基于波士顿矩阵分析法的区域医院科技创新效率研究

目的通过客观评价了解区域医院科技创新效率,推动医院医学学科建设,为医院争创国家区域医疗中心的建设目标提供助力。方法基于医院科技量值指标体系,选取深圳市67家三级医院作为研究对象,分析医院科技创新发展情况,利用波士顿矩阵分析法反映医院科技创新效率。结果深圳市医院间科技创新效率有较大差距:6家医院以相对低的科技投入产生了较高的科技产出,科技创新效率最好;13家医院以较高的科技投入产生了较高的科技产出,具有较好的科技创新效率,科技产出仍可再提升;1家医院科技投入高而科技产出较低,具有较低的科技创新效率,在科技产出方面仍有较大提升空间;47家医院科技投入较低且科技产出也较低,在科技投入及科技产出两个维度仍需发力。结论应依据城市经济高质量发展水平,加强医院科技创新投入水平,引导产出高质量医学科技成果,提升医院科技创新效率。

考虑小波包-灰度共生矩阵的高压断路器弹簧疲劳故障程度诊断研究

弹簧操动机构作为高压断路器(High voltage circuit breakers,HVCBs)分合闸操作的储能单元,其可靠性对电力系统的安全运行具有重要意义。本文以六氟化硫高压断路器的弹簧操动机构为研究对象,分析分合闸弹簧的动作机理,对弹簧进行不同程度的故障设置。介绍了振动、声音传感器设备及采集参数,针对小波包时频分析法的缺点,提出一种基于小波包-灰度共生矩阵(Gray level co-occurrence matrix,GLCM)的特征提取方法。从诊断速度和诊断准确度两方面对比了支持向量机(Support vector machine,SVM)、决策树(Decision tree,DT)、朴素贝叶斯、K近邻(K nearest neighbors,KNN)4种诊断模型。实验结果表明,在模拟实际应用场景中,选用K近邻算法对分合闸弹簧故障进行深度诊断能够准确判断故障类型及故障程度,对高压断路器安全可靠运行具有实际应用价值。

基于融合矩阵的文本相似度计算实现检索结果聚类

目的/意义弥补医学文本语义表示方面的不足,实现PubMed数据库检索结果聚类。方法/过程采用Jaccard系数和TF-IDF构建融合矩阵方法,建立短语间、文档间、短语与文档内容间的相似性关系融合矩阵,训练聚类算法,将PubMed数据库检索结果集合分组,随后生成类别标签,描述每一类簇文档的含义。结果/结论基于融合矩阵的聚类效果较好,提取出描述类别的高频词能很好地区分类别含义,对检索结果文本聚类任务有效。

公理化的矩阵半张量积

本文给出矩阵半张量积的一个公理化框架,它包括矩阵–矩阵半张量积、矩阵–向量半张量积和向量–向量半张量积.首先,对目前通用的各类矩阵半张量积的基本性质与应用做一个综述性的回顾.然后,介绍一种新近出现的矩阵半张量积,即保维数矩阵半张量积.跟普通矩阵乘法一样,它是多功能的,即它可同时实现矩阵–矩阵乘积、矩阵–向量乘积和向量–向量乘积这3种功能.最后,本文介绍保维数矩阵半张量积的一些代数性质,包括非方矩阵的Cayley-Hamilton定理,非方矩阵的特征值、特征向量等.

基于手机信令数据的城市居民动态OD矩阵提取方法

现有的城市居民出行调查周期较长,交通小区划分粒度粗糙,导致调查不能及时准确地获取居民出行信息。针对该问题,提出了一种基于手机信令数据的城市居民动态OD矩阵提取方法。首先,针对信令数据中的两种复杂噪声:乒乓切换和漂移数据,提出了基于窗口阈值的检测与等效位置替换方法,以及复杂漂移点的检测和标记处理方法;然后,提出一种改进的ST-DBSCAN聚类方法,引入一种等时化方法将时间信息与空间信息相结合,识别出行过程中的驻留点;最后,基于地理信息系统构建含有道路关键节点的路网,将居民出行OD与路网节点相匹配,有效推导出城市居民动态OD矩阵。实验结果表明:与ST-DBSCAN算法相比,所提改进的ST-DBSCAN算法在聚类效果和识别速度上分别提升了6.10%和5.26%;与统计方法和二阶统计量方法相比,基于改进的ST-DBSCAN算法的动态OD矩阵提取方法在均方误差(MSE)上分别降低了16.98%和21.55%。以北京市为例,运用提出的动态OD矩阵提取方法,能够及时有效地分析城市居民日常与高峰时段的出行特征。

