考虑替代性的SOM神经网络卷烟配方模块分类方法研究

为了提高模块替代决策效率和整个卷烟制造系统柔性与生产效率,提出了一种基于替代度的SOM神经网络模型对卷烟配方模块进行分类,并与历史替代统计结果进行比对。结果表明,替代度能较好地衡量模块间的替代程度,替代度越大,每个类别中的各项质量指标一致性越强,模块质量越相似,越推荐进行相互替代;在以不同替代度标准取值对卷烟配方模块进行分类时,替代度标准值越大,分类越细,选择替代度标准值为3.06作为卷烟配方模块强替代性的标准进行分类时是最合适的,此时每个类别中卷烟配方模块质量具有较高的相似性。基于替代度的SOM神经网络分类结果显示,发生类内替代的比例明显优于一般SOM神经网络算法、两阶段聚类算法和K-means聚类算法,当替代度标准值为3.06时,类内相互替代率可达95.39%,而类间替代率不足5.00%,相同类别模块替代率良好。

模块化分类管理在手术室器械护理管理价值研究

观察分析模块化分类管理在手术室器械护理管理中的应用价值。方法:选取我院于2020年06月~2021年12月进行常规管理的80例医护人员作为对照组,选取我院于2022年01月~2023年06月进行模块化分类管理的80例医护人员作为实验组,分析管理效果。结果:实验组医护人员的考核成绩高于对照组,实验组器械完好率、清洗消毒合格率、物品包装合格率均高于对照组,不良事件发生率低于对照组,管理满意度高于对照组,差异均有统计学意义(P<0.05)。结论:模块化分类管理可以有效提升手术室器械护理管理质量,提升医护人员综合素质,减少不良事件发生,提高管理满意度,有较高应用价值。

腔镜手术器械模块化分类管理模式构建及效果研究

目的:基于模块化分类管理理念构建分级管理模式,提升腔镜手术器械临床应用质量。方法:根据腔镜手术器械临床使用情况将其分为通用型、专用型和特定型,制定分段管理、联合管理和专项管理相结合的管理方法,形成模块化分类管理模式。选取医院收治的400例腔镜手术患者和对应的400套次腔镜手术器械包,按照腔镜手术器械管理模式不同将其分为对照组和观察组,每组各200例患者和对应的200套次器械包,对照组腔镜手术器械采用常规化统一管理模式,观察组采用模块化分类管理模式,对比两组器械质量、诊疗效果进行比较,自制调研问卷,对器械服务水平进行比较。结果:观察组器械部件损坏率、备件差错率和使用故障率分别为0.5%(1/200)、3.0%(3/200)和0.0%(0/200),均低于对照组,消毒合格率为99.0%(198/200),高于对照组,组间差异有统计学意义(χ^(2)=15.969,χ^(2)=12.623,χ^(2)=5.063,χ^(2)=4.581;P<0.05);观察组器械在普通外科、泌尿外科、妇科和胸外科使用中的相关感染风险率分别为4.00%(2/50)、4.41%(3/68)、2.17%(1/46)和0.00%(0/36),均低于对照组,组间差异有统计学意义(χ^(2)=4.288,χ^(2)=5.234,χ^(2)=4.148,χ^(2)=7.169;P<0.05);参与调研的手术科室医护人员对观察组腔镜使用便捷性、疾病治疗效果和临床安全性满意度评分分别为(18.89±0.93)分、(27.94±1.97)分和(19.01±1.02)分,均高于对照组,组间差异有统计学意义(t=4.372,t=5.592,t=3.903;P<0.05)。结论:模块化分类管理模式能够提高医护人员使用腔镜手术器械的规范性,降低腔镜手术器械的安全风险和感染风险发生率,提升临床诊疗服务水平。

