疏肝安神汤联合艾司唑仑片治疗肝郁气滞、痰热内扰型失眠临床研究

目的:观察疏肝安神汤联合艾司唑仑片治疗肝郁气滞、痰热内扰型失眠的临床疗效。方法:选取80例失眠患者,按随机数字表法分为对照组和研究组各40例。对照组给予艾司唑仑片治疗,研究组在对照组基础上加用疏肝安神汤治疗。2组持续治疗4周。比较2组匹兹堡睡眠质量指数(PSQI)、多导睡眠图参数以及血清神经递质水平,并统计2组用药期间不良反应。结果:研究组总有效率为95.00%,高于对照组72.50%(P<0.05)。治疗后,2组总睡眠时间及睡眠效率较治疗前升高,睡眠潜伏期时间及觉醒时间较治疗前降低(P<0.05);且研究组总睡眠时间及睡眠效率高于对照组,睡眠潜伏期时间及觉醒时间低于对照组(P<0.05)。治疗后,2组去甲肾上腺素(NE)、γ-氨基丁酸(GABA)、5-羟色胺(5-HT)水平较治疗前升高(P<0.05);且研究组NE、GABA、5-HT水平高于对照组(P<0.05)。治疗后,2组PSQI评分、各项中医证候评分较治疗前降低(P<0.05);且研究组PSQI评分、各项中医证候评分低于对照组(P<0.05)。结论:基于“少阳为枢”理论运用疏肝安神汤治疗肝郁气滞、痰热内扰型失眠效果显著,能延长患者睡眠时间,改善睡眠质量,缓解失眠症状,且安全性较好。

RPA:一种内存高效的度量空间recall@R近似最近邻搜索索引

现有的度量空间的近似最近邻搜索(approximate nearest neighbor search, ANNS)方法通常依赖于预选择的支撑点构成的序列,序列中的支撑点按照到数据元素的距离升序排列.然而,大多数现有的度量空间ANNS方法由于索引结构复杂、支撑点过多或者未能充分利用距离信息导致搜索时内存开销巨大.为此,提出精简排列阵(reduced permutation array, RPA)的度量空间recall@R近似最近邻搜索方法.对于全体数据元素,RPA预先选择k个支撑点,对每个数据元素仅存储离该数据元素最近的l个(l<<k),并将所有元素的支撑点序列构建为一个数组结构.在搜索过程中,利用一种得分函数,该函数基于查询对象到各个支撑点的距离来近似计算数据元素到查询对象的距离.同时,维护一个有界最小堆,以保存R个候选结果数据元素.RPA具有结构简单、内存效率高和可扩展性强等特点.实验结果表明,在相同召回率的情况下,与排列索引(permutation-based index, P-index)相比,RPA平均具有高达3倍的内存压缩比.研究结果可在内存资源有限的单机环境下提供一种有效的针对海量数据的ANNS方法.

基于物资枢纽点的地铁网络节点评价模型研究

为解决突发情况下,地面交通不便、应急物资的配送时效低和现有节点评价指标不全等问题,文章基于物资枢纽点利用节点指标对城市现有的地铁网络节点进行筛选。首先根据地铁网络和物资枢纽点的特点选取五个网络中心性评价指标,再采用基于熵权的TOPSIS方法评价城市地铁站的转运能力,最后以上海市的中心城区为例进行实证研究,得出了建立基于物资枢纽点的地铁物资中转站的结果方案。

线性规划的最钝角松弛算法

本文提出一个基于最钝角原理的松弛算法求解线性规划问题。该算法依据最钝角原理略去部分约束得到一个规模较小的子问题,用原始单纯形算法解之;再添加所略去的约束恢复原问题,若此时全部约束条件均满足则已获得一个基本最优解,否则用对偶单纯形算法继续求解。初步的数值试验表明,新算法比传统两阶段单纯形算法快得多。

