前言：中文期刊網精心挑選了生物醫學工程類別范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
生物醫學工程類別范文1
二、評分標準:現行的獨立技術移民的批準分數為115分，入圍分數是70分。1.職業技能:要求有一定的學歷，屬需有職業培訓的職業---60分;要求有一定的學歷，屬普通專業人士的職業---50分;要求有文憑，并擁有一個職業目錄內的職業---40分。在計分移民類別中，職業技能打分一直都是“重頭戲”，申請人的技能分將與澳洲就業市場密切相關。移民局將根據人才需求的動向來決定職業技能得分。所有具備申請資格的職業都列在“職業技能表”(SOL)中，列表之外的職業不得申請，而且職業列表將會根據澳洲的勞工市場需求定期作出修改，并會提出優先的職業需求類別。所有的澳洲獨立技術移民申請人都必須首先通過澳洲“有關評估機構”的職業評估，當職業評估通過后，也就是獲得了相關職業技能分，才可以進一步向澳洲提出移民申請材料直接寄往澳大利亞審理中心。2.年齡分：(申請人在遞交申請時的年齡)18-29歲――30分;30-34歲――25分;35-39歲――20分;40-44歲――15分。3.英文分：具備功能英文能力(IELTS每科5分)-15分；具備流利英語能力(IELTS每科6分)-20分。4.特殊工作經驗分：如果您的職業技能得分是60分，并且在過去的四年中有三年以上的相關工作經驗，可得10分；如果職業技能得分40、50或60分，且在過去的四年中有兩年以上相關或非相關工作經驗，可得5分。5.緊缺職業加分：如您從事的職業是澳洲政府在移民類別中提出的緊缺職業，同時又有澳洲雇主給你一個職位雇傭擔保，可得10分；如您從事的職業是澳洲政府在移民類別中提出的緊缺職業，但沒有澳洲雇住給你一個職位雇傭擔保，可得5分；6.澳大利亞學歷加分：如果申請人在遞交申請之前在澳大利亞完成了一個12個月以上全日制的澳洲學歷課程，并獲得文憑或技能證書以上的學歷，可得5分；如果申請人在遞交之前在澳大利亞完成了一個12個月以上全日制的澳洲學歷課程，并獲得博士學歷，可得10分。7.配偶技能得分：如果您的配偶在申請時與您一起申請，同時又滿足了技術移民申請的基本要求，即獲得職業評審通過，英語達到IELTS5分以上，可得5分。8.附加得分(滿足以下一項條件的任何一項可得5分):在澳大利亞政府指定的項目中投資A100000達一年以上或在澳洲有合法工作6個月以上工作經驗，是職業列表中的職業，或流利使用英語以外的外語，獲得可您的學位，或者擁有澳大利亞三級翻譯資質，可得5分。9.親屬擔保加分：如果您不具備申請獨立移民的計分要求，而您在澳洲又有親屬愿意為您提供擔保，那您將會獲得在澳洲親屬的擔保分數：(親屬關系是：父母、成年子女、兄弟姐妹、阿姨舅舅、姑媽叔叔等)15分，所以一樣有資格申請移民。
澳大利亞部分職業評分表：
40分專業：急救中心職員、生物醫學工程助理、分理處會計師、 建筑審查員、化工技術員、民用工程技術員、商品交易人員、計算機支持技師、牙齒衛生清潔師、牙齒理療師、殘疾人服務人員、電氣工程技師。
50分專業：商業和管理、保險公司精算師、公司秘書、 建筑工程項目經理、教育管理員、生物醫學工程師、環境和土地管理員、衛生信息管理員、經營管理顧問、廣告專家、檔案保管員、商業信息人員、經濟師、統計師、政策分析員、市場調查分析員、政策和計劃管理員、公共關系人員、醫療保健、針灸師、生理解剖學者、藥劑師、兒童護理師、醫療行政人員、藥物酒精顧問、新聞媒體。
生物醫學工程類別范文2
2010年生物醫藥板塊又喜上眉梢。10月份生物產業被列入戰略性新興產業，讓生物醫藥板塊憧憬更美好的未來。
截至12月22日，生物醫藥板塊以34.51％的漲幅摘得申萬行業分類漲幅的“探花”。同期滬深300指數漲幅僅為1.61％。
生物制品最受益
10月18日，國務院公布了關于加快培育和發展戰略性新興產業的決定，并指出在生物產業方面，“大力發展用于重大疾病防治的生物技術藥物、新型疫苗和診斷試劑、化學藥物、現代中藥等創新藥物大品種，提升生物醫藥產業水平。加快先進醫療設備、醫用材料等生物醫學工程產品的研發和產業化，促進規模化發展”。
愛建證券分析師林興秋在接受采訪時表示，生物被列入戰略性新興產業，直接受益的是生物制品這個行業。
根據申銀萬圍行業分類，生物醫藥板塊分為化學制藥、生物制品、醫療器械、醫藥商業、中藥、醫療服務這六個子行業。
在生物醫藥板塊中，截至12月22日生物制品今年漲幅最低，僅為17.58％，遠遠落后于醫療器械(93.09％)、醫療服務(80.63％)。2010年生物制品行業漲幅最小，今年業績增速最快，估值也較為合理。
疫苗是生物制品中的一個重要類別。據了解，全球疫苗市場2008年是192億美元，2009年是221億美元，2012年預計會增長到340億美元，疫苗市場的增速遠高于整個醫藥行業，并且我國是最大的生產國和消費國，總體來說，我國疫苗存在巨大的增長空間。上市公司可以關注華蘭生物和天壇生物。
診斷試劑、基因檢測方面的上市公司前景也、止人“心馳神往”。“新醫改提倡‘治未病’，注重前期的預防，而不是后期的治療，給生物制品企業(診斷試劑、基因檢測、疫苗)提供了很大的發展空間?！敝型额檰栣t藥行業研究員郭凡禮說。
化學藥提高附加值
在化學制藥方面，林興秋關注恒瑞醫藥和海正藥業。海正藥業已到海外尋求美國食品和藥物管理局(FDA)認證，并在往毛利率更高的制劑出口方面發展。
