RAPT评分联合血栓弹力图K值及α角对创伤性骨折患者术后发生下肢深静脉血栓的诊断价值

目的探讨血栓形成危险度评分量表(RAPT)评分联合血栓弹力图K值及α角对创伤性骨折患者术后发生下肢深静脉血栓(DVT)的诊断价值。方法选取2022年1月至2023年6月重庆医科大学附属永川医院骨科收治的因创伤性骨折住院的178例患者作为研究对象。根据患者手术后双下肢静脉彩超检查结果,将其分为DVT组(72例)与非DVT组(106例)。对手术后的患者进行RAPT评分,记录血栓弹力图K值和α角。采用多因素Logistic回归分析RAPT评分、K值、α角对创伤性骨折患者术后发生下肢DVT的危险因素。绘制受试者工作特征(ROC)曲线评估RAPT评分、K值、α角单独及3项指标联合检测对创伤性骨折患者术后发生下肢DVT的诊断价值。结果DVT组RAPT评分高于非DVT组,α角大于非DVT组,K值低于非DVT组,差异均有统计学意义(P<0.05)。多因素Logistic回归分析结果显示,RAPT评分升高、α角增大、K值减小为创伤性骨折患者术后发生下肢DVT的危险因素(P<0.05)。ROC曲线分析结果显示,RAPT评分、K值、α角单独诊断创伤骨折患者术后发生下肢DVT的曲线下面积分别为0.866、0.813、0.842,均低于3项指标联合诊断的0.913。结论RAPT评分联合血栓弹力图K值及α角对创伤性骨折患者术后发生下肢DVT具有较高的诊断价值。

药物抑制率联合K值、年龄与GCS评分对钝性重型颅脑损伤预后的评估价值

目的探讨药物[血小板花生四烯酸(AA)、血小板二磷酸腺苷(ADP)]抑制率联合血凝块形成时间(K值)、年龄与格拉斯哥昏迷量表(GCS)评分对钝性重型颅脑损伤(TBI)患者预后的评估价值。方法选择2021年1月至2022年12月该院收治的未使用抗血小板药物治疗的急诊钝性重型TBI患者184例,根据患者28 d病情好转情况分为预后良好组、预后不良组,比较两组患者一般资料。采集两组患者静脉血,均行TEG检查并比较两组患者凝血反应时间(R值)、血凝块形式时间(K值)、血凝块形成的最大幅度(MA值)、血凝块形成速率(α角)、血凝块力学强度(G值)、AA抑制率、ADP抑制率。采用多因素Logistic回归分析影响钝性重型TBI患者预后的因素。采用受试者工作特征(ROC)曲线分析药物抑制率联合K值、年龄、GCS评分对钝性重型TBI患者预后的评估价值。结果预后良好组138例,预后不良组46例。预后不良组患者年龄≥45岁、头部AIS评分5~6分、入院后插管比例、K值、AA抑制率、ADP抑制率明显高于预后良好组,R值、α角、MA值、G值、GCS评分明显低于预后良好组,差异均有统计学意义(P<0.05)。多因素Logistic回归分析显示,年龄≥45岁,K值、AA抑制率、ADP抑制率升高为钝性重型TBI患者预后不良的危险因素(P<0.05),GCS评分升高为钝性重型TBI患者预后不良的保护因素(P<0.05)。ROC曲线分析发现,AA抑制率、ADP抑制率、年龄、K值及GCS评分联合检测对钝性重型TBI预后的评估价值较高。结论AA抑制率和ADP抑制率升高、GCS评分降低、K值升高可作为预警指标,辅助评估钝性重型TBI患者的预后情况。

K校正分对不同精神障碍患者MMPI测图的影响

Objective: To explore the effect of K correction on the profile of MMPI in different mentally disordered patients.Methods: First,analyze the correlation of the five basic scales with and without k score.Second,compare means of T scores of five basic scales in schizophrenia group(n=110),affective disorder group(n=106),neurosis group (n=36)and control group(n=64).Finally,explore the effect of K score on T scores of the five basic scales in the three experimental groups and normal group. Results: The mean of the five basic scales in schizophrenia group were significantly higher than those T scores without adding K score.In the affective disorder group Hs,Pt and Sc were significantly altered.In theneurosis group ,Sc and Ma were significantly altered.Only Hs was significantly altered in the control group.When K was lower or higher level,T scores of three experimental groups and normal group were significantly affected. When K was moderate in magnitude,only Hs,Pd and Sc were significantly changed. Conclusion: In clinical applications, the addition of K score has positive values.