“三全育人”视阈下高校网络育人矩阵构建与优化

随着信息技术的迅猛发展和互联网的普及,网络已成为高校育人的重要阵地,各种新媒体在育人方面发挥的作用越来越大。网络育人矩阵是多种媒介元素或平台共同组成的动态传播系统,具有互动性、立体性、系统性等区别于传统传播方式的特点,能够有效地拓展思想政治教育的影响力和传播效果。高校需要加强网络育人矩阵的建设和优化,以学生为中心,科学合理利用网络平台和数字化资源,不断优化网络育人矩阵传播架构,创新思政教育模式,以提高网络育人矩阵的育人效果,以践行和实现“三全育人”全面育人的理念和目标。

一种世界坐标系下的GNSS/SINS松组合导航矩阵李群滤波算法

针对在地心地固(ECEF)坐标系下基于右不变误差的卡尔曼滤波在GNSS/SINS组合导航中,因位置矢量数值较大导致系统线性误差运动学矩阵和观测矩阵不稳定进而降低滤波器性能的问题,提出一种世界坐标系下的GNSS/SINS松组合导航矩阵李群滤波算法。首先在世界坐标系中构建导航状态和考虑地球自转的运动学方程。然后在世界坐标系下定义矩阵李群上的右不变误差,该误差在右群作用下保持不变,并重新推导和设计基于该误差的矩阵李群滤波算法,根据GNSS观测构建世界坐标系下的观测矩阵。实验结果表明,在低精度惯导场景中相对于ECEF坐标系下的传统扩展卡尔曼滤波,所提算法的北向、东向、地向位置误差均方根分别减小了82.6%、61.8%和10.6%,具有一定的实用价值。

基于外部和内部因素评价矩阵的圣彼得堡中医中心发展策略研究

目的:研究圣彼得堡中医中心发展中存在的问题,分析制约和影响其发展的内外部因素,为中医中心在俄罗斯的进一步良好发展提供一定的策略和建议。方法:通过环境因素评价矩阵的方法,分别使用外部因素评价(EFE)矩阵和内部因素评价(IFE)矩阵对影响圣彼得堡中医中心发展的重要制约因素进行定量评价分析,对海外中医中心的未来发展进行科学而系统的研究,利用SWOT模型并由此判断中医中心发展所处的阶段,从而选择适宜的发展策略。结果:利用EFE和IFE矩阵中计算出的力度值,通过SWOT模型运算可得,重心P坐标是(0.2,0.41),可知P位于第一象限,位于机会型策略区。结论:目前适合圣彼得堡中医中心发展的应选择开拓型策略中的机会型,进而提出相应对策与建议,以保障发展策略落实,推进中医中心在俄罗斯的健康长远发展。

故障关联矩阵下弹性配电网可靠性评估

配电网弹性是指系统受到干扰后恢复原有状态的能力,而自然灾害的频发要求配电网不仅在正常条件下能够可靠运行,而且还能够在极端灾害出现时保持必要能力。据此,提出一种基于故障关联矩阵(fault incidence matrix,FIM)的弹性配电网可靠性评价方法。通过建立FIM,使用简化的矩阵代数、布尔运算即可实现配电系统可靠性、弹性和供电能力的显式解析计算,避免了评估过程中故障枚举的重复性搜索工作,节省了计算时间,并且可适用于结构复杂的配电网,易于扩展。最后结果表明:采用文中方法的计算时间仅为约0.055 s,相较于故障扩散算法和分块算法分别减少87%和75%的时间。

