常压模拟高住低练对大鼠红细胞形态学特征的影响

本研究探讨了常压模拟高住(海拔3000m)低练对大鼠红细胞形态学特征的影响。结果表明:低住安静组大鼠MCH低于其他三组大鼠,具有显著性差异(P<0.05);低住安静组平均红细胞血红蛋白浓度(MCHC)和常压高住安静组没有明显的差别,但低住低练组的MCHC明显地高于常压高住低练组,具有非常显著性差异(P<0.01)。结论:常压模拟高住低练时,红细胞血红蛋白合成减少,应加强营养物质铁、维生素B12、叶酸的补充。     

四周常压模拟高住低练对女子赛艇运动员血清睾酮、皮质醇及血睾酮／皮质醇的影响

目的:探讨4周常压模拟高住低练训练法对女子赛艇运动员血清睾酮、皮质醇及血睾酮/皮质醇等的影响。方法:系统观察了7名女子赛艇运动员(实验组)进行4周高住低练(2500m)训练前、训练期间第1周、第2周、第4周及训练后第1周和第2周这些指标的变化,并与6名低住低练运动员(对照组)进行比较分析。结果:(1)4周高住低练使女子赛艇运动员血清T水平呈先降后升之势,4周结束后仍低于实验前水平,并且至少持续2周;(2)4周高住低练期间运动员血清皮质醇水平降低,实验结束后2周恢复到实验前水平;(3)4周高住低练期间Hb和RBC的变化与T和T/C的变化并不一致,实验前后比较,前两者总体趋势是升高,而后两者总体趋势是下降。结论:4周高住低练使血清T水平先降后升,血清C水平降低,这可能与低氧刺激导致血液Hb和RBC逐渐升高以及机体合成代谢相对增强有关。     

上瘾模型视角下图书馆短视频运营策略探究--以抖音为例

文章以国内活跃用户规模最大的抖音平台为例,引入互联网产品设计理论的上瘾模型,参考抖音平台的推荐算法机制,针对当下图书馆短视频运营的现状和问题,提出基于推荐算法和用户知识焦虑的用户触发、把握用户动机同时降低能力门槛、设计以猎物酬赏为主的多变酬赏,以及通过内容价值与运营技巧吸引用户投入等运营策略。     

基于递归概念图的文本检索模型研究

Sowa在1984年提出了一个抽象模型,即概念图,作为基于语言学、心理学和哲学的知识表示语言.但是其概念图的定义比较简单,对于刻画文本中的语言组块的语义及语言单元之间的组合运算比较困难.为了能从形式上为将来的组块内部和组块之间的组合分析提供支持,深化概念图的表示形式,我们提出了一种适用于自然语言自动化分析的概念图的形式化描述,它可以看成是Sowa 概念图的递归扩展.然后我们将这种新颖的知识表示方式应用到文本检索领域的文本标引中,同时给出了以此为基础的概念图匹配算法.在和布尔检索的比较实验中,概念检索体现出比较明显的优势.     

基于核模式合成的频繁巨模式挖掘算法

已有的频繁模式挖掘算法难以适应像生物信息数据挖掘、图模式挖掘等频繁巨模式挖掘应用.提出一种频繁巨模式挖掘算法,即基于核模式合成的频繁巨模式挖掘算法(Core Pattern Fusion Based Colossal Frequent Pattern Mining Algorithm,CPFCFPA),通过将各较小的核模式进行一步合成,寻求一个对频繁巨模式完整集的蕴含集.引入项集编辑距离概念,提出一种新颖的评价频繁巨模式挖掘结果质量的评测模型.实时数据集实验显示,CPFCFPA具有较好的可扩展性和挖掘性能,且对当前频繁模式挖掘算法难以或不能实现的挖掘任务,其挖掘结果能做到对频繁巨模式完整挖掘集的较好近似.     

基于属性值偏好矩阵的协同过滤推荐算法

传统的协同过滤推荐算法面临用户评分数据稀疏性和冷启动问题的挑战.针对上述问题,提出了基于属性值偏好矩阵的协同过滤推荐算法,首先采用奇异值分解(SVD)对用户-项目评分矩阵降维得到目标用户的初始邻居用户集,生成新的用户-项目评分矩阵;然后将用户评分映射到相应的项目属性值上,生成每个用户的属性值偏好矩阵,并基于属性值偏好矩阵进行用户相似性度量,从而缓解了评分数据稀疏性;将新项目的属性值与用户的属性值偏好矩阵进行匹配,从而找出匹配度最高的前N个用户作为新项目的推荐受众.实验结果表明了该算法的有效性.     

数字图书馆中的检索结果聚类和关联推荐研究

探讨如何在数字图书馆的文献检索平台中集成实现检索结果聚类、相关文献的关联推荐、相关作者和研究机构的关联推荐以及相关词语的关联推荐,由此帮助用户全面提高查准率和查全率,并且对聚类和推荐结果采用图形进行可视化展示,进一步提高用户的使用满意度。     

基于BP算法的网络信息资源有效性评价研究*

针对网络信息资源的评价现状，阐明对定性指标进行定量评价的必要性，给出网络信息资源有效性评价指标体系的层次结构模型，运用BP神经网络算法对其进行有效性评价，并通过仿真结果分析，证明其可行性与有效性。     

普适评估算法模型研究

论述的评估算法模型主要针对常用的各类评估系统,介绍了算法模型的多种形式,这些模型交织在一起,详细地给出了实现算法。算法模型具有很强的实用性,为建立高效和功能强大的计算机评估系统提供参考。     

基于概率神经网络的文本自动分类研究

本文提出了将一种径向基网络的重要变形———概率神经网络应用于文本自动分类的研究 ,与常用的K 最邻近法相比 ,具有一定的优势 ,特别是在训练集中各类的训练样本数很不平衡时 ;与BP等其他神经网络相比 ,其特点是需调节的参数少 ,不需确定隐层数、隐层中的神经元数量等网络结构 ,比较容易使用。此外 ,从研究中的不同特征选择的评价函数来看 ,它们对分类有一定的影响 ,应用X2 统计进行特征选择的分类正确率最高 ,其次是文本证据权 ,而期望交叉熵的效果最差 ,说明特征选择在文本自动分类中也是非常重要的。