与k均值混合的支持向量机的个人信用评估

针对当前传统个人信用评价中的问题,提出一种将k-mean聚类方法和支持向量机回归模型结合起来的个人信用评估的新方法。该方法先将信用数据大致聚为k类,统计每一类的信用度,然后利用支持向量机进行回归。研究结果表明:与简单聚类方法和支持向量机分类方法比较,该方法有效地提高了整个模型的训练精度和测试精度。

基于全局K-means算法的高校学生成绩分析

采用无监督聚类算法实现对学生成绩的评价分析。在给定的聚类个数区间内,全局K-means聚类算法对学生成绩数据进行聚类,得到不同聚类个数下的成绩分类结果;结合聚类有效性指标自动地确定出最佳聚类数目,实现对学生多科成绩数据的无监督分类。实验结果表明,本方法能够发现不同成绩聚类结果之间的差异,揭示影响数据分布的主要因素,平衡了数据的所有属性对最终的分析结果的影响,同时避免了手动分析中结果容易产生较大偏差的问题。对指导学生选修课程、教师对个人的教学方法进行调整以及改善学校教学质量和提升学生成绩都具有重要作用。

基于K-means算法的研究生入学成绩分析

研究生入学成绩是导师初步了解学生学习能力、学习风格、制定研究生培养方案的重要参考指标。随着学校招生规模的扩大,学生人数的增加,研究生入学成绩的日趋复杂,传统的分析方法已经不能满足当前对于研究生入学成绩分析的需要。通过应用K-means聚类算法对研究生入学成绩进行分析,将研究生入学成绩进行分类,发现学生成绩分布的特点,找出成绩之间的关系,了解学生各科的学习状况,找到适合学生发展的方向,以实现个性化的研究生教育和培养,所得结果为研究生培养方案的制定与研究生进行研究方向的选择提供了借鉴意义。首先,分析了几种主要聚类算法应用于研究生入学成绩的适用性;其次,介绍了K-means聚类算法;最后,对研究生入学成绩进行数据分析、预处理。通过实验证明了K-means聚类算法在研究生入学成绩分析中的实用性。

微博网络地域Top-k突发事件检测

传统的事件检测不考虑地域特性,面对的是媒体的整个信息流,是一种广域事件检测,会引起局部地域事件检测的失效.随着Web2.0及GPS技术的推广应用,很多社交媒体生成的内容体现了地理信息和时间标记.社交媒体中地域性突发事件的检测是近期新兴的研究热点.针对地域突发事件检测的需求,在合理利用社交媒体及突发事件表现的特性等方面,已有的研究仍有较大的不足.微博网络作为实时性、交互性很强的社交媒体,已经成为人们爆料事件、发表观点的首选媒体.该文面向微博网络,给出了地域Top-k突发事件检测的系统框架,包含地域博文采集、博文预处理、词突发值计算、突发词聚类、突发事件排序及突发事件可视化等部分.根据微博的时空特点,在综合考虑微博博文及社交关系的基础上,利用词出现频率、词关联用户、词分布地域及词社交行为4类指标,提出了新颖的微博网络词突发值计算模型.结合微博网络的特点以及地域Top-k突发事件检测的需求,提出了融合突发词地域、频率、关联博文、关联博文产生的影响力以及关联用户5类指标的突发事件热度计算方法.选取新浪微博作为真实的检测环境,以北京、南京、连云港和日照4个城市为地域范围,使用了5种方法比对了突发事件检测的准确率,这5种方法分别为HBED(2011年)、GeoSED(2013年)、EvenTweet(2013年)、GeoBurst(2016年)和该文提出的方法 LocTBED.结果表明,文中所提方法在地域Top-k突发事件的检测上有较好的性能.

