脓毒症休克患者血清视黄醇结合蛋白、β2微球蛋白水平与病情、疾病转归的关系

目的 分析脓毒症休克患者血清视黄醇结合蛋白(RBP)、β2微球蛋白(β2-MG)水平与病情、疾病转归的关系。方法 选取2020年11月至2022年11月在钦州市中医医院收治的120例脓毒症患者作为研究对象,按照病情严重程度分为脓毒症组76例和脓毒症休克组44例。另选同期该院体检健康者96例为对照组。根据脓毒症休克组患者28 d疾病转归情况分为死亡患者10例(恶化组)、生存患者34例(转归组)。所有对象入院后24 h内采用免疫比浊法检测血清RBP、β2-MG水平。比较各组血清RBP、β2-MG水平,采用受试者工作特征曲线(ROC)评估血清RBP、β2-MG对脓毒症休克患者疾病转归的预测价值,采用多因素Logistic回归分析影响脓毒症休克患者疾病转归的相关因素。结果 脓毒症休克组白细胞计数、降钙素原、C反应蛋白水平及急性生理学与慢性健康状况评分系统Ⅱ评分、序贯器官衰竭评估(SOFA)评分均高于脓毒症组、对照组,血小板计数低于脓毒症组、对照组,差异有统计学意义(P<0.05)。脓毒症休克组血清RBP、β2-MG水平均高于脓毒症组、对照组,差异有统计学意义(P<0.05)。恶化组血清RBP、β2-MG水平均高于转归组,差异有统计学意义(P<0.05)。ROC曲线分析显示,血清RBP、β2-MG联合评估脓毒症休克疾病转归的曲线下面积为0.910(95%CI:0.865~0.955)。多因素Logistic回归分析发现,血清RBP、β2-MG及C反应蛋白、SOFA评分均为影响脓毒症休克患者疾病转归的危险因素(P<0.05)。结论 脓毒症休克患者血清RBP、β2-MG水平均升高,二者水平变化与疾病转归有关,联合应用对脓毒症休克患者疾病转归具有更好的预测价值。

粒子群优化算法综述

为了进一步推广应用粒子群优化算法(PSO)并为深入研究该算法提供相关资料,在分析PSO基本原理和机制的基础上,从参数设置、收敛性、拓扑结构及与其它算法混合等方面对其发展历程和研究现状进行深入调查,论述了该算法的各种改进技术,并阐述了PSO在连续领域和离散领域的应用成果,最后对该算法未来发展趋势做出了展望。

运用遗传算法优化项目级现金流问题的研究

针对项目级现金流的优化问题,结合传统的资源受限项目调度模型,得到一种带现金流折现的非线性规划项目调度模型,并设计启发式遗传算法对其进行优化求解。通过引入现金流分析,项目调度模型能反映企业的财务指标,更切合实际。通过设计相应的编码方式、遗传算子和调度生成策略,提出了一种改进的遗传算法并用于求解此优化问题,数值实验结果证明了该算法的正确性和高效性。

基于随机加速系数的粒子群优化算法

针对粒子群算法中加速系数的取值问题,对C1和C2的各种取值策略做了充分调查分析,得到参数C1和C2对算法性能的影响规律,并提出了一种基于随机加速系数的粒子群优化算法.该算法在迭代的每一代中,加速系数取一定范围内随机产生的一组C1和C2的组合,通过非对称的、范围更大的C1和C2取值来增加算法的多样性,避免了算法早熟.在典型测试函数上进行对比实验,结果验证了新算法在优化性能和稳定性上高于传统粒子群优化算法.

蚁群系统算法求解多模式资源约束项目调度问题

针对以工期最短为优化目标的多模式资源约束项目调度问题进行研究,在建立数学模型的基础上,通过设计合适的编码方式和调度生成策略,生成问题的构建图,定义新的信息素表示和启发式信息,提出一种改进的蚁群系统算法优化求解该问题。将模型和算法在工程项目调度实例中加以应用,验证了所提出的优化调度方法的正确性和有效性。

云计算时代技术技能型IT人才培养模式研究

结合高职院校的人才培养目标和定位,立足市场,提出培养技术技能型IT人才的必要性和研究方案,阐述如何从职业素养、专业素质、师资队伍建设等方面进行改革,对云计算时代培养高质量的复合型、技术技能型IT人才具有一定的现实意义。

资源约束多模式项目调度的遗传算法研究

针对以工期最短为优化目标的多模式资源约束优化调度问题进行研究,在建立数学模型基础上,采用改进遗传算法对模型进行求解.算法设计上,对各活动的执行模式进行统一编号,使模式的内部编号包含了时序约束、资源约束、工期等信息,针对活动执行模式采用特殊的整数编码方式,染色体基因由活动执行模式序号组成.对染色体结构设计了单点交叉和单点变异操作算子,采用锦标赛选择方法.通过实例验证了改进遗传算法在求解MMRCPSP上的有效性.

