簡(jiǎn)介：目的心腦血管疾病是全球的頭號(hào)死因，在我國(guó)死因順位上居首位（每年死亡人數(shù)約占國(guó)民全部死因的40％）。據(jù)估計(jì)，2008年有1730萬(wàn)人死于心腦血管疾病，占全球死亡總數(shù)的30％（這些死者中，約730萬(wàn)人死于冠心病，620萬(wàn)人死于中風(fēng)）。預(yù)計(jì)到2030年，心腦血管疾?。ㄖ饕切呐K病和中風(fēng)）的死亡人數(shù)將增加至2330萬(wàn)人，心腦血管疾病造成的80％以上死亡病例發(fā)生在低收入和中等收入國(guó)家。全球大氣環(huán)境的變化對(duì)疾病發(fā)生和死亡的影響正日益成為流行病學(xué)專家的研究重點(diǎn)。大量流行病學(xué)研究表明大氣環(huán)境因素，如日平均空氣污染指數(shù)AIRPOLLUTIONINDEX，API和氣象因素，如氣溫、濕度、氣壓，會(huì)影響心腦血管疾病的死亡。本研究探究20062010年沈陽(yáng)市心腦血管疾病的時(shí)間、空間及時(shí)空上分布的聚集性，繼而探究日平均API、日平均氣溫、日平均濕度、日平均氣壓對(duì)心血管日死亡人數(shù)、腦血管日死亡人數(shù)的影響。方法采用沈陽(yáng)市疾病預(yù)防與控制中心提供的20062010年心腦血管疾病死亡資料，并從沈陽(yáng)市統(tǒng)計(jì)局、沈陽(yáng)市環(huán)保局和中國(guó)氣象局獲得沈陽(yáng)市的人口數(shù)據(jù)、大氣環(huán)境質(zhì)量數(shù)據(jù)及氣象數(shù)據(jù)，添加沈陽(yáng)市各區(qū)、各個(gè)街道的經(jīng)緯度坐標(biāo)，定義坐標(biāo)系統(tǒng)，生成沈陽(yáng)市五區(qū)、街道的單一符號(hào)點(diǎn)地圖統(tǒng)計(jì)各區(qū)的心血管、腦血管死亡人數(shù)，建立五區(qū)的地理、人口及死亡信息數(shù)據(jù)庫(kù)，導(dǎo)出供時(shí)空聚類分析使用。統(tǒng)計(jì)沈陽(yáng)市日平均API、日平均氣溫、日平均濕度、日平均氣壓，并分析它們和心血管、腦血管日死亡人數(shù)的相關(guān)性和依存關(guān)系。時(shí)間、空間及時(shí)空掃描統(tǒng)計(jì)分析采用SATSCANV911實(shí)現(xiàn)，空間、時(shí)空聚類的專題地圖采用ARCGIS93繪制SPEARMAN相關(guān)分析、POISSON回歸分析分別由SPSS170、STATA100完成。結(jié)果1、SATSCAN掃描統(tǒng)計(jì)結(jié)果市區(qū)單純空間掃描統(tǒng)計(jì)結(jié)果，心血管死亡2007、2008、2009、20062010年一級(jí)聚類地區(qū)均為大東區(qū)P＜005，二級(jí)聚類地區(qū)均為鐵西區(qū)P＜0052006年一級(jí)聚類地區(qū)為大東區(qū)、沈河區(qū)（聚集區(qū)中心坐標(biāo)為41805200N，123470000E，半徑為138KM）二級(jí)聚類地區(qū)為鐵西區(qū)P＜0052010年一級(jí)聚類地區(qū)為鐵西區(qū)P＜005。腦血管死亡2006、2007、2008、2009、2010、20062010年一級(jí)聚類地區(qū)均為鐵西區(qū)P＜0052007、2008、2009、20062010年二級(jí)聚類地區(qū)均為大東區(qū)P＜005。市區(qū)時(shí)空掃描統(tǒng)計(jì)結(jié)果，心血管死亡2006、2008、2009，20062010年一級(jí)聚類地區(qū)均為大東區(qū)，聚集時(shí)間主要在每年的16月，二級(jí)聚類地區(qū)為鐵西區(qū)、和平區(qū)，聚集時(shí)間主要在每年的912月，具有統(tǒng)計(jì)學(xué)意義2007年心血管死亡一級(jí)聚類地區(qū)為鐵西區(qū)，聚集時(shí)間在1012月，二級(jí)聚類地區(qū)為大東區(qū)，聚集時(shí)間在7月下旬至12月，且均具有統(tǒng)計(jì)學(xué)意義。腦血管死亡20062009每年一級(jí)聚類地區(qū)均為鐵西區(qū)，聚集時(shí)間主要在每年的16月P＜005二級(jí)聚類地區(qū)為大東區(qū)、和平區(qū)，聚集時(shí)間主要在2007年10月至2008年4月P＜005，2006、2008年的1月P＜0052010年一級(jí)聚類地區(qū)為鐵西區(qū)P＜005，聚集時(shí)間在8月下旬至12月。市區(qū)單純時(shí)間掃描統(tǒng)計(jì)結(jié)果，2006、2008、2010年心血管死亡一級(jí)聚類時(shí)間主要在每年的14月P＜0052007、2009年心血管死亡一級(jí)聚類時(shí)間在每年的1012月P＜005。2006、2007、2008年腦血管死亡一級(jí)聚類時(shí)間主要在每年的15月2009、2010年腦血管死亡一級(jí)聚類時(shí)間分別在8月中旬、10月底至11月上旬，且均具有統(tǒng)計(jì)學(xué)意義。街道單純空間掃描統(tǒng)計(jì)，2006、2007、2009年心腦血管死亡一級(jí)聚類地區(qū)在鐵西區(qū)，以重工、七馬路、輕工、工人村、啟工、十二路為中心分布，二級(jí)聚類地區(qū)在大東區(qū)，以東站、二臺(tái)子、遼沈、文官為中心分布，三級(jí)聚類地區(qū)在和平區(qū)，以南湖、新興為中心2008、2010年心血管死亡聚類，南湖、新興成為一級(jí)聚類地區(qū)。街道時(shí)空聚類掃描統(tǒng)計(jì)結(jié)果，心腦血管死亡聚類地區(qū)和單純空間聚類結(jié)果一致，聚集時(shí)間和市區(qū)時(shí)空掃描統(tǒng)計(jì)結(jié)果一致，在2007年心血管死亡聚類中，皇姑區(qū)陵北、向工成為一級(jí)、二級(jí)聚類地區(qū)，聚集時(shí)間分別在2007年5月、2007年7月。2、SPEARMAN相關(guān)分析結(jié)果日平均API與心血管日死亡人數(shù)之間的相關(guān)關(guān)系2006、2007、2008、2009、2010、20062010年滯后0D、0D、0D、1D、1D、0D的日平均API分別與心血管日死亡人數(shù)之間的正相關(guān)性最大P＜005，相關(guān)系數(shù)分別為0190、0159、0196、0321、0164、0162。