健康教育对社区老年高血压患者干预效果分析

目的分析社区老年高血压患者的健康教育干预效果,以提高社区健康教育护理水平.方法在吉林市丰满区的11个社区内随机选取148名老年高血压患者,随机分为干预组和对照组.在干预组中开展控制高血压知识讲座的健康教育,对照组不采取任何措施.采用自行设计的调查问卷对健康教育前后两组的认知得分、健康相关行为得分及血压测量值进行比较.结果进行健康教育干预后,干预组的认知得分和健康相关行为得分较干预前明显提高(P0.01),舒张压较干预前明显下降(P0.05);对照组的认知得分、健康相关行为得分、收缩压和舒张压与干预前比较差异均无统计学意义(P0.05).结论健康教育干预对提高社区老年高血压患者对高血压的认知水平、自我管理水平及有效控制血压具有积极作用.     

C-SVM在不同类别样本数目不均衡下的优化

在解决故障检测等分类问题时,若不同类别样本数目相差很大,C-SVM训练的分类错误总偏向于样本数较少的类别,因而影响了分类的精确性.为提高精确性,提出一种优化算法,在训练过程中针对不同类样本,采用不同的权值来优化训练过程,按正负类样本在总样本中所占的比例,加大样本数较少的类别权值,降低样本数较大的类别权值来实现两类样本间的均衡.实验结果表明,该方法对两类样本数目相差很大的问题有效.     

集间两级语义互补的小样本语义分割

现有的小样本语义分割模型通常只提取单一级别的语义特征,然而由于小样本数据的样本量少、各级语义特征具有不同属性等原因,提取单一级别语义特征的网络模型很难在保证分割能力的同时兼具泛化性.针对该问题,提出了一种集间两级语义互补的小样本语义分割方法 .该方法使用具有强类别特征的支持集高级语义特征对具备泛化性的查询集中级语义特征加权,在增强查询集各目标类别特征的同时保留查询集中级语义特征的泛化能力;另外,该模型通过最大化支持集潜在语义信息、为查询集构建非参数学习的先验信息等方式增强两集信息之间的交互性以获得更丰富的判别信息.该方法在PASCAL-5i数据集上进行仿真实验,mIoU值在1-shot和5-shot两类设置上分别能达到45.3%和48.8%,其结果超越部分先进主流的小样本语义分割算法,且网络模型的参数量也控制在可以接受的范围之内.     

沈阳市大学生吸烟行为现况调查与统计学分析

了解沈阳大学生的吸烟现况,为制定大学生控烟措施提供依据。采用整群随机抽样的方法,选取沈阳市2所本科院校共4 620名大学生集体进行问卷调查。吸烟行为包括尝试吸烟、现在吸烟、频繁吸烟和重度吸烟,其报告率分别为45.1%、23.8%、41.2%和2.5%,不同社会人口学特征包括性别、年级、母亲文化程度和家庭类型,大学生某些吸烟行为的报告率差异有统计学意义(P0.05)。吸烟危害健康,尽早对学生进行健康教育,针对大学生中吸烟行为报告率较高的重点人群,如男生、大二至大三学生、母亲文化程度最低(小学及以下)和最高(大学本科及以上)的学生、隔代家庭和单亲家庭的学生等,及时采取控烟教育和措施,预防物质成瘾行为的发生。     

河北省农村居民食品安全知识、态度、行为现状调查

目的通过对河北省部分农村居民食品安全基本知识、态度和相关行为和影响因素的现状,为相关部门开展食品安全宣传教育提供参考。方法采用多阶段抽样的方法,对石家庄市、保定市和邢台市地区6个农村共445名农村居民进行调查问卷,问卷内容包括食品安全知识、态度、相关行为和影响因素。结果农村居民的知识得分为6.78,行为得分为3.78;总体及格率分别为71.9%和16.2%。不同人口学特征农村居民的食品安全知识、行为得分情况不同,高年龄、低学历和低收入人群知识得分较低。结论农村居民对食品安全知识的掌握情况一般,食品安全意识较差,维权意识缺乏,获取相关知识的需求迫切,相关部门应大力普及食品安全知识、采取干预措施。     