康复训练对脑缺血大鼠行为学及BDNF、CaBP-D28k表达的影响

目的探讨康复训练对局灶性脑缺血大鼠行为学及脑源性神经营养因子(BDNF)、钙结合蛋白-D28K(CaBP-D28k)表达的影响。方法采用线栓法制备左侧大脑中动脉脑缺血模型,将SD大鼠随机分为假手术组、模型组、康复组。康复组在脑缺血24 h后开始康复训练,模型组、假手术组不行任何干预。在脑缺血第3、7、14天检测三组脑梗死灶周围BDNF、CaBP-D28k的表达,并进行神经行为学评分。结果假手术组神经行为学评分为0,康复组在脑缺血第3天与模型组神经行为学评分比较无统计学差异(P>0.05),第7、14天评分明显低于模型组(P<0.01)。康复组在脑缺血第3天脑组织中BDNF、CaBP-D28k的表达与模型组、假手术组比较无统计学差异(P均>0.05),第7、14天与模型组、假手术组比较明显升高(P均<0.01)。结论康复训练通过促进BDNF、CaBP-D28k的表达起到神经保护作用。

动态k近邻辅助多权值Slope One算法

为有效解决传统Slope One算法推荐精度低的问题,提出一种动态k近邻辅助多权值Slope One算法。结合k近邻的思想,对相似度计算方法改进,筛选大于相似度阈值的近邻用户集进行平均评分偏差计算,减少大量干扰评分数据带来的影响。使用用户相似度、用户综合信任度和项目相似度作为权值加权到评分预测当中,进一步提升推荐精度。将算法应用于MovieLens数据集,与几种算法进行对比,实验结果表明,改进的算法均优于其它几种算法,有效提高了推荐的质量。

支持多属性泛化的个性化(α,l,k)匿名模型

传统的个性化数据匿名模型一般可以分为两种机制:一种是面向个人的,一种是面向敏感值的。这两种方法一般都会因为追求敏感数据的个性化保护而过度泛化,造成大量的信息损失,使数据的可用性下降。为此,该文提出了一种个性化(α,l,k)匿名隐私保护模型。该模型有效结合了这两种传统的数据匿名机制,在最大程度地保证个性化匿名的需求下,根据敏感属性值敏感等级的不同,对各个等价组中的敏感属性值分别采取不同的匿名方式,优先泛化高敏感度等级的属性值,使等价组中的每个敏感属性满足对出现频率α以及多样性l的约束条件,从而有效降低数据集中高敏感等级信息的泄露风险,并可以提高数据的可用性。实验结果表明,该模型能够在有限的运行时间内,相较其他个性化匿名模型有更低的信息损失量和更好的隐私数据保护能力。

秩序向量表偶S=[A,B]完全k强的充要条件

给出秩序向量表偶 S=[A ,B]是二部竞赛图的完全 k强得分表偶的充要条件 ,部分解决了李炯生在“关于图的度序列”中提出的问题。

基于k近邻主元得分差分的故障检测策略

针对具有非线性和多模态特征过程的故障检测问题,本文提出一种基于k近邻主元得分差分的故障检测策略.首先,通过主元分析(Principal component analysis,PCA)方法计算样本的真实得分.然后,应用样本的k近邻均值计算样本估计得分.接下来,通过上述两种得分计算样本的得分差分矩阵和残差矩阵,其中残差矩阵由样本的估计得分计算得到,这区别于传统方法.最后,在差分子空间和残差子空间中分别建立新的统计指标进行故障检测.值得注意的是本文的得分差分方法能够消除数据结构对过程故障检测的影响,同时,新的统计量能够提高过程的故障检测率.将本文方法在两个模拟例子和Tennessee Eastman(TE)过程中进行测试,并与传统方法如PCA、KPCA、DPCA和FD-k NN等进行对比分析,测试结果证明了本文方法的有效性.

基于k-匿名技术的学生成绩数据发布研究

采用k-匿名模式对学生成绩的发布进行控制,在学籍管理系统中实现了对学生成绩的隐私保护.