求线性规划初始可行基的新方法

本文提出一个求线性规划初始可行基的新算法,该算法不仅避免了人工变量,而且理论分析及初步的数值实验结果表明其效率更高。

面向多租户数据库的Skyline处理算法

对面向服务的多租户数据库上的Skyline查询展开了深入研究,提出了一个有效的查询处理算法--面向多租户数据库的Skyline(multi-tenant database oriented Skyline,MDOS)。针对多租户数据库环境下,数据往往以枢轴表形式存贮的特点,设计了一个基于B+树的索引阵列。基于该索引结构,进一步采用启发式剪枝策略,极大地降低了支配测试的次数。大量的实验表明,MDOS算法具有较高的综合性能。

重大公路交通基础设施运行环境描述模型

从道路环境、交通环境与气候环境三方面综合分析重大公路交通基础设施运行环境风险性,根据客观环境条件对道路用户行为的影响建立运行环境描述模型,对重大公路交通基础设施路段特征和运行环境属性特征进行描述.筛选影响重大公路交通基础设施运行环境安全性的显著性因素,提出线形安全性、路面状况安全性、交通设施认知性、安全设施有效性和气候环境风险性五类运行环境风险指标,给出相应评估内容与评估建议值,并描述了运行环境综合指标随单项指标的变化规律.

线性规划新的闯入式求解过程

提出了一个新的产生单纯形算法初始基的闯入式过程.且对于摄动单纯形算法,基于投影主元标来选择其基本列.初步的计算结果表明新方法是有效的.

改进密度峰值支撑点选取及其在度量空间离群检测的应用

基于支撑点的度量空间离群检测算法旨在尽快提高离群度阀值,以达到快速检测离群点的效果.然而现有的相关算法缺乏有效的支撑点选取方法,造成支撑点选取结果不稳定,最终导致算法性能波动较大.应用于聚类的密度峰值算法不失为一种良好的支撑点选取算法,然而其密度峰值搜索目标难以确定.通过改进密度峰值算法,通过自动确定距离值,计算该范围内对象的数量来确定密度峰值,从而选取出具有最大密度的支撑点,应用于度量空间离群检测之中.实验结果表明该算法较已有算法获得较大的提升,平均加速比为2.41,最高达6.28;距离计算次数平均减少60.67%,最高达91.17%,而建立索引所需时间在可接受范围内.

基于多种支撑点的度量空间离群检测算法

大数据的价值实现,归根到底还是依赖于数据挖掘技术.而在很多领域中,海量数据的非常规模式往往更具分析价值.离群检测,也叫异常检测,是用于挖掘海量数据中非常规模式的一项关键技术,广泛应用于网络入侵检测、公共卫生、医疗监控等领域.基于索引的离群检测算法通常具有较高的检测速度,然而现有的大多数基于索引的检测算法并非完全基于距离,导致通用性降低.较高的抽象能力使得度量空间具有比多维空间更广泛的适用范围,在其基础上设计的算法具有更高的通用性.而最新的度量空间基于索引的离群检测算法iORCA算法通过随机选取支撑点,基于数据到单支撑点的距离建立索引,并应用终止规则(Stopping rule)以期提前结束离群检测并得到正确的结果,多数情况下该机制起到加快检测速度的重要作用.然而iORCA算法未提供支撑点选取算法导致检测结果不稳定,且未能充分利用距离三角不等性减少距离计算次数.针对这些问题,文中指出基于距离的离群点定义应结合使用完全基于距离的离群检测算法,以确保算法的通用性,由此提出了度量空间离群检测的概念.在此基础上明确了支撑点选取的两大目标,即边缘支撑点和密集支撑点,并提出基于多种支撑点的度量空间离群检测算法VPOD.考虑到两个支撑点选取目标难以同时达到,VPOD算法分别予以选取,在近似的密集区域选取支撑点,即密集支撑点,对应使用终止规则,然后用FFT(Farthest-First Traversal)算法另选取若干支撑点,即边缘支撑点,与数据集计算距离而形成支撑点空间,利用距离三角不等性,使距离计算次数显著减少,从而提高检测速度.实验表明该算法能在可接受的时间范围内建立索引,并能高效检测离群点,加速比达2.05,最高达3.54,距离计算次数平均减少51.14%,最高达89.46%,同时保持对多种常见的基于距离的离群点定义的兼容.