全球小型模块化反应堆进展情况研究

小型模块化反应堆是一种先进的核反应堆,因其可为能源供应提供新的选择而逐渐受到全球的关注。本文调研了全球小型模块化反应堆发展情况,总结了各国小型模块化反应堆具体实施项目,提出了小型模块化反应堆面临的挑战及我国制定小型模块化反应堆核安全监管政策建议,以期为小型模块化反应堆在我国的研发、应用及监管提供参考。

高校经济责任审计分类分级模块化评价指标体系

文章通过分析审计客体的种类及特点，以单位性质、管理模式、核算方式为标准，提出分类分级模块化指标设计、“定量（基本＋专用）＋定性”组合使用的研究方法，形成一套适用于高校的分类分级模块化评价指标体系。

模块化分类结合6Sigma干预在手术室-消毒供应中心一体化手术器械管理中的应用

目的:探究模块化分类结合6Sigma干预在手术室-消毒供应中心一体化手术器械管理中的应用效果。方法:以2018年—2019年的手术室-消毒供应中心的医护人员为研究对象,2018年10月—2018年12月手术室-消毒供应中心采用常模块化分类手术室-消毒供应中心一体化器械管理的医护人员作为对照组;以2019年1月—2019年3月手术室-消毒供应中心进行模块化分类结合6Sigma干预的医护人员为观察组。在干预完成时考察两组医护人员的实践能力及理论知识评分,记录两组干预期间的器械管理情况(清洗消毒合格率、器械完好率、物品包装的合格率)及问题发生率(器械未及时送达、数目有误、损坏、遗失等问题的发生率)。结果:对照组医护人员理论和实践得分为(67.36±6.57)分,观察组为(87.97±8.82)分,观察组医护人员考核评分明显高于对照组(P<0.001);观察组洗消毒合格率、器械完好率、物品包装合格率分别为(98.97±9.76)%、(95.23±9.35)%、(99.02±9.89)%,对照组分别为(90.24±9.11)%、(85.97±8.97)%、(95.12±8.87)%,观察组各项指标均显著高于对照组(P<0.05);观察组出现未及时送达、数目有误、损坏、遗失的发生率分别为2.99%、1.37%、2.12%、2.62%,对照组分别为5.55%、6.16%、8.51%、7.27%,观察组各项发生率均显著低于对照组,差异有统计学意义(P<0.05)。结论:模块化分类结合6Sigma干预能够提高手术室-消毒供应中心工作人员的实践操作技能及理论知识水平,改善手术器械管理不良的情况。

数据挖掘原型系统GenMiner中分类挖掘模块的设计与实现

通用数据挖掘原型系统GenMiner中分类挖掘模块采用耗时短、分类效率高、较为成熟的决策树C4.5，介绍了该系统中分类挖掘模块的设计与实现，并说明了分类挖掘模块采用决策树C4.5的方法。

顾客视角的模块分类及价值创新探讨

模块化产品的属性是基于部件的,文章基于此试从顾客视角对模块进行分类,并分析了模块角色演化的路径,论述顾客对较复杂模块化产品的选择(权)价值不易实现的原因。顾客视角下的模块分类及模块角色演化为顾客价值创新提供一个思考框架。根据四类角色的模块创新在产品创新周期中的分布及特征,文章探讨了模块化背景下价值创新对顾客选择(权)价值实现的意义。

基于模块分类的高职院校辅导员工作实效性提升探究

文章针对目前高职院校辅导员工作存在的专业化程度不高、工作缺乏系统性和计划性、辅导员团队成员协作不深入等主要问题,提出了"工作模块分类、课程化建设、团队化管理"的辅导员工作效能提升基本思路,以"主题班会"和"日常管理"两大工作模块为支撑,依托课程化建设思路,从制定职业规范、梳理工作模块、构建工作体系、搭建共研平台、健全配套制度等5个方面入手,构建高职院校辅导员工作新体系,有效提升辅导员职业能力和育人实效。

