前言：中文期刊网精心挑选了生物医学工程类别范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
生物医学工程类别范文1
二、评分标准:现行的独立技术移民的批准分数为115分，入围分数是70分。1.职业技能:要求有一定的学历，属需有职业培训的职业---60分;要求有一定的学历，属普通专业人士的职业---50分;要求有文凭，并拥有一个职业目录内的职业---40分。在计分移民类别中，职业技能打分一直都是“重头戏”，申请人的技能分将与澳洲就业市场密切相关。移民局将根据人才需求的动向来决定职业技能得分。所有具备申请资格的职业都列在“职业技能表”(SOL)中，列表之外的职业不得申请，而且职业列表将会根据澳洲的劳工市场需求定期作出修改，并会提出优先的职业需求类别。所有的澳洲独立技术移民申请人都必须首先通过澳洲“有关评估机构”的职业评估，当职业评估通过后，也就是获得了相关职业技能分，才可以进一步向澳洲提出移民申请材料直接寄往澳大利亚审理中心。2.年龄分：(申请人在递交申请时的年龄)18-29岁――30分;30-34岁――25分;35-39岁――20分;40-44岁――15分。3.英文分：具备功能英文能力(IELTS每科5分)-15分；具备流利英语能力(IELTS每科6分)-20分。4.特殊工作经验分：如果您的职业技能得分是60分，并且在过去的四年中有三年以上的相关工作经验，可得10分；如果职业技能得分40、50或60分，且在过去的四年中有两年以上相关或非相关工作经验，可得5分。5.紧缺职业加分：如您从事的职业是澳洲政府在移民类别中提出的紧缺职业，同时又有澳洲雇主给你一个职位雇佣担保，可得10分；如您从事的职业是澳洲政府在移民类别中提出的紧缺职业，但没有澳洲雇住给你一个职位雇佣担保，可得5分；6.澳大利亚学历加分：如果申请人在递交申请之前在澳大利亚完成了一个12个月以上全日制的澳洲学历课程，并获得文凭或技能证书以上的学历，可得5分；如果申请人在递交之前在澳大利亚完成了一个12个月以上全日制的澳洲学历课程，并获得博士学历，可得10分。7.配偶技能得分：如果您的配偶在申请时与您一起申请，同时又满足了技术移民申请的基本要求，即获得职业评审通过，英语达到IELTS5分以上，可得5分。8.附加得分(满足以下一项条件的任何一项可得5分):在澳大利亚政府指定的项目中投资A100000达一年以上或在澳洲有合法工作6个月以上工作经验，是职业列表中的职业，或流利使用英语以外的外语，获得可您的学位，或者拥有澳大利亚三级翻译资质，可得5分。9.亲属担保加分：如果您不具备申请独立移民的计分要求，而您在澳洲又有亲属愿意为您提供担保，那您将会获得在澳洲亲属的担保分数：(亲属关系是：父母、成年子女、兄弟姐妹、阿姨舅舅、姑妈叔叔等)15分，所以一样有资格申请移民。
澳大利亚部分职业评分表：
40分专业：急救中心职员、生物医学工程助理、分理处会计师、 建筑审查员、化工技术员、民用工程技术员、商品交易人员、计算机支持技师、牙齿卫生清洁师、牙齿理疗师、残疾人服务人员、电气工程技师。
50分专业：商业和管理、保险公司精算师、公司秘书、 建筑工程项目经理、教育管理员、生物医学工程师、环境和土地管理员、卫生信息管理员、经营管理顾问、广告专家、档案保管员、商业信息人员、经济师、统计师、政策分析员、市场调查分析员、政策和计划管理员、公共关系人员、医疗保健、针灸师、生理解剖学者、药剂师、儿童护理师、医疗行政人员、药物酒精顾问、新闻媒体。
生物医学工程类别范文2
2010年生物医药板块又喜上眉梢。10月份生物产业被列入战略性新兴产业，让生物医药板块憧憬更美好的未来。
截至12月22日，生物医药板块以34.51％的涨幅摘得申万行业分类涨幅的“探花”。同期沪深300指数涨幅仅为1.61％。
生物制品最受益
10月18日，国务院公布了关于加快培育和发展战略性新兴产业的决定，并指出在生物产业方面，“大力发展用于重大疾病防治的生物技术药物、新型疫苗和诊断试剂、化学药物、现代中药等创新药物大品种，提升生物医药产业水平。加快先进医疗设备、医用材料等生物医学工程产品的研发和产业化，促进规模化发展”。
爱建证券分析师林兴秋在接受采访时表示，生物被列入战略性新兴产业，直接受益的是生物制品这个行业。
根据申银万围行业分类，生物医药板块分为化学制药、生物制品、医疗器械、医药商业、中药、医疗服务这六个子行业。
在生物医药板块中，截至12月22日生物制品今年涨幅最低，仅为17.58％，远远落后于医疗器械(93.09％)、医疗服务(80.63％)。2010年生物制品行业涨幅最小，今年业绩增速最快，估值也较为合理。
疫苗是生物制品中的一个重要类别。据了解，全球疫苗市场2008年是192亿美元，2009年是221亿美元，2012年预计会增长到340亿美元，疫苗市场的增速远高于整个医药行业，并且我国是最大的生产国和消费国，总体来说，我国疫苗存在巨大的增长空间。上市公司可以关注华兰生物和天坛生物。
诊断试剂、基因检测方面的上市公司前景也、止人“心驰神往”。“新医改提倡‘治未病’，注重前期的预防，而不是后期的治疗，给生物制品企业(诊断试剂、基因检测、疫苗)提供了很大的发展空间。”中投顾问医药行业研究员郭凡礼说。
化学药提高附加值
在化学制药方面，林兴秋关注恒瑞医药和海正药业。海正药业已到海外寻求美国食品和药物管理局(FDA)认证，并在往毛利率更高的制剂出口方面发展。