基于本征维数和置信度的行为序列分割

人机交互研究领域中行为分析与识别是当前研究的一个热点,行为序列分割是行为分析与识别的基础.鉴于强度摄像机视频在进行行为分割时对光线、视角变化过于敏感,提出了一种由深度视频提取的骨架信息,基于本征维数与置信度二次判断的无监督行为序列分割算法.首先,通过Kinect跟踪人体20个骨骼关节点数据,获得视频中人的姿态,通过提取关节点极坐标位置信息来描述行为特征;然后通过奇异值分解(sigular value decomposition,SVD)估计行为序列的本征维数,确定数据对应的低维流形,通过检测特征数据在该流形上投影误差的突变来找到分割帧,并对分割出来的行为序列进行类别标记.每找到一个分割帧就对当前标记类包含样本和当前标记类的前一类包含样本进行基于置信度的二次判断,找到前一类最优分割帧并初始化继续分割.最后采用随机森林模型对分割结果进行识别验证.实验结果表明采用本文算法可以明确分割出代表不同模式的行为片段.     

考虑异质性及主观评价的出行行为研究

出行者对出行方式的主观评价和出行者异质性对出行选择行为都具有重要影响.文中利用潜在类别选择模型研究这些因素对出行选择行为的影响.通过验证性因素分析,得到出行者对出行方式的舒适性评价和可靠性评价等潜在心理变量.将潜在心理变量带入潜在类别条件Logit模型中,研究出行者可以划分的潜在类别数量,并研究不同潜在类别的出行者在时间价值、拥挤度评价、可靠性评价方面的异同.研究结果表明,出行者可以划分为Class1、Class2两类群体,其中Class1在出行行为选择时,考虑出行方式的舒适性和可靠性,时间价值较低;而Class2在出行行为选择时,不考虑出行方式的舒适性和可靠性,时间价值也显著高于Class1.文中定量化的研究结果可用于公共交通设施的规划设计与评价.     

基于支持向量域描述的多故障诊断动态模型

为了提高多故障诊断中对新故障类别和新故障数据的适应性，提出了一种新的多故障诊断动态模型．该模型采用支持向量域描述算法（SVDD）对多类故障进行单独训练，建立独立而封闭的特征空间，满足故障类别的动态增加需要，并采用样本与各特征空间的相对距离进行了多故障的混合识别．应用在线SVDD算法，在已有的故障特征分布信息基础上，通过更新操作，学习新数据信息，从而实现了故障模式的动态调整．通过仿真和机械故障实例数据的检验，表明该模型能够动态地提取多类故障的特征信息，改善诊断学习过程的适应性．     

基于迁移学习的驾驶分心行为识别及模型解释

为了提高驾驶分心识别的应用性及识别模型的可解释性,利用迁移学习方法研究构建驾驶人驾驶分心行为识别模型并采用神经网络可视化技术研究对模型进行解释.以VGG-16模型为基础,对原模型全连接层进行修改以适应驾驶分心行为识别任务,将原数据集中的10类驾驶行为按照所包含的分心类型合并为6类,采用合并后的数据集进行模型训练和验证.利用Grad-Cam方法提取了模型在识别不同驾驶行为时的重点关注区域并进行可视化,对照各分心行为的特点及模型分类时的重点关注区域对模型进行了解释.结果表明:所构建模型在测试集中的平均识别准确率达98.89％,经过训练的模型已具备了定位各驾驶行为的关键特征并据此判别行为类别的能力.     

