中文电子病历文本中的时间识别算法研究

时间作为电子病历中的一类重要实体,对于标识患者从入院到出院期间不同阶段的病情变化,有着不可替代的作用。电子病历文本中的时间可分为独立时间和基于事件的时间,针对这两类时间分别提出了基于bootstrapping的识别算法和基于条件随机场的识别算法。其中,为了解决基于事件的时间短语太长而不能准确定位其边界的问题,引入了中文症状知识库作为词典特征,有效地提高了条件随机场识别结果的准确率、召回率和F1值。实验结果表明,该方法在独立时间和基于事件的时间识别上的F1值分别达到了92.57%和93.98%。     

弘扬方志敏精神与社会主义核心价值观的践行传承

在八一精神的感召下，方志敏领导发动了赣东北的弋横暴动，在艰苦的革命斗争实践中形成了“爱国、创造、清贫、奉献”的方志敏精神，体现了“爱国、自由、平等、公正”的思想。当前我国正在进行“四个”方面建设，继承并弘扬方志敏精神，对践行社会主义核心价值观，树立和发扬以爱国主义为核心的民族精神和以改革创新为核心的时代精神，有着重要的现实意义。     

一种可用于绝缘子沿面放电状态识别的算法

在深入分析污秽绝缘子沿面放电特性的基础上,发展建立了一种新型的模式识别算法.该算法借鉴Bayes分类原理来实现电流的判别,借鉴模糊数学理论来实现湿度的判别,然后通过仲裁机制在综合电流、湿度信息的基础上确定出状态类属.检验结果表明,该算法具有好的通用性,利用一次试验数据训练出的算法在完成另外次试验数据的识别时具有很高的准确率,并且误判均发生在相邻状态,所以非常适合基于泄漏电流和湿度信号的放电状态识别.     

市政工程施工项目管理内容分析

<正>随着社会经济的发展和居民对生活质量要求的提高,市政工程建设的地位变得越来越重要。施工项目管理是市政工程施工的重要组成部分,也是企业管理的重要内容。市政工程施工项目的有效管理,不仅能够企业带来一定的经济效益,促进企业的发展,同时还能够推动建筑市场的进一步发展。要想高质、     

夹具对箱体加工变形影响研究

以某发动机箱体结合面的铣削工序为研究对象,采用有限元法模拟分析了夹具布局和夹紧力对箱体加工精度的影响。首先建立了箱体铣削力模型,计算了铣削力。箱体加工采用3-2-1定位方式,在夹紧力相同的条件下,改变夹紧的位置,采用有限元法,计算和分析了夹具布局对箱体加工变形的影响,从而确定了箱体铣削加工中夹具的位置。在此基础上,仿真分析不同夹紧力下箱体的加工变形。研究结果为发动机箱体加工中夹具布局和夹紧力确定提供了参考。     

连续性条件下的多受灾点应急资源配置算法

为了解决多受灾点应急资源配置过程中出现的资源竞争和费用偏高问题,建立了一种以双层规划方法为基础的多受灾点应急资源配置模型,使应急资源配置过程兼顾及时性、高效性和连续性,从而确保在全局应急开始时间最早情况下费用最少.为了克服双层规划模型求解时间复杂度过高的缺陷,提出了一种竞争缓解策略,能够快速求取双层应急资源配置模型的全局满意解.最后,通过数值分析证实算法的有效性.     

基于颗粒流的页岩热致裂缝形成机制及数值模拟

基于离散元构建考虑页岩层理特征的颗粒流模型,进而改进微观参数标定方法并对页岩颗粒流力学模型微观参数进行系统标定,利用页岩颗粒流热力耦合模型研究加热方式、天然微裂缝及围压对页岩热致裂缝演化的影响。结果表明：100℃下即可产生热致裂缝,裂缝的宽度和数量随着温度的升高在不断增加后保持稳定;天然微裂缝的倾斜度对热致裂缝扩展存在影响,倾斜角度增大,页岩热致裂缝的延伸性变弱;围压在10 MPa以下促进页岩热致裂缝生成,10 MPa以上抑制热致裂缝的生成。     

基于机器学习的油气水层随钻识别模型优选

为了解决基于测井数据对油气水层的实时识别这一技术难题,利用计算机科学与现代数学,结合随钻测井技术与机器学习算法进行油气水层的随钻识别。首先,对训练集数据进行相关性分析,剔除弱相关或冗余数据;其次,选择一对多支持向量机、一对一支持向量机以及随机森林算法分别建立油气水层分类识别模型,并使用网格搜索方法及10折交叉验证法对3种分类识别模型参数进行优选;最后,运用参数优选后的各分类识别模型,对随钻测井数据进行油气水层的识别。研究结果表明,3种分类识别模型对研究区块油气水层随钻识别的准确率均达到75%以上。在训练样本较少的情况下,优先选用一对一支持向量机分类识别模型进行油气水层的随钻识别。     

电机故障模式识别与诊断

为了实现对电机故障模式的自动识别与诊断,通过对人工神经网络分类功能及传统电机故障诊断技术的分析,提出了一种利用人工神经网络进行模式识别的方法.针对电机故障特征在实际中可能是非线性可分的情况,利用φ函数可以将非线性可分的模式转化到线性空间并实现分类,基于这种思想提出了利用径向基函数(RBF)网络实现对这种复杂故障模式的分类.以感应电机转子故障分类的实验结果表明,这种神经网络模式识别方法是有效的,并且可以通过自动调节径向基函数中心提高网络分类的正确率.