日平均API與腦血管日死亡人數(shù)之間的相關(guān)關(guān)系2006、2008、2009、2010、20062010年滯后3D、1D、1D、0D、1D的日平均API分別與腦血管日死亡人數(shù)之間的正相關(guān)性最大P＜005，相關(guān)系數(shù)分別為0173、0279、0309、0230、0161，2007年日平均API與腦血管日死亡人數(shù)之間的相關(guān)性無(wú)統(tǒng)計(jì)學(xué)意義。日平均氣溫與心血管日死亡人數(shù)之間的相關(guān)關(guān)系2006、2007、2008、2009、2010、20062010年滯后0D、5D、2D、3D、0D、3D的日平均氣溫分別與心血管日死亡人數(shù)之間的負(fù)相關(guān)性最大P＜005，相關(guān)系數(shù)分別為0295、0228、0387、0280、0173、0282。日平均氣溫與腦血管日死亡人數(shù)之間的相關(guān)關(guān)系2006、2007、2008、2009、2010、20062010年滯后2D、5D、0D、3D、6D、5D的日平均氣溫分別與腦血管日死亡人數(shù)之間的負(fù)相關(guān)性最大P＜005，相關(guān)系數(shù)分別為0265、0289、0356、0198、0329、0289。日平均濕度與心血管日死亡人數(shù)之間的相關(guān)關(guān)系2006、2007、2008、2009、2010、20062010年滯后2D、3D、1D、2D、2D、2D的日平均濕度分別與心血管日死亡人數(shù)之間的負(fù)相關(guān)性最大P＜005，相關(guān)系數(shù)分別為0142、0165、0325、0178、0174、0174。日平均濕度與腦血管日死亡人數(shù)之間的相關(guān)關(guān)系2006、2007、2008、2009、2010、20062010年滯后2D、2D、2D、2D、2D、2D的日平均濕度分別與腦血管日死亡人數(shù)之間的負(fù)相關(guān)性最大P＜005，相關(guān)系數(shù)分別為0122、0121、0289、0160、0276、0164。日平均氣壓與心血管日死亡人數(shù)之間的相關(guān)關(guān)系2006、2007、2008、2009、2010、20062010年滯后6D、0D、1D、0D、4D、3D的日平均氣壓分別與心血管日死亡人數(shù)之間的正相關(guān)性最大P＜005，相關(guān)系數(shù)分別為0263、0160、0345、0290、0256、0253。日平均氣壓與腦血管日死亡人數(shù)之間的相關(guān)關(guān)系2006、2007、2008、2009、2010、20062010年滯后2D、1D、0D、0D、3D、2D的日平均氣壓分別與腦血管日死亡人數(shù)之間的正相關(guān)性最大P＜005，相關(guān)系數(shù)分別為0256、0271、0350、0191、0327、0278。3、POISSON回歸分析結(jié)果以心血管日死亡人數(shù)為因變量的POISSON回歸中，2006、2007、2008、2009、2010、20062010年P(guān)SEUD2值分別為00205、00134、00519、00244、00197、00182。2006、2007、2008、2009、2010、20062010年P(guān)OISSON回歸方程分別為FCVD20060010T00007H09399T0、H0的IRR值分別為0990、0993。FCVD20070004T50002W32954T5、W3的IRR值分別為0996、0998。FCVD20080009H10004T76027H1、T7的IRR值分別為1009、0996。FCVD20090003API10005H00002W22821，API1、H0、W2的IRR值分別為1003、1005、0998。FCVD20100009H46211H4的IRR值為1009。F（CVD20062010）0003T30002W20004H50808T3、W2、H5的TRR值分別為0997、0998、1004。以腦血管日死亡人數(shù)為因變量的POISSON回歸中，2006、2007、2008、2009、2010、20062010年P(guān)SEUD2值分別為00144、00231、00406、00169、00228、00181。2006、2007、2008、2009、2010、20062010年P(guān)OISSON回歸方程分別為FCEVD20060006T22703T2的IRR值為0994。FCEVD20070010H50002W26836H5、W2的IRR值分別為1010、0998。FCEVD20080006T70003API12417T7、API1的IRR值為0994、1003。FCEVD20090002API10002W20003H50847API1、W2、H5的IRR值分別為1002、0998、1003。FCEVD20100008H30002W24700H3、W2的IRR值分別為1008、0998。FCEVD200620100004H20003T50001W20001API11507H2、T5、W2、API1的IRR值分別為1004、0997、0999、1000。其中，CVD、CEVD分別表示心血管日死亡數(shù)、腦血管日死亡數(shù)，下標(biāo)表示年份，API、T、W、H分別表示日平均空氣污染指數(shù)、平均氣溫、平均相對(duì)濕度、平均氣壓，下標(biāo)表示滯后天數(shù)，號(hào)表示IRR值具有統(tǒng)計(jì)學(xué)意義，P＜005。結(jié)論1、單純空間和時(shí)空聚類分析在20062010年中，大東區(qū)2010年除外每年的心血管粗死亡率和標(biāo)化死亡率最高，鐵西區(qū)每年的腦血管粗死亡率和標(biāo)化死亡率最高。單純空間掃描統(tǒng)計(jì)和時(shí)空掃描統(tǒng)計(jì)結(jié)果都表明大東區(qū)心血管死亡聚集性最大，鐵西區(qū)腦血管死亡聚集性最大。這可能因?yàn)殡m然沈陽(yáng)市主要的工業(yè)均搬離了主城區(qū)，但是集中在鐵西區(qū)和大東區(qū)的邊緣地帶，因此造成這兩個(gè)地區(qū)的心腦血管死亡增高。2、時(shí)間聚類分析沈陽(yáng)市中心五區(qū)心腦血管死亡聚集時(shí)間主要集中在10月下旬至來(lái)年6月上旬，由于沈陽(yáng)市冬季始于10月中旬春季始于4月中下旬，所以極低的冬季氣溫以及變化無(wú)常的春季氣溫可能是造成心腦血管疾病死亡聚集的主要原因之一。3、SPEARMAN相關(guān)滯后效應(yīng)分析日平均API、日平均氣溫、日平均濕度、日平均氣壓與心血管日死亡人數(shù)之間的相關(guān)關(guān)系表明它們均對(duì)心血管日死亡人數(shù)的影響存在滯后效應(yīng)，本次研究中最大滯后效應(yīng)的時(shí)間分別為1D、2D、1D、1D。