基于Stacking算法与多数据源的有效药物组合

对于癌症、心血管疾病等复杂疾病,采取组合用药克服耐药性和改善功效已成为标准治疗方案。鉴定药物组合标准的方法是进行体内或体外药物筛选实验,但这一过程很缓慢,代价高昂。各种高通量组学技术产生度量药物效应的各层次数据,使得从计算角度挖掘数据进而预测有效药物组合成为主流手段。针对有效药物组合的预测模型大多是利用单一机器学习模型建模。为获得更高的精度,提出一种新的有效药物组合预测方法。该方法充分利用5种不同层次的药物信息构建相似性特征,特别引入药物靶标的序列信息和功能信息,基于Stacking算法融合多个传统机器学习模型和最新的集成学习模型LightGBM。实验表明,该方法预测的AUC值为0.953,精度比单一机器学习模型有显著提升。     

关联规则算法在临床医疗诊断中的应用

为了从临床数据中挖掘出疾病之间的相关性,为疾病临床诊断提供一种辅助方法,使用SPSS Statistics进行数据预处理,将数据转化为布尔数据,最后应用SPSS Modeler搭建基于Apriori算法的关联规则挖掘数据流,采用云南某医院2013年住院病案首页数据（共54 841条）建立疾病间的关联规则模型。从227种疾病中挖掘出信度大于20%的关联规则共40条,涉及20种疾病。关联规则挖掘可以从大量临床数据中发现疾病间潜在关联,为相关疾病的临床诊断提供辅助。     

基于特征挖掘的GRU-A光伏发电功率预测

提出了一种基于特征挖掘的GRU-A光伏发电功率预测模型,可有效、精确地预测短期光伏发电功率。对光伏发电功率的影响因素进行深度挖掘并构造出相应特征群,搭建GRU-A模型作为光伏发电功率预测模型,并以构造的特征群作为输入,来实现光伏发电功率预测。利用某地的实际光伏数据,通过仿真实验证明基于特征挖掘的GRU-A模型相比于其他模型有更好的预测精度及稳定性。     

一种新的螺旋管内流动沸腾传热关联式（英文）

为了改善螺旋管内流动沸腾换热特性的预测方法,利用核态沸腾项和对流换热项的叠加原理建立了新的预测关联式.基于收集的大量实验数据和流动沸腾换热机理,分析螺旋管几何参数和实验参数对流动沸腾传热的影响,将已经建立的关联式分为2类,并用大量实验数据对其进行计算.为了考虑复杂管道对传热特性的影响,在新建立的螺旋管内流动沸腾传热预测关联式中引入了Dn因子.采用以R134a为介质的螺旋管内流动沸腾传热实验数据进行了验证,并计算新关联式的平均相对误差和均方根误差.结果表明,新的预测关联式与实验值吻合较好,可以用于螺旋管流动沸腾传热特性的预测分析.     

大数据背景下数据挖掘课程的教学改革与探索

大数据时代已经到来,需要对大量的结构化和非结构化数据集合进行挖掘,数据挖掘领域需要进行彻底变革,数据挖掘课程的授课内容和实践环节都需进行相应的调整。本文通过分析大数据的内涵、特征,数据挖掘的核心课程,探讨大数据时代对数据挖掘课程提出的新要求与新挑战。     

活学活用电子邮件

本文从实用角度介绍电子邮件,从不同角度对电子邮件进行分类,力求全面地挖掘电子邮件的用途。     

浅谈新病毒性疾病出现、流行的原因

近20年发现了许多新的病毒性疾病,如艾滋病、埃博拉病毒病,以及最近香港地区出现了人患上的禽流感等。每一次新的病毒性疾病的出现都引起人们极大的恐慌。新病毒性疾病已经成为当个威胁人们健康的几大疾病之一．也似乎成为现代社会的产物。尽管目前分子生物学技术已能鉴定新的或以前未能认识到的病毒,然而没有任何方法可以预测在何时何地将出现何种新的致病性病毒,也不能去预测其流行病学特征,更不能有效地进行预防或治疗。因而没有任何人能预料到埃博拉病毒会通过猴子带到美国。也没有任何人预料到引起出血热的汉坦病毒会在美国南部引…     

活学活用电子邮件

本从实用角度介绍电子邮件，从不同角度对电子邮件进行分类，力求全面地挖掘电子邮件的用途。     

基于融合卷积神经网络的协同过滤模型

在传统推荐系统中,通常基于协同过滤推荐算法挖掘评分中的隐含特征,但在实际应用中,评分矩阵往往十分稀疏,很难充分地表示用户偏好特征与物品描述特征。为了充分挖掘评论文本中的隐含特征,并在一定程度上缓解数据稀疏性问题,提出一种深度协同过滤模型(CFiCNN)：融合卷积神经网络的协同过滤模型。该模型利用卷积神经网络抽取用户-物品评论数据中的隐含特征,基于协同过滤的矩阵分解方法,进行评分预测。在4个真实数据集上对该模型进行了评估实验,并与3个常用模型进行对比。实验结果表明,该模型能够很好地抽取到用户与物品的隐含特征,并且进行更准确的评分预测。     

