几种过滤型鉴别式热释光个人剂量计性能探讨

鉴别式热释光个人剂量计在个人剂量监测中具有能量鉴别功能。对3种过滤型鉴别式热释光个人剂量计的能量响应、能量鉴别曲线、剂量响应等性能进行实验,结果显示选取实验的3种鉴别式热释光个人剂量计在上述性能方面有区别也有联系,均可在光子能量的鉴别上发挥一定的作用。

鉴别式热释光个人剂量计的性能及参加国际比对的概况

介绍了鉴别式热释光个人剂量计的性能。包括剂量计结构、实验方法、体模反散射、能量响应和角响应以及能量鉴别和剂量刻度。用此剂量计参加了由ＩＡＥＡ／ＲＣＡ组织的个人剂量监测国际比对，在两个比对阶段中均获得了满意的结果。到目前为止，国内已有近５０个个人剂量监测单位拥有该剂量计。

鉴别式多核手跟踪

快速运动、背景混杂及手的特殊性为传统的核目标跟踪技术提出了挑战.文中提出一种鉴别式颜色子空间选择和多核校正机制的核跟踪方法.首先基于前景背景建模,通过鉴别函数选取最优鉴别式颜色子空间集,再基于训练的肤色模型保留高置信子空间表征目标.其次,为适应尺度变化和快速运动,基于多核快速估计相似度表面以校正初始核位置,迭代定位目标.实验表明,融合二者的跟踪器在有效性和速度上都实现了满意的性能,满足实时性需要.

鉴别式教学法在医学生教育中的重要意义

临床患者往往症状多样,如何使医学生尽快掌握常见疾病的诊断方法尤为重要。利用医学生的求异思维,将鉴别式教学法引入临床诊断实践,不仅能增强医学生的学习兴趣、发挥学生的主观能动性,而且有利于将课本知识与临床实践相结合,增强其独立诊断的准确性,为其以后进入临床工作奠定坚实基础。

警犬的鉴别式追踪法

警犬追踪往往受时间、地点等自然条件及人为破坏因素的影响，特别是在市区、城镇、村庄等复杂场所更易受这些因素的制约，警犬常因迹线遭到破坏而被迫停止追踪，这仅给侦察提供了大致的方向，帮助确定侦察范围而已。是否能在发挥警犬原有能力的基础上，提高警犬在复杂场所的追踪效果呢?

过滤型鉴别式热释光剂量计参加全国个人剂量监测比对分析

目的了解过滤型鉴别式热释光剂量计的性能,并验证其参加全国个人剂量比对的效果。方法对CTLDJ4000E型过滤鉴别式热释光剂量计的线性、能量响应和角度响应等性能进行实验,并使用其参加全国个人剂量监测比对。结果该剂量计对铯-137γ射线的角响应优于窄谱80 X射线,较低能量X射线成角度照射对能量鉴别的影响较大;参加比对的5组剂量计能量鉴别的结果与参考辐射基本一致,单组性能分别为0.00、-0.02、0.02、-0.03和0.00,综合性能为0.03,比对结果在组织者的评优范围之内。结论使用该剂量计不仅能够较好地进行能量鉴别,并能对X射线较大角度入射具有一定的判别功能,但在后一种情况下得到的评定值有产生较大偏差的可能。

分布式系统中基于鉴别服务器的鉴别式通信

本文介绍分布式系统中鉴别服务器的基本概念及利用它实现实体间鉴别式通信(包括鉴别式交互通信、鉴别式单向通信和签名通信等)的基本原理与方法,针对私有密钥系统和公开密钥系统分别进行论述。

医学生鉴别诊断技能的缺失及对策──鉴别式教学法在诊断学教学中的运用

本文讨论了将鉴别式教学法引入诊断学教学中来的目的、意义及其具体方法。实践证明，该教学法切合医学生求异思维的特点，有利于增强其学习兴趣；有利于进一步充实诊断学教学内容；有利于转换学生思路，使之尽快适应临床实习的需要。