化学制药相对于生物制品而言技术含量并不高。维生素就属于化学制药，我国是维生素产量最大的国家，VC和VE产量占到全球70％以上，但技术含量比较低，大部分都出口。东北制药、浙江医药华北制药都是生产化学药的大企业。
中科院院士张礼和在接受媒体采访时称，我国很多原料药的出口，实际上是按化工原料出口的，但印度在很早前就把原料药生产基地按美国FDA的要求来论证其工艺过程，所以可按药物出口，比我国附加值高很多。
现代中药方面，郭凡礼建议可关注云南白药、同仁堂、康美药业、东阿阿胶等。
中银国际报告称，看好鱼跃医疗在中低端医疗器械市场的快速扩张，并看好九安医疗、阳普医疗、乐普医疗在中档医疗设备材料方面的出口和进口替代进程。
林兴秋认为，2011年还可关注药品入选国家基本药物但有单独定价权的卜市公司，比如云南向药、马应龙。
研发能力是关键
研发能力是上市公司未来能否发力的利刃。“企业要具备新药方面的研发能力，总体要有一定的新药储备，若完全没有，未来发展空间受限。”林兴秋说。
生物医药企业新药研发流程一般是，先在实验室阶段研制出药物，然后进入临床前的毒性疗效试验(在小白鼠或者其他动物身上)，再把相关数据上报到国家药监局，拿到临床批件之后再在健康人或者病人身上进行临床试验，疗效确定后在监管部门的许可下药物才能生产并上市流通。临床试验要做三期。
“产业链很长，从一开始研发到上市一般需要10年甚至更久，仿制药时间会短一些。”郫凡礼称，国内的大企业投入资金还是比较少的，国外的生物医药公司，把年销售额的15％～20％拿出来做研发基金，国内能拿出1％资金的公司都很少。
郭凡礼进一步表示，很多大企业有资金实力，但不愿意做研发；小企业虽然真的想创新，但没资金实力和研发实力，因此就陷入了“大企业不愿做，小企业做不了”这样的怪圈，与国外差距越来越大了。
生物医学工程类别范文3
关键词 情感识别；情感特征；SVM；HRV
中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2016）160-0098-02
情感计算已成为人机交互领域的热点和主要方向之一，基于生理信号的情感识别相比基于肢体、表情或语音的情感识别，不受人的主观意识控制，能更加客观准确地反映情感。脉搏波可直接反映心脏血液系统在神经控制下的生理变化[1]，亦可以用来研究人的情感。目前对于脉搏波的研究涉及脉搏波形的时频域分析、HRV的时频域分析以及非线性特征分析[2，3]。本文对基于脉搏波信号的情感识别方法进行了研究，选取脉搏波频域和HRV时、频域的15个特征作为情感分类依据，利用SVM算法进行分类识别。
1 信号的采集和处理
分别在平静、悲伤、快乐和愤怒四种情感状态下测量了脉搏波信号片段，然后把不同的情感片段各分割出50组，每组信号的持续时间为1min。
采集的脉搏信号中常存在基线漂移，工频干扰和肌电干扰3种主要噪声[4]，本方法采用小波去噪法处理脉搏波中的噪声，调整低频和高频分量系数可以有效去除脉搏波信号中的基线漂移和毛刺噪声。在各尺度上对低频分量和高频分量用新的系数进行信号重构，得到了去除基线漂移的平滑信号，平静状态的部分原始信号和去噪信号如图1所示。
2 脉搏波信号特征提取
本方法在脉搏波信号频域以及HRV信号时、频域提取了15个特征。把不同情感的脉搏波信号变换到频域，如图2所示，0Hz～5Hz频带内的3个峰值点在相位和幅值上存在差异，于是提取其横纵坐标作为信号频域特征。由脉搏波信号计算HRV，首先检测脉搏波信号的主波峰，计算相邻两个主波峰间的时间差（称为P-P间隔），如果时间差不在正常范围内，则舍去幅值较小的波峰点，从而排除次波峰等干扰。将正常的P-P间隔绘制出来得到HRV信号，由此提取HRV时域3个特征[5]，分别为P-P间隔平均值、标准差以及P-P间隔一阶差分的均方根。
采用分段3次Hermite多项式对HRV信号在1min内作插值，采用周期图法求插值HRV信号的功率密度谱，选取了HRV频域的7个特征[6]，它们的含义及生理表征被罗列在表1中。
3 情感分类识别算法
本文采用C-SVM模型进行情感分类，模型如下：
本文采用SVM多分类中的“一对一”方法解决4种情感的分类问题，平静、悲伤、开心和愤怒的标签记为0-3，将其随机分为5组作5次交叉验证，每次选取4组数据进行训练，1组数据进行测试，训练时在两两情感之间构建共6个SVM分类器，测试时样本类别的判定采用投票机制。
上述算法的实现基于台湾林智仁团队开发的支持向量机库libSVM，训练样本，建立SVM模型，选用RBF核函数，最优的惩罚因子C和核函数参数γ通过网格搜寻法确定，再利用最优的C和γ对样本进行SVM建模和交叉验证，总的平均识别率为94.93%，平静情感的平均识别准确率为93.89%，悲伤情感的平均识别准确率为100%，开心情感的平均识别准确率为95.15%，愤怒情感的平均识别准确率为90.32%，
4 结论
本方法基于脉搏波信号研究平静、悲伤、开心和愤怒情感的分类，平均识别率达到了94.93%，每种情感的识别准确率均达到了90%以上，论证了分类方法具有很强的可行性，以后的研究将集中于减少提取特征数目，简化去噪和特征提取流程，将本方法应用于便携式情感识别设备中。
参考文献
[1]韩清鹏.脉搏信号的非线性分析及其不同情绪和环境的影响研究.生物医学工程.杭州：浙江大学，2007.
