基于主动学习的资源优化分配方案研究

从实际应用的角度阐述分析了主动学习算法在资源优化分配中的应用问题,首先分析了主动学习的发展问题,并给出了主动学习的数学描述,在此基础上,重点以学生分班为例阐述了主动学习算法的应用问题。     

三值光学计算机

三值光学计算机是2017年3月问世的通用型光电混合计算机系统。它用无光态和偏振方向正交的两个偏振光态表示信息,用旋光器和偏振片来改变这三个光态,进而完成三值逻辑运算和MSD(modified signed-digit representations)冗余表达数值的二进制并行加法运算。这种新型计算机具有处理器位数众多、处理器位可以分组独立使用、处理器位的计算功能可重构等优势;还以非易失随机存储器件为基础,构建了与处理器频繁交换大量数据的双空间存储器系统;为便于编制发挥这些特色的应用程序,采用SZG文件为程序员遮蔽三值光学处理器与传统电子处理器的差别,构成了保持传统编程技术的新编程平台。目前,针对快速傅里叶变换、元胞自动机等典型算法,验证了这种新型计算机的加速能力。     

重症急性胰腺炎病人外周血单个核细胞线粒体DNA拷贝数的意义

目的探讨重症急性胰腺炎患者外周血单个核细胞线粒体DNA拷贝数与患者病情严重程度、预后的相关性。方法分离研究对象（重症急性胰腺炎患者34名,健康对照组17名）外周血单个核细胞,采用荧光实时定量PCR检测各组PBMC线粒体DNA相对舍量,其与严重程度、预后的相关性。结果重症急性胰腺炎患者线粒体DNA含量较健康对照组明显降低（P〈0．05）。患者单个核细胞线粒体DNA拷贝教与APACHEⅡ评分呈负相关（r=-0．425）其中并发症组mtDNA拷贝数显著低于无并发症组（P〈0．05）。结论重症急性胰腺炎患者外周血单个核细胞中线粒体DNA含量显著下降,与患者APACHEⅡ评分呈负相关,且低水平的线粒体DNA拷贝数提示并发症发生率的升高,因此,线粒体DNA拷贝数可作为潜在评估患者病情危重程度及预后的指标,这一发现值得进一步大型,前瞻性的研究。     

基于多尺度光流融合特征点视觉-惯性SLAM方法

为提高视觉-惯性导航系统在弱纹理环境下的鲁棒性和精度,结合特征点法精度高和光流法速度快的特点以及惯性信息,提出一种多尺度均匀化光流融合特征点法的视觉-惯性同时定位与地图(simultaneous localization and mapping, SLAM)构建方法。首先,改进快速特征点提取和描述(oriented fast and rotated brief, ORB)特征提取过程,采用多尺度网格化的方法提取ORB特征点并利用四叉树均匀分配特征点,提高特征分布离散性。其次,在帧间采用LK(Lucas and Kanade)光流法追踪特征点进行帧间的数据关联,在关键帧对特征点进行描述子的计算和匹配从而实现关键帧间的数据关联,保证算法速度的同时提高定位精度和鲁棒性。最后,基于光流法建立的数据关联得到的初始位姿为后端优化提供初始值,整合ORB特征点重投影误差、惯性测量单元(inertial measurement unit, IMU)预积分误差以及滑动窗口先验误差构建最小化目标函数采用滑动窗口非线性优化进行求解。实验表明,所提方法相比单目视觉惯性系统具有更高的定位精度和鲁棒性,定位精度平均...     

技术嵌入与制度吸纳:提高政府技术治理绩效的运作逻辑

目前学界对技术治理研究的框架主要有技术赋权与技术监管、技术生产与技术约束.然而这两种研究视角都将技术治理的治理结构作为主要研究对象,而没有涉及更深层次的从技术治理的制度层面展开研究.基于此,本研究从反思当前我国技术治理绩效提高仍停留于表层的技术手段升级改造,忽略了制度支持在技术治理中的重要作用的事实出发,进而提出一种新...     

从智慧城市到智慧区域——新的城市与区域发展模式

 信息技术的快速发展不仅推动了中微观层面上智慧城市的发展建设,在宏观概念上更是未来区域协调高效合作的核心驱动力。中国的智慧城市建设已经体现出由点到面、连片发展的态势,智慧区域建设是必然趋势。对国外智慧区域分析表明智慧区域建设的经验是：重视信息通信技术、注重创新、高效合作、人才培养等。建议国内智慧区域建设重视区域的范围多维化、合作效率高效化、教育与创新积极化、市民参与的多元化等。     

免疫检查点抑制剂引起的心血管动脉粥样硬化事件及中西医防治策略

随着免疫检查点抑制剂在肿瘤治疗中的广泛应用,癌症患者的生存期得到有效延长,但随之而来的心脏毒性问题日渐凸显,其中冠状动脉疾病、心肌梗死和缺血性卒中等动脉粥样硬化性血管事件因起病急、预后差而引起学者的关注。文章系统阐述了免疫检查点抑制剂治疗引起的心血管动脉粥样硬化事件,产生这种心脏毒性的风险因素及风险评估,以及潜在的发生机制和中西医防治策略。     

P_MOEA：一种多目标决策辅助遗传算法用于服务组合QoS优化

在服务组合场景下,SLA约束下的服务组合优选是实现服务质量管理的重要基础之一．服务组合优选既是一个组合优化问题同时也是多目标决策问题,需要高效的算法以支持大规模的候选组合方案集合,同时也需要有效的评价模型来明确定义候选方案的优劣程度,从而为决策者提供支持．现有的服务组合优选方法多基于两种模型定义其优化目标：线性效用函数和Pareto最优．前者需要量化权重配置以定义效用函数,但是对于用户来说精确的量化权重配置是一个非常困难的任务,特别是在涉及到的QoS维度较多时;后者无需权重配置,将Pareto最优的skyline集合作为优化结果返回给用户,然而skyline集合的规模是不可控的,最优结果集的规模会随着问题的规模增大而显著增大,过大的最优结果集显然难以为决策者提供有效参考,针对上述传统方法的不足,在本文中,我们将PROMETHEE方法弓I入服务组合优选问题,结合Pareto和PROMETHEE两种评价模型,将skyline集合基础上的Top—kPROMETHEE最优方案作为优化目标,提出并实现了一个高效的遗传算法：P—MOEA．算法可以针对大规模问题,高效地返回Top—kPROMETHEE最优组合方案集合,从而为进一步的决策提供有效的参考．我们实验验证了算法的效率和有效性．