中医药抗运动性疲劳的研究现状

目前,丰富医学界对中医药抗运动疲劳的研究主要有两方面一、中医对运动性疲劳的诊治;二、中药对运动性疲劳的作用.文章对这两方面的研究进展进行了综述,为进一步的研究提供了参考依据     

高校竞技健美操运动员腕部损伤的原因及康复手段

通过调查与访谈,对参加江苏省16届运动会高校部健美操比赛的运动员手腕部的运动损伤情况进行统计与分析,总结出造成手腕部运动损伤的原因及康复治疗的手段,以期减少不必要的运动损伤,为竞技健美操教学与训练提供有效帮助。     

浅谈运动疗法在康复医疗中的应用

简述了运动疗法在康复医疗中的地位、作用及应用，并介绍了常见的运动疗法。     

碳纤维加固低配箍混凝土梁板柱节点的抗震试验

简要介绍了五个用碳纤维加固的混凝土低配箍梁板柱节点低周反复试验的情况 ,对试验结果进行了分析 ,发现加固后的节点极限承载力和抗震性能都有大幅度的提高 ,各项性能指标都达到并超过了我国现行抗震规范的要求 ,因此碳纤维加固混凝土节点技术是一个值得进一步深入研究的课题 .     

农村移民安置区产业劳动力容量及安置容量研究

通过对移民安置区产业劳动力容量及安置容量研究，提出了移民安置区产业劳动力容量及安置容量的定义，计算方法及步骤，并对典型区进行实例分析，该研究成果对编制我国水利水电工程的移民安置规划，合理确定移民安置区各产业的安置容量，有一定的理论和实践意义。     

基于电刺激的多模式康复系统设计和研究

针对脑卒中后肢体功能障碍、褥疮及疼痛,分析了临床上常用的治疗参数,设计了多模式电刺激治疗系统。该系统通过触摸屏与主芯片STM32L152RCT6进行通信,控制升压和极性转换电路产生幅值、频率及脉宽均可连续调节的双极性电刺激脉冲,验证了系统的稳定性和镇痛的效果。通过试验验证了系统能稳定工作,且电脉冲幅值与电阻值的变化无关,且能提高受试者的疼痛阈值。能产生临床使用的电刺激疗法的各类参数,有利于临床实验和相关科研的开展。电刺激技术能够缓解人体疼痛,提高疼痛阈值。     

晋中市水利发展思路探讨

水利是国民经济的基础设施和基础产业,是国家社会、经济、环境可持续发展的重要因素。通过分析晋中市水利发展过程中面临的突出问题,提出了晋中市水利发展的总体思路。     

补中益气汤在腹股沟疝术后康复中的应用

为明确补中益气汤联合生物补片治疗腹股沟疝的疗效及预后,通过临床对照及随访研究,将腹股沟疝患者随机分为聚丙烯补片组、生物补片组和联合组,指标包括围手术期临床指标、术后疼痛视觉模拟量表（VAS）评分,以及1年随访期间的并发症、复发和再手术发生率。结果显示,联合组的术后住院时间,术后1、3和7 d的VAS评分均显著短于其他2组,术后1年随访时联合组及生物补片组的慢性疼痛、异物感、总并发症发生率及复发率均低于聚丙烯组;说明补中益气汤联合生物补片治疗腹股沟疝的安全性好,可促进术后康复,具有缓解术后疼痛、缩短住院天数的优势。     

土地整理中的水稻需水量与灌溉定额 --以湖北省武穴市魏高邑项目区为例

在彭曼法推算水稻需水量的基础上,结合武穴市的气象、地形条件,用“浅、蓄、湿、晒”灌溉技术计算一定设计保证率的水稻灌溉定额.将该法用于武穴市魏高邑项目区土地整理中,有很高的实用价值,计算精度也较高.     

Community-Based User Domain Model Collaborative Recommendation Algorithm

Collaborative Filtering (CF) is a commonly used technique in recommendation systems. It can promote items of interest to a target user from a large selection of available items. It is divided into two broad classes: memory-based algorithms and model-based algorithms. The latter requires some time to build a model but recommends online items quickly, while the former is time-consuming but does not require pre-building time. Considering the shortcomings of the two types of algorithms, we propose a novel Community-based User domain Collaborative Recommendation Algorithm (CUCRA). The idea comes from the fact that recommendations are usually made by users with similar preferences. The first step is to build a user-user social network based on users’ preference data. The second step is to find communities with similar user preferences using a community detective algorithm. Finally, items are recommended to users by applying collaborative filtering on communities. Because we recommend items to users in communities instead of to an entire social network, the method has perfect online performance. Applying this method to a collaborative tagging system, experimental results show that the recommendation accuracy of CUCRA is relatively good, and the online time-complexity reduces to O.n/.