群机间进程间通讯

群机是一组相互连接的计算机，每台机器既能够独立地运行，又能够透明地访问其它计算机的资源，使用户感觉象使用一台计算机一样．本文提供一个分布式进程间通讯系统，把基于消息操作系统的本地ＩＰＣ语义透明地扩展到网络上，网络通讯协议采用 ｘｋｅｒｎｅｌ技术实现，群机间的进程能够用本地ＩＰＣ界面进行通讯。

微核心操作系统的负载信息统计

本文利用基于消息的微核心操作系统 Ｍａｃｈ 的系统调用和专门设计的 Ｉ Ｐ Ｃ 剖析器对 Ｍａｃｈ 任务进行了剖析， Ｍａｃｈ 任务使用系统资源可统一为３ 个活动：使用处理器、 Ｉ Ｐ Ｃ 和 Ｖ Ｍ 。这些活动的统计信息能够准确、完整地反映系统的负载情况。通过对微核心操作系统 Ｍａｃｈ 的标准核心界面的改造和扩充，使用户能够在用户空间获得负载分布决策所需的有效的负载信息。

微核心操作系统的结构对性能的影响

微核心操作系统是近些年出现的．它已成为操作系统的发展方向和趋势．微核心操作系统本身具有许多优点，但目前的一些微核心操作系统存在一个严重问题，即性能不佳．导致微核心操作系统性能不佳的主要原因是在实现微核心思想时所采用的系统结构和实现技术不尽合理．文中分析了在微核心操作系统的结构方面存在着哪些影响系统性能的因素，以及它们是如何影响系统性能的．这些因素是在微核心技术的研究工作中应该认真考虑的问题．

一种动态存储管理机制

动态存储管理是计算机系统必不可少的资源管理手段之一．现有的动态存储分配算法存在着效率不高、空间和时间开销较高等缺点．文中提出了一个用多级位示图目录来实现存储资源动态分配的算法，给出了多级位示图目录的结构和相应的算法，并分析了算法的效率．多级位示图目录算法具有结构简单，空间和时间开销小等优点．

一种改进的共享存储通信机制

在操作系统的设计和实现中，共享存储是一种普遍采用的进程通信机制．目前的实现中，大多是将共享存储区放于用户空间中，并随着程序运行的需要而动态的创建、附接、断接和撤消共享区，并对其进行换入／换出等操作．这些操作引入了较多的额外开销，影响了进程通信的效率．另一方面，在目前的实现中，对共享区中空间的管理和使用缺乏灵活性．本文提出了一种使用核心中固定区域作为共享存储区来实现进程间通信的方法，并对共享区中空间的管理采取了有效的措施．这种方法可以有效的减少数据拷贝以及共享区操作等额外开销，从而获得较高的通信效率，并增强了共享区空间使用的灵活性．本文描述了这一通信方法的设计和实现，并给出了性能分析和评价．

局域网并行处理在语音识别中的应用

在语音识别中，不论是训练语音识别系统，还是使用系统识别语音，都需要进行大量的数据处理，这使得语音识别的研究和实现都变的非常困难．本文提出一种基于局域网的分布式计算机系统的快速并行数据处理方法来实现语音识别的模型训练和语音的识别，不仅加快了训练和识别的速度，节约了大量的时间，而且降低了语音识别任务对硬件的要求，取得了满意的效果．

服务网络中基于改进蚁群系统的服务路径选择

结合图理论及社交网络分析,将服务之间的互操作关系引入服务计算的过程中。构建一种基于服务关系的服务网络。提出服务网络的概念,分析服务之间的4种交互关系及特点,详细讨论服务网络中基于服务关系的服务组合优化问题。应用图模型将服务网络中服务路径选择问题转化为图论中多目标路径优化选择问题,通过具有良好交互的服务节点构建数学模型,以最少成本代价为目标,应用改进蚁群系统算法寻求最优路径。实验结果证明了算法的可行性及有效性。

