识别学科交叉研究的前沿主题,并对演化趋势进行分析,有助于揭示学科交叉融合的方向,为未来创新性、突破性研究提供参考。首先,基于引文视角构建测度论文学科交叉性的指标,识别具有学科交叉性的研究论文;其次,通过BERT-LDA模型识别研究主...识别学科交叉研究的前沿主题,并对演化趋势进行分析,有助于揭示学科交叉融合的方向,为未来创新性、突破性研究提供参考。首先,基于引文视角构建测度论文学科交叉性的指标,识别具有学科交叉性的研究论文;其次,通过BERT-LDA模型识别研究主题,利用余弦相似度计算主题之间的相似度,构建主题演化路径;最后,基于新颖度、增长性、关注度、影响力构建前沿主题识别指标体系,识别具有前沿性的学科交叉研究主题。以图书情报学(Library and Information Science,LIS)为例展开研究,研究结果显示,2004—2023年该学科领域的交叉研究主题呈现出逐渐细化和深入的特点,主要集中在信息挖掘与知识发现、互联网信息行为、医疗信息学3个方面;现阶段学科交叉研究前沿主题为医疗数据模型、舆情治理与情感分析、机器学习与深度学习;基于信息技术的研究方法和其在不同领域的应用研究具有良好的应用前景,有可能成为未来LIS领域的核心研究主题。展开更多
几何模型分类器具有坚实的几何统计基础和良好的泛化能力,因此在旋转机械故障诊断中取得了较高的分类精度。与仿射包和凸包相比,超圆盘(Hyperdisk,HD)对样本分布区域的估计更加合理。但超圆盘模型属于浅层学习模型,对复杂函数的表示能...几何模型分类器具有坚实的几何统计基础和良好的泛化能力,因此在旋转机械故障诊断中取得了较高的分类精度。与仿射包和凸包相比,超圆盘(Hyperdisk,HD)对样本分布区域的估计更加合理。但超圆盘模型属于浅层学习模型,对复杂函数的表示能力有限,存在学习能力和泛化能力差等缺点。针对这个问题提出一种深度超圆盘分类器(Deep Hyperdisk Large Margin Classifier,DHD),该方法通过模块叠加的方式将超圆盘分类器深度化,利用特征提取公式从每层模块的输入样本中自主提取新的特征值,并将其应用在下一层模块的训练学习中。将所提方法应用到旋转机械故障诊断当中,实验结果表明该方法对故障样本的分类准确率高于其他模型算法,且对不均衡样本和强噪声背景下的故障样本均具有良好的分类能力。展开更多
医联体作为推进分级诊疗制度的实践载体,对于平衡医疗资源、提升医疗服务效率具有重大意义。本文基于以北京协和医院为核心的“1+5+1”医联体合作模式,借助疾病诊断相关分组(diagnosis related group,DRG)指标,分析了医联体建设历程中...医联体作为推进分级诊疗制度的实践载体,对于平衡医疗资源、提升医疗服务效率具有重大意义。本文基于以北京协和医院为核心的“1+5+1”医联体合作模式,借助疾病诊断相关分组(diagnosis related group,DRG)指标,分析了医联体建设历程中患者、成员医院、牵头医院的获益情况,以期为构建医联体评价体系提供参考。医联体建设不仅提高了患者对优质医疗资源的可及性,同时提升了成员医院的诊疗水平,并为牵头医院调整病种结构、提升学科建设水平提供了空间。DRG作为医保支付方式改革的核心,通过病例组合指数和DRG组数等指标,为病例管理和病种结构优化提供了客观、可量化的数据支撑,有效引导医疗资源合理分配和医联体内病种/术种调整。综合利用DRG评价指标,可构建一套多维度的医联体建设评价体系,为医联体深度合作提供明确的指导方向,从而整体推动医联体良性可持续发展,实现多方共赢。展开更多
文摘识别学科交叉研究的前沿主题,并对演化趋势进行分析,有助于揭示学科交叉融合的方向,为未来创新性、突破性研究提供参考。首先,基于引文视角构建测度论文学科交叉性的指标,识别具有学科交叉性的研究论文;其次,通过BERT-LDA模型识别研究主题,利用余弦相似度计算主题之间的相似度,构建主题演化路径;最后,基于新颖度、增长性、关注度、影响力构建前沿主题识别指标体系,识别具有前沿性的学科交叉研究主题。以图书情报学(Library and Information Science,LIS)为例展开研究,研究结果显示,2004—2023年该学科领域的交叉研究主题呈现出逐渐细化和深入的特点,主要集中在信息挖掘与知识发现、互联网信息行为、医疗信息学3个方面;现阶段学科交叉研究前沿主题为医疗数据模型、舆情治理与情感分析、机器学习与深度学习;基于信息技术的研究方法和其在不同领域的应用研究具有良好的应用前景,有可能成为未来LIS领域的核心研究主题。
文摘几何模型分类器具有坚实的几何统计基础和良好的泛化能力,因此在旋转机械故障诊断中取得了较高的分类精度。与仿射包和凸包相比,超圆盘(Hyperdisk,HD)对样本分布区域的估计更加合理。但超圆盘模型属于浅层学习模型,对复杂函数的表示能力有限,存在学习能力和泛化能力差等缺点。针对这个问题提出一种深度超圆盘分类器(Deep Hyperdisk Large Margin Classifier,DHD),该方法通过模块叠加的方式将超圆盘分类器深度化,利用特征提取公式从每层模块的输入样本中自主提取新的特征值,并将其应用在下一层模块的训练学习中。将所提方法应用到旋转机械故障诊断当中,实验结果表明该方法对故障样本的分类准确率高于其他模型算法,且对不均衡样本和强噪声背景下的故障样本均具有良好的分类能力。
文摘医联体作为推进分级诊疗制度的实践载体,对于平衡医疗资源、提升医疗服务效率具有重大意义。本文基于以北京协和医院为核心的“1+5+1”医联体合作模式,借助疾病诊断相关分组(diagnosis related group,DRG)指标,分析了医联体建设历程中患者、成员医院、牵头医院的获益情况,以期为构建医联体评价体系提供参考。医联体建设不仅提高了患者对优质医疗资源的可及性,同时提升了成员医院的诊疗水平,并为牵头医院调整病种结构、提升学科建设水平提供了空间。DRG作为医保支付方式改革的核心,通过病例组合指数和DRG组数等指标,为病例管理和病种结构优化提供了客观、可量化的数据支撑,有效引导医疗资源合理分配和医联体内病种/术种调整。综合利用DRG评价指标,可构建一套多维度的医联体建设评价体系,为医联体深度合作提供明确的指导方向,从而整体推动医联体良性可持续发展,实现多方共赢。