对策建议,以供决策者参考。

一种计算代价敏感算法分类精度的方法

代价敏感普遍应用于解决分类不平衡问题,但代价敏感算法一直没有一个客观的评价标准.本文提出一种针对代价敏感算法的分类精度计算方法,以平衡精度替换总体精度来有效地评定代价敏感算法的分类性能.相比于传统的总体精度,该平衡精度不会忽略小类样本的贡献.通过代价敏感超限学习机对基因表达数据进行分类对比实验,结果表明,平衡精度可以更为客观、合理地表示代价敏感算法的分类性能.

浅谈高校计算机教学的现状与改革措施

随着高校的扩招，学生人数激增，但是大多数高校的办学条件、办学理念以及教学设备设施却没能跟上发展的步伐，阻碍了高校教育的发展。作为现代人必须掌握的计算机技术的教学在高校不容乐观，存在师资力量不足、教学理念滞后、课程体系陈旧、教学设备设施老化、实验操作室太少满足不了学生的需求的现象。计算机技术本是一门实践性很强的技术，而且发展非常快，日新月异，要求我们教师的教学理念、教学水平以及教学设备都要与时俱进，及时更新，这样才能保证培养出来的学生不至出现“学的用不上，用的没学上”的困境。决定高校办学优劣的不是学生的数量，而是教学的质量，高校计算机教学的改革迫在眉睫。

ReliefF和APSO混合降维算法研究

降维与分类一直是机器学习的研究热点,在很多领域有着成功的应用.针对基因数据分类存在特征维数过高、冗余数据和高噪声等问题,现提出一种基于Relief F和自适应粒子群(APSO)优化的混合降维算法.即先通过Relief F和APSO算法选择特征子集,然后使用超限学习机作为评价函数对基因数据进行分类,最后通过循环迭代得到最优的分类精度.实验证明,混合降维算法与已有的算法相比分类精度更高、更稳定,它适用于基因表达数据降维.

PSO和Cholesky分解的KELM的基因表达数据分类

核极限学习机(KELM)可使低维空间中线性不可分的数据变得线性可分,增加了ELM算法的鲁棒性,但KELM算法的输入权值参数采用随机初始化,容易导致算法不稳定.为此,本研究提出用粒子群优化算法对KELM中的权值初始参数进行优化、设定,以得到优化的分类器PSO-KELM.由于该算法输出权值求解采用传统的矩阵求逆运算,导致计算复杂,因此再对KELM的输出权值采用Cholesky分解进行优化.经一些标准基因数据集的实验表明,提出的PSO-KELM算法与已有的ELM、KELM、PSO-ELM相比分类精度更高,适用于基因表达数据分类.

冷水机组故障诊断中重要特征的选择

在数据驱动的集中式空调系统故障诊断过程中,特征选择是一个必要的预处理.选取重要的特征作为分类依据,无论是从经济的角度还是对故障的有效判断上,都具有非常重要的意义.现采用不同的特征选择方法对一组冷水机组故障数据进行特征选取,并利用支持向量机完成分类,最后通过对比分析获取冷水机组故障诊断中最重要的特征子集.

面向基因数据分类的AGA-ELM算法研究

对基因表达数据进行分类时,超限学习机(ELM)算法具有学习效率高、泛化能力强、分类精度高的优点.为了解决超限学习机算法受输入权值矩阵和隐含层偏差随机初始化的影响,本文利用自适应遗传算法(AGA)具有良好的全局搜索效果对超限学习机的输入权值矩阵和隐含层偏差进行优化,提出了基于自适应遗传算法优化超限学习机(AGA-ELM)的分类算法.通过实验表明,该算法与已有的ELM、GA-ELM以及SVM算法相比,分类精度更高,可用于基因数据分类.