[2]张宇博，舒红平，岳希.指端脉搏曲线特征参数提取方法研究[J].软件导刊，2015，14（4）：32-34.
[4]张慧玲.基于脉搏信号的情感识别研究[D].西南大学，2011.
[5]周红标.融合语音和脉搏的多模态情感识别研究[J].微电子学与计算机，2015（6）：5-9.
生物医学工程类别范文4
目的： 探讨模糊k最近邻算法运用于葛根类药材模式识别的可行性。方法：选择6种化学成分的含量，对不同产地的多种葛根类中药的药理抗内毒素活性建立了模糊k最近邻规则识别模式。结果： 模糊k最近邻规则对葛根类中药的药理抗内毒素活性识别正确率达100%，优于经典k最近邻法与Bayers判别法。结论：模糊k最近邻算法可用于中药模式识别研究。
【关键词】 模糊k最近邻算法； k最近邻算法； 模式识别； 葛属
模式识别技术是一种借助数学方法和计算机技术来对样品的内部规律及隐含性质进行分析的综合技术，包括判别分析、聚类分析、机器学习等多种方法。该技术已经广泛应用于各个领域，随着中药现代化进程，该项技术逐渐在中药领域深入应用。k最近邻法已被广泛应用于模式识别的分类器设计，所谓k最近邻法（KNN）就是取未知样本的k个近邻，看这k个近邻多数属于哪一类，就把其归于哪一类，在分类过程中KNN是采用简单多数投票法来确定未知样本的分类［1］。问题是，当学习样本类别分布不均的时候，如果仅考虑排序后的k个最近邻而忽视样本间的不同距离，势必会降低KNN的分类精度［2］。模糊k最近邻算法（FuzzyKNN，FKNN）就是将模糊理论与k最近邻法相结合的一种监督学习技术，它有效解决了上述问题，它将未知样本与k个最近邻的距离模糊化，并为每个类别都设置了相应的隶属度，而不象KNN那样简单的将未知样本的归类定为“属于”或者“不属于”［3］。FKNN已被成功的应用于多个领域，在蛋白质结构预测［3］及文本分类［2］都有着不错的性能，本研究将FKNN应用于中药的模式识别，目前国内尚未见报道。
1 FKNN算法的原理及实现
本研究的FKNN算法［4］不同于聂生冬等［5］将模糊c均值聚类与KNN简单结合，而是在KNN的基础上结合模糊理论进行归类决策实现的，其具体算法安排如下：
⑴ 设已知样本集合P＝{p1， p， …pn}，n为已知分类的样本数，c代表分类数，u代表一个c×n的矩阵；
⑵ 确定未知样本的最近邻数k的值；
⑶ 选择欧式距离范数d作为距离测度；
⑷ 对每个未知样本x：
① 计算n个距离d＝d（x，pj），并对其进行排序：
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)是未知样本x的k个最近邻与x的距离。
② 在u中找出对应于k个最近邻距离的k个列{uj}，其中j＝1，2， ……k。
③ 利用上一步从u中获得的k个列{uj}，计算［4］：
ui(x)=kj=1uij1d(x，pj)2m-1 kj=11d(x，pj)2m-1
其中m为模糊权重调节因子，对于z＝1，2， …，c，如果ui(x)=max{uz(x)}，z≠i，则x属于第i类。取下一个未知样本转到（4）继续，上述算法不是迭代过程，每个未知样本都必须按照上述算法处理一遍。
转贴于
2 中药葛根类药材的模式识别
中药模式识别通常是根据中药所含化学成分的整体进行分类或描述，识别该中药的真伪与优劣。葛根为豆科植物野葛或甘葛藤的干燥根，全世界已知的葛属植物大约有18种，我国是葛属植物的原产地之一，分布极其广泛，葛属植物有9个种和2个变种，其中7种与药用有关，研究结果表明，不同葛属植物中药用成分异黄酮含量和组分差异显著。曾明等［7］对8个来源共17个药材样本的葛属植物的总黄酮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个化学成分进行了测定［6］，并测定了相应的抗内毒素活性强度，按照文献［8］方法对各药材的抗内毒素活性强度进行分类，强度较弱者记为1，强度较强者记为2，结果见表1。本研究运用模糊k最近邻算法以6个化学成分的含量为输入变量，药理活性强度分类为目标类别建立模式识别模型。
从表1原始数据随机选取5个作为未知数据进行测试，剩余12个作为已知数据进行学习，将各数据进行归一化处理后，运行FKNN算法，算法实现语言为MATLAB。对于FKNN，k值对分类器的性能有显著影响，表2是不同k值下FKNN的分类精度。由表2结果可见当k值大于等于7时，FKNN具有最好的分类精度，对未知数据集及整个数据集的识别正确率都达到了100%，在本例中k取7进行建模识别，识别结果见表1。我们也尝试用经典KNN法对数据进行分类，结果见表3，可见，在相同k值下FKNN都要比KNN表现出更好的分类性能。就本例数据而言，无论我们怎么调整参数，KNN法的分类精度都不能令人满意。张汉明等［8］也对同样的数据进行了Bayers判别分析，结果回判的识别正确率也仅有88%与94%。
