手术室护理管理对术中切口感染的防控效果探析

目的探讨手术室护理管理对术中切口感染的防控效果。方法2014年10月～2015年10月选取本院收治的120例外科患者为研究对象，根据患者入院时间将其分为对照组及观察组各60例，对照组实施常规性护理，观察组实施手术室护理管理，对比分析两组患者的护理质量、相关并发症、护患纠纷及家属满意度情况。结果观察组各方面情况与对照组相比，护士无菌意识、护理技术及医护配合程度均明显提升，空气细菌含量降低，手术刀使用时间减少，各项资料比较差异均有统计学意义（P〈0．05）。结论优化手术室护理管理可明显改善手术室各方面情况，对防控患者术中切口感染，提升护理质量有着积极意义，适合在临床推广应用。

具有领属关系宾语句分析

对于具有领属关系宾语的句子结构的划分,历来意见不一,可以说仁者见仁,智者见智。笔者认为,具有领属关系宾语的句子应分析为单宾句式更为合理。

基于改进阈值函数的小波变换图像去噪算法

针对传统硬阈值函数在阈值处的不连续、软阈值函数中小波系数与小波估计系数之间存在的恒定偏差问题,提出一种基于改进阈值函数的图像去噪算法。该算法结合改进阈值函数的优点,通过设置适当的调整参数动态选取固定阈值,增加调节因子来降低原小波系数和估计小波系数之间的恒定偏差,从而提高重构图像和原图像的逼近程度。改进后的阈值函数在阈值处满足连续性,同时满足函数的渐近性和高阶可导性。仿真结果表明,采用改进后的阈值函数进行图像去噪,视觉效果好,PSNR和SNR都提高了,MSE有所降低,去噪效果得到了优化。

异构网络中基于吞吐量优化的资源分配机制

针对异构蜂窝网络中D2D(Device-to-Device)通信用户复用蜂窝用户上行信道产生的干扰问题和频谱资源分配优化问题,提出一种基于改进粒子群算法的D2D通信资源分配算法,并将该算法与改进的闭环功率控制算法相结合进行资源管理。此方案通过设置信干噪比(Signal-to-Interference Noise Ratio,SINR)门限值来保证用户的通信服务质量(Quality of Service,QoS),使用改进粒子群算法为D2D用户进行资源分配后,再通过基于接收信干噪比的闭环功率控制算法动态调整用户的发射功率,以减少干扰。仿真结果表明,该方案能够有效抑制异构通信系统中由于引入D2D用户导致的干扰问题,并提高频谱资源的利用率和系统的吞吐量。

异构网络中基于能效优化的D2D资源分配机制

针对异构网络中D2D通信复用蜂窝用户频谱时存在的频谱分配问题,该文提出一种基于改进离散鸽群优化(PIO)算法的D2D通信资源分配机制。通过设置信干噪比(SINR)门限值来保证用户的通信服务质量(QoS),采用功率控制算法为用户设置发射功率,使用基于运动权值的二进制离散鸽群优化(MWBPIO)算法为D2D用户进行资源分配,并将D2D通信技术与中继技术进行有效结合,为边缘用户建立D2D中继链路,保证边缘用户的通信质量,最大化系统性能目标。仿真结果表明,该方案有效抑制了异构通信系统中引入D2D用户后导致的干扰问题,提高了边缘用户的通信质量和系统的频谱利用率以及系统的能效。

混沌精英质心拉伸机制的樽海鞘群算法

针对樽海鞘群算法求解精度不高的缺点,提出一种混沌精英质心拉伸机制的樽海鞘群算法。引入改进的Tent混沌序列生成初始种群,以增加初始个体的多样性;选择最优个体采用精英质心拉伸机制,可增强全局搜索能力。将改进算法在12个典型复杂函数和CEC2014函数优化问题上进行仿真实验,并同经典的遗传算法和粒子群算法进行对比。结果表明,混沌精英质心拉伸机制的樽海鞘群算法具有更好的全局搜索能力,寻优精度比标准算法有所增强。在求解高维和多峰测试函数上,改进算法拥有更好的性能。