模块化分类管理在手术室器械护理管理中的价值

目的研究实行模块化分类管理在手术室器械护理管理中的价值。方法选择进行手术治疗的100例患者进行分析,根据管理方式的不同,将其分为两组,对前50例患者给予常规管理措施,并设为常规组,后50例患者给予模块化分类管理模式,并设为研究组,观察两组患者满意度及手术器械使用情况。结果研究组护理总满意度为(98.0%),常规组护理总满意度为(84.0%);研究组器械完好度为(98.00%),常规组器械完好度为(82.00%),研究组消毒合格率(100.00%),常规组消毒合格率为(80.00%)。结论模块化分类管理在手术室器械护理管理中的效果显著。

硬币分类、整理、包装机械系统研究与设计

实现硬币高效率分类、精准计数及整理包装是解决硬币回笼的有效方法之一,因此研究设计了一套集硬币分类、整理、包装功能的机电一体化装置。装置由分类、整理、包装三大模块组成,其中,分类部分采用双挡片内侧开双口离心盘使得硬币的单个有序排列,齿状卡盘和开孔锥盘实现硬币分类、鉴伪、剔伪功能;整理部分采用螺旋式轨道双层布置的方案,方便计数和整理;包装部分主要由搓纸机构、包卷勾边机构、回转夹紧机构等构成。此外,还设计安装了硬币鉴伪、剔伪和计数机制,并且利用CAD和CATIA对装置进行建模和仿真分析,对尺寸和角度进行修正和优化,提出了一种面向银行、公交、超市等系统的多功能硬币处理机。

ICD-11传统医学模块分类体系与新版中医国标编码的比较及其在肺系疾病分类中的应用

比较国际疾病分类第十一次修订本(International Classification of Diseases 11th Revision,ICD-11)的传统医学模块(Traditional Medicine Module 1,TM1)与国家卫生健康委员会和国家中医药管理局发布的《中医病证分类与代码》《中医临床诊疗术语第1部分:疾病》《中医临床诊疗术语第2部分:证候》《中医临床诊疗术语第3部分:治法》4项国标的修订版(简称“新版中医国标”)的分类体系与编码方式,并对新版中医国标与ICD-11 TM1在肺系疾病的中医疾病与证候分类编码中的应用进行探讨。分析结果显示,ICD-11 TM1和新版中医国标都能满足本研究中医疾病名称分类;ICD-11 TM1能基本满足肺系证候名称分类,但在对部分临床证候的诊断时,编码员需与临床医生沟通,了解内涵,从而尽可能利用现有的证候分类准确编码,或按ICD-11修订标准扩充TM1,或将其分类于残余类目;新版中医国标代码能够满足肺系临床证候分类需求。为了更准确地对临床病历进行中医病证分类编码,编码员应加强中医理论知识学习及与临床医生沟通,收集更科学的中医临床数据,以有利于我国中医卫生服务的发展及中医学的世界交流。

基于图像间的语义感知协同目标检测算法

提出了一个基于图像间的语义感知协同目标检测算法,以高效的方式检索整个图像组的共识线索。对每个像素用语义感知协同模块(SPCM)获取其交叉路径上所有像素的上下文信息。通过进一步的操作,最终可以捕获整个图像的共识信息。辅助分类融合模块(ACFM)可使网络以自上而下的方式突出协同区域。协同显著性检测实验结果表明,文中的算法在3种常用的iCoseg、Cosal2015和CoSOD3k数据集中表现良好,4个指标性能优异,验证了该方法的有效性。

基于知网的词汇语义自动分类系统

词汇语义分类是现代汉语语义研究的重要组成部分。该文介绍的基于知网的词汇语义自动分类系统提供了词汇语义分类的一个新思路。目前该系统的研制已取得实质性成果,在基于知网的语义分类体系上,开发了粗分类模块,对知网提供的6万余条汉语常用词进行语义分类,得到1420个语义等价类;并在此基础上,开发了细分类模块,针对粗分类结果中颗粒度较大的词类,将其进一步细化为适合实际需要的子类。实验结果证明该系统所作的分类在自然语言处理和语言学研究中起到了重要作用。