表1 17个药材样品的化学与药理模式数据（*为测试数据）（略）
表2 不同k值下FKNN的分类精度（略）
表3 不同k值下KNN的分类精度（略）
3 结果与讨论
FKNN作为一种监督学习技术，将对每一个未知样本进行相同的算法处理，且由于其算法不是迭代过程，因此也不存在不收敛的现象。另外，对于模糊权重调节因子m的取值，理论上可以是任意的，根据文献［4］，本研究取值m=2，我们也对m在［1，3］范围内，以0.1为步长考察了不同m值对FKNN分类精度的影响，结果发现并无差异。在m=2，k=7时FKNN对17种葛根类中药的药理抗内毒素活性识别正确率达100%，识别精度要优于k最近邻法及文献［8］的Bayers判别法，FKNN可以用于中药的模式识别研究。
【参考文献】
1 Jiawei Han，Micheline Kamber. 著. 范明，孟晓峰，等译. 数据挖掘概念与技术. 北京：机械工业出版社，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 聂生东，聂斌，章鲁，等. 基于模糊k近邻规则的多谱磁共振脑图像分割方法的研究. 中国生物医学工程学报，2002，21（5）：471～477.
6 曾明，张汉明，郑水庆，等. 葛属植物根的异黄酮类成分分析. 第二军医大学学报，1998，19（2）：189～190.
7 曾明，张汉明，郑水庆，等. 葛根及同属植物根的抗内毒素作用比较. 中国中药杂志，1997，增刊：178～179
生物医学工程类别范文5
【摘要】 针对近年来医学院校招生规模不断扩大，学生基础知识和学习能力参差不齐的实际状况，探讨了概率论与数理统计分层次教学的必要性，提出了医学院校概率论与数理统计课程分层教学模式，总结了在概率与统计教学改革中利用现代化信息技术进行分层次教学的实践经验。
【关键词】 因材施教; 素质教育; 概率论与数理统计; 分层次教学
早在2500年以前，儒家代表人物孔子把教育内容分为德行、言语、政事、文学四科，其中以德行为根本。而德育方法由不同层次的方法构成的，特别是方法论层次上的德育方法，如因材施教法。既然不同的学生自身的特点不同，那么在教学中就应采用不同的教育，我们所提出的分层次教学思想，就源于孔子的因材施教。
近年来，随着教育改革的深入，本科教育从精英化向大众化进行转变，高等院校招生规模大幅度地增加，医科院校入校学生的数学基础和学习能力参差不齐。而大学生由于其专业对概率与数理统计知识的要求不同，其学习目标和态度不尽相同，这就使得大学生对该课 程的需求有了进一步的分化;同时由于不同学生的数学基础和对数学的兴趣爱好也不尽相同，对数学学习的重视程度和投入有很大差别。在长期的教学实践中我们深刻地体会到，为了在有限的课堂教学时间内尽可能地满足各层次学生学习的需要，满足各专业后续课程学习的前提下，最大程度地调动学生的学习积极性，必须推行分层次教学，提高数学教学的质量[1，2]。
1 概率论与数理统计分层次教学研究的背景
自1995年国家教委立项研究“面向21世纪非数学类专业数学课程教学内容与课程体系改革”以来，对于数学教育在大学教育中应有的作用，国内数学教育界逐渐认识到，我国高等院校的规模水平、专业设置、地区差异、师资力量、生源优劣都相去甚远。而随着我国高等教育大众化趋势的步伐加快，这些差距到21世纪更加凸显，分层次教学法的提出必然是大学数学教学的规律。这也是我们在进行大学数学分层次教学研究时的一个基本出发点。我校在概率论与数理统计的教学实践中提出分层次教学，是在原有的师资力量和学生水平的条件下，通过分层次教学，充分满足各专业各水平不同层次学生的数学素质的要求，最大限度地挖掘学生的潜能，引导学生发挥其优势，使每个学生都能获得所需的概率统计知识，同时能够充分实现学校的教育功能和服务功能，达到教书、育人的和谐统一[3]。
2 概率论与数理统计分层次教学中考虑的问题
我校是一所医学院校，早期的概率统计教学常常采取“一刀切”、“齐步走”的教学方法，学大纲、教学实施计划、教学方法、考核要求，并未针对数学基础的不同采取不同方法，这造成基础好的学生“吃”不够，基础差的学生“吃”不了，课程结束后并未达到理想的教学效果。