同态明文-密文矩阵运算及其应用

支持单指令多数据操作的同态加密方案能有效提高密文计算的均摊效率,但密文结构导致矩阵运算复杂度高。在许多应用中,采用明文-密文矩阵操作可以在确保安全的同时实现隐私计算。基于此,提出一个适用于任意维数的明文-密文矩阵乘法方案。该方案通过明文矩阵编码和密文矩阵维数变换等步骤计算得到密文结果。与已知最好的Jiang等所提的密文方阵乘法算法相比,所提方案支持任意维数的矩阵乘法,并支持矩阵连乘;理论分析和实验结果均表明,所提方案具有更低的密文旋转复杂度和更高的计算效率。将所提方案应用在隐私保护的贝叶斯分类器中,能以更高安全参数和更少计算时间完成分类任务。

利用转移矩阵模型研究江苏省长江岸线变化

开展长江生态环境监测,推动长江经济带发展是关系国家发展全局的重大战略,是加快推进生态文明建设的客观需要。以2015-2021年江苏省沿江2 km岸线范围内土地利用数据为研究对象,利用转移矩阵模型计算研究区域内各时间节点的转移矩阵表,分析生态、生活和生产空间用地的转入转出以及增减情况;再采用高斯-赛德尔迭代法绘制三生空间流转的桑基图,对江苏省长江岸线变化进行定量分析,为长江经济带(江苏段)的生态监测提供技术支持。

分块三角矩阵逆的存在性判定及其计算

研究了分块三角矩阵可逆性的判定及其逆矩阵的表示.首先,利用分块初等矩阵的性质给出了分块上(下)三角矩阵的可逆条件及其逆矩阵的表示.然后,利用置换矩阵的性质进一步给出分块次上(下)三角矩阵的可逆条件及其逆矩阵的表示.最后,通过实例对所提计算方法进行验证.

基于矩阵特征分解的中原经济区高铁发展分析

针对基于位置的空间可达性研究中位置空间成本矩阵存在缺值导致可达性指标无法计算的问题,提出以矩阵特征分解作为替代方法。基于12306网站和网络地图在线服务取得旅行时间成本矩阵并转换为空间权重矩阵,以矩阵特征分解得到的优势度指数作为基本评价指标对中原经济区2017—2021年间的高铁发展进行分析和评价。结果表明矩阵特征分解法是评价部分矩阵元素缺值时空间可达性评价的一种有效替代方法, 2021年中原经济区高铁发展空间集聚水平比2017年略下降,南北向和东西向“十”字交叉格局有弱化趋势,同时高铁发展没有显著的空间不均衡现象,但某些高铁发展水平较低,且在研究时段内受益较少的地级市单元在今后的高铁规划中应给予重点关注。

基于TOPSIS法和波士顿矩阵的医院神经专科能力评估研究

目的通过对以神经科学集群建设为特色的三级甲等医院的神经专科能力进行评估,为国内医院的特色专科建设提供参考。方法从服务能力、技术能力、质量安全和服务效率4个维度建立神经外科、神经内科专科能力评估指标体系,通过优劣解距离(technique for order preference by similarity to ideal solution,TOPSIS)法纵向比较首都医科大学附属北京天坛医院神经专科2019—2023年发展趋势,并采用波士顿矩阵深入分析神经专科各亚专业建设情况。结果2019—2023年首都医科大学附属北京天坛医院神经专科TOPSIS综合得分指数呈上升趋势。神经外科以胶质瘤诊治为主的肿瘤专业1,在技术能力和质量安全方面得分指数最高;神经内科以脑血管病为主的亚专业,在技术能力和服务效率方面得分指数较高,以上两个亚专业在波士顿矩阵中均处于优势巩固区。结论2019—2023年首都医科大学附属北京天坛医院神经专科诊治能力不断提升。神经外科亚专业中,专科能力排名最高的为肿瘤专业1,诊疗技术难度较高,同时医疗质量负性事件发生率低。神经内科各亚专业中,脑血管专业诊疗技术难度高且服务高效。

认知诊断评估中Q矩阵理论及应用

Q矩阵是认知心理学与心理计量学结合的重要载体,Q矩阵在认知诊断中发挥着十分重要的作用。Q矩阵理论和应用研究近年来取得了重要进展。众多研究者从结构化到非结构化、属性二值到多值、简单到复杂模型、独立到一般结构、0-1到多级评分方面不断深入和拓展Q矩阵理论。Q矩阵理论也广泛应用于测验构念效度评价、计算机化自适应测验选题策略设计、Q矩阵学习和标定、认知诊断测验组卷等。与模型无关的Q矩阵理论和适合特定认知诊断模型下Q矩阵理论,以及最新Q矩阵理论的应用都值得深入研究。

