美国移动医疗投资趋势及对中国的借鉴

<正>从2014年以来美国投资金额最大的十个移动医疗公司案例(见下图)可以看出美国移动医疗投资的三大趋势。其一,医生交流类App持续受到欢迎,但项目专业化程度变高,每个产品专注的领域很不相同,主要发展方向是做专做深。其二,针对个人消费者的产品和服务更加偏重临床准确性和医学专业性,     

Hilbert曲线扫描在JPEG隐写分析中的研究与应用

提出了一种具有较高正确检测率的JPEG隐写通用型检测方法.利用Hilbert曲线对JPEG图像DCT系数块进行扫描,使用马尔可夫模型挖掘DCT系数的块间和块内相关性,提取转移概率矩阵作为特征.针对nsF5和MB(model-based)隐写方法的实验表明:此方法能对以上两种隐写方法进行有效检测,相比同类检测方法,其检测率有一定提高.     

基于ULMADM的智能指挥控制系统决策分配方法

在智能指挥控制系统设计中，为了充分发挥指挥员与自动化系统的决策优势，需要将决策功能在两者之间进行合理分配. 给出了指挥控制系统决策分配步骤，针对决策分配过程中属性值无法准确测度的特点，采用不确定性语言型多属性决策（ULMADM）方法，基于UEWAA算子确定决策功能的自动化等级范围，基于UEWAA算子和ULHA算子相结合的多属性群决策算法确定决策功能的自动化等级，算例表明ULMADM方法解决决策分配问题的可行性、有效性和通用性.     

简论煤矿生产安全事故的救援决策

本文通过分析煤矿生产安全事故应急救援实例,总结救援决策的经验教训,论述在煤矿发生生产安全事故时救援决策应注意的几个问题。     

科技决策中的公共知识生产

事实判断和价值分配是决策的两大基本要素,而知识是事实判断的基础。科技决策中,由于事实本身的多重维度以及价值与事实的缠绕,往往会出现多种关于事实判断的知识主张,理性的科技决策应当以"公共知识"作为决策相关事实判断的基础。公共知识是对决策相关事实的多维度的共识性理解,具有科学合理性、经济公有性和政治合法性。公共知识作为具有特定的认知方式和价值倾向的多元行动者相互博弈的产物,经历了提出、辩论、整合和合法化等生产过程。公共知识生产是高度制度化和组织化的社会行为,各个社会中都有各具特色的公共知识体系,可以从行动者及其角色等八个方面把握其特征。     

基于目标导向的多属性决策属性价值公度方法

MACBETH方法在多个属性维度上确定出的一组属性Good值(或Neutral值)并不能真地具有保证属性价值公度的完全相同的偏好涵义.为克服该方法缺陷,基于包容性属性价值函数,通过引入数据包络分析技术和马尔可夫理论给出了以目标参照方案为导向的目标导向属性价值函数和多属性决策属性价值公度的方法程序.相比于具有较大随意性确定属性Good值和Neutral值的MACBETH方法,依赖目标导向属性价值函数的多属性决策属性价值公度程序具有更明显的科学合理性,因此具有发展MACBETH方法,推动实际决策应用该方法及相关多属性偏好关联决策模型的创新价值.基于决策实验的应用分析直接验证了多属性决策属性价值公度方法程序的科学有效性,间接验证了包容性属性价值函数和目标导向属性价值函数的科学理性.     

邻域决策一致性的属性约简方法研究

基于邻域决策错误率的属性约简可以在删除冗余属性的同时,提升邻域分类器的留一验证分类精度.但这种约简方式并未充分考虑邻域分类结果在约简前后的差异.为解决这一问题,借助联合分布矩阵,提出了邻域决策一致性的概念,构建了邻域决策一致性与邻域分类精度的调和平均值,并将其作为约简求解的度量准则.在12个UCI数据集上的实验结果表明,所提出的新约简不仅能够有效地提升邻域分类器的决策一致性,而且在多数情况下能够进一步提高邻域分类器的留一验证分类精度.     

儿童自我延迟满足心理机制的再认识

儿童自我延迟满足的研究一直是心理学家关注的热点问题之一。梳理儿童延迟满足的相关实验,从实验的定义、被试年龄、主动延迟和被动延迟的差异性、被试的可信度等方面进行思考,总结出儿童延迟满足心理研究的新认识,并用力学的观点解释儿童自我延迟满足的现象。     

管理者如何处理团队矛盾

<正>"众志成城","团结一心"等等很多形容团队的力量词语。可是,在公司管理中,怎么能够让那些员工们团结一起和谐的工作呢?怎么更好的管理我们自己的团队呢?在不少团队或企业都会遇到一些很难管理的员工,他们不但自己不能顺利完成工作,还会影响其他员工的工作情绪、拉低整个团队的工作效率。在管理团队时,如何避免"破坏分子"的出现、怎么应对他们,以及能否将这些团队里的"破坏分子"转为"优秀标兵",对于团队管理都是重要的课题。     

决策系统簇的平均代价敏感并行约简

大数据背景下，数据量呈指数级增长，三支决策在处理代价敏感问题时动态机制和稳定性不足.针对这个问题，结合F-粗糙集处理动态数据方面的优势，在代价敏感决策表簇中提出基于F-粗糙集和三支决策的平均代价敏感并行约简.首先，从平均决策代价和平均测试代价的角度，定义基于F-粗糙集和三支决策的并行约简；其次，设计基于F-粗糙集和三支决策的平均代价敏感并行约简算法.与基于分类的最小代价约简和基于类特定的最小代价约简比较，实验结果显示，基于F-粗糙集和三支决策的平均代价敏感并行约简可以更好地权衡误分类代价(决策代价)和测试代价，提高分类准确率.研究结果为研究动态决策和代价敏感提供一种新的研究方法和思路.