基于K-prototype聚类的学生教育画像分析

针对包含类别数据与数值数据的高校教育大数据,采用基于汉明距离与欧式距离混合度量的K-prototype进行聚类,并通过轮廓系数对聚类效果进行评价,与常用的k-means、DBSCAN进行对比,实验结果表明:基于K-prototype的聚类在教育大数据的处理上更具优势。基于聚类结果,采用词云图构建了4类学生教育画像。画像从基本属性、生活消费、生活规律等维度将学生群体划分为“思想积极型学生”“夜猫子游戏型学生”“规律作息型学生”“节俭好学型学生”4类,为学生教育管理人员提供相应的决策支持。

中枢神经系统中的胃泌素释放肽:在厌恶性情绪记忆中的作用及机制研究

胃泌素释放肽(gastrin-releasing peptide,GRP)是蛙皮素(bombesin,BB/BN)在哺乳动物中的同系物,在中枢神经系统中广泛分布,是一种重要的脑内神经调质,参与动物的多种生理功能和本能行为,在大脑的高级功能方面也发挥一定的作用.在神经系统中,随着GRP水平的改变,动物的记忆特别是与恐惧、焦虑相关记忆的形成、巩固和消退以及突触可塑性均发生不同程度的变化.GRP及其受体还被认为与神经系统性疾病有关,是潜在的神经系统性疾病的治疗靶点,但其相关的机制尚未明确.很多研究者基于不同实验方法提出了相关假设.本文从传统药理学、遗传学和电生理学方面对GRP系统在厌恶性情绪驱动的记忆、突触可塑性变化以及在中枢神经系统中的作用机制进行综述,希望为进一步明确GRP系统在中枢神经系统中的作用研究提供新的思路.

工业化提取女贞子中花青素的实验研究

为确定女贞子中花青素的最佳提取工艺,采用浸渍法,以单因素实验考察料液比、乙醇浓度、提取温度、提取时间以及粒径大小对提取率的影响,筛选因素及水平,再进行L_(9)(3)^(4)正交试验确定最佳提取工艺。确定最佳提取条件为:料液比为1∶20(g∶mL)、乙醇浓度60%、提取温度40℃、提取时间80min,花青素提取率为2.972mg/g。最佳提取工艺稳定可靠,可行性好。

城市人才吸引力评价模型研究---以深圳市为例

科技人才作为科技资源的基础,对促进社会经济发展起着关键作用。如何吸引优秀的科技人才来满足经济建设和社会发展的需要,已经成为各个国家和地区发展战略中的重要组成部分。为了更加全面、科学地衡量城市的人才吸引力水平,本文收集了2012年至2016年间北京、上海、广州、深圳、杭州及苏州六个城市的宏观经济数据,并在此基础上对各地区人才吸引力的内部和外部环境进行了系统分析,构建了包含有人才流动吸引力、人才发展吸引力2个一级指标,经济发展水平、自然环境、生活环境等12个二级指标,以及GDP总量、人均GDP、GDP增长率等46个三级指标组成的人才吸引力指标体系及相关的评价模型,并且重点结合深圳市人才吸引工作的相关措施,对该市的人才吸引力水平进行了量化评价。同时,针对深圳市的具体情况,本文将其与广州、杭州等同类城市的人才吸引力优势与不足进行了深入分析比较,提出了提升该市人才吸引力水平的相关措施,并综合给出了其他城市的发展建议。

基于GMM-RBF神经网络的前列腺癌诊断方法

前列腺癌是近年来发病率上升速度最快的男性癌症,严重威胁着患者的身体健康,准确地判断癌症患者的患病情况对于节约医疗资源、提高患者满意度起着至关重要的作用。近年来,基于数据挖掘的癌症诊断方法逐渐成为疾病诊断领域的研究热点,在提高诊断准确性上显示出极大优势。针对现有前列腺癌早期诊断方法准确性不高的问题,提出一种基于高斯混合模型改进径向基函数神经网络的前列腺癌诊断方法——GMM-RBF神经网络方法。该方法通过使用高斯混合模型对径向基函数神经网络中径向基函数的参数进行预训练,使模型避免陷入局部最优,之后采用改进的粒子群优化算法对神经网络进行训练。采用国家临床医学科学数据中心提供的数据进行前列腺癌诊断实验,将所提出的方法与径向基神经网络、分类回归树、支持向量机和逻辑回归等主流的机器学习算法进行对比,并使用准确性、特异性、敏感性和AUC值对模型的性能进行评价。研究结果表明,与改进前的神经网络模型相比,GMM-RBF神经网络模型收敛速度更快、初始准确度更高;与其它机器学习算法相比,GMM-RBF神经网络模型在10折交叉验证中取得了较高的准确性、敏感性、特异性和AUC值。GMM-RBF神经网络方法在模型预测精度上比传统的径向基函数神经网络模型有很大提升,能够得到更为可靠的前列腺癌诊断结果,为医疗工作者初步诊断前列腺癌和穿刺活检操作提供有效的辅助决策支持,该方法的提出对于减少患者痛苦、提高患者满意度和节约医疗资源具有实际意义。