基于无差拍预测算法的双向隔离型AC-DC矩阵变换器高动态电流控制策略

针对双向隔离型AC-DC矩阵变换器采用传统双闭环控制策略存在的控制参数多、整定困难等问题,提出了一种基于无差拍预测算法的高动态电流控制策略,通过引入无差拍预测算法对网侧电流进行控制,以减少控制器参数,消除数字控制时延。考虑到算法中电压电流检测量众多,故采用输入电压观测器以降低检测成本,减小采样误差的影响。变换器采用后级单重移相的调制方法来协调配合无差拍预测算法,其中参考输入电流指令与移相角为双射函数关系,简单易实现。仿真和实验结果表明:采用所提控制策略可以实现网侧电流正弦,功率因数接近于1;直流侧电压稳定,电流纹波率小于1%;直流电流在参考值突变时,跟踪快速且无超调、无振荡;同时,在变换器功率正向传输、反向传输以及正反向切换过程中,采用所提控制策略相比于传统的双闭环控制策略,电流动态调节时间分别缩短了69%、85%、67%。由此证明所提控制策略可以保证变换器良好的输入输出性能,并且相比于传统的双闭环控制策略在切换过程中动态性能得到显著提升。

埃尔米特梁单元的分块对角与高阶质量矩阵

埃尔米特梁单元常用的集中质量矩阵,是由挠度自由度对应的一致质量矩阵元素通过行求和或节点积分构造.然而,数值结果表明该集中质量矩阵在求解包含自由端的梁振动问题时,会出现频率精度掉阶现象.本文首先从保障质量矩阵最优收敛性的数值积分精度出发,分别针对三次和五次梁单元,发展了质量矩阵的梯度增强节点积分方案.利用梯度增强节点积分方案,可以得到具有分块对角形式的单元质量矩阵,而其组装的整体质量矩阵除边界节点外仍然呈现对角形式.对于两种单元,其分块对角质量矩阵分别具有4阶最优精度和6阶次优精度.再者,将标准一致质量矩阵和具有同阶精度的梯度增强节点积分质量矩阵进行优化组合,建立了具有超收敛特性的高阶质量矩阵.最后,通过数值算例系统验证了三次和五次单元的分块对角与高阶质量矩阵的频率计算精度.

数量对合矩阵与数量反对合矩阵的迹与谱

应用相似关系下保持特征值与迹不变的性质,避开了计算特征多项式,得到了数量对合矩阵和数量反对合矩阵的只用迹表示的谱、行列式的计算公式及其相似等价类。作为应用,得到了通常对合矩阵、反对合矩阵、对称正交矩阵和反对称正交矩阵的相关结论。

应用线性方程组理论证明矩阵秩的性质

利用矩阵秩的定义证明矩阵秩的性质时,需要使用行列式的性质,证明过程较为复杂。线性方程组解的理论与矩阵秩的内在联系,使得用线性方程组解的理论证明矩阵秩的性质成为可能。应用线性方程组解的理论,可将矩阵秩的等式证明转化为线性方程组解空间相等的证明;将矩阵秩的不等式的证明转化为解空间包含的证明。从行列式性质法的证明转化为集合间关系的证明,不仅简化了矩阵秩的性质的证明,而且证明过程便于理解。

基于多维特征矩阵和改进稠密连接网络的情感分类

情感脑电信号是一种低信噪比的非平稳时间序列,传统的特征提取与分类方法难以提取不同情感状态时的有效特征并进行分类.针对以上情况,提出一种自动融合脑电信号不同频段和时频域特征的深度学习模型.首先,对预处理后的数据进行分频段处理,提取各频段的微分熵特征.然后,在网络中接入的挤压激励模块,对不同频段特征的微分熵特征赋权值,来获取输入数据的有价值信息,再利用改进的稠密连接网络进行特征融合并分类识别,保证了网络层之间最大程度的信息传输.最后,利用SEED情感脑电信号三分类数据集对算法进行了验证,分类正确率可达96.03%,高于现有的基线学习算法,所提算法可进一步增强网络特征提取能力,具有较快的收敛速度,对提升分类器的性能研究具有重要意义.