化學制藥相對于生物制品而言技術含量并不高。維生素就屬于化學制藥，我國是維生素產量最大的國家，VC和VE產量占到全球70％以上，但技術含量比較低，大部分都出口。東北制藥、浙江醫藥華北制藥都是生產化學藥的大企業。
中科院院士張禮和在接受媒體采訪時稱，我國很多原料藥的出口，實際上是按化工原料出口的，但印度在很早前就把原料藥生產基地按美國FDA的要求來論證其工藝過程，所以可按藥物出口，比我國附加值高很多。
現代中藥方面，郭凡禮建議可關注云南白藥、同仁堂、康美藥業、東阿阿膠等。
中銀國際報告稱，看好魚躍醫療在中低端醫療器械市場的快速擴張，并看好九安醫療、陽普醫療、樂普醫療在中檔醫療設備材料方面的出口和進口替代進程。
林興秋認為，2011年還可關注藥品入選國家基本藥物但有單獨定價權的卜市公司，比如云南向藥、馬應龍。
研發能力是關鍵
研發能力是上市公司未來能否發力的利刃。“企業要具備新藥方面的研發能力，總體要有一定的新藥儲備，若完全沒有，未來發展空間受限?！绷峙d秋說。
生物醫藥企業新藥研發流程一般是，先在實驗室階段研制出藥物，然后進入臨床前的毒性療效試驗(在小白鼠或者其他動物身上)，再把相關數據上報到國家藥監局，拿到臨床批件之后再在健康人或者病人身上進行臨床試驗，療效確定后在監管部門的許可下藥物才能生產并上市流通。臨床試驗要做三期。
“產業鏈很長，從一開始研發到上市一般需要10年甚至更久，仿制藥時間會短一些。”郫凡禮稱，國內的大企業投入資金還是比較少的，國外的生物醫藥公司，把年銷售額的15％～20％拿出來做研發基金，國內能拿出1％資金的公司都很少。
郭凡禮進一步表示，很多大企業有資金實力，但不愿意做研發；小企業雖然真的想創新，但沒資金實力和研發實力，因此就陷入了“大企業不愿做，小企業做不了”這樣的怪圈，與國外差距越來越大了。
生物醫學工程類別范文3
關鍵詞 情感識別；情感特征；SVM；HRV
中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2016）160-0098-02
情感計算已成為人機交互領域的熱點和主要方向之一，基于生理信號的情感識別相比基于肢體、表情或語音的情感識別，不受人的主觀意識控制，能更加客觀準確地反映情感。脈搏波可直接反映心臟血液系統在神經控制下的生理變化[1]，亦可以用來研究人的情感。目前對于脈搏波的研究涉及脈搏波形的時頻域分析、HRV的時頻域分析以及非線性特征分析[2，3]。本文對基于脈搏波信號的情感識別方法進行了研究，選取脈搏波頻域和HRV時、頻域的15個特征作為情感分類依據，利用SVM算法進行分類識別。
1 信號的采集和處理
分別在平靜、悲傷、快樂和憤怒四種情感狀態下測量了脈搏波信號片段，然后把不同的情感片段各分割出50組，每組信號的持續時間為1min。
采集的脈搏信號中常存在基線漂移，工頻干擾和肌電干擾3種主要噪聲[4]，本方法采用小波去噪法處理脈搏波中的噪聲，調整低頻和高頻分量系數可以有效去除脈搏波信號中的基線漂移和毛刺噪聲。在各尺度上對低頻分量和高頻分量用新的系數進行信號重構，得到了去除基線漂移的平滑信號，平靜狀態的部分原始信號和去噪信號如圖1所示。
2 脈搏波信號特征提取
本方法在脈搏波信號頻域以及HRV信號時、頻域提取了15個特征。把不同情感的脈搏波信號變換到頻域，如圖2所示，0Hz～5Hz頻帶內的3個峰值點在相位和幅值上存在差異，于是提取其橫縱坐標作為信號頻域特征。由脈搏波信號計算HRV，首先檢測脈搏波信號的主波峰，計算相鄰兩個主波峰間的時間差（稱為P-P間隔），如果時間差不在正常范圍內，則舍去幅值較小的波峰點，從而排除次波峰等干擾。將正常的P-P間隔繪制出來得到HRV信號，由此提取HRV時域3個特征[5]，分別為P-P間隔平均值、標準差以及P-P間隔一階差分的均方根。
采用分段3次Hermite多項式對HRV信號在1min內作插值，采用周期圖法求插值HRV信號的功率密度譜，選取了HRV頻域的7個特征[6]，它們的含義及生理表征被羅列在表1中。
3 情感分類識別算法
本文采用C-SVM模型進行情感分類，模型如下：
本文采用SVM多分類中的“一對一”方法解決4種情感的分類問題，平靜、悲傷、開心和憤怒的標簽記為0-3，將其隨機分為5組作5次交叉驗證，每次選取4組數據進行訓練，1組數據進行測試，訓練時在兩兩情感之間構建共6個SVM分類器，測試時樣本類別的判定采用投票機制。
上述算法的實現基于臺灣林智仁團隊開發的支持向量機庫libSVM，訓練樣本，建立SVM模型，選用RBF核函數，最優的懲罰因子C和核函數參數γ通過網格搜尋法確定，再利用最優的C和γ對樣本進行SVM建模和交叉驗證，總的平均識別率為94.93%，平靜情感的平均識別準確率為93.89%，悲傷情感的平均識別準確率為100%，開心情感的平均識別準確率為95.15%，憤怒情感的平均識別準確率為90.32%，
4 結論
本方法基于脈搏波信號研究平靜、悲傷、開心和憤怒情感的分類，平均識別率達到了94.93%，每種情感的識別準確率均達到了90%以上，論證了分類方法具有很強的可行性，以后的研究將集中于減少提取特征數目，簡化去噪和特征提取流程，將本方法應用于便攜式情感識別設備中。
參考文獻
[1]韓清鵬.脈搏信號的非線性分析及其不同情緒和環境的影響研究.生物醫學工程.杭州：浙江大學，2007.