概率论与数理统计有别于其他学科，理论性和应用性都很强，这就决定了教师在教学中的参与和学生的自主学习都必不可少。因此，课堂教学中一方面要以学生为主体，以学为中心，另一方面要发挥教师的主导作用，积极组织、引导学生，促进学生更好地学习。
高等教育具有大众化、多样化，本质上讲应该是个性化的。而素质教育的最大特点之一是要面向全体学生，挖掘每个学生的潜力，发挥每个学生的个性特长，提高全体学生的素质和能力[4]。但是由于扩招，新生素质呈下降趋势，即使在我校，在校学生由于受遗传、家庭、学校、社会环境等因素的影响，其水平差异、层次差异也很明显，即具有层次性。而分层次教学则承认学生的个体差异，在教学过程中针对不同层次学生的不同个性、不同的数学基础和学习能力以及不同专业设计不同层次的教学目标，根据不同的教学内容，运用不同的教学方法和教学手段，从而使学生在自己原有基础上进行合理地学习，在基础知识和应用能力方面得到充分发展，先后达到教学大纲的要求[5]。
3 概率论与数理统计分层次教学模式的实施
3.1 层次划分
3.1.1 按专业不同进行划分 根据各专业对概率统计知识的不同要求，采用不同的教学大纲，确定不同类别学生所必须掌握的知识点。目前我们面对生物医学工程专业开设《概率论与数理统计》，教材采用同济大学主编的《概率统计简明教程》，在教学过程中提出"强化理论，增加实例，适当应用"的教学指导思想，重在培养学生随机思维能力和提高统计素养，为今后解决一些涉及概率知识的医学工程随机模型打好基础;面向药学与生物技术专业开设《概率论与数理统计》，教材采用第二军医大学主编的《医药数理统计方法》，教学中提出“淡化理论，增加实例，强调应用”的教学指导思想，在该专业的教学中加强了统计知识的学习，重在统计方法的讲解上，通过教学使学生具有较强的随机数据分析和应用统计软件的能力;面对临床医学、预防医学、医学检验、医学影像、高原医学、核医学等专业我们开设《军事医学统计学》，教材由我校统计学教研室主编，教学过程中强调统计的“适用性”，重在要求学生军队卫生统计学的相关内容，理解医学统计学中的重要名词概念，能正确区分资料类型;而面对其余专业开设《概率论与数理统计》、《趣味概率论》选修课，旨在让更多的医学生了解概率论基础知识以及统计方法，为后续课程打好基础。
3.1.2 根据学生的数学基础进行划分 由于概率论与数理统计的学习与高等数学知识的掌握程度有显著关系，因而我们在教学过程中根据高等数学的成绩，按程度将同一专业学生划分为A，B，C三个层次。但由于目前受同一专业的课程安排情况、教室数量以及教师人数等条件的限制，我们只能要求教师在同一班次教学中采取相应的各种措施，在授课内容的重新组织和授课方式上多下功夫。
A层次：此类学生学习勤奋，喜欢数学，数学基础扎实，智商和情商均很高，爱动脑、勤动手，自学能力强，将概率论与数理统计看成一门“我要学”的课程，自我约束能力强，成绩优秀。
B层次：此类学生智商较高，对数学无所谓喜欢或不喜欢，将其看成一门“要我学”，只是需要被考核的课程来看，主动学习能力不够，数学基础知识不够扎实，成绩中等。
C层次：此类学生通常表现不喜欢数学，对概率论与数理统计学习的自信心不足，数学基础知识和逻辑思维能力较差，学习无自觉性，学习成绩差。
3.2 分层次教学
3.2.1 教学过程 根据各教学层次制定切实可行的教学大纲，严格按照教学大纲，制定教学计划、选用教材、实施分层次考核，根据分层次教学大纲，不断扩充教学内容，提高教学质量。同时，概率统计课程尽量被安排在相同的时间上课，这使得任课教师能够在课后及时交流进度、切磋教学中出现的问题，以便形成良好的风气和习惯。
为了提高学生的学习兴趣，在教学内容上要求直观、生动，尽量多的介绍概念的实际背景和方法的实际应用。
A层次：约占总人数的15%，根据本层次学生的特点，在完成本科教学的基础上，增加某些数学内容，使学生能更深入地掌握概率与统计理论知识，培养数理思维能力和逻辑推理能力。并根据不同知识点提出实际问题，引导学生思考，达到知识应用的拓展。
B层次：约占总人数的75%，针对该类学生，教师重点在于提高课堂教学质量，让学生牢固掌握课程标准中所要求掌握的知识。
C层次：约占总人数的10%，对此类经常无法跟上教学任务的学生，在课堂教学和批改作业后，我们安排辅导教师统一进行习题讲评，采取课后答疑、网上答疑相结合的方法，及时解决学生在学习上的困难。