日平均API、日平均氣溫、日平均濕度、日平均氣壓與腦血管日死亡人數(shù)之間的相關(guān)關(guān)系表明它們均對(duì)腦血管日死亡人數(shù)的影響存在滯后效應(yīng)，本次研究中最大滯后效應(yīng)的時(shí)間分別為1D、0D、2D、0D。大東區(qū)每年（2007年除外）的日平均API與心血管日死亡人數(shù)之間的相關(guān)性均較其余四個(gè)區(qū)顯著，提示大東區(qū)心血管死亡與該區(qū)的空氣質(zhì)量狀況有關(guān)系。4、POISSON回歸危險(xiǎn)因素分析日平均氣溫越高，心腦血管日死亡人數(shù)越少日平均氣溫越低，心腦血管日死亡人數(shù)越多，這種現(xiàn)象可能與季節(jié)有關(guān)，極高的夏季日平均氣溫升高或者極低的冬季日平均氣溫低都可能造成心血管日死亡人數(shù)增多。因?yàn)闈穸群蜌鉁赜泻茱@著的正相關(guān)性，所以濕度、氣溫對(duì)心腦血管死亡人數(shù)的影響效果基本一致。日平均API越大，日平均氣壓越高，心腦血管日死亡人數(shù)越多。

簡(jiǎn)介：隨著現(xiàn)代科學(xué)技術(shù)的迅速發(fā)展和計(jì)算機(jī)的普及，教學(xué)改革應(yīng)以現(xiàn)代教育理論為指導(dǎo)，在課堂教學(xué)中有針對(duì)性的運(yùn)用以計(jì)算機(jī)為核心的教學(xué)媒體，調(diào)動(dòng)教學(xué)雙方的積極性，培養(yǎng)學(xué)生解決問(wèn)題的能力和創(chuàng)造性思維能力。多媒體教學(xué)作為現(xiàn)代教育技術(shù)的重要手段，是實(shí)現(xiàn)優(yōu)化教學(xué)的極為有效的途徑。醫(yī)學(xué)統(tǒng)計(jì)學(xué)課程在教學(xué)中具有許多特點(diǎn)，其抽象思維貫穿于整個(gè)學(xué)習(xí)過(guò)程。利用CAI課件能將一些抽象的、難以理解的概念和原理等，以圖像、動(dòng)畫的形式生動(dòng)、清楚地進(jìn)行解釋和表達(dá)，使復(fù)雜艱難的認(rèn)識(shí)過(guò)程變得簡(jiǎn)單，從而能最大限度地調(diào)動(dòng)學(xué)習(xí)者的主觀能動(dòng)性，為改變灌輸式教學(xué)方法，實(shí)施探究式、互動(dòng)式、開(kāi)放式教學(xué)提供契機(jī)。本文主要闡述了“醫(yī)學(xué)統(tǒng)計(jì)學(xué)”動(dòng)畫課件的研制過(guò)程。第一部分為前言，首先探討醫(yī)學(xué)統(tǒng)計(jì)學(xué)CAI課件的現(xiàn)狀，現(xiàn)有課件的優(yōu)點(diǎn)及不足之處。不足之處主要為生動(dòng)性與趣味性不足，以及易用性與可移植性不強(qiáng)；接著介紹本研究的目的為提高教學(xué)效果、教學(xué)質(zhì)量和激發(fā)學(xué)生的學(xué)習(xí)興趣，開(kāi)發(fā)和研制醫(yī)學(xué)統(tǒng)計(jì)學(xué)的動(dòng)畫課件，著重于課件的動(dòng)漫化，趣味化，并增強(qiáng)課件的易用性和可移植性；然后提出“醫(yī)學(xué)統(tǒng)計(jì)學(xué)”動(dòng)畫課件制作的原則。第二部分為開(kāi)發(fā)和研制軟件的選擇。目前，用于制作課件的多媒體軟件種類繁多，每種制作軟件都有自己的特點(diǎn)，選擇正確的開(kāi)發(fā)軟件是非常關(guān)鍵的。通過(guò)對(duì)多種多媒體制作軟件進(jìn)行了研究和比較，鑒于FLASH8具有采用矢量繪圖、修改容易、導(dǎo)入和發(fā)布功能強(qiáng)大、流式播放技術(shù)、自帶ACITON腳本語(yǔ)言工具等優(yōu)點(diǎn)，結(jié)合醫(yī)學(xué)統(tǒng)計(jì)學(xué)的特點(diǎn)，最終確定以FLASH8作為主要?jiǎng)?chuàng)作工具來(lái)研制“醫(yī)學(xué)統(tǒng)計(jì)學(xué)動(dòng)畫課件。第三部分為課件開(kāi)發(fā)研制的基本步驟。該部分為本論文的主體?；静襟E包括課件的設(shè)計(jì)總體設(shè)計(jì)、專業(yè)設(shè)計(jì)、形象設(shè)計(jì)；素材資料的收集及制作處理；課件制作的關(guān)鍵技術(shù)以及課件的評(píng)價(jià)。其中。課件制作的關(guān)鍵技術(shù)為重點(diǎn)闡述的內(nèi)容，即制作本動(dòng)畫課件時(shí)所應(yīng)用的FLASH8的關(guān)鍵技術(shù)。首先，以高爾頓釘板與正態(tài)分布為例闡述制作模擬課堂所應(yīng)用的關(guān)鍵技術(shù)小球的滾動(dòng)；人物表情及動(dòng)作的變化；場(chǎng)景的應(yīng)用；圖層的應(yīng)用；聲音文件的加載，影片播放控制器。接著闡述課件中運(yùn)用腳本語(yǔ)言編輯工具ACTION時(shí)的關(guān)鍵技術(shù)服從正態(tài)分布隨機(jī)數(shù)的產(chǎn)生、交互功能的實(shí)現(xiàn)、圖形各個(gè)部分的相對(duì)獨(dú)立變化、繪制圖形的方法、動(dòng)態(tài)繪制函數(shù)圖像及公式表達(dá)、數(shù)組類和循環(huán)語(yǔ)句的應(yīng)用，對(duì)課件建立知識(shí)點(diǎn)的鏈接。最后介紹動(dòng)畫的發(fā)布。第四部分為討論部分。主要探討了本課件的特點(diǎn)及后續(xù)的開(kāi)發(fā)工作。本課件的特點(diǎn)包括形象性、趣味性、交互性、易用性及可移植性。簡(jiǎn)單地探討了后續(xù)開(kāi)發(fā)工作，擬將本課件掛上網(wǎng)絡(luò)教學(xué)平臺(tái)，發(fā)揮互聯(lián)網(wǎng)的優(yōu)勢(shì)；課件的進(jìn)一步完善，適當(dāng)增加課件的內(nèi)容，并將課件進(jìn)行測(cè)評(píng)，最后擬將課件制作成產(chǎn)品出版發(fā)行。研制成的課件，運(yùn)用卡通元素，同時(shí)利用FLASH8更強(qiáng)的交互功能和導(dǎo)入、發(fā)布功能，以更形象、更生動(dòng)的方式展現(xiàn)教學(xué)內(nèi)容，增強(qiáng)學(xué)生自主學(xué)習(xí)的能力，由被動(dòng)接受到主動(dòng)探索，激發(fā)學(xué)生的學(xué)習(xí)興趣，提高學(xué)習(xí)效率，進(jìn)而優(yōu)化教學(xué)質(zhì)量。