能量鉴别式剂量计在个人剂量监测能力考核中的应用

【目的】了解能量鉴别式剂量计的性能,并分析其对比对个人剂量监测能力考核结果的影响。【方法】对CTLD-J4000型能量鉴别式剂量计进行不同能量光子照射,利用剂量计覆盖的不同密度过滤材料对光子产生不同的过滤作用,拟合读数之比随光子能量的变化曲线来鉴别光子的能量。【结果】鉴别式剂量计读数无过滤/轻过滤比值与厂家参考值的重合性要好于无过滤/重过滤比值,后者在48 keV和83 keV的偏离值较高,分别为12.8%、15.5%。使用平均刻度因子带来的能量响应最大偏差为23.5%。【结论】使用鉴别式剂量计能较好地鉴别出射线能量,从而减少使用平均刻度因子带来的能量响应误差。

面向移动智能设备的多特征融合隐式鉴别机制研究

隐式鉴别机制在解决移动智能设备的安全性与易用性冲突方面具有重要而独特的作用.然而,已有工作通常基于单一特征或动作进行隐式鉴别,仅适合于特定动作、场景和范围.为了解决此问题,本文利用用户使用设备时存在位置、环境、状态、生物和行为特征,提出了一种基于多特征融合的隐式鉴别方案.该方案采集设备内置传感器、生物和行为数据,通过支持向量机方法训练和提取特征,设计多特征融合模型和构建隐式鉴别框架,计算用户身份信任水平,设计差异化安全策略并持续透明地鉴别用户身份.实验验证了该方案的有效性,并且能够平衡安全性与易用性和资源消耗.

某实验室个人剂量监测能力比对结果分析

依据国家标准《外照射个人剂量系统性能检验规范》和全国个人剂量监测能力比对考核方案,对照射过的TLD探测器片盲样进行检测和结果不确定度评估计算,将甄别射线类型前的数据与甄别射线类型、修正刻度因子后的数据进行比较。2019年比对结果为:5组比对结果单组性能偏差范围为-0.18~0.03,综合性能偏差0.12≤0.30,判定为合格;2020年比对结果为:5组比对结果单组性能偏差范围为-0.21~0.04,综合性能偏差0.14≤0.30,判定为合格。对射线类型和辐射水平进行甄别后,单组性能与综合性能均达到评定优秀的要求。比对结果显示,该实验室个人剂量监测系统运行良好,监测技术满足外照射个人剂量监测的有关性能要求。

组织学实验教学采用学导-目标-排除鉴别读片教学法的实践与探索

以目标教学法为主导读片法,以学导式和排除鉴别讨论式教学法为辅助读片法,连贯于目标教学读片法的前后,做到优势互补,又各有侧重.既达到了目标教学的效果,又促进了学生综合素质和技能的提高.教学实践表明其教学效果是良好的,促进了实验教学质量的整体提高.

拔尖创新人才培养的北京八中模式

北京八中在1985年创办中学超常教育实验班,创立中学加速式超常教育培养模式,创立试读式超常儿童鉴别方法,首创自然体育课。2010年后,学校继往开来,多维创新:增创素质班,丰富人才培养模式;丰富"增润课程",注重课程设置的科学化;改进教学方法,提高教学效率;建立学生评价系统,对学生发展与潜力进行及时评价;创设特色管理模式,实施精细化管理等。

基于条件对数似然函数导数的贝叶斯网络分类器优化算法

通常基于鉴别式学习策略训练的贝叶斯网络分类器有较高的精度,但在具有冗余边的网络结构之上鉴别式参数学习算法的性能受到一定的限制.为了在实际应用中进一步提高贝叶斯网络分类器的分类精度,该文定量描述了网络结构与真实数据变量分布之间的关系,提出了一种不存在冗余边的森林型贝叶斯网络分类器及其相应的FAN学习算法(Forest-Augmented Nave Bayes Algorithm),FAN算法能够利用对数条件似然函数的偏导数来优化网络结构学习.实验结果表明常用的限制性贝叶斯网络分类器通常存在一些冗余边,其往往会降低鉴别式参数学习算法的性能;森林型贝叶斯网络分类器减少了结构中的冗余边,更加适合于采用鉴别式学习策略训练参数;应用条件对数似然函数偏导数的FAN算法在大多数实验数据集合上提高了分类精度.