每次课后均有作业让学生完成，以达到巩固和提高。作业分三个内容：一是基础类(C层次)，主要是对基本概念的理解、方法的运用;二是综合类(B层次)，含基础类和综合性作业;三是提高类(A层次)，主要为综合性练习和实际应用问题的解决。
3.2.2 考核形式 由于学生分为3个不同层次，为达到更大程度挖掘优生潜力，激励中等生，鼓励差生，我们对该课程的成绩构成进行改革，其中卷面成绩占70%，30%为平时成绩。平时成绩由教师控制，根据作业完成、课堂回答问题等情况打分。
3.3 利用现代化信息技术分层次教学
随着现代化信息技术的发展，网络已成为现代化教学的一种手段。由于授课时数有限，很多学生不满足于课堂上与教师的面对面交流，而希望课后能与教师做更多的互动，以得到学习上的帮助。为此，我们从以下三个方面对分层次教学进行辅助：
3.3.1 开设专业学科网站 为搭建起教与学双方的桥梁，更好地让教师与学生进行沟通，我们于2002年在校园局域网开设了数学教学网站，包括《概率论与数理统计》课程的文字、图片、声音及视频等资料，为学生学习专业知识和建模提供平台，运行良好。所有的课程均上传于FTP以及本网站的教学专区，方便学生查阅、学习，并建有留言交流，帮助学生学习的反馈和老师及时掌握学生的学习情况。同时含专业软件，如Matlab7.0、Matlab2007、Lingo8.0、Lindo6.0和SPSS13.0， 完全满足教学需要，效果显著。学生可以通过网站了解该门课程的相关情况，包括：授课教师基本情况、课程标准、教学实施计划等。同时增加有关概率统计应用方面的网页链接，为学生深入学习该门课程搭建桥梁。
3.3.2 建立试题库 为考察学生对该课程的学习情况，对概念的理解、方法的应用程度，达到最终掌握概率与统计相关知识的目的，我们建立了质量较高的试题库。通过多年的教学实践，不断完善、调整，已经能够基本满足教考分离的考试模式。试题库中的试题数量大(授课学时50学时，试题库含1500道题)，题型多样(含单选、多选、填空、判断、分析等题型)，试题紧密围绕知识点展开，按难度系数从0.1到0.9划分为9个等级，可针对不同层次的学员进行考试命题。题库由专人负责管理和维护，试题库的设置保证考卷能客观、全面地考察学员的学习效果。对每次考试试卷均进行难度、可信度等分析。通过对多班次考试成绩分析，结果表明本课程考试的效果好，可信度较高。
3.3.3 建设网络课程 为了更好地帮助学生学习，我们于2008年建设《概率论与数理统计》网络课程。主要包含两大板块：课程配置和教学组织。课程配置中包含多媒体课件、电子教案、网络教材、视频;教学组织中包含网上作业、教师解答、学生通过自行组卷、老师批改等进行自主练习。通过网络课程可以让A类学生学得更深、更精，B类学生掌握基础知识更扎实，而对于在课堂上不能及时掌握知识的C类学生可以再次学习，更好掌握基本内容、基本方法。
4 概率论与数理统计分层次教学的自我评价
通过5年来的教学实践，本着"以学生为主体，教师为主导，以知识应用为目的"的教学思想，我校在本科生《概率论与数理统计》课程中施行分层次教学法已经初步收到了较好的效果。首先在分层次教学中，作为主导者，教师本身素质也得到了提高：同一个教学班次分3个层次，不同层次学生水平差异较大，这对教师的讲授能力提出挑战，需要针对本班次各层次制定教课的内容，并采用灵活多变的教学方式进行知识的讲解;其次，通过分层次教学，作为主体的学生，在教师的协助与督促下，学生的学习潜力得到开发，不同层次学生自主获取知识和应用知识的能力得到明显提高，数理思维能力和逻辑推导能力得到发展。近3年来我校共组织113队(本科生337人)参与全国大学生数学建模竞赛，获得全国一等奖13项，二等奖12项;重庆市一等奖47项，二等奖16项的优异成绩，位居重庆市高校前列，得到全国组委会、重庆市教委、重庆市赛区和学校领导的高度肯定。
我们认为通过《概率论与数理统计》课程分层次教学的进行，有利于学生个性化的发展，是一种值得推广的教学模式，也是一种适应社会改革与进步的举措，我们对加强大学数学课群的整体建设、规范化管理做了积极的探索和努力，为今后全面提高概率统计，以及大学数学的教学质量提供了科学的依据，奠定了坚实的基础。
【参考文献】
1 高等学校工科数学课程指导委员会(本科组).关于工科数学系列课程教学改革的建议：数学与教材研究.高等教育出版社，1995.
2 刘黎，等.分层次培养:理念与实践.辽宁教育研究，2004，5:48～50.
3 郭斯，罗海鸥.高校文化素质教育分层推进模式的思考与实践.高校探索，2004，3:78～80.
