医学生吸烟行为的调查与分析

为了了解医学生的吸烟情况及心理、行为状态,我们对广州中医药大学各年级男生共500人进行吸烟情况调查.其吸烟率为39.8%;吸烟原因主要有心理因素和社会因素;部分吸烟学生已出现各种不同症状,且86.4%的吸烟学生有烟瘾.

医学生吸烟行为的调查分析

目的 了解医学生的吸烟情况及心理、行为状态。方法 选取广州中医药大学 95～ 99级男生共 5 0 0人 ,以年级为单位统一发放和回收不记名自填问卷 ,将所调查的每个项目分别列出频数表 ,计算吸烟率 ,各种吸烟原因的比例及各种症状在吸烟学生中的比例。结果 医学生吸烟率为 3 9.8% ,部分吸烟学生已出现各种不同症状 ,且 86.4%的吸烟学生有烟瘾。

基于信道相关性的物理层安全性能分析

针对物理层安全研究中主窃信道具有相关性的场景,研究了主窃信道间的相关性对系统安全性能产生的影响,推导得到了遍历保密容量及中断概率的精确计算式,以及主窃信道的信道状态差异较大和较小这2种场景下的渐近计算式,并通过仿真验证了理论分析的正确性。研究结果表明,信道相关性会造成遍历保密容量的损失,但信道相关性强并不一定表明通信中断概率大。当目标速率设置合理时,信道相关性的影响与接收端平均信噪比有关,在高信噪比区域,强相关性会降低中断概率;在低信噪比区域,强相关性会增大中断概率;在中信噪比区域内,相关性几乎不影响系统的中断概率。基于上述结论,可以根据接收端信噪比、信道增益比、相关性等条件合理地设置系统参数,维护系统的安全性能。

基于深度学习的行人重识别综述

行人重识别是指从不同的摄像机采集的大量行人图像中检索特定的人员,是计算机视觉领域继人脸识别之后的一个重要的研究子课题。近年来,将深度学习应用在行人重识别方面已经取得了很大的成就。为了让读者更加了解国内外行人重识别研究进展,文章介绍了近几年国内外的相关文献并进行分析总结。首先,对行人重识别进行介绍;然后,对基于深度学习的行人重识别的基本方法归纳为有监督学习、弱监督学习和跨模态学习等3个方向,并讨论它们的现状,列举了常用的性能指标,以及常用的数据集和目前在这些数据集上最优的性能,并对行人重识别现存的问题进行阐述;最后,对未来研究热门方向进行了展望。