簡(jiǎn)介：點(diǎn)擊查看更多空間統(tǒng)計(jì)小地域分析方法在腫瘤流行病學(xué)中的應(yīng)用基礎(chǔ)研究.pdf精彩內(nèi)容。

簡(jiǎn)介：第二軍醫(yī)大學(xué)博士學(xué)位論文鉬靶、磁共振及核素顯像診斷乳腺癌準(zhǔn)確性的系統(tǒng)評(píng)價(jià)及相關(guān)統(tǒng)計(jì)學(xué)技術(shù)探討姓名袁小東申請(qǐng)學(xué)位級(jí)別博士專業(yè)影像醫(yī)學(xué)與核醫(yī)學(xué)指導(dǎo)教師田建明20090501第二軍醫(yī)大學(xué)博上研究生畢業(yè)論文第二部分集成ROC曲線及其參數(shù)估計(jì)在EXCEL2003中的實(shí)現(xiàn)目的在EXCEL2003中建立應(yīng)用程序VBA來(lái)完成集成ROC曲線SROC的繪制及曲線下面積、Q木值的計(jì)算。方法以EXCEL2003為平臺(tái)，由VB工具箱產(chǎn)生窗體及按鈕用戶界面編寫相應(yīng)程序代碼，并調(diào)用EXCEL內(nèi)置函數(shù)完成LOGIT變換、SROC的估計(jì)及描繪以及曲線下面積和Q水值的計(jì)算，并使程序具有初步的數(shù)據(jù)存儲(chǔ)和管理功能，META分析一SROC曲線的數(shù)理統(tǒng)計(jì)原理及方法參照劉關(guān)鍵，吳泰相的報(bào)道。VBA建立后錄入劉關(guān)鍵，吳泰相報(bào)道中的實(shí)例，并多次運(yùn)行程序，以運(yùn)行結(jié)果是否與報(bào)道中的結(jié)果一致來(lái)評(píng)價(jià)程序的可靠性和穩(wěn)定性。結(jié)果所建立的VBA應(yīng)用程序具有良好的用戶界面，數(shù)據(jù)錄入及修改簡(jiǎn)便，多次運(yùn)行程序后結(jié)果一致，所描繪的SROC曲線整潔美觀，所得曲線下面積及Q水值與文章報(bào)道中相符精確ND數(shù)點(diǎn)后的兩位。結(jié)論本實(shí)驗(yàn)中以EXCEL2003為平臺(tái)建立的VBA程序能方便可靠地對(duì)診斷性試驗(yàn)的二分類數(shù)據(jù)進(jìn)行META分析，描繪相應(yīng)的SROC曲線，并準(zhǔn)確的估計(jì)出相關(guān)參數(shù)，是循證影像學(xué)META分析的有用工具?！娟P(guān)鍵詞】循證影像學(xué)；META分析；EXCEL2003；SROC第三部分利用REVIEWMANAGER42實(shí)現(xiàn)診斷性試驗(yàn)MEIA分析的探討探討如何利用REVIEWMANAGER42軟件對(duì)診斷性試驗(yàn)進(jìn)行META分析。結(jié)合實(shí)例介紹如何整理診斷性實(shí)驗(yàn)數(shù)據(jù)并按二分類數(shù)據(jù)DICHOTOMOUSDATA錄入REVIEWMANAGER42TABLES／COMPARISONSANDDATA中進(jìn)行分析，得出診斷性試驗(yàn)的匯總陽(yáng)性似然比、陰性似然比及匯總診斷比值比DIAGNOSTICODDSRATIO，DOR，并進(jìn)一步推算出匯總敏感度和特異度。’關(guān)鍵詞診斷|生試驗(yàn)META分析REVIEWMANAGER42似然比

簡(jiǎn)介：點(diǎn)擊查看更多MasonⅡ、Ⅲ型橈骨頭骨折切除與內(nèi)固定治療的統(tǒng)計(jì)學(xué)分析.pdf精彩內(nèi)容。

簡(jiǎn)介：2006屆研究生碩士學(xué)位論文Y8955二二學(xué)校代碼10269學(xué)號(hào)YS03161048犖象師毿天擎城市道路網(wǎng)絡(luò)最短路徑的統(tǒng)計(jì)學(xué)特征及實(shí)用算法研究院系姿邃曼巫撞堂睦地翌丕專業(yè)地圖堂董地堡值基丕筮研究方向魚(yú)S玨筮星座型指導(dǎo)教師王適1副麴援碩士研究生鹽饉絲2006年5月完成華東師范大學(xué)碩十學(xué)位論文城市道路網(wǎng)絡(luò)最短路徑的統(tǒng)計(jì)學(xué)特征及實(shí)HJ算法研究ABSTRACTMANYSTLLDIESONSHORTESTPATHALGORITLLLNSHAVEBEENCONDUCTEDIN6ELDSOFRCALTIMENAVIGATIONF研AUTOMOBILEALLDEME唱ENCYSUCCOLTHED司KS訂AALGORI廿LIILS，CLASSICAL鋤DPROFESSIONAL，ARETHEACADEMICBASISOFCONDUCTINGTOSOLVEPROBLEMSASITHAS10WCONDUCTEDEMCIENCYINURBAILROADSNCTWORKA11DMAYNOTMEETT11EREQUIRE】NENTOFEH’EC石VEANDREALTIME，M卸YDOMESTICAILDINTERNATIONALSCHOLARSHAVEMADEDE印RESEARCHON曲PMV血GT11EALGONTTLMSPEOPLERESEARCBINGON訂ADMONAL叩TIMIZEDALG面恤NSONLYREALIZEDABSHACTNE慚ORKT叩0109YI11TLLEPROCESSOFDESIGN，SMVINGFORIMPMVINGEFFECTIVITROFMEALG訓(xùn)MMSMMUGHUPDATINGCOMPUTERDATASTNLCTUREOROPERATIONALRESEARCHPROBLEMS，WHICHNEGLECTINGMEEXISTING印ATIALCHARACTERISTICSINSPCCMCROADSNETWORKWITHTHEDEVEL叩MENTOFW曲GIS，MOBILEGISANDGPS，DYIL咖ICPAMLAYOUT晰11BET11E脅DOF如TUREINLPROVEMENTITCANBEOBTAINEDINFO皿ATIONOFREALTIMEROADSCONDI石ON，UPDATINGWEIGHTPFOPENYOFTHEPAMBYIMENLETAILDT11ENUSE血ESHONESTPAMALGORITHRNSTOWORKITOMHLSTEAD，PEOPLEWHORESEARCHONTR甜ITIONALOPTIMIZEDALGORITLLMSDON’TCONSID盯THEAⅡCCTIONOFTRANSMMING柚DUPDATINGDATAQUANTITYONMEPERFOMLANCEOFTHEWHOLEA1酬TLLLMSTHEREFORE，T11EALGORITHMSOFC伽打OLLINGSIZEOFMADSNETWORKCANOVCRCOME也ESHORTAGEOFME錳ADITIONALALGORITHMS，WHICHWILLENHANCEMEE岱W虹VITYOFMESHONESTPAMSALGOLJTLLMSBYCOMBININGOTHERAIGORITHMSNEWTCCLLTLOLOGYANDMETLLODSISUSEDFOR咖DYINGSHORTESTPATHPMBLEMINMISANICLETHEE11IPSEMODELISDESI印EDBYRANDOMLYTAKINGOUTMADNODESTOCALCUIATET11ESHONEST巾ATLL脅MESHALL曲AIROADSNEMORK，0BSERVINGTLLESPATIALDISTRIBUTIONCHARACTCRISTICFORSTYLEBOOK，AJLALYZINGT11ESTALISTICCHARACTERISTJCSFORTLLESHORTCSTPA廿1THEMODELDEMARCATEDⅡ1ERANGEOFSEARCHJNGTHESHONEST_PATHALGORITTLMSWIMINTHEELLIPSETHEE11IPSEMODELCANIMPROVE血ESHONESTPAILLALGORIMMS，F(xiàn)ILTRATIILGRCDUNDALLTNODES，REDUCINGMEMORYSPEND訪島DECREASINGCALCULATEDTIME，UPDATINGMEWEI曲TOFREALTIMEDATATRALLSMISSION丘DMTHEMADSNETWORKA11DUPDATINGTHEPE橢ANCEA11DE骶CTIVITYOFA190刪1IILSTHEAREATHCIMPMVEDSHONESTPATHSALGORITHMUSINGMEELLIPSEMODDSEARCHESISONEFIMLSOFTHECLASSICDUKSTRAALGORITHMBASEDONRANDOMS鋤PLEINSHANGHAIROADSNCTWORK，THEREISALINEARITYRELATIONBETWEENMELENGTHOFTHESHORTESTPA山SAELDTLLEEUCIIDEANDISTALLCEANDMEMA血ATTAILDISTANCEOFTHEORIGINA11DDESTINATIONINTHEANALYSISOFTHESTATISTICCHARACTERISTICFORT11E

簡(jiǎn)介：點(diǎn)擊查看更多“瘀血生風(fēng)”假說(shuō)檢驗(yàn)——基于中風(fēng)病醫(yī)案的統(tǒng)計(jì)學(xué)處理探討?zhàn)鲅c內(nèi)風(fēng)的相關(guān)性.pdf精彩內(nèi)容。

簡(jiǎn)介：自從上世紀(jì)九十年代初，我國(guó)張興棟與國(guó)外少數(shù)學(xué)者同時(shí)發(fā)現(xiàn)鈣磷生物陶瓷在非骨部位的骨形成現(xiàn)象后，骨誘導(dǎo)觀點(diǎn)經(jīng)過(guò)十幾年研究已經(jīng)得到廣泛的接受，具有良好生物活性的磷酸鈣骨替代陶瓷材料的研究日益被關(guān)注。合理解釋鈣磷材料的骨誘導(dǎo)性，必須從分子生物學(xué)，基因表達(dá)，超微結(jié)構(gòu)等角度進(jìn)行深入研究，以了解其機(jī)理。骨誘導(dǎo)機(jī)理的研究，對(duì)于新一代骨誘導(dǎo)生物材料的研究和開(kāi)發(fā)具有重要的科學(xué)意義和巨大應(yīng)用前景。目前骨誘導(dǎo)機(jī)理的探索和現(xiàn)象解釋主要以光學(xué)顯微鏡下組織形態(tài)學(xué)的觀察結(jié)果為基礎(chǔ)。由于光學(xué)顯微鏡的分辨率限制，難以對(duì)新生組織各階段的細(xì)胞形態(tài)結(jié)構(gòu)以及分化過(guò)程做出準(zhǔn)確觀察，因此本文運(yùn)用透射電子顯微鏡、掃描電鏡，結(jié)合光學(xué)顯微鏡，對(duì)不同時(shí)期新生組織的形態(tài)學(xué)和細(xì)胞超微結(jié)構(gòu)進(jìn)行了觀察。重點(diǎn)觀察和研究骨誘導(dǎo)早期，孔隙中新生組織的長(zhǎng)入，成骨細(xì)胞的形成，類骨質(zhì)的分泌鈣化，以及新骨磷酸鈣界面的結(jié)構(gòu)改變等，為研究骨誘導(dǎo)機(jī)理提供了更充分的證據(jù)。本實(shí)驗(yàn)通過(guò)生物組織超薄電鏡切片技術(shù)，制作出了符合TEM檢測(cè)要求的未脫鈣硬組織超薄切片和半脫鈣硬組織超薄切片。經(jīng)TEM觀察，確證成骨早期過(guò)程表現(xiàn)為新生肉芽結(jié)締組織長(zhǎng)入材料孔隙成纖維細(xì)胞沿孔壁生長(zhǎng)和增殖靠近孔壁的成纖維細(xì)胞向成骨前提細(xì)胞分化這些早期的成骨細(xì)胞分泌膠原纖維和類骨質(zhì)類骨質(zhì)中鈣磷沉積形成骨基質(zhì)分化后期的成骨細(xì)胞包埋進(jìn)骨基質(zhì)中形成骨細(xì)胞骨小梁結(jié)構(gòu)沿孔壁形成孔隙中心組織纖維化，髓腔結(jié)構(gòu)形成。通過(guò)細(xì)胞超微形態(tài)及其功能隨時(shí)間變化的研究，反向推斷新生結(jié)締組織中的成纖維細(xì)胞是骨誘導(dǎo)新骨組織的細(xì)胞來(lái)源。此外，為了降低個(gè)體差異造成的誤差，定量地描述骨誘導(dǎo)，我們采用生物醫(yī)用統(tǒng)計(jì)學(xué)方法對(duì)三種動(dòng)物種屬的三個(gè)植入時(shí)間段的骨誘導(dǎo)性進(jìn)行了定性和定量的統(tǒng)計(jì)分析，通過(guò)對(duì)新骨誘導(dǎo)形成的組織形態(tài)學(xué)觀察，獲得了大量的實(shí)驗(yàn)數(shù)據(jù)。通過(guò)收集定量的樣本數(shù)據(jù)每個(gè)樣品切片新生骨組織面積相對(duì)于孔隙界面的比值，進(jìn)而展開(kāi)計(jì)數(shù)資料和計(jì)量資料的統(tǒng)計(jì)學(xué)分析，建立適合本研究的統(tǒng)計(jì)學(xué)分析模型。統(tǒng)計(jì)結(jié)果顯示1，動(dòng)物種屬對(duì)骨誘導(dǎo)性能有影響，統(tǒng)計(jì)顯示骨誘導(dǎo)性狗最好，兔次之，鼠最差。在進(jìn)化親緣性上，基因結(jié)構(gòu)和人類接近的大型動(dòng)物更易出現(xiàn)骨誘導(dǎo)性；2，隨著植入時(shí)間增加，骨誘導(dǎo)形成新骨數(shù)量增多；3，同一種材料和種屬動(dòng)物植入材料后，有的出現(xiàn)骨誘導(dǎo)反應(yīng)有的沒(méi)有。進(jìn)一步確證骨誘導(dǎo)過(guò)程是機(jī)體新骨誘導(dǎo)形成過(guò)程，并非病理性鈣化。