群智能算法的混合策略研究

蚁群算法和粒子群算法是最典型的2种群智能算法,各具特色和优势,已成功应用于诸多领域,但上述算法也存在一些缺陷。阐述了蚁群算法和粒子群算法分别与遗传算法、模拟退火算法、差分演化算法的各种混合策略。在算法中采用一定策略混合其他优化技术,可以提高算法的运算速度和计算精度。

折现流多模式资源约束项目调度问题研究

针对带折现现金流的多模式资源约束项目调度问题研究,在考虑实际工程中对最终净现值产生影响的多种因素的基础上,建立以最大化现金流净现值为优化目标的非线性数学模型,提出一种改进的遗传模拟退火算法对模型进行求解.该算法利用遗传算法进行全局并行搜索,种群每个新产生的个体在交叉和变异后采用模拟退火技术进行局部串行优化,使之移动到最近的局部最优点再进入下一代迭代.采用针对活动的整数编码方式,基因的值表示活动的优先权和执行模式,每个个体对应一个满足时序约束和资源约束的项目调度方案.仿真结果表明,新算法能有效地对多模式资源约束项目调度问题做出合理调度,使项目收益最大化,并且比传统的遗传算法具有更高的求解质量和求解效率,为承包商在项目投资和进度管理上提供了定量化决策支持.

技能型IT人才培养模式探讨

在分析传统技能型IT人才培养模式存在不足的基础上,探讨新的技能型IT人才培养模式,在立足市场经济的基础上,通过设置科学的课程体系、改进教学方法、工学结合、优化师资结构和引入IT认证考试等方面进行教学改革,以培养出符合企业岗位需求的技能型IT人才.

云计算任务调度算法研究

云计算是一种新型的商业计算模式,应用大规模的虚拟化资源通过计算机网络向用户提供不同服务。云计算面对的用户众多,系统要处理的任务量与数据量十分巨大,并且云计算系统结构复杂,对大量任务进行高效调度是云计算中一个必须解决的难题。云计算任务调度算法决定了用户任务的执行效率和系统资源的使用效率,直接关系到云计算系统的整体稳定性和整体效果。在对云计算任务调度算法的相关研究现状进行深入分析和研究的基础上,从模型高效和算法高效2个层面上指出未来云计算任务调度算法的发展趋势,提出构建基于多目标优化的云计算任务调度模型。

基于混合粒子群算法的项目调度

针对以工期最短为优化目标的资源约束项目调度问题进行研究,在建立数学模型的基础上,提出一种混合粒子群算法求解该问题。新算法重新定义了粒子的位置更新方式,使其适合于求解工期优化调度类离散问题,加快收敛速度,获得最佳调度方案。在工程项目调度实例中的应用仿真,验证了算法的有效性。

大数据环境下的电子取证研究

随着互联网技术的飞速发展,网络犯罪案件急剧上升,电子取证已经成为一个严峻的问题。近来年,在大数据环境下,电子取证面临着新的挑战,因此在大数据环境下的电子取证问题,具有重要的科学研究和实际应用价值。文章在介绍电子数据和电子取证的基础上,讨论了电子取证在大数据环境下面临的挑战,指出了大数据取证发展趋势,并提出了相应改进措施,对大数据环境下的电子取证研究做出了有益的探索。

电子邮件的取证研究

电子邮件是现代社会不可缺少的重要通信方式之一。与此同时,越来越多的犯罪分子会利用电子邮件进行违法犯罪活动,电子邮件逐渐成为执法人员获取犯罪活动证据的重要来源。论文主要介绍电子邮件取证的电子证据来源以及相应的取证分析方法,最后针对目前电子邮件取证存在的主要问题,提出了进一步的研究方向。

司法警官高职院校信息安全人才培养模式研究

从司法警官类高职院校的办学理念和人才培养目标出发,依托行业,立足市场,提出"警学结合"的信息安全人才培养模式,在专业建设、课程设置、教学方法改进、师资队伍建设、职业认证引入、课程网站建设和教材选取等方面不断探索和改革,为培养既懂法律又掌握信息安全技术的复合型、应用型信息安全人才提供参考。

蚁群算法与粒子群算法的比较研究

群智能是一种新型的基于种群行为对既定目标进行寻优的仿生类进化算法,已经在求解NP问题及很多实际应用领域中展现出其高效的优化性能及巨大的发展潜力。蚁群算法和粒子群算法是群智能的两种典型算法,通过论述这两种算法的基本原理和实现步骤,对两种算法的特点和应用做出分析和比较,并针对两种算法易于与其它优化技术结合的特点,提出了算法混合以提高优化性能,最后并总结了群智能算法的未来研究热点。

云计算环境下司法警察类高职院校信息安全人才培养模式研究

新兴信息技术对信息安全人才提出了更高要求,该文针对司法警察类高职院校的人才培养目标和定位,在培养目标、课程设置和教学实施等方面不断进行探索和改革,积极为社会培养既懂法律又掌握信息安全技术的复合型、技能型人才。

基于XML平台的数字图书馆

文章阐述了XML的功能和技术优势,并以利用XML实现Web数据库的动态发布为例说明XML在数字图书馆中的实现方式,指出XML广阔的使用前景为其在数字图书馆中的应用提供了更大的发展空间。

应用型司法信息安全人才培养模式研究

在分析信息安全人才社会需求的基础上,指出培养应用型信息安全人才的重要性。针对高职院校司法信息安全专业人才的特点,在课程体系建设、师资队伍建设、引入职业认证等方面进行研究、探讨,为培养理论水平较高、实践能力强,真正符合社会需求的高等技术应用型司法信息安全人才提供参考。

蚁群算法的参数选择研究

蚁群算法由于具有鲁棒性,并行分布性,执行简单,解决了许多复杂优化和NP-难问题,展现出良好的优化性能和广阔的发展前景,但算法性能很大程度上取决于参数的设置,对初始值的依赖性强。该文在介绍蚁群算法原理的基础上,详细分析算法各个控制参数对算法性能的影响,并从人工设置和自适应调整两方面对参数选择方法做了比较和总结。