分类判断和延时甄别排除药物皮试假阳性结果的研究

目的探寻药物皮试结果更精确细致的判断方法,排除假阳性结果对用药的干扰,指导临床合理、经济用药。方法统计2011年11月至2013年12月,安徽医科大学第一附属医院口腔颌面外科,行需皮试的药物治疗1 571例患者临床病例资料,对86例皮试20 min局部红晕>1 cm患者,依过敏反应机理拟定分类条件分为三类,分别给予直接判定、对照试验、延时甄别,观察并记录各组皮试结果及用药中及用药后不良反应。结果 17例第二类阴性判断患者,有4例出现迟发过敏反应,37例第三类患者安全用完药物全程治疗,无过敏反应。按分类比较,各类组间假阳性率比较差异有统计学意义(P<0.05);按药物分组,皮试阳性率两两比较,差异无统计学意义(P>0.05);皮试假阳性率比较,差异无统计学意义(P>0.05)。结论药物皮试结果进行分类判断和延时甄别,可更精确的排除假阳性干扰,对临床用药影响显著,期待验证推广。

分类判断策略的自动获取

获取专家在决策、问题求解过程中使用的决策策略和问题求解规则是知识获取的核心目标．本文以“ｔｈｅＭｏｖｉｎｇＢａｓｉｓＨｅｕｒｉｓｔｉｃｓ”模型为背景，介绍了自动获取专家在分类判断任务中运用的判断策略的算法思想与系统Ｐｏｌｙｎｏｍｅ的组成．

获取空间上专家线性分类判断规则算法的优化方法

本文介绍了基于决策模型“theMovingBasisHeuristics”

杠杆转动问题分类判断法

关于杠杆如何转动的问题,在解答时往往易出差错。有些参考书介绍的“虚设法”、“极端法”等特殊解法,由于思路多变,不易被学生熟练掌握,所以学生对这类题的分析仍感困难,本文就如何分析、判断这类问题作一介绍。

随机森林的融合模型在压井方法分类中的研究

针对井口压力控制作业中传统方法过度依赖专家经验和数学模型运算精度的问题,提出一种基于随机森林(Random Forest,RF)的多模型融合算法对压井方式进行分类判断。首先,将专家经验结构化、数据化,转化成可被机器学习模型使用的数据形式,同时,结合油气井的基础数据和工况参数,作为智能模型的重要参数来描述压井作业的特征空间;然后,将特征数据通过特征工程进行特征筛选、特征编码和特征选择等处理;最后,构建出基于随机森林的Stacking双层融合模型,实现压井方法的分类预测。通过实验验证,与单模型的机器学习算法相比,本方法具有更高的预测精度。

一种新颖的手写数字识别特征抽取方式和混合树分类法

本文对手写体数字识别提出了一种具有神经网络的混合分类系统和判断树－－分类器。它在字符的几何结构上定义各种稳定、可靠的整体特征。一种新颖、可变的检测器采用局部特征，沿着字符的左右轮廓进行检测分割。识别系统由分层原始分类器和精确分类器组成。原始分类器是一个具有逆向传播学习算法的三层前馈式神经网络，在相似字符特征的抽取中，采用6个子集{0},{6},{8},{1,7},{2,3,5},{4,9}以示区别。三种字符类别称为{0},{6},{8}是直接从人工神经网络（ANN）上识别的，其余的字符类别构建一个判断树分类器，以便进一步在以下的类别中作精确分类：有关启发式特征的特殊分类、原始特征以及对应语义类别间的实验结果。然后，采用一种迭代增长和删除算法来形成树状分类器。实验证明，本文提出的识别系统具有广泛的适应性和很高的识别率。

基于不规则棱柱网络的低碳多式联运路径研究

为了解决面临变量较多和网络高复杂性困扰的低碳多式联运路径问题,提出了一种新的网络模型——不规则棱柱模型,并在空间中将棱柱模型单元扩展成新的网络——不规则棱柱网络。在此基础上,从构造、判断等方面设计了相应的算法,将网络中不同类型的弧线解释成满足某种约束条件的量,实现弧线智能分类,开发基于该模型网络的仿真系统。通过该模型网络,智能选择不同运输方式和中转过程参数,对不同区域运输环境参数进行差别化分析,在动态变化的排放限制下智能优化多式联运路径。最后,通过模拟实验数据仿真,分析了多式联运中排放限制分别与综合成本和总排放量的关系,以及负载率、速度等参数变化对综合成本与总排放量的影响,验证了不规则棱柱网络仿真系统的可行性和有效性。

大规模多式联运复杂网络系统模型

与其他优化问题相比,多式联运网络路径优化问题面临着变量较多且其结构、关系复杂的困扰.然而,现有的多式联运网络只能对网络属性逐一计算,难免重复冗余,效率偏低,只适用于小型网络.提出了不规则棱柱网络模型.采用相对编码设计,通过搜索判断余子式进行网络初始化,将网络中不同类别的弧线解释成满足某种约束条件的量,通过设计底边判断函数和侧棱判断函数,实现了网络中弧线的智能分类.该模型取消了运输网络阶段划分的限制;其节点与现实运输的地理坐标相对应;分类判断可以对网络进行群体修建与更新.通过对比各网络的时间频度,说明在多属性变量复杂且多样性的大规模多式联运网络中,该网络能够极大地提升网络构建和更新效率.

解密一次函数图象分布

一次函数是中考的重要考点,题型颇多,其中包括一次函数图象分布问题.解这类问题的基本策略主要有两种:性质分类判断法(如表1,按k和b的正负性分类判断即可)和平移判断法(如表2,b为正数时沿y轴向上平移;b为负数时,沿y轴向下平移.一次函数的一次项系数相同即直线y=kx+b与y=kx是平行线;两条直线的性质是相同的).下面举例对该类问题进行剖析.