关于“NP+的+VP”偏正结构

关于“ＮＰ＋的＋ＶＰ”偏正结构詹卫东一、引言关于“ＮＰ十的＋ＶＰ”偏正结构①，汉语语法学界曾有过不少研讨和争论。不过主要是争论这一格式中ＶＰ的词类性质②。本文试从另一个角度讨论这一格式。具体地说，是考察动词进入这一格式的能力差异，以及分析这一格式对Ｎ...

基于二维复判别分析的人脸识别研究

为了提高人脸正确识别率和效率,在行列方向的二维线性判别分析((2D)2LDA)基础之上,提出了一种二维复判别分析(2DCCDA)的人脸识别方法。该方法通过(2D)2LDA并行提取到的行和列特征矩阵,利用复二维鉴别式分析(C2DLDA)将行和列特征融合成复数特征矩阵,从复数特征矩阵中提取出最具分类能力的系数组成特征向量。相比较二维线性判别分析(2DLDA)和(2D)2LDA方法,2DCCDA需要更少的特征系数来表征一幅图像,并且正确识别率也相应提高。

贝叶斯网络分类器结构与变量分布的差异性分析

为了提高鉴别式学习策略训练的贝叶斯网络分类器的分类精度,分析了贝叶斯网络结构与数据中变量分布之间的差异对贝叶斯网络分类器性能的影响,实验以网络结构的实际联合概率分布的树型近似描述为基准,删除在条件对数似然函数极大化过程中不起作用的边,生成具有同一联合概率分布的不同描述程度的网络结构.实验结果表明,只有当网络结构表现力不足时,鉴别式参数学习才能起积极作用;而当网络结构中有多余的边时,反而容易受其制约.从而验证了网络中多余的边对分类器性能没有影响的观点是片面的.

几种动词义项区分的判定方法

动词义项如何区分是汉语本体研究及包括中文信息处理、对外汉语教学在内的应用研究的重要内容。目前,相关研究已取得了丰富的成果,但仍有许多问题没有解决。本文提出了"配价结构"、"组合多义"、"并列同现"及"补语鉴别式"等四种方法解决动词义项的区分问题,并以对具体动词的分析为例,对四种方法的操作进行了详细的说明。

基于空间声学特征的说话人分类算法

针对先验信息缺失情况下的说话人分类问题,可以采用提取基于多距离麦克风的空间声学特征的方法进行说话人分类.为了解决由于空间声学特征维数随麦克风个数的增加而迅速增长带来的计算代价问题,需要对其进行降维处理.用一种基于空间声学特征的优化鉴别式保局投影说话人分类方法,实现了在保留空间声学特征流型结构的同时降低计算代价的效果.实验在多距离麦克风语音会议数据集上进行验证,得到在大部分数据集上本方法的分类误差率(diarization error rate,DER)得分低于传统方法的结果.结果表明:本方法的说话人分类性能比传统方法有所提高.

基于声学融合特征的说话人分类方法研究

说话人分类系统的目的是将声音数据分段并按说话人进行分类。对每个说话人提取基于多距离麦克风的多时延特征,可以进一步提高说话人分类系统性能。但随着麦克风个数增加,多时延特征向量维数迅速增长。针对该问题,采用保留特征流形结构并降低计算代价的方法,提出一种基于多距离麦克风融合声学特征的多分量鉴别式保局投影算法,利用支持向量机分类器进行两说话人分类系统的训练和测试,实现会议场景下的说话人分类。实验结果证明,与传统DLPP等算法相比,该算法在大部分数据集上的分类性能较优,可将分类误差率降低至20%以下。