【摘 要】
:
在信息化程度高度发达的今天,随着高技术武器的不断发展和致伤武器的多样化及其在战争中的广泛应用,不但导致短时间内出现大量的伤病员,而且使得伤情变得复杂。这对长期处于和平
论文部分内容阅读
在信息化程度高度发达的今天,随着高技术武器的不断发展和致伤武器的多样化及其在战争中的广泛应用,不但导致短时间内出现大量的伤病员,而且使得伤情变得复杂。这对长期处于和平环境的医护人员来说,带来了极大的挑战。因此,模拟救治现场伤病员是势在必行的。医疗救护训练系统的目的是提高医护人员在面对批量伤病员到来时的分析、判断和救治伤病员的能力。
在借鉴了国内外的先进模拟训练系统的基础上,结合本系统的实际需要,完成了医疗救护训练系统的设计与实现。本系统通过模拟生成伤病员,对伤病员进行检查与救治,实现了对用户救治伤病员水平的评估。
本系统对伤病员的生成模型,检伤分类,疾病诊断以及救治评估等部分的实现方法进行了研究。本着简单快速的原则,该系统选择了使用指数分布来模拟生成伤病员,使用START分类法实现检伤分类,利用基于可信度的不确定性推理来实现诊断疾病时的推理过程。最后,为了能够反映用户的真实水平,该系统用近似加权算术平均值法来实现了对用户的平均分的计算。
本论文主要对医疗救护训练系统所使用的主要算法及其实现进行了详细的介绍。从医疗救护训练系统的架构设计开始,介绍了MVC在.NET中的实现方法,模拟生成伤病员和检伤分类中所使用的方法,疾病诊断模块的专家系统实现方法,以及对用户所进行的救治操作的评估的实现。
其他文献
教育观念的提升,学习方法的多样化,使社会对教学模式的需求大大提高。而计算机网络发展迅猛,即时通讯技术日新月异,又为多媒体远程教育系统奠定了技术和理论基础。网络白板,
IB(Information Bottleneck)方法起源于率失真理论,是一种有效解决复杂优化问题中数据压缩和信息保存的方法学。在机器学习领域中,IB方法多用于模式提取,并形成了多个版本的I
随着计算机通信网络、流媒体和压缩等技术的发展和应用,数字内容服务己成为软件产业乃至整个信息产业中发展最快、最具市场前景的领域。但是数字内容很容易就被复制、篡改和
稀有类分类问题是数据挖掘与机器学习的一项难点任务,在典型的二元分类问题中,稀有类(或正类)的样本数远小于多数类(或负类)的样本数。传统的分类方法倾向于最小化训练误差,
图像的两大基本特征是颜色和形状,研究表明大脑对颜色和形状的处理是分开进行的,为了最后识别图像大脑必须把颜色和形状最终进行特征绑定。脑认知一直以来是人们的研究热点,
随着数字化技术、网络信息技术以及多媒体通信技术的不断发展,视频图像的传播越来越广泛,传输的信息量也逐渐增大,因此对视频文件进行压缩编码成为视频领域的研究热点。H.264
伴随着互联网技术的飞速发展,数字产品的传播也得到了极大的方便,不过随之而来的副作用也引起了人们的广泛关注和重视。其中软件作为一种典型的数字产品,其开发需要耗费大量
Web从产生到现在已经发展了超过20年,它最初产生时的主要目的是方便全世界的科学家共享信息。但是随着网络的发展,如今web的功能已经发生了很大的改变,网站内容日益丰富,Web
入侵检测系统作为网络安全防护的重要手段之一,目前已得到越来越多的重视。将数据挖掘中的算法应用到入侵检测技术中是把入侵检测系统智能化的重要一步。由于入侵检测系统在
行人检测是目标检测的一个分支,它旨在将行人从连续的视频帧或单帧图像中准确的定位并分割出来,是计算机视觉领域最为活跃也最富挑战性的课题之一。本文对行人检测算法的研究,旨