计算机技术与食品信息安全应用管理——《物联网与食品质量安全》评述

为落实党中央、国务院政策部署,各地纷纷建设食品检测系统,截至目前已基本实现覆盖生产、销售、售后、物流等环节的监管目标。各环节涉及人员众多、程序繁琐,需借助计算机技术进行数据处理,以生成数据管理、档案管理、风险测评等综合监控机制。基于计算机技术的显著优势,食品信息安全必须加大对计算机技术的应用力度。《物联网与食品质量安全》从源头入手,将农作物、食品加工与物流环节互通,实现对食品生产到销售的全面感知,为食品安全和发展提供了理论借鉴。

结合Sobel算子和Mask R-CNN的肺结节分割

肺癌不断威胁着人类健康,计算机辅助诊断对肺癌诊断将发挥重要的作用.卷积神经网络(CNNs)在对图像的处理上表现出有目共睹的优秀性能,医学Computed Tomography(CT)图像是用来诊断肺癌的主要检查方式,用深度学习分割病灶的方法可以实现端对端的辅助诊断,这将节省医生的诊断时间,为患者争取最佳治疗时间.LIDC-IDRI(The Lung Image Database Consortium)数据集影像中的癌症部分与其他组织部分的放射密度十分接近,而且往往癌症部分非常小,背景具有非常强的相似性.本文使用传统的Sobel算子对图像中放射密度高的部分进行边缘锐化处理,用强化边缘特征的方法解决前景与背景灰度相似的问题,然后在使用传统的分割方法--阈值分割进一步强化.本文减小Regions of Interest(RoIs)的大小以适应肺结节的特征,减少RoIs的个数以避免过多的负类样例训练产生退化的模型;在传统图像增强处理方法和深度学习的结合下,获得了一个优化的Mask R-CNN模型,在LIDC-IDRI数据集上的测试结果中,基于Intersection over Union(IoU)=0.5的标准下的肺结节平均精度mAP达到72.2%,在FPR为0.226时的TPR达到0.915.

Faster-RCNN的癌症影像检测方法

医学影像是癌症早期检测的一个重要方式.现提出一种基于更快速区域卷积神经网络(FasterRCNN)的癌症影像检测方法,通过添加拉普拉斯卷积层锐化结节边缘、突出结节轮廓,修改锚框大小,调试超参数提高了检测效果.该方法在保证精度的情况下,提高了诊断效率,为计算机辅助诊断提供了参考.

基于云平台和深度学习的软件GUI自动测试系统

软件的图形用户界面(GUI)的视觉设计影响着用户的使用体验.在没有既定标准的情况下,测试人员对GUI评分的主观性和大量的重复性工作,会造成GUI测试的评分偏差和效率低下.针对上述问题,本研究工作构建了基于云平台的软件GUI自动测试系统,分别使用HOG+SVM模型和AlexNet模型对GUI图像进行特征提取并分类.考虑到软件GUI数据样本量小,提出利用迁移学习策略改善AlexNet网络的性能.针对用户的多样性和算法对计算性能的需求,GUI自动测试系统部署在云平台上,用户可以对软件GUI进行实时评估.实验证明,系统用于GUI自动测试具有良好的性能,并且可以避免主观因素的影响以及减轻软件测试员的工作量.

超短期风电功率预测的混合深度学习模型

针对风电功率预测(WPF)问题,提出一种基于离散小波变换(DWT)、时间卷积网络(TCN)和长短期记忆(LSTM)神经网络的混合深度学习模型(DWT-TCN-LSTM),对超短期风电功率进行预测.将DWT-TCN-LSTM模型分别与差分整合移动平均自回归(ARIMA)模型,支持向量回归(SVR)模型,长短期记忆神经网络模型和卷积长短期记忆(TCN-LSTM)混合模型进行对比实验,通过对称平均绝对百分比误差(SMAPE),均方根误差(RMSE)和平均绝对误差(MAE)3种评价指标值对各个模型进行评价.实验结果表明:DWT-TCN-LSTM模型具有较好的预测性能.

基于DWT-CNN-LSTM的超短期光伏发电功率预测

太阳能是未来清洁能源的关键,由于各种气象因素的影响,光伏发电通常不稳定。准确预测光伏发电功率的方法已成为解决光伏发电规划和建模问题的重要工具,可以减轻电力系统的负面影响,提高系统的稳定性。提出了一种基于离散小波变换(discrete wavelet transform,DWT)、卷积神经网络(convolutional neural network,CNN)和长短期记忆神经网络(long short-term memory,LSTM)的新型域融合深度模型(DWT-CNN-LSTM),以准确地完成预测。提出的模型具有两个通道:原始通道和DWT通道。CNN分别从原始通道和DWT通道提取时域和频域特征,LSTM则用以挖掘具有长期依赖性的特征,从而形成具有长期依赖性的时域和频域的融合特征,可用于功率预测。