中考中统计与概率的考查内容及方法

在当今信息化时代,人们每天都要利用大量的数据进行决策,数据处理和预测也因此变得更加重要。近年来,随着新课程标准的不断推行和新课程标准实验教科     

基于大数据云平台的深度学习预测模型研究

近年来,随着云计算、大数据等技术的迅猛发展,如何快速、有效地从纷繁复杂的数据中获取有价值的信息成为当前大数据应用的关键问题。为此,对基于大数据云平台的深度学习预测模型进行研究,以对未来序列数据走势进行有效预测。首先对几种基于深度学习的长短序列预测模型进行对比分析,分析其与传统预测模型的区别及优势,提出一种加入 dropout 的轻量级 GRU 预测模型。采用代表性天气数据作为实验对象,实验结果表明,该方法的实验预测指标 MAE（平均绝对误差）的平均值相比传统预测方法有所提高,从而有效验证了轻量级 GRU 预测方法的正确性与有效性。     

铂类抗癌药物作用机理研究进展

顺铂、卡铂的开发成功和临床应用给癌症治疗带来了一场新的革命,几种新型铂类抗癌药物的成功推出开辟了铂类抗癌药物研究新领域.     

基于支持向量机的储层参数反演

支持向量机是基于统计学理论的一种新的数学方法,近几年得到了快速的发展,国内外已将其应用到各个领域。该文应用支持向量回归机的方法,用测井数据、地震属性数据对储集层的储层参数进行了预测,得到了精度较高的储层参数;并通过对实验结果的分析,说明了这种方法的优势。     

毒品犯罪死刑的国际考察及其对我国的借鉴

二战后,世界范围内死刑在逐步被限制并走向废止的同时,由于世界各国面临毒品犯罪的严峻形势,从上个世纪80年代至2000年的20年间,世界上毒品犯罪规定死刑国家的数量却出现了明显增加。当前,虽仍可认为"国际法并未完全禁止使用死刑",但死刑的废除是一个不可阻挡的趋势。毒品犯罪死刑废除并未得到我国当前立法的支持,但鉴于运输毒品罪的特殊地位和其社会危害性,立法上或司法上先行废除其死刑的适用,对于减少我国死刑的适用、推进我国毒品犯罪死刑的废除具有现实意义。     

基于多任务学习模型的药物敏感性预测

目前基于建模的抗癌药物敏感性预测研究较多,但这些模型大多使用传统单任务学习模型。这种模型在解决复杂问题时需将问题拆分成单个子问题,忽略了各个子问题之间存在的关联,因而模型精度会受到影响。大多数药物敏感性预测模型仅使用了基因表达数据,忽略了基因突变、甲基化以及拷贝数等数据对药物敏感性预测的影响。结合上述数据,并考虑到不同药物之间可能存在的相似性,利用多任务学习方法共享任务之间的信息,对抗癌药物敏感性进行预测,预测的平均精度达到56%以上,较普通的Lasso模型提高了35%左右。同时,针对每种药物找出一些敏感的生物标志物,这些生物标志物可为癌症治疗提供指导。     

Examining Patterns and Motivations for Drug-Related Information Seeking and Scanning Behavior: A Cross-National Comparison of American and Israeli College Students

The current study uses a grounded theory approach to explore dimensions and bi-national comparisons of active information seeking efforts (seeking) for and passive information acquisition (scanning) of drug-related information among two college student samples from the United States (N = 25) and Israel (N = 39). Specifically, the study focuses on seeking and scanning related to amphetamines and marijuana, two frequently used drugs among college populations, about which information is easily accessible. Results of semi-structured interviews suggest that information scanning and seeking about marijuana and amphetamines are common, particularly from peers and from the Internet. The analysis uncovers themes relating to young adults’ drug-related, information-seeking behaviors, including cross-source information acquisition across interpersonal and media sources, and motivations for engaging in active efforts to seek drug-related information. These findings extend research on information seeking and scanning and suggest future research should examine predictors and effects of these behaviors in the context of substance use.     

联合应用抗精神病药物致恶性综合征1例分析

目的:了解抗精神病药物所致恶性综合征(NMS)的临床特征并探讨NMS发生的影响因素。方法:对某院1例恶性综合征患者病例资料进行分析并复习相关文献资料。结果:抗精神病药物所致NMS男多于女,青壮年居多,传统抗精神病药物与多种抗精神病药物联用、增加剂量过快是产生NMS的危险因素。结论:NMS病情凶险,死亡率高,临床上要认真评估抗精神病药物应用指征,综合考虑患者的个体素质、营养、躯体及精神征状等多种因素来选用抗精神病药物,使用中密切观察病人耐受性,缓慢增加药物剂量,特别是对精神发育迟滞患者、老年患者、有器质性病变及夏季应用吩噻嗪类药物的患者应仔细观察,减少危险因素,有效预防NMS。     

浅谈“合理用药”

近些年来,关于药品的安全事件此起彼伏,不绝于耳。药品的合理安全应用成为了社会的关注热点。老百姓如何用上“放心药”,公众用药应该避免哪些误区？该文就此进行了简要分析。     

基于 Spark 的分布式健康大数据分析系统设计与实现

随着各类医疗健康信息数量的增长,如何利用医疗健康大数据辅助临床诊疗和科研,已经成为各医疗科研机构普遍关注的问题。针对该问题,设计并实现了一种基于 Spark 的分布式健康大数据分析系统。系统采用大数据分析技术并基于随机森林模型,应用多个弱分类器将多个决策树获得的结果进行集成,基于该模型实现了睡眠质量预测,同时还研究了权重较高的影响因子。最终实验预测准确率达 96.84%。实验结果对于睡眠质量分析具有一定参考意义,且系统能够较好地满足健康大数据的分析处理需求。