簡(jiǎn)介：多類別分類問(wèn)題一直以來(lái)就是機(jī)器學(xué)習(xí)領(lǐng)域中的重點(diǎn)研究對(duì)象，隨著互聯(lián)網(wǎng)絡(luò)以及數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展，如何準(zhǔn)確快速地處理類別數(shù)較多的多類別分類問(wèn)題已經(jīng)成為了研究和應(yīng)用的熱點(diǎn)。輸出編碼是解決多類別分類問(wèn)題的一般性框架。大多數(shù)研究使用預(yù)先定義的輸出編碼來(lái)達(dá)到分類的目的。ONEAGAINSTALL，ONEAGAINSTONE是最常用的多類別處理方法，將多類別問(wèn)題納入一個(gè)優(yōu)化問(wèn)題處理也得到了大量的研究。最近連續(xù)編碼的概念已經(jīng)被提出，并以此進(jìn)行了編碼的自動(dòng)設(shè)計(jì)。這些研究將編碼設(shè)計(jì)的問(wèn)題歸結(jié)為一個(gè)有約束的優(yōu)化問(wèn)題，但是這些方法需要解大量的優(yōu)化問(wèn)題，導(dǎo)致了復(fù)雜的計(jì)算從而影響到算法的效率。本文提出了解決多類別分類問(wèn)題的一般性方法，它利用最小最大概率機(jī)的概率信息和間隔信息啟發(fā)式地解決了編碼設(shè)計(jì)問(wèn)題。在我們的算法中將一個(gè)減少了迭代次數(shù)的分類器視為弱化了的分類器，同時(shí)保留分類器的間隔屬性和幾何特性。最后我們利用高維映射將分類器輸出映射到特征空間，使用核技巧來(lái)提升整體性能。在弱化階段我們大量減少了整體的迭代次數(shù)而合成階段利用非線性映射來(lái)提升性能。我們對(duì)算法進(jìn)行了數(shù)值試驗(yàn)，與其它算法報(bào)告的最好結(jié)果相比，算法取得了較好的結(jié)果。

簡(jiǎn)介：第四軍醫(yī)大學(xué)博士學(xué)位論文應(yīng)用GIS技術(shù)研究我國(guó)應(yīng)征男青年體質(zhì)狀況的生態(tài)學(xué)統(tǒng)計(jì)分布特征姓名尚磊申請(qǐng)學(xué)位級(jí)別博士專業(yè)流行病與衛(wèi)生統(tǒng)計(jì)學(xué)指導(dǎo)教師徐勇勇20040501塑璺蘭墾查蘭豎生堂些笙壅一縮路語(yǔ)ASEPEBMIDBPDCSESDAESESDAGISGPSIDWMPEOK法RMSSPERMSPERSSBPTSA95％CI縮略語(yǔ)表英文全稱AVERAGESTANDARDERRORBODYMASSINDEXDIASTOLICBLOODPRESSUREDATACOLLECTEDSYSTEMEXPLORATORYSPATIALDATAANALYSISEXPERTSYSTEMEXPLORATORYSPA矗ALDATAANA／SISGEOGRAPHICALINFORMATIONSYSTEMGLOBALPOSITIONSYSTEMINVERSEDISTANCEWEIGHTEDMEANERRORORDINARYKRIGINGMETHODROOTMEANSQUARESTANDARDIZEDROOTMEANSQUAREPREDICTIONELTORREMOTESENSINGSYSTOLICBLOODPRESSURETRENDSURFACEANALYSIS95％CONFIDENTINTERVAL中文全稱估計(jì)偏差平均標(biāo)準(zhǔn)誤體塊指數(shù)舒張壓數(shù)據(jù)收集系統(tǒng)空間數(shù)據(jù)探索分析專家系統(tǒng)空間數(shù)據(jù)探索分析地理信息系統(tǒng)全球定位系統(tǒng)反距離加權(quán)法估計(jì)偏差的均數(shù)普通克立格法估計(jì)偏差標(biāo)化均方根估計(jì)偏差均方根遙感收縮壓趨勢(shì)面分析95％可信區(qū)闖

簡(jiǎn)介：色彩管理技術(shù)是解決不同成像設(shè)備之間色彩再現(xiàn)不一致的一種技術(shù)，力求實(shí)現(xiàn)色彩“所見(jiàn)即所得”的終極目標(biāo)，已經(jīng)廣泛應(yīng)用于印刷、紡織和多媒體等領(lǐng)域。作為色彩管理的一項(xiàng)核心技術(shù)，色彩校正的主要任務(wù)是補(bǔ)償因外設(shè)非理想特性產(chǎn)生的色偏，在色彩管理系統(tǒng)中往往是和色彩轉(zhuǎn)換結(jié)合起來(lái)，其效果直接影響色彩再現(xiàn)的精確性，因而一直是國(guó)內(nèi)外研究的熱點(diǎn)問(wèn)題。近幾年來(lái)，考慮到光照等環(huán)境影響，色彩恒常也已成為未來(lái)色彩管理和實(shí)際需求迫切需要解決的一項(xiàng)重點(diǎn)技術(shù)。色彩恒常的目的是在不同光照環(huán)境下保持對(duì)色彩的不變描述，這對(duì)計(jì)算機(jī)視覺(jué)中物體識(shí)別和基于內(nèi)容的圖像檢索等應(yīng)用至關(guān)重要。色彩校正和色彩恒常通常借助彩色樣本集來(lái)描述、獲取某種色彩特性，并將問(wèn)題歸結(jié)為不同色彩空間之間的映射關(guān)系。然而，作為研究樣本集特征和關(guān)系描述的一種有力工具，統(tǒng)計(jì)學(xué)習(xí)技術(shù)當(dāng)前還未深入涉及到這一領(lǐng)域。為此，本文主要研究了統(tǒng)計(jì)學(xué)習(xí)技術(shù)在色彩校正和色彩恒常中的應(yīng)用問(wèn)題。結(jié)合色彩校正算法的傳統(tǒng)分類，本文按照校正機(jī)理的不同并依據(jù)統(tǒng)計(jì)學(xué)習(xí)概念將算法分為四類，即，三維插值、鄰域回歸、稀疏貝葉斯學(xué)習(xí)及計(jì)算智能，重點(diǎn)討論了不同校正機(jī)理下的技術(shù)瓶頸及相應(yīng)解決方案，強(qiáng)調(diào)了方案的精度和速度效果。在色彩恒常中，結(jié)合目前國(guó)內(nèi)外研究現(xiàn)狀及課題的整體部署，主要討論了色彩恒常的實(shí)現(xiàn)過(guò)程，并分別提出了相應(yīng)的光源估計(jì)算法和監(jiān)督色彩恒常算法。在三維插值類中，主要解決了當(dāng)前流行插值算法的幾何體定位難題并提出了一種新的高精度插值算法。首先提出了兩種基于四面體插值校正的加速算法。