[2]張宇博，舒紅平，岳希.指端脈搏曲線特征參數提取方法研究[J].軟件導刊，2015，14（4）：32-34.
[4]張慧玲.基于脈搏信號的情感識別研究[D].西南大學，2011.
[5]周紅標.融合語音和脈搏的多模態情感識別研究[J].微電子學與計算機，2015（6）：5-9.
生物醫學工程類別范文4
目的： 探討模糊k最近鄰算法運用于葛根類藥材模式識別的可行性。方法：選擇6種化學成分的含量，對不同產地的多種葛根類中藥的藥理抗內毒素活性建立了模糊k最近鄰規則識別模式。結果： 模糊k最近鄰規則對葛根類中藥的藥理抗內毒素活性識別正確率達100%，優于經典k最近鄰法與Bayers判別法。結論：模糊k最近鄰算法可用于中藥模式識別研究。
【關鍵詞】 模糊k最近鄰算法； k最近鄰算法； 模式識別； 葛屬
模式識別技術是一種借助數學方法和計算機技術來對樣品的內部規律及隱含性質進行分析的綜合技術，包括判別分析、聚類分析、機器學習等多種方法。該技術已經廣泛應用于各個領域，隨著中藥現代化進程，該項技術逐漸在中藥領域深入應用。k最近鄰法已被廣泛應用于模式識別的分類器設計，所謂k最近鄰法（KNN）就是取未知樣本的k個近鄰，看這k個近鄰多數屬于哪一類，就把其歸于哪一類，在分類過程中KNN是采用簡單多數投票法來確定未知樣本的分類［1］。問題是，當學習樣本類別分布不均的時候，如果僅考慮排序后的k個最近鄰而忽視樣本間的不同距離，勢必會降低KNN的分類精度［2］。模糊k最近鄰算法（FuzzyKNN，FKNN）就是將模糊理論與k最近鄰法相結合的一種監督學習技術，它有效解決了上述問題，它將未知樣本與k個最近鄰的距離模糊化，并為每個類別都設置了相應的隸屬度，而不象KNN那樣簡單的將未知樣本的歸類定為“屬于”或者“不屬于”［3］。FKNN已被成功的應用于多個領域，在蛋白質結構預測［3］及文本分類［2］都有著不錯的性能，本研究將FKNN應用于中藥的模式識別，目前國內尚未見報道。
1 FKNN算法的原理及實現
本研究的FKNN算法［4］不同于聶生冬等［5］將模糊c均值聚類與KNN簡單結合，而是在KNN的基礎上結合模糊理論進行歸類決策實現的，其具體算法安排如下：
⑴ 設已知樣本集合P＝{p1， p， …pn}，n為已知分類的樣本數，c代表分類數，u代表一個c×n的矩陣；
⑵ 確定未知樣本的最近鄰數k的值；
⑶ 選擇歐式距離范數d作為距離測度；
⑷ 對每個未知樣本x：
① 計算n個距離d＝d（x，pj），并對其進行排序：
pi∈P，且x P
d(1)≤d(2)≤d(3) ……≤d(k)≤d(k+1) ≤…≤d(n)
其中d(1)到d(k)是未知樣本x的k個最近鄰與x的距離。
② 在u中找出對應于k個最近鄰距離的k個列{uj}，其中j＝1，2， ……k。
③ 利用上一步從u中獲得的k個列{uj}，計算［4］：
ui(x)=kj=1uij1d(x，pj)2m-1 kj=11d(x，pj)2m-1
其中m為模糊權重調節因子，對于z＝1，2， …，c，如果ui(x)=max{uz(x)}，z≠i，則x屬于第i類。取下一個未知樣本轉到（4）繼續，上述算法不是迭代過程，每個未知樣本都必須按照上述算法處理一遍。
轉貼于
2 中藥葛根類藥材的模式識別
中藥模式識別通常是根據中藥所含化學成分的整體進行分類或描述，識別該中藥的真偽與優劣。葛根為豆科植物野葛或甘葛藤的干燥根，全世界已知的葛屬植物大約有18種，我國是葛屬植物的原產地之一，分布極其廣泛，葛屬植物有9個種和2個變種，其中7種與藥用有關，研究結果表明，不同葛屬植物中藥用成分異黃酮含量和組分差異顯著。曾明等［7］對8個來源共17個藥材樣本的葛屬植物的總黃酮X1、葛根素X2、大豆苷X3、大豆苷元X4、3’甲氧基葛根素X5及多糖X6，6個化學成分進行了測定［6］，并測定了相應的抗內毒素活性強度，按照文獻［8］方法對各藥材的抗內毒素活性強度進行分類，強度較弱者記為1，強度較強者記為2，結果見表1。本研究運用模糊k最近鄰算法以6個化學成分的含量為輸入變量，藥理活性強度分類為目標類別建立模式識別模型。
從表1原始數據隨機選取5個作為未知數據進行測試，剩余12個作為已知數據進行學習，將各數據進行歸一化處理后，運行FKNN算法，算法實現語言為MATLAB。對于FKNN，k值對分類器的性能有顯著影響，表2是不同k值下FKNN的分類精度。由表2結果可見當k值大于等于7時，FKNN具有最好的分類精度，對未知數據集及整個數據集的識別正確率都達到了100%，在本例中k取7進行建模識別，識別結果見表1。我們也嘗試用經典KNN法對數據進行分類，結果見表3，可見，在相同k值下FKNN都要比KNN表現出更好的分類性能。就本例數據而言，無論我們怎么調整參數，KNN法的分類精度都不能令人滿意。張漢明等［8］也對同樣的數據進行了Bayers判別分析，結果回判的識別正確率也僅有88%與94%。
表1 17個藥材樣品的化學與藥理模式數據（*為測試數據）（略）
表2 不同k值下FKNN的分類精度（略）
表3 不同k值下KNN的分類精度（略）
3 結果與討論
FKNN作為一種監督學習技術，將對每一個未知樣本進行相同的算法處理，且由于其算法不是迭代過程，因此也不存在不收斂的現象。另外，對于模糊權重調節因子m的取值，理論上可以是任意的，根據文獻［4］，本研究取值m=2，我們也對m在［1，3］范圍內，以0.1為步長考察了不同m值對FKNN分類精度的影響，結果發現并無差異。在m=2，k=7時FKNN對17種葛根類中藥的藥理抗內毒素活性識別正確率達100%，識別精度要優于k最近鄰法及文獻［8］的Bayers判別法，FKNN可以用于中藥的模式識別研究。