基于EXCEL及CNKI题录文件实现对文献主题的计量分析

给出一种利用EXCEL的VBA编程语言,以CNKI中提供的RefWork格式题录文件作为数据来源,从中全自动抽取相关文献信息,从而快速获取文献基本计量信息的方法。文中对所提出的方法及程序进行了具体的实证检验,针对2005-2010年间CNKI数据库收录的以"微博"为主题的各类学术论文发表情况,实现了对其文献量、文献著者、文献所属学科、主要来源文献的统计分析,从而验证了这种分析方法在文献计量研究中的有效性和实用性。

一个新的最钝角单纯形算法

给出了一个新的主元规则.它按最钝角原理给予一组非基本变量较高优先权,先在其中选择进基变量,直到其相应的检验数均满足符号条件;如果此时剩下的检验数均已满足条件,则已达到最优.否则再确定一组新的非基本变量赋予较高优先权,重复上述过程,从对偶问题的角度,该算法可以看成是按最钝角原理进行某种松弛,可望有效地减少迭代次数.

评估委员会制度中权力分配的一个方法

在一个委员会的决策制度中,某个个体成员的权力可定义为:个体决策者成为获胜联盟获得成功时的关键投票者的机会,或者定义为成功阻止本来要获胜的联盟的机会。通过随机安排投票顺序,每个投票者处于关键位置的次数被计算出来,由此而确定的便是投票者的权力指数。在给定模型下所得到的指数是委员会体制中各成员权力分布的先验评估。一个更强的论断是:计算委员会制度中成员之间的权力分布的任一模型,若不满足该权力指数定义,就会导致逻辑上的不一致。该方法能够用来计算联合国安理会、美国国会等决策机构的权力分布。该方法可以说明:通常只需要一小部分的股票就能够控制一个公司,掌权的集团通常能够召集足够的代理人去维持它的地位,因为股东的权力也不与他们所持的股票成正比,而是偏向大股东。权力指数反映了委员会制度本身的一个基本要素,权力指数的出现能够为立法机构和政策制定部门的基本设计提供有效信息。

基于大数据技术的专利价值评估与筛选系统

随着我国有效发明专利拥有量的增加,专利价值评估和筛选工作是专利运用和管理的重要内容,如何从浩如烟海的专利数据中筛选出高价值专利是摆在我们面前的重要课题。本文在前人研究的基础上,梳理并提炼出适合计算机辅助筛选的专利价值评估指标体系,并提出专利价值属性判断规则。在此基础上,将大数据技术应用到专利价值评估和筛选中,从数值计算和统计学角度出发,设计出基于PowerPivot内核的专利价值筛选系统,从而实现海量专利数据快速化、可定制化的专利价值筛选,对专利工作者进行高价值专利识别和市场主体进行专利价值评估具有一定的借鉴意义。

基于最钝角主元标规则的亏基算法

在最钝角原理基础上建立了新的主元标规则,它按最钝角原理赋予一组非基本变量较高优先权,先在其中选择进基变量,直到其相应的检验数均满足符号条件;如果此时剩下的检验数均已满足条件,则已达到最优.在亏基架构中引入新的主元规则,能有效地减少每次迭代可选的非基变量的个数.数值试验表明,新算法的效率优于亏基原始单纯形算法,表明了最钝角原理的可行性和有效性.

基于亏基的最陡边主元标算法

在最陡边规则的基础上建立了新的主元标规则,并将其应用到亏基情形,在亏基的框架下建立了一个新的求对偶可行基的算法,数值结果表明,新算法能够减少迭代次数,算法效率较高,并且对于大规模问题的求解具有潜在优势,进一步表明了最陡边主元规则的可行性和有效性.