基于格拉姆矩阵和随机森林的疾病预测方法

针对现有预测方法中存在预测精度低、预测时间长及存储空间大等问题,提出一种基于格拉姆矩阵和随机森林的疾病预测方法,该方法首先从数据集中收集大量数据,其次使用格拉姆对称矩阵对采集数据进行存储和归类.然后引入随机森林二元回归和分类技术,通过二元变量相关性来衡量预测结果和数据之间的关系,并根据相关性构造决策树用于结果分类.最后...     

个性化医疗监护器

2000年春末,约翰·古塔（John Guttag,右图）经历了一次手术后在家休养。那是一个修复膝盖韧带的简单手术,当他还没打算好何时去医院复诊时,他正在上高中的儿子回家抱怨胸部疼痛,古塔的妻子急忙开车把儿子送到了医院,在那里,他的儿子被诊断出患有严重的肺病并立即住院治疗。     

数据驱动视域下的智慧图书馆建设路径探究

智慧图书馆是数字图书馆发展到一定程度的更高的一个图书馆发展阶段,是未来图书馆的发展趋势和新形态。文章从数据驱动的视域下,探讨了智慧图书馆的数据体系,并设计了基于数据驱动的智慧图书馆体系结构。同时,从“技术”、“服务”、“空间”、“资源”、“馆员”关键要素出发,提出了智慧图书馆建设的路径,为智慧图书馆建设提供研究和实践参考。     

基于深度学习的通信网络数据关键特征挖掘

深度学习是挖掘数据关键特征的重要技术手段,为准确分析通信网络数据特征,并保障质量,提出基于深度学习的通信网络数据关键特征挖掘方法。选取接入率、可用性以及覆盖率等七个指标作为通信网络质量核心性能指标,将卷积神经网络与径向基神经网络相结合,构建深度学习网络结构,将该性能指标作为标签参数,将所得到的标签参数的聚类与求和结果作为深度网络的标签数据,通过前向传播将标签数据输入卷积神经网络的输入层内,经过不同隐层的变换与映射至输出层位置,并采用量子粒子群算法求解深度学习网络最优参数,输出通信网络数据关键特征挖掘结果。经实验结果表明,所提方法的通信网络数据关键特征挖掘率在95%以上,能够准确预测未来短时间段内的通信网络质量。     

区块链数据隐私保护研究综述

本文采用了系统文献综述的方法,借助国内外高质量的数据库对区块链进行调研,旨在总结当前区块链中区块链技术、数据隐私威胁和区块链数据隐私保护的相关内容和进展.首先本文按照最新的区块链技术架构针对文献中有关区块链数据隐私威胁内容进行提取并详细分类.然后在其分类的基础上,针对文献中解决这些数据隐私威胁的核心技术和方法进行分类总...     

基于主题感知的跨模态序列到序列生成模型

结构化数据和非结构化文本被视为两种不同的模态.数据到文本生成是自然语言生成领域中一个重要的跨模态任务,该任务的目标是对于给定的结构化数据,生成一段文本用以描述结构化数据中包含的关键信息.近年的研究工作通常关注于描述性文本的生成,虽然取得了一定的研究进展,但仅能做到信息的传递而不能带来任何增益.为解决这一问题,本研究数据...     

基于二维小波能量阈值的重磁数据去噪算法

研究基于能量阈值的二维小波去噪方法,提出选择小波基函数、信噪分离阶数和去噪阈值3个关键参数的方法,避免依赖经验选择参数。分别针对加性噪声和乘性噪声进行模型试验,并对部分区域的实测磁力数据进行处理。结果表明：与线性滤波器和普通二维小波去噪结果相比,所提方法去噪结果相对误差最小,能够保持异常形态不失真,有利于弱异常信号的识别。     

列车调度指挥信息系统实施分析

介绍了列车调度指挥信息系统的网络结构和功能以及信息数据流程，分析了系统实施后存在的问题，并提出了相关建议。