通过评分特征优化基于K近邻的协同过滤算法

个性化推荐系统通常以用户兴趣为标准,为用户提供个性化的推荐信息。K-最近邻模型(KNN)是在推荐系统算法中使用频率最高的一个以相似度计算为核心的模型,然而在用户评分数据稀疏的情况下,很难准确计算出用户相似度,容易出现将实际相似度过分放大或缩小的问题,从而影响推荐算法的运行。针对上述问题,文中基于用户与用户之间的"共同特征"与"不同特征",构建新的相似度计算方法,并把这种方法应用在基于K近邻的协同过滤算法中。实验结果表明,通过评分特征优化的K近邻协同过滤算法比传统的K近邻协同过滤算法的MAE与RMSE值更低,具有更高的准确度。

k-部排序算法的稳定性分析

研究在样本集中删除一个元素后k-部排序算法的稳定性。证明如果使用lγ作为排序亏损函数,那么算法在具有得分一致稳定的前提下也具有亏损一致稳定;并且如果对任意x,K(x,x)存在有限上界。那么通过最小化正则经验l-误差得到的排序算法具有良好的一致得分稳定。

基于逆k近邻计数和权值剪枝的离群数据挖掘算法

利用逆k近邻计数与k近邻距离均值相结合的方式,给出了一种无监督离群数据挖掘算法.该算法以k近邻对象集合、k近邻对象距离作为前提条件,首先计算数据集中对象的逆k近邻计数,求得每个对象的antihub分数;其次,根据k近邻距离得到每个对象KNN的antihub分数和权值,将权值大于等于1的对象保存在离群对象候选集List中;然后根据antihub分数以及k近邻距离均值,重新定义了离群分数公式,选取离群分数最大的若干个对象作为离群对象;最后,采用人工数据集和UCI标准数据集,实验验证了该算法的有效性.

一种基于SimRank得分的谱聚类算法

传统的谱聚类算法在建立相似度矩阵时仅考虑数据点与点的距离,忽略了数据点之间隐含的内在联系。针对这一问题,提出了一种基于SimRank的谱聚类算法。该算法首先用无向图数据建立邻接矩阵,并计算出基于SimRank的相似度矩阵;然后根据相似度矩阵建立拉普拉斯矩阵表达式,对其进行归一化后再进行谱分解;最后对分解得到的特征向量进行k-means聚类。在Zoo等UCI标准数据集上的实验结果表明,所提算法在聚类精确度、标准互信息和纯度3个评价指标上均优于现有的LRR(Low Rank Rrepresentation)等基于距离相似度的谱聚类算法。

基于标准偏移量的学生成绩K-means聚类分析算法研究

针对利用距离差聚类分析算法分析学生学科成绩不够准确的问题,提出了利用标准差计算标准偏移量构建目标函数的K-means聚类分析算法,给出了初始聚类中心选取办法和算法的描述及处理流程;实验结果分析可得,利用标准偏移量构建的学生成绩K-means聚类分析算法,符合对学生成绩按学科类别聚类分析的特性要求;该算法能够较好的实现学科成绩高度关联属性的聚类分析结果。

k-min问题安全多方计算方案及应用

安全多方计算(MPC)是密码学的一个重要研究方向.保密计算第k小元素是一个重要的MPC问题(简称k-min问题).k-min值MPC协议在保密的投票选举,保密的招投标以及保密的数据统计分析等方面具有广泛应用.目前k-min问题的MPC解决方案大都需要多次调用保密求和协议以及比较协议,协议效率较低.也有一些协议基于移动网络通信应用设计,无法解决MPC应用问题.本文提出新的编码方式,以此为基础并结合Lifted ElGamal门限密码系统设计了简单高效的k-min值MPC协议,应用模拟范例严格证明了协议的安全性,并利用实验证明了方案的可行性.以k-min协议为基础进一步设计了多方成绩保密统计与排序协议.理论分析和实验测试表明本文协议是安全且简单高效的.

基于改进E-Score语义及剪枝算法研究

E-Score查询算法返回元组期望最大的k个结果,常常不能适应更高级客户的查询需求,语义需要改进使得更加合理.本文把位置概率引入进E-score语义,定义了一个新的Topk查询语义——带有位置概率的期望得分排序(PPE-Score),并基于位置概率对算法进行修枝剪枝形成相应算法.最后用实验验证新剪枝算法的有效性.