第一種算法為基于歷史的局部搜索法，主要借助數(shù)據(jù)相關(guān)性，根據(jù)上次插值數(shù)據(jù)的鄰域來(lái)查找此次的數(shù)據(jù)。第二種算法為利用輔助表的快速定位法，采用了粗略定位和精確定位的兩步定位法。兩種算法均能促進(jìn)三維查找表數(shù)據(jù)的快速生成。此外，針對(duì)色域匹配的不同渲染目的，提出了再加速策略，以減小對(duì)應(yīng)不同渲染目的三種查找表數(shù)據(jù)的生成時(shí)間，實(shí)驗(yàn)證實(shí)了策略的有效性。最后提出了基于改進(jìn)最大模糊熵的線性插值算法。該算法定義了新的插值范圍，采用模糊熵形式確定插值系數(shù)。算法無(wú)需定位幾何體，其校正精度優(yōu)于目前的三維插值算法。在鄰域回歸類中，針對(duì)當(dāng)前回歸類算法的技術(shù)缺陷，提出了鄰域回歸校正概念，并提出了兩種不同的鄰域回歸算法。鄰域回歸算法深化了分區(qū)思想，克服了分區(qū)回歸存在的缺點(diǎn)。第一種算法為基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化和全最小二乘法的鄰域回歸算法，結(jié)構(gòu)風(fēng)險(xiǎn)化原則貼近了真實(shí)風(fēng)險(xiǎn)并減小了模型復(fù)雜度，而全最小二乘法考慮到了輸入輸出數(shù)據(jù)的噪聲。第二種算法為基于提升的核偏最小二乘回歸算法，核函數(shù)將源色彩空間數(shù)據(jù)映射到一個(gè)高維空間，偏最小二乘回歸提取了主成分，而提升技術(shù)進(jìn)一步提高了精度。此外，還討論了鄰域的加速確定和范圍問(wèn)題。在稀疏貝葉斯學(xué)習(xí)類中，以當(dāng)前稀疏核工具的應(yīng)用利弊分析為基礎(chǔ)，提出了采用基于貝葉斯法則的稀疏核工具一相關(guān)向量機(jī)的校正方案，并提出了多種有效的改進(jìn)措施。該類算法采用了統(tǒng)計(jì)學(xué)習(xí)中最新的實(shí)效技術(shù)，在以往的色彩校正研究中從未出現(xiàn)過(guò)，且取得了滿意的校正效果。算法集成了多個(gè)核函數(shù)以提供一組完備基或超完備基。為了減小算法的訓(xùn)練時(shí)間，首先采用保局投影來(lái)約簡(jiǎn)多核輸入矩陣的列維數(shù)，其次采用相關(guān)向量的預(yù)提取技術(shù)和分布式結(jié)構(gòu)來(lái)進(jìn)一步減小訓(xùn)練時(shí)間。其中，完備基主要通過(guò)尺度核函數(shù)及小波核函數(shù)實(shí)現(xiàn)，超完備基則使用到了現(xiàn)存的多種核函數(shù)。相關(guān)向量的預(yù)提取技術(shù)主要通過(guò)分層采樣和聚類來(lái)實(shí)現(xiàn)。算法在校正精度上優(yōu)于支持向量機(jī)和相關(guān)向量機(jī)，且訓(xùn)練時(shí)間小于相關(guān)向量機(jī)。在計(jì)算智能類中，首先分析了當(dāng)前模糊邏輯和神經(jīng)網(wǎng)絡(luò)應(yīng)用于校正的實(shí)際困難，然后提出了相應(yīng)的措施以解決兩者的內(nèi)部結(jié)構(gòu)確定難題，最后給出了遺傳算法在色彩校正中的應(yīng)用可能。首先提出了基于KPCA和ANFIS的校正算法，KPCA作為數(shù)據(jù)的預(yù)處理器，ANFIS自動(dòng)化了IFTHEN規(guī)則。實(shí)驗(yàn)表明了算法在精度上的優(yōu)越性。隨后構(gòu)建了一種新的集成神經(jīng)網(wǎng)絡(luò)的校正模型，該模型解決了單個(gè)網(wǎng)絡(luò)中的結(jié)構(gòu)確定難題，通過(guò)集成多個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)提高了模型的泛化能力，其校正精度高于單個(gè)網(wǎng)絡(luò)和BAGGING集成模型。最后，構(gòu)建了基于遺傳算法的簡(jiǎn)易提升校正模型，選擇算子挑選比較“難”學(xué)習(xí)的樣本組成下次訓(xùn)練樣本集，基于ANFIS的例子表明了模型有效性。在色彩恒常的實(shí)現(xiàn)中，結(jié)合前沿研究和實(shí)用目的，提出了基于自適應(yīng)約簡(jiǎn)相關(guān)向量機(jī)的光源色度估計(jì)算法以及基于薄板樣條和最小一乘法的監(jiān)督色彩恒常算法。前者采用自適應(yīng)混合核函數(shù)來(lái)提高精度，利用改進(jìn)的保局投影來(lái)減小訓(xùn)練時(shí)間；為估計(jì)光源色度，采用色度直方圖的模糊中心和相應(yīng)光源值訓(xùn)練算法。后者通過(guò)放置監(jiān)督色板來(lái)描述光源轉(zhuǎn)換關(guān)系，然后采用薄板樣條映射光照數(shù)據(jù)，再在約簡(jiǎn)后的映射數(shù)據(jù)上應(yīng)用最小一乘法捕獲轉(zhuǎn)化關(guān)系。基于真實(shí)圖像的實(shí)驗(yàn)表明了兩種算法的優(yōu)越性。

簡(jiǎn)介：中南大學(xué)碩士學(xué)位論文空間統(tǒng)計(jì)學(xué)方法在某市淋病疫情時(shí)空聚集性特征研究中的應(yīng)用姓名羅珍胄申請(qǐng)學(xué)位級(jí)別碩士專業(yè)流行病與衛(wèi)生統(tǒng)計(jì)學(xué)指導(dǎo)教師劉愛(ài)忠馮鐵建20100501中南大學(xué)碩士學(xué)位論文中文摘要頭街道，2009年為深圳西南部的南山和南頭街道；單純時(shí)間掃描分析顯示深圳2005和2007年的淋病發(fā)病聚集時(shí)間段為11～12月，2006年聚集時(shí)間段為10““11月，2008年和2009年聚集時(shí)間分別為7“9月和5～7月；時(shí)空掃描分析顯示深圳市粵海、南頭、南山和沙河街道的淋病發(fā)病在2005年3～7月有聚集性LLR84．06，砌P2．40，南山、南頭、粵海、招商和蛇口街道的淋病發(fā)病在2006年4“6月有聚集性LLIB869．75，RR8．87，南頭、南山、粵海和新安街道的淋病發(fā)病在2007年4“6月有聚集性LLR645．47，砌P6．45，南頭、南山、粵海、招商和蛇口街道的淋病發(fā)病在2008年4“6月有聚集性LLR959．05，RR7．65，新安、西麗、南頭、西鄉(xiāng)、粵海和南山街道的淋病發(fā)病在2009年4“6月有聚集性LLR1157．85，腓6．78。結(jié)論以街道為基本單元的深圳市淋病病例和淋病發(fā)病率在時(shí)間、空間和時(shí)空分布上均存在聚集性。2005“2009年淋病的高發(fā)病率聚集區(qū)位于深圳西南部，低發(fā)病率聚集區(qū)位于深圳東北部。深圳市淋病病例空間聚集區(qū)主要位于西北部和西南部；淋病發(fā)病的聚集時(shí)間段有從第四季度向前推移的趨勢(shì)；時(shí)空聚集特點(diǎn)為每年第二季度左右在深圳西南部聚集。空間自相關(guān)和空間掃描統(tǒng)計(jì)等空間統(tǒng)計(jì)方法能夠用于揭示深圳市淋病疫情時(shí)空聚集性分布特征，并確定淋病防控的重點(diǎn)區(qū)域。關(guān)鍵詞淋病，空間統(tǒng)計(jì)學(xué)，空間自相關(guān)，掃描統(tǒng)計(jì)N