多段扰动的共享型乌鸦算法

乌鸦搜索算法作为新提出的元启发式智能算法,其寻优方式模拟了乌鸦间相互跟随窃食的行为。为了提高算法的收敛精度、后期搜索能力等,基于传统乌鸦搜索算法提出一种新的混合乌鸦搜索算法,其核心思想是在算法中加入共享机制,改进原始算法中随机追踪的位置更新方式,降低搜索盲目性,提高收敛速度;在不同的迭代阶段对全局最优位置进行大小不同的扰动操作,有效提高了跳出局部最优的概率,保证算法全局搜索能力与局部搜索能力的平衡。最后通过8个基准函数对5种算法搜索性能在10、30、50维的情况下进行对比分析,结果表明该改进算法的综合表现要优于其他算法。

新的二进制蝙蝠算法的频谱分配优化

针对认知无线网络中频谱分配优化和寻优收敛精度等难题,在图论模型的基础上提出新的二进制蝙蝠算法,并将其运用到认知无线电频谱分配中.首先,在频率更新中引入两个随机数来控制全局和局部的平衡;其次,在连续空间和离散空间转换过程中,引入新的离散函数对速度到位置进行离散化;最后,采用新的二进制蝙蝠算法以最大化系统总效益和次用户公平性为目标与传统二进制蝙蝠算法进行对比实验.结果表明,新的二进制蝙蝠算法在应用实例中优于其他算法,且能够有效、稳定用于频谱分配优化.

疯狂蝙蝠算法的低通FIR滤波器设计

针对处理滤波器设计问题,蝙蝠算法(BA)很容易陷入早熟收敛,提出改进的疯狂蝙蝠算法(CBA)旨在设计低通有限脉冲响应(FIR)滤波器。首先,在频率更新中引入两个随机数来控制全局与局部的平衡;其次,在标准蝙蝠算法中引入疯狂因子,使得蝙蝠算法以一定疯狂概率维持其多样性;最后,在局部搜索时,对算法的响度和脉冲发射率进行动态修正,便于精细搜索。将CBA与其他算法进行比较,仿真结果表明,疯狂蝙蝠算法在应用实例中优于其他算法,且能够有效、稳定用于低通FIR滤波器设计。

基于疯狂自适应的樽海鞘群算法

针对樽海鞘群算法求解精度不高和收敛速度慢等缺点,提出一种基于疯狂自适应的樽海鞘群算法.引入Tent混沌序列生成初始种群,以增加初始个体的多样性;在食物源位置上引入疯狂算子,增强种群的多样性;在追随者位置更新公式中引入自适应惯性权重,使算法的全局搜索和局部搜索能力得到更好的平衡.使用统计分析、收敛速度分析、Wilcoxon检验、经典基准函数和CEC2014函数的标准差评估改进樽海鞘群算法的效率.结果表明,改进算法具有更好的全局搜索能力和求解鲁棒性,同时,寻优精度和收敛速度也比原来算法有所增强,尤其在求解高维和多峰测试函数上,改进算法拥有更好的性能.

异构网络中基于鸽群优化算法的D2D资源分配机制

针对异构蜂窝网络中D2D (device-to-device)通信用户复用蜂窝用户上行信道产生的频谱资源分配优化问题,提出一种基于改进离散鸽群算法(PIO)的D2D通信资源分配机制.通过设置信干噪比(SINR)门限值保证用户的通信服务质量(QoS),使用基于改进地图-指南针算子和认知因子的离散鸽群算法(IMCBPIO)为D2D用户进行资源分配,并采用基于接收SINR的闭环功率控制算法动态调整用户的发送功率,以减少用户与基站以及用户与用户之间存在的干扰.仿真结果表明,所提出方案能够有效抑制异构网络中由于引入D2D用户后导致的干扰,降低通信用户的中断概率,大大提高频谱利用率和系统吞吐量.

基于混合决策的改进鸟群算法

针对鸟群算法(bird swarm algorithms, BSA)在求解复杂函数问题时存在的精度低、易陷入局部最优等问题,在保留BSA简单性的同时,提出一种基于混合决策的改进鸟群算法(improved bird swarm algorithms based on mixed decision making, IBSA)。应用重心反向学习机制初始化鸟群,维持鸟群较好的空间解分布。为了有效平衡算法在寻优过程中全局探索能力和局部发觉能力,动态调整鸟群飞往另外区域的周期。引入自适应余弦函数权重策略和加权平均思想对生产者觅食公式进行改进,增加算法在陷入局部最优后的脱困能力。在9个测试函数的基础上通过仿真试验对比基于IBSA、BSA、粒子群算法(particle swarm optimization, PSO)性能。结果表明,改进算法在单峰函数和多峰函数的测试中,寻优精度和寻优速度得到了较大程度上的提升。