新疆农村维吾尔族和哈萨克族血脂异常患者知信行干预效果评价

为探讨新疆农村少数民族人群血脂异常患者开展健康教育干预活动,评价血脂异常的干预效果。采用整群随机抽样的方法,抽取新疆喀什伽师县、伊犁新源县18岁及以上的常住少数民族血脂异常患者,随机分为干预组和对照组,对干预组实施3年的健康教育干预活动。结果显示,干预后干预组与对照组血脂知识平均知晓率分别为21.8%、8.1%,信念平均形成率分别为17.2%、5.5%,行为平均形成率分别为6.0%、3.6%。两组血脂知识得分分别为(2.55±2.49)分、(0.92±1.27)分,态度得分分别为(2.07±1.59)分、(0.64±0.95)分;行为得分分别为(0.68±1.02)分、(0.40±0.75)分;总平均分分别为(5.29±4.10)分、(1.96±2.14)分,且两组均有差异(P0.01)。由此可知,新疆农村地区少数民族人群血脂异常患者的血脂异常知识、态度和行为水平极低,持续有效的健康教育可以提高其血脂异常的知识、态度和行为水平。     

基于人工听觉描述子的零样本音频分类

音频分类使机器具有识别音频样本类别的功能,而与传统音频分类模型不同,零样本学习模型可以识别训练期间未出现的音频类别样本。但是,当前的零样本音频分类方法在做类间信息迁移时大多依靠类别标签文本语义信息的先验知识,而语义的先验知识包含大量与音频非相关的冗余信息,所导致的知识转移性能的局限性大大限制了零样本学习模型识别能力。基于此,文中提出将与音频信息高度相关的人工听觉描述子作为类间迁移信息,同时使用合成分类器,构建了零样本音频分类模型。在ESC-50数据集的实验中,与先前的工作相比较,基于人工听觉描述子的零样本音频分类具有更好的分类性能。     

基于LSTM的舰船软件运行健康状态预测

针对舰船任务系统的复杂环境,综合考虑舰船软件自身性能、外在环境和运行工况等数据的影响,采用长短期记忆网络模型(LSTM)预测软件运行健康状态,并针对样本类别分布不均衡导致的预测效果不佳等问题,提出了一种加权焦点损失函数(WFL).实验结果表明:基于WFL与包含三个隐含层的LSTM模型(LSTM3-WFL)不仅比传统的机器学习算法能够更好地学习到特征在时间维度上的变化规律;而且相较于基于交叉熵损失函数的LSTM模型,该模型更容易学习到样本个数较少的类别信息,并最终在测试集上达到98.2%的准确率与0.947的宏平均F1-Socre值,在舰船软件运行健康状态的预测问题上有很高的应用价值.     

考虑出行者异质性的绿色出行行为研究

交通限行政策和推广纯电动汽车是实现绿色交通的重要途径.为定量分析出行者环保意识对绿色出行行为的影响,基于出行者环保态度和环保行为,利用潜在类别分析模型对出行者进行潜在类别划分;将出行者的潜在类别作为解释变量带入双变量Probit模型中,分析出行者潜在类别和其他因素对私家车限行政策赞同度和纯电动车意愿购买的影响.研究结果表明:基于出行者环保态度和环保行为,出行者可划分为环境友好者、环境中立者、伪环境友好者三类群体;在出行者绿色出行行为中,带入出行者类别能够显著提高模型的拟合度;出行者潜在类别对绿色交通出行行为具有显著影响.     

石河子市某社区居民高血压两年综合干预效果评价

采用高血压知识、态度、行为和血压等指标多方位评价高血压社区综合干预效果。用随机整群抽样抽取石河子市某社区共1486名18~75岁常住居民为研究对象,先进行基线调查,根据调查结果将研究人群分为一般人群、高危人群、患者,然后给予不同的干预措施,干预两年后进行结局调查,分析干预前后高血压知识、态度、行为、血压及相关指标。结果显示,干预后高血压诊断标准、危险因素、并发症、防治措施4项知识平均知晓率(57.7%、29.1%、35.1%、57.9%)高于干预前(50.8%、22.9%、26.8%、53.9%);态度方面干预后认为有必要预防、愿意接受宣传(69.0%、48.8%)高于干预前(58.6%、41.7%),行为中低盐饮食率干预后(49.0%)高于干预前(45.2%);干预后一般人群、高危人群、患者收缩压分别下降了2.8、1.9和6.5 mm Hg。由此可知,通过综合干预社区居民高血压知识、态度及行为改善,血压总体水平下降。     