【參考文獻】
1 Jiawei Han，Micheline Kamber. 著. 范明，孟曉峰，等譯. 數據挖掘概念與技術. 北京：機械工業出版社，2001：209.
2 Shang Wenqian，Qu Youli，Huang Houkuan，etal. Fuzzy knn text classifier based on gini index. Journal of Guangxi Normal University：Natural Science Edition，2006，24（4）：87～90.
3 Rajkuar Bondugula，Ognen Duzlevski，Xu Dong. Profiles and Fuzzy knearest neighbor algorithm for protein secondary structure prediction. AsiaPacific Bioinformatics Conference， 2005:85～94.
4 J. M. Keller，M. R. Gray，J. A. Givens. A fuzzy knearest neighbor algorithm. IEEE Trans on SMC， 1985，15（4）：580～585.
5 聶生東，聶斌，章魯，等. 基于模糊k近鄰規則的多譜磁共振腦圖像分割方法的研究. 中國生物醫學工程學報，2002，21（5）：471～477.
6 曾明，張漢明，鄭水慶，等. 葛屬植物根的異黃酮類成分分析. 第二軍醫大學學報，1998，19（2）：189～190.
7 曾明，張漢明，鄭水慶，等. 葛根及同屬植物根的抗內毒素作用比較. 中國中藥雜志，1997，增刊：178～179
生物醫學工程類別范文5
【摘要】 針對近年來醫學院校招生規模不斷擴大，學生基礎知識和學習能力參差不齊的實際狀況，探討了概率論與數理統計分層次教學的必要性，提出了醫學院校概率論與數理統計課程分層教學模式，總結了在概率與統計教學改革中利用現代化信息技術進行分層次教學的實踐經驗。
【關鍵詞】 因材施教; 素質教育; 概率論與數理統計; 分層次教學
早在2500年以前，儒家代表人物孔子把教育內容分為德行、言語、政事、文學四科，其中以德行為根本。而德育方法由不同層次的方法構成的，特別是方法論層次上的德育方法，如因材施教法。既然不同的學生自身的特點不同，那么在教學中就應采用不同的教育，我們所提出的分層次教學思想，就源于孔子的因材施教。
近年來，隨著教育改革的深入，本科教育從精英化向大眾化進行轉變，高等院校招生規模大幅度地增加，醫科院校入校學生的數學基礎和學習能力參差不齊。而大學生由于其專業對概率與數理統計知識的要求不同，其學習目標和態度不盡相同，這就使得大學生對該課 程的需求有了進一步的分化;同時由于不同學生的數學基礎和對數學的興趣愛好也不盡相同，對數學學習的重視程度和投入有很大差別。在長期的教學實踐中我們深刻地體會到，為了在有限的課堂教學時間內盡可能地滿足各層次學生學習的需要，滿足各專業后續課程學習的前提下，最大程度地調動學生的學習積極性，必須推行分層次教學，提高數學教學的質量[1，2]。
1 概率論與數理統計分層次教學研究的背景
自1995年國家教委立項研究“面向21世紀非數學類專業數學課程教學內容與課程體系改革”以來，對于數學教育在大學教育中應有的作用，國內數學教育界逐漸認識到，我國高等院校的規模水平、專業設置、地區差異、師資力量、生源優劣都相去甚遠。而隨著我國高等教育大眾化趨勢的步伐加快，這些差距到21世紀更加凸顯，分層次教學法的提出必然是大學數學教學的規律。這也是我們在進行大學數學分層次教學研究時的一個基本出發點。我校在概率論與數理統計的教學實踐中提出分層次教學，是在原有的師資力量和學生水平的條件下，通過分層次教學，充分滿足各專業各水平不同層次學生的數學素質的要求，最大限度地挖掘學生的潛能，引導學生發揮其優勢，使每個學生都能獲得所需的概率統計知識，同時能夠充分實現學校的教育功能和服務功能，達到教書、育人的和諧統一[3]。
2 概率論與數理統計分層次教學中考慮的問題
我校是一所醫學院校，早期的概率統計教學常常采取“一刀切”、“齊步走”的教學方法，學大綱、教學實施計劃、教學方法、考核要求，并未針對數學基礎的不同采取不同方法，這造成基礎好的學生“吃”不夠，基礎差的學生“吃”不了，課程結束后并未達到理想的教學效果。
概率論與數理統計有別于其他學科，理論性和應用性都很強，這就決定了教師在教學中的參與和學生的自主學習都必不可少。因此，課堂教學中一方面要以學生為主體，以學為中心，另一方面要發揮教師的主導作用，積極組織、引導學生，促進學生更好地學習。
高等教育具有大眾化、多樣化，本質上講應該是個性化的。而素質教育的最大特點之一是要面向全體學生，挖掘每個學生的潛力，發揮每個學生的個性特長，提高全體學生的素質和能力[4]。但是由于擴招，新生素質呈下降趨勢，即使在我校，在校學生由于受遺傳、家庭、學校、社會環境等因素的影響，其水平差異、層次差異也很明顯，即具有層次性。而分層次教學則承認學生的個體差異，在教學過程中針對不同層次學生的不同個性、不同的數學基礎和學習能力以及不同專業設計不同層次的教學目標，根據不同的教學內容，運用不同的教學方法和教學手段，從而使學生在自己原有基礎上進行合理地學習，在基礎知識和應用能力方面得到充分發展，先后達到教學大綱的要求[5]。