基于模块化神经网络的轴承故障判断方法

提出了一种用于滚动轴承类故障识别的混合模块化神经网络方法 .该方法将用于检测故障的过滤网络模块与用于分类的网络模块相组合 .首先将不同故障类别轴承的振动信号形成的特征向量经过滤模块 ,用改进的BP算法判断有无故障 ,然后经分类网络模块确定其所属故障类型 .分类模块中的网络结构则通过对每类故障独立训练形成 .实验结果证明 ,与单一神经网络学习及判断结果相比较 ,本文提出的方法准确率更高 。

基于卷积神经网络和层次标签集扩展的文本分类方法

针对超多标签分类(SMLC)带来的数据稀疏性和可扩展性等问题,根据深度卷积神经网络(CNN)提出了基于层次型标签集的文本分类方法,以完成数据标签规范化.该方法对每个文档的标签集进行扩展,并整合了标签层次结构中所有缺失的标签.通过CNN实施特征提取模块,以及由全连接神经网络组成分类模块.此外,分析了在输入训练文本的表征中使用不同类型的嵌入模型及其不同组合的影响.实验使用公开的PubMed科研文献集对所提方法进行评估,实验结果证明了所提方法能够处理高复杂性问题;在层次型度量和平均准确率方面,该方法优于一些现有的方法.

基于SonarWiz的多波束声纳图像智能底质分类技术研究

多波束回波强度信息与海底底质类型具有较强的相关性,通过海底声纳图像能够实现底质类型的划分。为提高海底底质分类质量,依托SonarWiz的智能底质分类优势,在海底声纳图像纹理特征自动分类基础上,引入地形属性信息修正分类结果。以三亚崖州湾附近海域为例,基于实测海底地形数据和海底表面声纳图像,利用数据处理技术和图像分类方法,完成对该区域海底声纳图像处理分析和海底表层沉积物的分类研究,获得试验区海底底质分类成果。该方法对未知海底沉积物类型的大面积底质分类研究,以及港口、抛锚地等重点区域的底质分类工作具有借鉴意义。

本体模块化研究综述

近几年,本体模块化研究已成为本体研究领域中的热点之一。文章从本体模块化含义、目的、分类及其各分类对应的方法等方面对本体模块化研究进行综述。最后,分析存在的问题,指出今后本领域的研究方向。

LCCS地表覆盖分类系统简介及图例翻译

地表覆盖信息及其变化反映着人类活动及环境变化,多数据源、多尺度的地表覆盖产品应运而生,但由于尺度不同、分类系统不同,导致各分类产品之间缺乏互操作性,而其对应的多种地表覆盖分类系统中类的定义也不尽相同,各图例类之间缺乏可比性.为解决该问题,联合国粮农组织与联合国环境规划署联合开发了LCCS(Land Cover Classification System)分类系统,建立了LCCS分类系统的基本构架.我们以美国NLCD 2011图例及Glob Cover2009图例为例,对LCCS分类系统的翻译功能进行具体讲解,并对其优缺点进行总结归纳.

一种信号调制识别网络的轻量化设计

神经网络在信号调制识别领域得到了广泛关注和研究。针对现有调制识别算法为提高识别准确率,导致模型尺寸过大、计算时间过长的问题,提出了一种调制识别神经网络的轻量化设计方案。该方案由信号失真校正模块和分类模块两部分组成。其中,信号失真校正模块通过参数估计器提取相位偏移信息,再经参数转换器对相位偏移进行参数校正,保证信号识别精度;分类模块由一维卷积神经网络(One-Dimensional Convolutional Neural Network,1D-CNN)、选通递归单元(Gated Recurrent Unit,GRU)和高斯衰减层构成,从时间和空间的角度有效提取信号特征,并减少冗余参数量以缩减模型大小。仿真结果表明,所提方案与同精度网络相比,平均识别准确率提升0.21%,计算时间缩减到1/3.4,模型尺寸缩减到1/7.77。