面向知识管理的高校教师业务档案管理信息平台的构建

随着知识经济时代的到来，作为人才培养基地，高校必须加强信息资源的管理及利用。教师业务档案是教师科研、教学等实践过程中产生的，能全面反映教师业务水平、政治面貌、劳动成果等文字或其他载体的材料，对于学校决策及管理工作至关重要，因此，有必要搭建面向知识管理的高校教师业务档案管理信息平台，以便为高校管理及决策工作提供参考和依据。鉴于此，本文以B/S结构为基础构建了教师业务档案管理信息平台，实现了教师日常教学、科研等业务信息的添加、维护、统计、查询、报表生成等多种功能。     

孕产前后知识宣教对氢溴酸高乌甲素复合瑞芬太尼自控静脉镇痛以及对子宫收缩和催乳素的影响分析

目的:探讨孕产前后知识宣教对氢溴酸高乌甲素复合瑞芬太尼自控静脉镇痛以及对子宫收缩和催乳素的影响。方法:选取2017年1-12月在本院行产前检查直至分娩的孕产妇1 400例,产妇均在生产过程中使用氢溴酸高乌甲素复合瑞芬太尼行自控静脉镇痛。按照随机数字表法将其分为对照组(常规知识宣教)和研究组(连续性的孕产前后知识宣教),各700例。比较两组子宫收缩情况、镇痛情况、催乳素水平、分娩方式。结果:宫口开至3 cm时(T_1)、从宫口开至3 cm直到宫口全开时(T_2),研究组宫缩持续时间均长于对照组,宫缩间隔时间均短于对照组,VAS评分均低于对照组,差异均有统计学意义(P<0.05);研究组分娩后12、24 h下的催乳素水平均高于对照组(P<0.05);研究组顺产率高于对照组,剖宫产率低于对照组,差异均有统计学意义(P<0.05)。结论:孕产前后的健康知识宣教能进一步降低产妇在分娩镇痛过程中的疼痛感,并提高子宫有效收缩力及分娩后的催乳素水平,同时还可有效提高产妇的顺产分娩率。     

面向异质信息网络的表示学习方法研究综述

网络表示学习旨在为网络中的组件(节点、边、子网络等)学习出低维的表征向量,使得这些向量能够在最大程度上保留组件在原网络中的特性。异质信息网络是由多种类型的节点、链接关系以及属性信息组成的网络,具有动态性、大规模和异质性等特点,在现实生活中普遍存在。融合多种异质信息进行网络表示学习,能在一定程度上解决数据稀疏问题,同时有助于训练出具有高区别力和推理能力的表征向量。但与此同时,也面临着如何有效处理复杂数据关系以及平衡异质信息的挑战。近年来,研究者们针对异质信息网络设计了不同的表示学习算法,在很大程度上推动了该领域的发展。针对这些算法,首先设计一个统一的分类框架,接着对各类别下的代表性算法进行概括介绍和比较,分析它们的时间复杂度和优缺点。此外,分类汇总了实验中的常用数据集。最后给出了该领域的挑战和未来可能的研究方向。     

比特串划分多索引的近邻搜索算法

哈希表示的比特串是解决海量数据相似性搜索问题最有效的方法之一.针对比特串索引方式导致搜索效果低下的问题,提出一种基于比特串划分多索引的近邻搜索算法.首先由于比特串划分本质是一个组合优化问题,采用贪婪的思想给出该问题的近似解;其次在近邻查询阶段,结合多索引结构提出新的查询扩展和融合机制;最后通过采用一种查询自适应的办法优化多索引之间的不平衡性.在MNIST, CIFAR-10, SIFT-1M和GIST-1M数据集上使用Matlab软件进行实验的结果表明,该算法在基于哈希表示的索引结构以及在近邻搜索方面具有有效性和通用性.     

结构化加权稀疏低秩恢复算法在人脸识别中的应用

针对训练样本或测试样本存在污损的情况，提出一种结构化加权稀疏低秩恢复算法（structured and weighted-sparse low rank representation，SWLRR）。SWLRR对低秩表示进行加权稀疏约束和结构化约束，使得低秩表示系数更加趋近于块对角结构，进而可获得具有判别性的低秩表示。SWLRR将训练样本恢复成干净训练样本后，再根据原始训练样本和恢复后的训练样本学习到低秩投影矩阵，把测试样本投影到相应的低秩子空间，即可有效地去除测试样本中的污损部分。在几个人脸数据库上的实验结果验证了SWLRR在不同情况下的有效性和鲁棒性。     

基于双平行互质阵列的二维非网格DOA估计

近年来,基于稀疏表示的DOA估计方法已经被广泛提出,这些方法都需预设离散的网格点,而实际信号来波方向在空间域内具有随机性,任何来波方向都是等概率出现,很有可能信号的来波方向不在网格上,因而会存在网格误差,使DOA估计结果产生较大偏差。为提高DOA估计精度,本文提出了非网格的DOA估计模型。同时,为提高测向自由度,本文应用由两个均匀线阵组成的互质阵列,并且将两个均匀线阵平行放置在同一平面。通过将两均匀线阵的互协方差矩阵向量化成互协方差矢量,可得到一维虚拟扩展的接收数据矢量,并且在稀疏表示框架下应用相应的稀疏恢复算法恢复出跟DOA参数相关的向量,从该向量中得到唯一的并且自动配对的二维DOA估计参数。仿真实验结果验证了本文算法较传统算法具有更好的DOA估计性能。     

邻域谱概率协同表示的高光谱图像分类方法

为了提高高光谱遥感图像的分类精度, 通过结合像元邻域谱与概率协同表示方法, 提出了一种基于空间信息与光谱信息的分类方法。首先采用插值方法生成像元的邻域谱, 然后用概率协同表示方法将待测样本进行分类。用所提出的方法在AVIRIS Indian Pines和Salinas scene高光谱遥感数据库上进行分类实验, 并和主成分分析、支持向量机、稀疏表示分类器和协同表示分类器方法进行了比较。结果表明, 所提出的方法在AVIRIS Indian Pines数据库上识别精度比主成分分析法高约17%, 其识别精度和kappa系数都优于另外4种方法。该方法是一种较好的高光谱遥感图像分类方法。