面向健康医疗的分类关联规则挖掘研究

数据的爆炸式增长使知识和规则隐式地存在于数据中不被发现,形成资源孤岛,造成资源浪费。关联分析用以挖掘大规模、海量数据中隐式的关联规则模式。提出一种面向健康医疗的分类关联规则挖掘算法,用以挖掘大规模个人健康数据间隐藏的分类关联规则模式,对健康医疗及其它领域中基于关联规则的推荐具有新价值。

一种成组传送消息策略

提出一种消息通信的优化策略，即成组发送／接收消息并进行消息数据合并。给出了实现算法和数据结构，并进行了性能分析。

协同肿瘤研究临床试验信息系统SOA建模

开放标准的肿瘤信息系统在不断发展,以此应对现代肿瘤临床试验带来的挑战。本文提出面向服务的软件范例,用于衍生临床试验信息管理系统,支持多机构协同肿瘤研究。提出的方案将临床试验(元)模型和基于WSRF(Web Services Resource Framework)的面向服务体系结构(Service-Oriented Architecture,SOA)相结合,并且应用早期临床试验进行评估。尽管主要目的是针对肿瘤研究,但也适用于具有相似信息模型的其它领域。

基于Hadoop的个人健康信息服务系统

个人健康信息服务系统作为现代医院健康管理系统的一个重要分支,在整个医疗系统中起着十分重要的作用。本文论述了通过Hadoop大数据平台构建了一种个人健康信息管理的方法,设计并且实现了一套基于Hadoop的个人健康信息管理系统。Hadoop作为一种日趋成熟的大数据平台,与医疗信息化相结合,为个人医疗中产生的数据提供了一种安全可靠的存储途径,实现医疗数据的集中管理。本系统利用Hadoop平台适合海量数据的运算与存储的特点,建立了个人健康信息数据中心,实现对患者健康信息最完整、最准确的管理。

基于深度学习的癫痫发作预测方法研究

癫痫是一种常见的神经系统疾病,影响着全世界近1%的人。越来越多的人认识到,采用癫痫发作预警的闭环治疗策略,可以在一定程度上控制癫痫的发作。本文主要基于Kaggle癫痫预测EGG数据集,同时采用深度学习模型,对预测癫痫发作前片段的概率问题进行了实验性的研究。研究通过离散傅里叶变换(DFT)对数据集进行了预处理,并提出了利用两层卷积神经网络(CNN)提取频域和时间序列数据特征的模型,最终AUC指标为0.786,在504个队伍中排到第11位。同时,本文采用线性判别分析(LDA)和基本的递归神经网络(RNN)模型对此数据集进行了对比实验与分析。

基于内存计算的基因疾病搜索系统

随着现代测序技术的发展,产生海量生物数据,快速发展的生物信息学也在不断剖析这些数据的隐藏生物信息。通过生物网络研究基因型与疾病表型的关联关系从而实现致病基因的预测和寻找基因导致的疾病。基于疾病基因模块性特征,提出整合蛋白质相互作用网络、疾病表型相似性网络、疾病-基因对应网络,构建异构生物网络,改进网页排序算法TrustRank,对候选基因与疾病进行优先级排序,实现预测功能。本文还将通过Spark平台开发基因疾病搜索系统,数据存储在HBase中,形成大数据存储、处理、分析的解决方案,对临床诊断和疾病治疗提供新思路。

一种并行求解方法的研究及相关算法的分析

本文研究在分布式系统中如何利用分治算法来并行求解问题。

精准医学大数据管理和共享技术平台

医学临床数据和分子生物学基础数据的整合与注释是精准医学研究链条中的重要环节.项目面向精准医学数据共享和分析需要,建立精准医学临床数据与相关生物学基础数据的整合标准,整合精准医学临床大数据与分子生物学基础数据,开发自动、高效、注释精准医学生命组学数据与临床信息的软件工作流,建立了一套自动、无缝、高效的组学大数据与临床信息整合、注释系统.