3 概率論與數理統計分層次教學模式的實施
3.1 層次劃分
3.1.1 按專業不同進行劃分 根據各專業對概率統計知識的不同要求，采用不同的教學大綱，確定不同類別學生所必須掌握的知識點。目前我們面對生物醫學工程專業開設《概率論與數理統計》，教材采用同濟大學主編的《概率統計簡明教程》，在教學過程中提出"強化理論，增加實例，適當應用"的教學指導思想，重在培養學生隨機思維能力和提高統計素養，為今后解決一些涉及概率知識的醫學工程隨機模型打好基礎;面向藥學與生物技術專業開設《概率論與數理統計》，教材采用第二軍醫大學主編的《醫藥數理統計方法》，教學中提出“淡化理論，增加實例，強調應用”的教學指導思想，在該專業的教學中加強了統計知識的學習，重在統計方法的講解上，通過教學使學生具有較強的隨機數據分析和應用統計軟件的能力;面對臨床醫學、預防醫學、醫學檢驗、醫學影像、高原醫學、核醫學等專業我們開設《軍事醫學統計學》，教材由我校統計學教研室主編，教學過程中強調統計的“適用性”，重在要求學生軍隊衛生統計學的相關內容，理解醫學統計學中的重要名詞概念，能正確區分資料類型;而面對其余專業開設《概率論與數理統計》、《趣味概率論》選修課，旨在讓更多的醫學生了解概率論基礎知識以及統計方法，為后續課程打好基礎。
3.1.2 根據學生的數學基礎進行劃分 由于概率論與數理統計的學習與高等數學知識的掌握程度有顯著關系，因而我們在教學過程中根據高等數學的成績，按程度將同一專業學生劃分為A，B，C三個層次。但由于目前受同一專業的課程安排情況、教室數量以及教師人數等條件的限制，我們只能要求教師在同一班次教學中采取相應的各種措施，在授課內容的重新組織和授課方式上多下功夫。
A層次：此類學生學習勤奮，喜歡數學，數學基礎扎實，智商和情商均很高，愛動腦、勤動手，自學能力強，將概率論與數理統計看成一門“我要學”的課程，自我約束能力強，成績優秀。
B層次：此類學生智商較高，對數學無所謂喜歡或不喜歡，將其看成一門“要我學”，只是需要被考核的課程來看，主動學習能力不夠，數學基礎知識不夠扎實，成績中等。
C層次：此類學生通常表現不喜歡數學，對概率論與數理統計學習的自信心不足，數學基礎知識和邏輯思維能力較差，學習無自覺性，學習成績差。
3.2 分層次教學
3.2.1 教學過程 根據各教學層次制定切實可行的教學大綱，嚴格按照教學大綱，制定教學計劃、選用教材、實施分層次考核，根據分層次教學大綱，不斷擴充教學內容，提高教學質量。同時，概率統計課程盡量被安排在相同的時間上課，這使得任課教師能夠在課后及時交流進度、切磋教學中出現的問題，以便形成良好的風氣和習慣。
為了提高學生的學習興趣，在教學內容上要求直觀、生動，盡量多的介紹概念的實際背景和方法的實際應用。
A層次：約占總人數的15%，根據本層次學生的特點，在完成本科教學的基礎上，增加某些數學內容，使學生能更深入地掌握概率與統計理論知識，培養數理思維能力和邏輯推理能力。并根據不同知識點提出實際問題，引導學生思考，達到知識應用的拓展。
B層次：約占總人數的75%，針對該類學生，教師重點在于提高課堂教學質量，讓學生牢固掌握課程標準中所要求掌握的知識。
C層次：約占總人數的10%，對此類經常無法跟上教學任務的學生，在課堂教學和批改作業后，我們安排輔導教師統一進行習題講評，采取課后答疑、網上答疑相結合的方法，及時解決學生在學習上的困難。
每次課后均有作業讓學生完成，以達到鞏固和提高。作業分三個內容：一是基礎類(C層次)，主要是對基本概念的理解、方法的運用;二是綜合類(B層次)，含基礎類和綜合性作業;三是提高類(A層次)，主要為綜合性練習和實際應用問題的解決。
3.2.2 考核形式 由于學生分為3個不同層次，為達到更大程度挖掘優生潛力，激勵中等生，鼓勵差生，我們對該課程的成績構成進行改革，其中卷面成績占70%，30%為平時成績。平時成績由教師控制，根據作業完成、課堂回答問題等情況打分。
3.3 利用現代化信息技術分層次教學
隨著現代化信息技術的發展，網絡已成為現代化教學的一種手段。由于授課時數有限，很多學生不滿足于課堂上與教師的面對面交流，而希望課后能與教師做更多的互動，以得到學習上的幫助。為此，我們從以下三個方面對分層次教學進行輔助：
3.3.1 開設專業學科網站 為搭建起教與學雙方的橋梁，更好地讓教師與學生進行溝通，我們于2002年在校園局域網開設了數學教學網站，包括《概率論與數理統計》課程的文字、圖片、聲音及視頻等資料，為學生學習專業知識和建模提供平臺，運行良好。所有的課程均上傳于FTP以及本網站的教學專區，方便學生查閱、學習，并建有留言交流，幫助學生學習的反饋和老師及時掌握學生的學習情況。同時含專業軟件，如Matlab7.0、Matlab2007、Lingo8.0、Lindo6.0和SPSS13.0， 完全滿足教學需要，效果顯著。學生可以通過網站了解該門課程的相關情況，包括：授課教師基本情況、課程標準、教學實施計劃等。同時增加有關概率統計應用方面的網頁鏈接，為學生深入學習該門課程搭建橋梁。