簡(jiǎn)介：信息技術(shù)與課程整合是當(dāng)前教育技術(shù)研究的熱點(diǎn)問(wèn)題，它有利于實(shí)現(xiàn)教育教學(xué)的根本目的，幫助教師教學(xué)，有利于提高學(xué)生的信息素養(yǎng)，幫助學(xué)生學(xué)習(xí)，有利于培養(yǎng)學(xué)生的創(chuàng)新性。當(dāng)前信息技術(shù)與課程整合理論存在著“大整合論”與“小整合論”兩種觀點(diǎn)。國(guó)內(nèi)關(guān)于信息技術(shù)與課程整合的研究資料大多是基于小整合論的。本文從大整合論出發(fā)，以軟件技術(shù)與課程內(nèi)容、課程目標(biāo)的結(jié)合為切入點(diǎn)，以課程教育統(tǒng)計(jì)學(xué)為研究對(duì)象，為實(shí)現(xiàn)整合設(shè)計(jì)并實(shí)現(xiàn)了需要的部分軟件系統(tǒng)。本文主要做了以下幾方面的工作1對(duì)信息技術(shù)與課程整合做了較為全面的介紹，對(duì)它的內(nèi)涵、理論基礎(chǔ)、發(fā)展現(xiàn)狀及研究動(dòng)態(tài)做了分析。2以教育統(tǒng)計(jì)學(xué)為例，以大整合論將信息技術(shù)融入課程整體而改變課程內(nèi)容和課程結(jié)構(gòu)為指導(dǎo)，對(duì)整合所需要軟件系統(tǒng)按照面向?qū)ο筌浖_(kāi)發(fā)的軟件工程規(guī)范做了深入細(xì)致的分析。3在對(duì)軟件系統(tǒng)進(jìn)行分析的基礎(chǔ)上，利用MFC軟件開(kāi)發(fā)環(huán)境對(duì)軟件系統(tǒng)進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn)。

簡(jiǎn)介：點(diǎn)擊查看更多基于統(tǒng)計(jì)學(xué)方法的擊鍵動(dòng)態(tài)認(rèn)證技術(shù)的研究.pdf精彩內(nèi)容。

簡(jiǎn)介：視頻分析是多媒體信息處理的重要研究?jī)?nèi)容。多媒體信息呈現(xiàn)爆炸式增長(zhǎng)，海量視頻數(shù)據(jù)需要高效的瀏覽、檢索工具進(jìn)行管理和訪問(wèn)。現(xiàn)有內(nèi)容分析技術(shù)大多是基于非語(yǔ)義低層物理特征，不僅難以理解而且與人類思維中的高層語(yǔ)義概念相差甚遠(yuǎn)，嚴(yán)重影響和制約了基于內(nèi)容的視頻管理、檢索技術(shù)進(jìn)一步推廣和應(yīng)用。如何跨越低層特征和高層語(yǔ)義概念間的語(yǔ)義鴻溝，以語(yǔ)義概念來(lái)管理、訪問(wèn)視頻數(shù)據(jù)，已成為多媒體領(lǐng)域頗具挑戰(zhàn)性的研究課題。本文基于統(tǒng)計(jì)學(xué)理論，提出了一個(gè)視頻數(shù)據(jù)多粒度語(yǔ)義分析和提取的通用解決方案。在該方案中，多層次語(yǔ)義分析與多模式信息融合技術(shù)在同一模型中得到統(tǒng)一和應(yīng)用。本文首先提出了一種基于統(tǒng)計(jì)分布的鏡頭漸變邊界檢測(cè)方法，并用一種具有時(shí)間語(yǔ)義語(yǔ)境約束的關(guān)鍵幀選取策略對(duì)時(shí)域內(nèi)容進(jìn)行表示；然后在基本視覺(jué)語(yǔ)義識(shí)別后，得出一種層次的多粒度視覺(jué)語(yǔ)義分析提取框架；隨后把時(shí)頻變換得到的聲音頻譜作為可觀察特征，構(gòu)建了基本聲音語(yǔ)義識(shí)別的隱馬爾可夫模型，通過(guò)語(yǔ)義窗口獲得基本聲音語(yǔ)義組后，按照高層邏輯定義提取音頻高層語(yǔ)義；最后仿照人腦多感覺(jué)器官信息融合機(jī)理，將視頻中多模式特征按不同類別進(jìn)行劃分，設(shè)計(jì)了一種基于仿生的視頻語(yǔ)義分析兩級(jí)多模式信息融合算法。本文的創(chuàng)新點(diǎn)是（1）提出一種多層次／多粒度視覺(jué)語(yǔ)義分析的通用框架。仿照人類視覺(jué)系統(tǒng)的注意力機(jī)制，利用時(shí)空注意力模型選擇動(dòng)態(tài)和靜態(tài)顯著區(qū)域；將所選區(qū)域用模式分類技術(shù)進(jìn)行基本視覺(jué)語(yǔ)義分類識(shí)別；設(shè)計(jì)了一種適合基本視覺(jué)語(yǔ)義分類識(shí)別的特征選擇算法；得出一種定步長(zhǎng)組合劃分方法，用于對(duì)具有多峰分布屬性的特殊顯著區(qū)域進(jìn)行基本視覺(jué)語(yǔ)義識(shí)別；將高層視覺(jué)語(yǔ)義看作是隱含狀態(tài)，利用層次隱馬爾可夫模型和幀切片策略建立時(shí)間語(yǔ)義語(yǔ)境約束后，對(duì)高層視覺(jué)語(yǔ)義進(jìn)行提取。（2）提出一種對(duì)音頻語(yǔ)義分析和提取的方法。采用隱馬爾可夫模型（HMMS）對(duì)分析窗口內(nèi)的基本聲音語(yǔ)義進(jìn)行識(shí)別；以貝葉斯決策排除語(yǔ)義窗口聲音段中的未定義基本語(yǔ)義；按貝葉斯公式計(jì)算最大后驗(yàn)概率后，得到語(yǔ)義窗口內(nèi)的一個(gè)基本聲音語(yǔ)義組；采用高層語(yǔ)義邏輯定義來(lái)描述基本語(yǔ)義與高層聲音語(yǔ)義概念間的聯(lián)系，最終提取高層音頻語(yǔ)義。（3）通過(guò)對(duì)人腦多種感官信息融合機(jī)理的分析，提出一種基于仿生的視頻語(yǔ)義分析兩級(jí)多模式信息融合算法。首先分別進(jìn)行視頻圖像、音頻、文字等各部分內(nèi)的多模式特征融合，然后通過(guò)基于核的非線性算法把輸入空間變換到高維特征空間，在特征空間中求取最優(yōu)線性分類面，最終得到融合多模式信息的視頻語(yǔ)義。