加强医院文化建设，促进医院全面发展

在发展社会主义市场经济的新形势下,现代医院之间的竞争更趋于以医院文化为中心的无形资产的竞争。可以说,医院文化建设已成为现代医院管理的重点,谁拥有文化优势,谁就拥有竞争优势。医院文化的核心是医院的价值观,精髓是重视人的社会价值,尊重人的独立人格,挖掘人的智慧和潜能。医院文化是医院长期发展形成的一种文化传统,是一种医院独具的组织结构模式,经营管理理念,行为规范,价值取向,包括全体职工对医院的关爱程度,依赖程度及职工本身具有的责任感、荣誉感等。现就医院文化建设如何能促进医院全面发展我们在理论和实践中作了如下探讨：     

以加强医院管理入手，改善医患关系，减少医疗纠纷

当前，医患关系成为医疗领域中社会关注的焦点，目前存在这种局面：患者怨声不断，抱怨付了钱得不到满意的治疗效果；而医方也叫苦不迭，在承担繁忙的工作同时承受来自各方的压力却不为人理解。这些现象引发了一系列的医疗纠纷。直接触发医疗纠纷的原因有多种，其中，在医院管理出现的问题，是一个不容忽视的重要原因。医院管理是一项     

基于偏最小二乘的Kriging代理模型在加氢裂化建模中的应用

提出了一种改进的代理模型方法 （Kriging with Partial Least Squares,KPLS）。该方法在Kriging模型的基础上引入偏最小二乘的思想,利用偏最小二乘方法构建新的Kriging模型的高斯核函数。将该模型应用于加氢裂化过程建模,有效地提高了航煤、柴油质量收率的预测精度。采用 GLAMP（Global and local search strategy）优化算法对建立的KPLS模型进行优化,仿真结果显示航煤、柴油质量收率得到了显著提升。     

化工领域设备本体模型构建

简要分析了信息物理融合系统（CPS）,提出了应用本体技术进行CPS中间通信层的语义解析以及语义信息处理。对工程领域本体相关研究进行了综合分析,在此基础上介绍了本体的描述语言、开发工具以及本体建模方法。提出了化工领域设备本体框架OntoCD（Chemical Device Ontology）,并以该框架为基础,采用本体描述语言OWL、本体开发工具Protégé、本体建模方法七步法,构建了化工领域设备本体模型。以苯乙烯化工流程乙苯脱氢塔设备选型为例,验证了应用化工领域设备本体模型进行语义解析的有效性。     

区间聚类结合区域划分法实现WSN随机游走模型跟踪

传统的移动目标跟踪方案大都基于理想运动模型,利用滤波方法(如Kalman滤波)进行连续的位置估计和预测。但现实世界中,目标移动规律往往带有强机动性,无任何规律可言,称为随机游走模型。基于此,本文提出了一种低复杂度解决方案,引入离线标准参考样本空间替代在线位置估测过程,为移动目标提供了一种启发式跟踪方案。仿真结果表明,该算法在保证精度的同时降低了计算复杂度,对系统能耗设计有一定指导意义,同时具有更高的灵活性和实用性。     

一种改进的θ-PSO算法

基于相位角的粒子群优化算法θ-PSO在处理一些标准测试函数时比基本的PSO算法有着更好的寻优性能,但该算法在处理一些复杂函数时,也存在不易跳出局部最小的困惑。本文在基本θ-PSO的基础上改进了相位角的更新策略,当粒子相位在到达边界时进行反弹,而不是限制在边界。为进一步提高算法的性能,对改进的算法进行了变异扰动操作,使得该算法在处理一些复杂的测试函数时,有着更好的寻优性能,能在有限步的迭代过程中,克服局部最小,到达优化目标的设定值。     

一种基于2次核函数支持向量机的多步预测控制算法

提出了一种基于2次多项式核函数支持向量机的多步预测控制方法。通过黑箱辨识和线性化技术得到非线性系统的近似模型,根据预测控制机理,最小化滚动时域的二次型目标函数,利用模型算法控制的方法得到控制器的解析输出。通过一个标准预测模型和一个工业用连续搅拌槽式反应器的模型仿真验证了该控制器的性能,仿真结果表明:该控制器有着良好的预测性能。     

变尺度混沌量子粒子群算法

利用混沌算子的遍历性,结合量子粒子群的快速收敛性,提出了变尺度混沌量子粒子群算法（CQPSO）。针对标准粒子群容易陷入局部最优的缺陷,CQPSO能快速收敛到最优解。对标准测试函数的测试结果表明：该算法在收敛速度和收敛精度上都得到了大幅度的提高。     

改进的混沌粒子群优化算法

针对传统的简单粒子群算法(SPSO)早熟、易陷入局部最优的缺陷,提出了一种改进的混沌粒子群优化算法(CPSO)。该算法根据混沌算法遍历性的特点,选择合适的混沌映射提取SPSO初始种群,使粒子均匀分布在解空间。当SPSO陷入早熟时,CPSO在最优解周围的区域内进行混沌搜索,取代原来种群中的部分粒子,带领种群跳出局部最优。对7个标准测试函数的寻优测试表明：CPSO算法在寻优精度、速度、稳定性等方面均优于SPSO。     

基于高斯白噪声扰动变异的粒子群优化算法

为了有效避免粒子群算法(PSO)早熟和局部收敛的现象,在深入分析PSO算法的基础上,提出了一种基于高斯白噪声扰动变异的粒子群优化算法(GMPSO).该算法以一定的概率选中粒子进行基于高斯白噪声扰动的变异,并重新随机产生飞离搜索区域的粒子,以克服粒子群后期多样性严重下降的缺点.通过对Benchmark函数的测试表明:GMPSO算法无论是搜索精度、速度还是稳定性均显著优于PSO算法.