数据库中的知识隐藏

伴随着数据共享、隐私保护、知识发现等多重需求而产生的PPDM(privacy preserving data mining),成为数据挖掘和信息安全领域近几年来的研究热点.PPDM中主要考虑两个层面的问题:一是敏感数据的隐藏与保护;二是数据中蕴涵的敏感知识的隐藏与保护(knowledge hiding in database,简称KHD).对目前的KHD技术进行分类和综述.首先介绍KHD产生的背景,然后着重讨论敏感关联规则隐藏技术和分类规则隐藏技术,接着探讨KHD方法的评估指标,最后归结出KHD后续研究的3个方向:数据修改技巧中基于目标距离的优化测度函数设计、数据重构技巧中的反向频繁项集挖掘以及基于数据抽样技巧的通用知识隐藏方法设计.

基于FP-Tree的反向频繁项集挖掘

在拓展现有反向频繁挖掘问题定义,探索反向频繁项集的3个具体应用后,提出了一种基于FP-tree的反向频繁项集挖掘方法.该方法首先采用分治思想,将目标约束划分为若干子约束,每步求解一个子线性约束问题,经过若干步迭代后找到一个满足整个给定约束的目标FP-tree;然后根据目标FP-tree生成一个仅含频繁项的临时事务数据库TempD;最后通过向TempD中撒入非频繁项得到目标数据集.理论分析和实验表明该方法是正确的、高效的,且与现有方法仅能输出1个目标数据集相比,该方法能够输出较多的目标数据集.

带学习的同步隐私保护频繁模式挖掘

为了提高挖掘结果的准确性,提出基于样例学习和项集同步随机化的隐私保护频繁模式挖掘方法(learning and synchronized privacy preserving frequent pattern mining,简称LS-PPFM).该方法充分利用不需要隐私保护的个体数据,首先对不需要保护的数据学习,得到样例数据中蕴涵的强关联项,然后在对数据随机化时,将强关联项绑定在一起作同步随机化变换,以保持项与项之间的潜在关联性.实验结果表明,相对于项独立随机化,LS-PPFM能够在略微牺牲一定的隐私保护性的情况下,显著提高频繁模式挖掘结果的准确性.

急性左心衰竭预后与血清肌钙蛋白I的关系探讨

目的:观察急性左心衰竭患者血清肌钙蛋白I(cTnI)水平与其预后的关系。方法:检测102例急性左心衰患者发病时血清cTnI水平,观察1周内患者转归,分析不同病因的急性左心衰竭患者血清cTnI水平。结果:阳性者64例,阴性者38例,阳性者1周内死亡7例,阴性者无死亡,二者死亡例数比较,差异有统计学意义(P<0.05)。不同病因急性左心衰竭患者血清cTnI水平比较,无统计学意义(P>0.05)。结论:急性左心衰竭患者血清cTnI阳性者死亡明显高于血清cTnI阴性者。不同病因急性左心衰竭患者的血清cTnI水平差异无统计学意义。

关于安全护理干预在心脏介入手术患者围手术期护理中的应用效果观察研究

检验心脏介入手术患者围手术期护理中安全护理干预的作用和效果。方法 选取在我院治疗的心脏介入手术患者120例作为研究对象,将选取的研究对象分组,采取不同的护理措施,以此来检验安全护理干预的应用效果。120例患者分成对照组与实验组,两组人数分别为52例与68例。针对前者采用常规护理,针对后者同时采用常规护理和安全护理,并在护理过程中观察患者的病情恢复情况以及护理满意度情况,收集相关数据,通过数据分析的方式检验安全护理干预的应用效果,结果 相较于对照组,实验组在总有效率、护理满意度、情绪功能评分、心理功能评分、躯体功能评分、社会功能评分等方面更具优势。另外,在住院时间方式,实验组要明显短于对照组,在并发症发生率方面,实验组同样低于对照组。在危机事件发生率上,对照组为15.38%,实验组为2.94%,实验组明显低于对照组。结论 合理运用安全护理干预可使心脏介入手术患者在围术期获得有效护理,利于增强临床疗效并缩短住院治疗时间,术后康复速度快且利于改善其生活质量,危机事件与并发症少,值得推广。

一种基于AHP的智能电影推荐方法

电影网站提供了十分丰富的电影资源,然而用户必须花费大量时间搜索自己感兴趣的资源,如何帮助用户快速找到其想要的资源成为大型电影网站的重要需求。智能推荐技术的提出使满足这个需求成为可能。文中提出一种基于AHP(Analytic Hierarchy Process)层次分析法的智能电影推荐方法,综合考虑电影印象、故事、表演、导演、画面、音乐和类型等因素,通过用户对各因素两两比较、权重计算,生成个性化推荐列表。基于时光网的多个用户实证研究表明,结合AHP的智能电影推荐方法简单、有效,大部分推荐结果满足用户喜好。