3.3.2 建立試題庫 為考察學生對該課程的學習情況，對概念的理解、方法的應用程度，達到最終掌握概率與統計相關知識的目的，我們建立了質量較高的試題庫。通過多年的教學實踐，不斷完善、調整，已經能夠基本滿足教考分離的考試模式。試題庫中的試題數量大(授課學時50學時，試題庫含1500道題)，題型多樣(含單選、多選、填空、判斷、分析等題型)，試題緊密圍繞知識點展開，按難度系數從0.1到0.9劃分為9個等級，可針對不同層次的學員進行考試命題。題庫由專人負責管理和維護，試題庫的設置保證考卷能客觀、全面地考察學員的學習效果。對每次考試試卷均進行難度、可信度等分析。通過對多班次考試成績分析，結果表明本課程考試的效果好，可信度較高。
3.3.3 建設網絡課程 為了更好地幫助學生學習，我們于2008年建設《概率論與數理統計》網絡課程。主要包含兩大板塊：課程配置和教學組織。課程配置中包含多媒體課件、電子教案、網絡教材、視頻;教學組織中包含網上作業、教師解答、學生通過自行組卷、老師批改等進行自主練習。通過網絡課程可以讓A類學生學得更深、更精，B類學生掌握基礎知識更扎實，而對于在課堂上不能及時掌握知識的C類學生可以再次學習，更好掌握基本內容、基本方法。
4 概率論與數理統計分層次教學的自我評價
通過5年來的教學實踐，本著"以學生為主體，教師為主導，以知識應用為目的"的教學思想，我校在本科生《概率論與數理統計》課程中施行分層次教學法已經初步收到了較好的效果。首先在分層次教學中，作為主導者，教師本身素質也得到了提高：同一個教學班次分3個層次，不同層次學生水平差異較大，這對教師的講授能力提出挑戰，需要針對本班次各層次制定教課的內容，并采用靈活多變的教學方式進行知識的講解;其次，通過分層次教學，作為主體的學生，在教師的協助與督促下，學生的學習潛力得到開發，不同層次學生自主獲取知識和應用知識的能力得到明顯提高，數理思維能力和邏輯推導能力得到發展。近3年來我校共組織113隊(本科生337人)參與全國大學生數學建模競賽，獲得全國一等獎13項，二等獎12項;重慶市一等獎47項，二等獎16項的優異成績，位居重慶市高校前列，得到全國組委會、重慶市教委、重慶市賽區和學校領導的高度肯定。
我們認為通過《概率論與數理統計》課程分層次教學的進行，有利于學生個性化的發展，是一種值得推廣的教學模式，也是一種適應社會改革與進步的舉措，我們對加強大學數學課群的整體建設、規范化管理做了積極的探索和努力，為今后全面提高概率統計，以及大學數學的教學質量提供了科學的依據，奠定了堅實的基礎。
【參考文獻】
1 高等學校工科數學課程指導委員會(本科組).關于工科數學系列課程教學改革的建議：數學與教材研究.高等教育出版社，1995.
2 劉黎，等.分層次培養:理念與實踐.遼寧教育研究，2004，5:48～50.
3 郭斯，羅海鷗.高校文化素質教育分層推進模式的思考與實踐.高校探索，2004，3:78～80.
生物醫學工程類別范文6
關鍵詞：首都醫科大學；圖書館；流通借閱；數據分析；讀者服務
中圖分類號：G258.6 文獻標識碼：A 文章編號：2095-5707（2017）01-0040-07
Abstract： Objective To provide references for the resources construction of university libraries， business process optimization， user behavior research， and reader service improvement. Methods Excel 2010 was used to analyse the circulation data of 2013-2015 undergraduate， graduate students， international students， teachers and other readers from the Aleph 500 automated management system. Results In 2013-2015， there were downward trends of the numbers of visitors and the borrowed books. The numbers of borrowed books were more prominent in March and September. Lending period presented 10：00， 16：00， 18：00 and 20：00 four peaks. Book categories mainly focused on R， I， H， and so on. There were obvious regularities of borrowing preferences of students of various subjects. Conclusion Libraries of medical colleges and universities can increase self-service publicity， adjust human resources according to the borrowing situation， strengthen the construction of library resources， and pay attention to the reconstruction of the space and the arrangement of the environment.