生物医学工程类别范文6
关键词：首都医科大学；图书馆；流通借阅；数据分析；读者服务
中图分类号：G258.6 文献标识码：A 文章编号：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
流通借阅是高校图书馆开展的基本业务之一，流通借阅数据分析是图书馆文献资源建设、业务流程优化、用户行为研究、读者服务提升的重要依据。随着网络技术对人们阅读行为的改变，图书馆已经从知识收藏中心向学习中心转变。各高校图书馆越来越重视对流通借阅数据的分析挖掘，通过对借阅率与学生学习状态相关性分析、探索用户利用图书馆馆藏资源现状，挖掘用户行为，提出相应的服务对策[1-9]。本文通过对首都医科大学各类型读者在图书馆中产生的流通借阅数据进行深度分析，力图为图书馆文献资源建设、用户服务和空间利用提供参考依据，充分发挥图书馆的文献保障与学习支持功能。
1 资料与方法
以首都医科大学2013-2015年的本科生、研究生、留学生、教师等各类型读者产生的流通借阅数据为研究对象，数据均来自首都医科大学图书馆使用的Aleph500自动化管理系统，应用Excel 2010统计分析读者到馆情况、借阅率、阅读偏好等。
2 结果
2.1 到馆情况
首都医科大学图书馆2013-2015年读者到馆及借阅情况如表1。整体上，到馆次数2013年最高，2014年各月份均出现大幅下降，2015年有所回升，但仍低于2013年；借阅人数各年度和月份变化较到馆情况变化相对较小。可以看出各年份、各月份到馆借阅率均低于7%，2014年9月最高为6.99%，3年的平均到馆借阅率为2.84%。
2.2 借阅情况
图1所示为首都医科大学图书馆2013-2015年每年1～12月份的借阅册数情况，可以看出每年的借阅情况逐月分布情况较为规律，通常每年2月、8月为寒暑假时间，借阅量较低，3月、9月为开学初，借阅量明显较大，紧接着又呈现逐月下降的趋势。2013-2015年借阅量逐年递减。2013、2014年借阅量分别为53 651、40 198册，下降25.08%；2015年借阅量为36 253册，相对2014年下降9.81%。3年的到馆人均借阅册数分别为4.54、4.15和4.06册，均呈逐年下降趋势。2015年3月、9月时间段的借阅量尤其突出。
图2为2013-2015年各时段12个月份的平均值，整体上分时段借阅量有4个波峰，分别在10：00、16：00、18：00和20：00左右出现。其中16：00的波峰最明显，相应的借阅量最多；其次是上午10：00、晚上18：00和20：00；晚间的借阅量比上午11：00-14：00之间的借阅量还要高。
依照《中国图书馆分类法》22基本大类对首都医科大学图书借阅量进行统计，结果如表2所示。可以看出2015年占借阅总量排名前三的类分别是R类占42.97%、I类占20.84%、H类占9.22%，前三类占总量的74.03%；其次是Q类4.55%、O类4.04%、T类4.04%、K类3.77%、B类3.72%、C类1.53%；其余均低于1%；借阅量高于4%的前6类占阅读总量的85.66%。
各类图书占本类馆藏百分比可以用来衡量某类图书的利用率。表2可以看出I类借阅量占本类馆藏百分比为12.95%，此类图书利用率最高；其后依次是Q、B、J各占本类馆藏百分比分别为7.63%、7.36%、7.02%；后面依次是R、C、H、K、O、P借阅量占各类馆藏百分比在5.26%～6.77%之间；其余均低于5%。
表3详细分析2015年各月份各类图书借阅量，各个月份的22基本大类情况趋于一致，R（医药、卫生）、I（文学）、H（语言、文字）等3类图书借阅量明显较多，其次是Q（生物科学）、O（数理科学和化学）、T（工业技术）、B（哲学）等4类。9月份为借阅高峰，各类图书的借阅量都高于其他月份，其次是3月份也相对较多，3月份和9月份借阅量分别为6200、6380册；2月份及8月份寒暑假期间，借阅量均低于200册；7月份有一半时间是暑期，借阅量为1760册，比正常月份稍低；其余月份均在2000～4000册之间。
表4列出了2013-2015年的外借次数排名前20位的二级类目。可以看出2013-2015年3年借阅量排名前5位均为中国文学、基础医学、常用外国语、中国医学、临床医学；6、7位为预防医学及卫生学、内科学，但排名稍有变化；其后是欧洲各国文学、自动化技术及计算机技术、外科学、药学、美洲各国文学、心理学、亚洲各国文学、化学、神经病学与精神病学类目，排名各年份稍有化；其余是中国人物传记、分子生物学、数学、法律、中国史类目。整体上来看排名前20位的二级类目2013-2015年变化不大。
2.3 各学科学生借阅偏好
由于系统内部不能获取研究生、博士生的具体学科类别，仅选择2015年本科生各学科借阅图书排名前10位的二级类目，然后综合各学科前10位的二级类目，共得到口腔、临床医学、中药学等12个学科30个二级类目的借阅情况（见表5）。
可以看出各学科学生借阅图书有一定共性，同时也非常有学科特色。横向来看，基础医学、中国文学和常用外国语是所有学科的学生借阅量都比较大的二级类目。纵向来看，临床医学学科学生人数总体较多，呈现出借阅量整体较高的情况，所借图书的学科范围也最广泛，包含各国文学、常用外国语、中国哲学、心理学社科类；基础医学、临床医学、中国医学、内科学、外科学、神经病学与精神病学医学各科、自动化技术及计算机技术等。中国文学、常用外国语这2个二级类目在各专业借阅量都在排在前10位，除此之外，中药专业学生侧重中国医学、基础医学、化学、药学二级类目；护理学专业的学生侧重临床医学、基础医学；公共事业管理学科的读者侧重预防医学和卫生学、自动化技术及计算机技术、心理学；中医学专业侧重中国医学、基础医学、心理学；生物医学工程学科的读者相对更关注自动化技术及计算机技术、数学、无线电电子学及电信技术；药学专业的学生侧重化学、药学、心理学；基础医学侧重基础医学和各国文学；康复治疗专业学生侧重基础医学、临床医学和心理学；法学专业学生侧重法律及预防医学和卫生学；儿科学生较多关注基础医学、内科学、药学、心理学。
