您的位置: 专家智库 > >

杨正

作品数:8 被引量:7H指数:2
供职机构:安徽中医药高等专科学校更多>>
相关领域:自动化与计算机技术文化科学医药卫生经济管理更多>>

文献类型

  • 7篇中文期刊文章

领域

  • 3篇自动化与计算...
  • 2篇文化科学
  • 1篇经济管理
  • 1篇医药卫生

主题

  • 2篇态势感知
  • 2篇网络
  • 2篇校园网
  • 2篇感知
  • 2篇高校
  • 2篇安全态势感知
  • 1篇学习网络
  • 1篇用户
  • 1篇妊娠
  • 1篇妊娠期
  • 1篇妊娠期糖尿病
  • 1篇神经网
  • 1篇神经网络
  • 1篇数据集
  • 1篇数据挖掘
  • 1篇糖尿
  • 1篇糖尿病
  • 1篇图书
  • 1篇图书馆
  • 1篇图书馆个性化

机构

  • 7篇安徽中医药高...

作者

  • 7篇杨正
  • 2篇周逢仓
  • 1篇过珺

传媒

  • 1篇光盘技术
  • 1篇信息与电脑
  • 1篇数字技术与应...
  • 1篇电脑知识与技...
  • 1篇中国新通信
  • 1篇中国科技投资
  • 1篇中文科技期刊...

年份

  • 1篇2025
  • 3篇2024
  • 1篇2023
  • 1篇2021
  • 1篇2009
8 条 记 录,以下是 1-7
排序方式:
主流VPN技术的分析
2009年
阐述了现在比较主流的三种VPN技术,并介绍它们的主要技术、优缺点和应用。
杨正
关键词:VPNIPSECSSL
面向中医药行业的精准医疗服务数据框架研究
2024年
本文以面向中医药的精准医疗服务数据框架为切入点,探讨如何将现代信息技术与中医药相结合,为患者提供更精准化、个性化的中医药服务,为中医知识的传承和发展提供有力支持。同时,也希望本文能够让更多人意识到医疗机构行业的价值,解决中医现存的困境,预防珍贵中医药方的流失。
杨正孙超过珺
关键词:中医药
大数据环境下用户画像在图书馆个性化服务中的研究被引量:3
2021年
在大数据环境下,深入描述用户的基本属性和特征,将用户画像模型应用到当前图书馆的服务中,可以提高图书馆的个性化服务。本文首先对用户画像的概念进行阐述,然后介绍了当前图书馆在服务过程中存在的现状,然后从三个层面(数据的采集、分析以及个性化服务)来对图书馆进行用户画像模型的构建,最后对当前图书馆个性化服务的优化提出了几点建议。
杨正
关键词:大数据图书馆个性化服务
基于医疗体检数据集的随机森林-多重插补融合方法
2024年
缺失值插补是数据挖掘领域的重要分支,它通过填补原始数据集缺失的数据,可以有效提高数据完整性和数据利用率、提升预测精度并且适配更多的算法模型。文章立足于医疗体检数据集数据插补场景,提出了随机森林-多重插补融合方法,在整体上使用多重插补方法得到了整体的数据集分析和汇总,并在局部使用随机森林插补方法减小了填补误差和增强了插补效果。实验证明,在医疗体检数据集中使用随机森林-多重插补融合方法的效果优于其他插值方法,为体检数据集后续的数据挖掘工作打下了坚实的基础。
孙超杨正周逢仓
高校校园网网络安全态势感知建设中的数据挖掘与策略探析
2024年
在信息技术高速发展的时代,校园网络已经成为校园中必不可少的一部分,正是因为如此,部分不法分子开始逐渐将目光转向校园网络,利用校园网窃取信息,对师生的人身以及财产安全都造成了严重的威胁,因此,强化高校校园网网络安全显得尤为重要。本文以高校校园网网络安全态势感知建设为主要对象进行研究,首先阐述了安全态势感知建设的相关情况,其次提出了当前建设存在的困难及原因,最后提出了相关策略,希望能为高校校园网网络安全态势感知建设带来帮助。
杨正孙超
关键词:网络安全态势感知高校校园网数据挖掘校园网络校园网网络安全
高校校园网环境下的安全态势感知建设探究被引量:1
2023年
在信息科技快速发展的今天,高校与互联网之间的联系变得越来越紧密,一些不法分子希望通过网络校园环境窃取信息资源,为此加强高校校园网络的安全变得至关重要。本文以高校校园网环境下安全态势感知建设为分析对象,首先概述的安全态势感知建设的相关内容与特点,分析了建设的必要性,例如,高校校园网安全形势非常严峻,高校校园网资产和信息价值巨大,高校校园网管理难度较大,安全教育急需加强,分析建设中所面临的困境,例如,校园网络环境非常复杂,校园网的管理也非常复杂,校园网络安全面临技术缺陷,校园网络安全的意识较为淡薄,阐述了出现困境的原因,给予了相应的对策建议,例如加强校园网络基础设施建设,提高用户安全意识和能力,强化安全预警和管理,提高安全管理和运维能力,旨在提高高校校园网络环境下安全态势感知建设的实效。
杨正
关键词:校园网高校
基于深度学习网络的妊娠期糖尿病预测模型的研究
2025年
该文主要通过构建深度学习网络模型,结合临床数据和生物标志物信息,对妊娠期糖尿病风险进行精准预测。在构建模型过程中,首先需对大量临床数据进行预处理,提取相关特征,以获取影响妊娠期糖尿病发生的关键因素。随后,利用深度神经网络强大的学习能力,对这些特征进行深层次学习和分析,挖掘其中潜在的规律。根据实验结果可知,本次研究所构建的深度学习模型在预测妊娠期糖尿病方面的准确率明显优于传统模型及其他计算机学习算法,且具有较高的稳定性。
杨正孙超周逢仓
关键词:妊娠期糖尿病
共1页<1>
聚类工具0