Key words： Capital Medical University； libraries； circulation； data analysis； reader services
流通借閱是高校圖書館開展的基本業務之一，流通借閱數據分析是圖書館文獻資源建設、業務流程優化、用戶行為研究、讀者服務提升的重要依據。隨著網絡技術對人們閱讀行為的改變，圖書館已經從知識收藏中心向學習中心轉變。各高校圖書館越來越重視對流通借閱數據的分析挖掘，通過對借閱率與學生學習狀態相關性分析、探索用戶利用圖書館館藏資源現狀，挖掘用戶行為，提出相應的服務對策[1-9]。本文通過對首都醫科大學各類型讀者在圖書館中產生的流通借閱數據進行深度分析，力圖為圖書館文獻資源建設、用戶服務和空間利用提供參考依據，充分發揮圖書館的文獻保障與學習支持功能。
1 資料與方法
以首都醫科大學2013-2015年的本科生、研究生、留學生、教師等各類型讀者產生的流通借閱數據為研究對象，數據均來自首都醫科大學圖書館使用的Aleph500自動化管理系統，應用Excel 2010統計分析讀者到館情況、借閱率、閱讀偏好等。
2 結果
2.1 到館情況
首都醫科大學圖書館2013-2015年讀者到館及借閱情況如表1。整體上，到館次數2013年最高，2014年各月份均出現大幅下降，2015年有所回升，但仍低于2013年；借閱人數各年度和月份變化較到館情況變化相對較小?？梢钥闯龈髂攴?、各月份到館借閱率均低于7%，2014年9月最高為6.99%，3年的平均到館借閱率為2.84%。
2.2 借閱情況
圖1所示為首都醫科大學圖書館2013-2015年每年1～12月份的借閱冊數情況，可以看出每年的借閱情況逐月分布情況較為規律，通常每年2月、8月為寒暑假時間，借閱量較低，3月、9月為開學初，借閱量明顯較大，緊接著又呈現逐月下降的趨勢。2013-2015年借閱量逐年遞減。2013、2014年借閱量分別為53 651、40 198冊，下降25.08%；2015年借閱量為36 253冊，相對2014年下降9.81%。3年的到館人均借閱冊數分別為4.54、4.15和4.06冊，均呈逐年下降趨勢。2015年3月、9月時間段的借閱量尤其突出。
圖2為2013-2015年各時段12個月份的平均值，整體上分時段借閱量有4個波峰，分別在10：00、16：00、18：00和20：00左右出現。其中16：00的波峰最明顯，相應的借閱量最多；其次是上午10：00、晚上18：00和20：00；晚間的借閱量比上午11：00-14：00之間的借閱量還要高。
依照《中國圖書館分類法》22基本大類對首都醫科大學圖書借閱量進行統計，結果如表2所示?？梢钥闯?015年占借閱總量排名前三的類分別是R類占42.97%、I類占20.84%、H類占9.22%，前三類占總量的74.03%；其次是Q類4.55%、O類4.04%、T類4.04%、K類3.77%、B類3.72%、C類1.53%；其余均低于1%；借閱量高于4%的前6類占閱讀總量的85.66%。
各類圖書占本類館藏百分比可以用來衡量某類圖書的利用率。表2可以看出I類借閱量占本類館藏百分比為12.95%，此類圖書利用率最高；其后依次是Q、B、J各占本類館藏百分比分別為7.63%、7.36%、7.02%；后面依次是R、C、H、K、O、P借閱量占各類館藏百分比在5.26%～6.77%之間；其余均低于5%。
表3詳細分析2015年各月份各類圖書借閱量，各個月份的22基本大類情況趨于一致，R（醫藥、衛生）、I（文學）、H（語言、文字）等3類圖書借閱量明顯較多，其次是Q（生物科學）、O（數理科學和化學）、T（工業技術）、B（哲學）等4類。9月份為借閱高峰，各類圖書的借閱量都高于其他月份，其次是3月份也相對較多，3月份和9月份借閱量分別為6200、6380冊；2月份及8月份寒暑假期間，借閱量均低于200冊；7月份有一半時間是暑期，借閱量為1760冊，比正常月份稍低；其余月份均在2000～4000冊之間。
表4列出了2013-2015年的外借次數排名前20位的二級類目?？梢钥闯?013-2015年3年借閱量排名前5位均為中國文學、基礎醫學、常用外國語、中國醫學、臨床醫學；6、7位為預防醫學及衛生學、內科學，但排名稍有變化；其后是歐洲各國文學、自動化技術及計算機技術、外科學、藥學、美洲各國文學、心理學、亞洲各國文學、化學、神經病學與精神病學類目，排名各年份稍有化；其余是中國人物傳記、分子生物學、數學、法律、中國史類目。整體上來看排名前20位的二級類目2013-2015年變化不大。
2.3 各學科學生借閱偏好
由于系統內部不能獲取研究生、博士生的具體學科類別，僅選擇2015年本科生各學科借閱圖書排名前10位的二級類目，然后綜合各學科前10位的二級類目，共得到口腔、臨床醫學、中藥學等12個學科30個二級類目的借閱情況（見表5）。
可以看出各學科學生借閱圖書有一定共性，同時也非常有學科特色。橫向來看，基礎醫學、中國文學和常用外國語是所有學科的學生借閱量都比較大的二級類目?？v向來看，臨床醫學學科學生人數總體較多，呈現出借閱量整體較高的情況，所借圖書的學科范圍也最廣泛，包含各國文學、常用外國語、中國哲學、心理學社科類；基礎醫學、臨床醫學、中國醫學、內科學、外科學、神經病學與精神病學醫學各科、自動化技術及計算機技術等。中國文學、常用外國語這2個二級類目在各專業借閱量都在排在前10位，除此之外，中藥專業學生側重中國醫學、基礎醫學、化學、藥學二級類目；護理學專業的學生側重臨床醫學、基礎醫學；公共事業管理學科的讀者側重預防醫學和衛生學、自動化技術及計算機技術、心理學；中醫學專業側重中國醫學、基礎醫學、心理學；生物醫學工程學科的讀者相對更關注自動化技術及計算機技術、數學、無線電電子學及電信技術；藥學專業的學生側重化學、藥學、心理學；基礎醫學側重基礎醫學和各國文學；康復治療專業學生側重基礎醫學、臨床醫學和心理學；法學專業學生側重法律及預防醫學和衛生學；兒科學生較多關注基礎醫學、內科學、藥學、心理學。