3 讨论
综合分析2013-2015年首都医科大学图书馆各类型读者的流通借阅数据，可以看出到馆人次及借阅数量呈逐年下降趋势，借阅的月份、时段、图书类别及各学科学生借阅偏好具有明显的规律性。基于2013-2015年流通借阅数据的分析，高校图书馆应采取以下措施，更好地服务读者，提升服务质量。
3.1 加大自助服务宣传
自助服务指在一定的条件下根据用户的阅读兴趣、需要偏好来完成的书目查询、藏书借阅、资料检索、文献复印、学习空间使用等活动，从而实现自主服务的一种读者服务方式[10]，北京大学、清华大学、上海交通大学、厦门理工学院乃至国外高校图书馆都在不断探索自助服务新方式[11-15]。自助服务逐渐成为流通借阅服务的主流服务方式。我馆统计数据表明，自助借阅服务占所有借阅量的60%以上，可以继续加大自主服务宣传，培养读者自主服务方式，提倡师生自主完成图书借还服务。
3.2 根据到馆借阅情况调整人力资源
传统的老馆舍由于要开设不同的阅览借阅室，人员尤显不足，根据到馆人数、借阅数据，在借阅高峰如每学期开学之初，加大人力投入，每天的10：00，16：00，18：00，20：00几个借阅高峰时段适当增加一线流通人员数量，保证服务质量，非借阅高峰可以适当缩减人员。
3.3 加强馆藏资源建设
除了保证医学特色资源建设以外，适当增加文学、生物科学、哲学、艺术等类图书，与院系紧密集合，针对不同的专业学科适当补充各学科个性化需求。加大电子资源的使用宣传。提供读者来馆随时荐购、书展现场采购、学科馆员推送、微信、网站等多渠道荐购图书。
3.4 注重馆舍空间改造
读者来图书馆，很大程度上是利用馆舍空间环境，所以传统图书馆的馆舍空间改造，人文环境优化尤为重要。首都医科大学图书馆设立了研究生自习室、研讨室等，并进一步细化阅览室学科功能，如我馆2009年成立了外文图书阅览室，使用馆员自创的作品装饰优化内部装饰、提升人文气息，现已成为吸引读者休闲阅读的重要场所。2015年9月成立了社会科学阅览室，收藏A～G类图书，促进社科图书的管理流通，自开通以来，借阅量较之混杂在自然科学大书库一起流通时有了显著提高。
4 小结
在大数据环境下，对于图书流通借阅数据进行有效的分析，能够为图书馆改善提升服务质量，深度挖掘用户行为，揭示其潜在的规律，为图书馆科学管理、资源建设和学科服务提供依据与参考。图书馆服务应结合用户统一认证系统、电子资源访问情况对借阅数据进一步挖掘，充分发挥图书馆的信息保障与学习支持作用，丰富图书馆的馆藏资源，优化图书馆空间环境，提高图书馆资源的利用率，有针对性地对不同学科的读者开展个性化服务，为图书馆科学管理提供事实依据。
参考文献
[1] 乔慧君，周筠B.高校图书馆借阅率与学生学习状态关系研究[J].大学图书馆学报，2015，33（1）：55-60，50.
[2] 郑毅，叶翎，杨峰.医学院校图书馆中文图书利用率分析[J].医学信息学杂志，2010，31（12）：82-85.
[3] 杨军花，聂江城，王刚.用户利用高校图书馆馆藏资源分析及对策研究――以南开大学图书馆借阅统计为例[J].图书馆工作与研究， 2011（5）：66-70.
[4] 牛玉兰，王德强.医院图书馆读者借阅统计分析及其对策[J].医学信息学杂志，2008（2）：53-55.
[5] 姬曼姝.高校D书馆流通借阅现状的统计分析――以内蒙古师范大学图书馆为例[J].图书情报工作，2013，57（S1）：178-181.
[6] 何祯，司徒俊峰.高校图书馆“借阅无限量”的实践与思考――以中山大学图书馆为例[J].大学图书馆学报，2015（4）：14-18.
[7] 陈进，刘宝杰.从未被借阅图书数据分析医科大学图书馆LIB2.0的应用[J].医学信息学杂志，2009，30（9）：76-78.
[8] 陈娟，洪丹.基于Logistic模型的高校图书馆用户借阅影响因素分析[J].情报科学，2013，31（3）：96-101.
[9] 韦耘耕.从图书馆流通数据分析读者阅读倾向及馆藏结构[J].医学信息学杂志，2010，31（2）：75-78.
[10] 陈武，姜爱蓉.构建以自助服务为导向的现代图书馆[J].大学图书馆学报，2013（3）：93-96.
[11] 高桂英，黄涛，聂华.图书馆自助服务的个性化应用――北京大学图书馆的实践与经验[J].大学图书馆学报，2011（4）：77-80，121.
[12] 邢卓媛，孙翌，曲建峰.多终端环境下图书馆实体场馆自助服务的设计与实践――以上海交通大学图书馆为例[J].图书馆工作与研究， 2016（4）：45-51.
[13] 凌宇飞.高校图书馆自助服务现状研究及发展策略[J].图书情报导刊，2016，1（5）：62，156.
[14] 施航海，苏文辉.图书馆一站式自助离馆服务系统构建――以厦门理工学院图书馆为例[J].图书馆学研究，2016（16）：65-69.
[15] 潘永明，刘辉辉，刘燕权.美国高校图书馆中的移动流通自助服务[J].图书情报工作，2014，58（12）：26-31.