隐私保护频繁项集挖掘中的分组随机化模型

通过对隐私保护频繁项集挖掘问题的研究,发现现有的单参数随机化回答模型调控的数据范围宽、粒度粗,导致无法实现精细化、差异化的隐私保护的问题.在沃纳模型、单参数等随机化模型的基础上,提出个体分组多参随机化PN/g模型,给出其在隐私保护频繁项集挖掘中的支持度重构方法.研究结果表明:该模型面向多样化、差异化的隐私保护需求,将N个不同个体分为若干组,每组设置不同的随机化参数,可实现差异化的隐私保护效果.实例分析表明:结合所提出的支持度重构方法,可实现基于分组随机化的隐私保护频繁项集挖掘,在保护不同群体隐私的同时,挖掘到有效的频繁项集与关联规则.

谈医务人员职业暴露与防护

护士职业感染是医院目前急需重视的重要工作，医院领导要严格执行国家有关法律法规，积极控制职业暴露的危险因素。护士要保持高度的自我防护意识，严格按规定处理医疗废物，正确使用安全的个人防护用品，认真执行操作常规和消毒隔离制度，积极主动的防止职业暴露的发生。

SPSS Clementine决策树建模在图书馆中的应用

分析影响读者借阅量的因素,确定不同读者的借阅需求,进而依据需求定制差异化的借阅权限和服务。利用SPSS Clementine挖掘工具,采用C5.0决策树算法,对国际关系学院图书馆的读者借阅数据进行挖掘,建立读者决策树分类模型,将读者按借阅频度分为活跃读者、一般读者和沉默读者。结果表明,读者身份、专业、年级和性别对借阅量有重要影响,本科大三学生借阅需求较大,大四学生借阅需求小。决策树分类能对图书馆读者进行细分,可为调整读者借阅权限提供理论依据。

分组随机化隐私保护频繁模式挖掘

已有的隐私保护频繁模式挖掘随机化方法不考虑隐私保护需求差异性,对所有个体运用统一的随机化参数,实施同等的保护,无法满足个体对隐私的偏好.提出基于分组随机化的隐私保护频繁模式挖掘方法(grouping-based randomization for privacy preserving frequent pattern mining,简称GR-PPFM).该方法根据不同个体的隐私保护要求进行分组,为每一组数据设置不同的隐私保护级别和与之相适应的随机化参数.在合成数据和真实数据中的实验结果表明:相对于统一单参数随机化mask,分组多参数随机化GR-PPFM不仅能够满足不同群体多样化的隐私保护需求,还能在整体隐私保护度相同情况下提高挖掘结果的准确性.

读者借阅书目序列模式挖掘——以国际关系学院图书馆为例

基于国际关系学院图书馆的读者借阅数据,对数据进行预处理,采用SPSS Clementine挖掘工具对预处理后的借阅数据,实施序列模式挖掘,分析读者借阅书目间的序列关系,为图书馆预测读者借书需求、合理安排图书采购和对用户进行图书推荐提供建议,为数据挖掘实践提供经验。

隐私保护频繁项集挖掘中的细粒度随机化模型

已有的随机化回答模型调控的数据范围宽、粒度粗,对隐私数据的保护粒度缺乏灵活性,无法实现精细化、个性化、差异化的隐私保护。提出三类多参数随机化回答模型,包括行多参、复合多参、分组多参共11种随机化回答模型,给出了模型的分类框架和分类层次。细粒度多参数随机化模型可实现精细化、个性化、差异化的隐私保护效果。

医学教育中加强人文素质教育初探

在医学教育中加强人文素质教育,既是医学模式转变的需要,也是贯彻科学发展观、构建和谐社会的要求。人文素质教育要寓于在校教育、毕业后教育、继续教育的连续统一体中。

右半结肠癌误诊分析

目的:探讨右半结肠癌早期诊断方法。方法:针对临床20例右半结肠癌误诊病例,分析其误诊原因,总结早期诊断方法。结果:发现误诊与缺乏结肠癌基本医学知识,对早期症状不重视有关。结论:当患者年龄超过40岁,有不明原因贫血,长期胃肠道症状,血便,右侧腹部肿块,低位肠梗阻应考虑右半结肠癌。

制革废水处理工程设计与效益分析

介绍日排放量为1200m3的制革废水处理工程实例，文中详实地阐述了以活性污泥法为主体的生化处理工艺对废水中污染物的去除作用，并确定主要处理设施设计参数。经过一年多的实际运行，运行状况稳定，废水中COD去除率为80.8％，SS去除率为89．4％，Cr6＋去除率为92．5％，Cr总去除率为96.4％。