3 討論
綜合分析2013-2015年首都醫科大學圖書館各類型讀者的流通借閱數據，可以看出到館人次及借閱數量呈逐年下降趨勢，借閱的月份、時段、圖書類別及各學科學生借閱偏好具有明顯的規律性。基于2013-2015年流通借閱數據的分析，高校圖書館應采取以下措施，更好地服務讀者，提升服務質量。
3.1 加大自助服務宣傳
自助服務指在一定的條件下根據用戶的閱讀興趣、需要偏好來完成的書目查詢、藏書借閱、資料檢索、文獻復印、學習空間使用等活動，從而實現自主服務的一種讀者服務方式[10]，北京大學、清華大學、上海交通大學、廈門理工學院乃至國外高校圖書館都在不斷探索自助服務新方式[11-15]。自助服務逐漸成為流通借閱服務的主流服務方式。我館統計數據表明，自助借閱服務占所有借閱量的60%以上，可以繼續加大自主服務宣傳，培養讀者自主服務方式，提倡師生自主完成圖書借還服務。
3.2 根據到館借閱情況調整人力資源
傳統的老館舍由于要開設不同的閱覽借閱室，人員尤顯不足，根據到館人數、借閱數據，在借閱高峰如每學期開學之初，加大人力投入，每天的10：00，16：00，18：00，20：00幾個借閱高峰時段適當增加一線流通人員數量，保證服務質量，非借閱高峰可以適當縮減人員。
3.3 加強館藏資源建設
除了保證醫學特色資源建設以外，適當增加文學、生物科學、哲學、藝術等類圖書，與院系緊密集合，針對不同的專業學科適當補充各學科個性化需求。加大電子資源的使用宣傳。提供讀者來館隨時薦購、書展現場采購、學科館員推送、微信、網站等多渠道薦購圖書。
3.4 注重館舍空間改造
讀者來圖書館，很大程度上是利用館舍空間環境，所以傳統圖書館的館舍空間改造，人文環境優化尤為重要。首都醫科大學圖書館設立了研究生自習室、研討室等，并進一步細化閱覽室學科功能，如我館2009年成立了外文圖書閱覽室，使用館員自創的作品裝飾優化內部裝飾、提升人文氣息，現已成為吸引讀者休閑閱讀的重要場所。2015年9月成立了社會科學閱覽室，收藏A～G類圖書，促進社科圖書的管理流通，自開通以來，借閱量較之混雜在自然科學大書庫一起流通時有了顯著提高。
4 小結
在大數據環境下，對于圖書流通借閱數據進行有效的分析，能夠為圖書館改善提升服務質量，深度挖掘用戶行為，揭示其潛在的規律，為圖書館科學管理、資源建設和學科服務提供依據與參考。圖書館服務應結合用戶統一認證系統、電子資源訪問情況對借閱數據進一步挖掘，充分發揮圖書館的信息保障與學習支持作用，豐富圖書館的館藏資源，優化圖書館空間環境，提高圖書館資源的利用率，有針對性地對不同學科的讀者開展個性化服務，為圖書館科學管理提供事實依據。
參考文獻
[1] 喬慧君，周筠B.高校圖書館借閱率與學生學習狀態關系研究[J].大學圖書館學報，2015，33（1）：55-60，50.
[2] 鄭毅，葉翎，楊峰.醫學院校圖書館中文圖書利用率分析[J].醫學信息學雜志，2010，31（12）：82-85.
[3] 楊軍花，聶江城，王剛.用戶利用高校圖書館館藏資源分析及對策研究――以南開大學圖書館借閱統計為例[J].圖書館工作與研究， 2011（5）：66-70.
[4] 牛玉蘭，王德強.醫院圖書館讀者借閱統計分析及其對策[J].醫學信息學雜志，2008（2）：53-55.
[5] 姬曼姝.高校D書館流通借閱現狀的統計分析――以內蒙古師范大學圖書館為例[J].圖書情報工作，2013，57（S1）：178-181.
[6] 何禎，司徒俊峰.高校圖書館“借閱無限量”的實踐與思考――以中山大學圖書館為例[J].大學圖書館學報，2015（4）：14-18.
[7] 陳進，劉寶杰.從未被借閱圖書數據分析醫科大學圖書館LIB2.0的應用[J].醫學信息學雜志，2009，30（9）：76-78.
[8] 陳娟，洪丹.基于Logistic模型的高校圖書館用戶借閱影響因素分析[J].情報科學，2013，31（3）：96-101.
[9] 韋耘耕.從圖書館流通數據分析讀者閱讀傾向及館藏結構[J].醫學信息學雜志，2010，31（2）：75-78.
[10] 陳武，姜愛蓉.構建以自助服務為導向的現代圖書館[J].大學圖書館學報，2013（3）：93-96.
[11] 高桂英，黃濤，聶華.圖書館自助服務的個性化應用――北京大學圖書館的實踐與經驗[J].大學圖書館學報，2011（4）：77-80，121.
[12] 邢卓媛，孫翌，曲建峰.多終端環境下圖書館實體場館自助服務的設計與實踐――以上海交通大學圖書館為例[J].圖書館工作與研究， 2016（4）：45-51.
[13] 凌宇飛.高校圖書館自助服務現狀研究及發展策略[J].圖書情報導刊，2016，1（5）：62，156.
[14] 施航海，蘇文輝.圖書館一站式自助離館服務系統構建――以廈門理工學院圖書館為例[J].圖書館學研究，2016（16）：65-69.
[15] 潘永明，劉輝輝，劉燕權.美國高校圖書館中的移動流通自助服務[J].圖書情報工作，2014，58（12）：26-31.