基于学习行为时间序列相似性模型的研究

以学习者学习行为为研究对象,提取了学习行为特征,构建了一组学习行为时间序列数据,提出了一种学习行为时间序列相似性模型;通过学习行为相似性模式的表示、度量和聚类,验证模型的有效性;结果表明,能够很好地对学习行为进行分类,对无效样本有效检验。     

线上教学智能学业预警和精准干预研究

智能学业预警是教育大数据、云计算等智能技术应用的热点,许多研究采用数据挖掘、机器学习、深度学习等技术来预测成绩.在线上教学常态化的背景下,智能学业预警和精准干预为下一步混合教学和职业教育的"三教"改革决策提供实证,也是教育大数据的重要研究内容.本研究设计了基于随机森林的预测模型分析教师和学生行为,并评估教师和学生行为中的"强特征",最终实现针对学业预警中的"强特征"采用干预措施.使用制作的训练数据和验证数据进行实验,结果表明本研究模型训练数据准确率达到96％以上,验证数据准确率达到90％以上,学业预警精度高,同时针对学生行为和教师行为中的"强特征"制定了精准干预措施.     

大学生网络行为方式的模糊分析

提出了大学生网络行为方式特征向量空间及网络行为方式特征向量模型,基于此模型给出了大学生网络行为方式的模糊向量表示方法以及描述大学生网络行为方式模糊向量空间的生成方法,并采用模糊聚类方法来分析大学生网络行为.依据大学生在网络中表现出的不同行为特征对他们进行模糊分类,针对分类后得到的每个大学生行为方式类别提出了相应的建议与对策,从而引导大学生合理运用网络资源促进学习,进行积极的网络交往,树立健康的网络生活方式.     

采用聚类特征的基本概率分配生成方法及应用

针对在识别框架不确定时基本概率分配(BBA)生成困难的问题,提出一种基于聚类特征的基本概率分配生成方法,以减弱对样本长度的依赖性,并分析2种情况下的BBA生成。在框架未知时,通过聚类分析获得各个类别的聚类特征,建立样本属性的聚类特征区间模型;在框架已知时,获取聚类特征,建立样本属性的聚类特征区间模型;然后用各个区间模型之间的距离表示样本属性之间的差异,在此基础上建立了一种相似度的度量方法;最后对相似度进行归一化得到BBA。采用Iris数据集和Wine数据集的实验结果表明:所提方法对样本长度敏感程度低,对Wine数据集的一个类的分类结果达到100%。将该方法应用于某煤化工企业压缩机组子系统状态监测信息数据集,实现了监测信息状态的识别。     

H-SVMs的构造方法

通过推导H-SVMs推广能力的模型,得出H-SVMs的推广能力与样本类别数、空间分布、容量、树结构等有关,且保证高优先级结点的推广性能是提高H-SVMs性能的有效途径。根据分析结果,提出了一种基于SVM最大间隔分类、最小间隔聚类构造H-SVMs的新方法。利用SVM的分类间隔作为分类、聚类指标,通过Top-down和Bottom-up两种途径混合构造H-SVMs,其中,最大间隔分类采用Top-down策略,在各结点依次选择最大间隔的SVM,将输入样本按类别分为2类;最小间隔聚类采用Bottom-up策略,在各结点依次选择最小间隔的SVM,将输入样本按类别两两聚类。从UCI数据库中选取多类数据进行测试,实验结果验证了该方法的有效性,说明所构造的H-SVMs具有较好的、稳定的推广性能。     

基于运动行为的复杂监控事件探测

针对视频监控过程,使用运动目标的状态特征描述场景中存在的语义内容.基于DBSCAN聚类模型学习特征集的潜在结构,生成了运动行为模式集.使用高级Petri网刻画模式间的连续、并发等时序关系,构成复杂语义事件探测模型.无监督式的模式学习过程对低层噪声有较强的鲁棒性,而定性的事件描述模型对于高层事件的推理具有更强的灵活性.在实验中,通过聚类学习得到的行为模式,给出了事件Petri网的具体建模过程,并演示了"停留"与"偷车"两个感兴趣事件的探测结果.