基于并行粒度进化计算的肝功能检测分析模型研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 190-192.

基于并行粒度进化计算的肝功能检测分析模型研究

蒙祖强^1,2,覃团发¹,史忠植²

1.广西大学计算机与电子信息学院，南宁 530004
2.中国科学院计算技术研究所智能信息处理重点实验室，北京 100080

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 蒙祖强

Study on analysis model for liver function test based on parallel granular evolutionary computing

MENG Zu-qiang^1,2,QIN Tuan-fa¹,SHI Zhong-zhi²

1.College of Computer Electronics and Information，Guangxi University，Nanning 530004，China
2.the Key Lab of Intelligent Information Processing，Institute of Computing Technology，CAS，Beijing 100080，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: MENG Zu-qiang

摘要/Abstract

摘要： 为基于已有的病例数据向医生或院方提供有效的决策支持，以肝功能检测数据为例，针对这些数据的不完备性、海量性以及数据的高维和低维并存等特性，提出了基于并行粒度进化计算的数据分析模型。该模型是群（粒）进化和超群进化的有机统一，具有良好的并行性。这为下一步数据分析系统的全面实现奠定了良好的理论基础。

关键词: 肝功能检测, 管理信息系统, 粒度计算, 并行计算

Abstract: To support decision making for diagnosis based on the case data accumulated，which refers chiefly to the data in liver function test for instance，an analysis model is presented based on parallel granular evolutionary computing，which is calculated for dealing with the case data which is incomplete，voluminous，high-dimensional as well as low-dimensional.The model，which is of good parallelism，consists of group evolution and super-group evolution，and establishes a good base for comprehensive realization of the analysis system.

Key words: liver function test, management information system, granular computing, parallel computing

蒙祖强^1,2,覃团发¹,史忠植². 基于并行粒度进化计算的肝功能检测分析模型研究[J]. 计算机工程与应用, 2008, 44(1): 190-192.

MENG Zu-qiang^1,2,QIN Tuan-fa¹,SHI Zhong-zhi². Study on analysis model for liver function test based on parallel granular evolutionary computing[J]. Computer Engineering and Applications, 2008, 44(1): 190-192.

[1]	冯凯，李婧. k元n方体网络的子网络可靠性[J]. 计算机工程与应用, 2021, 57(16): 83-89.
[2]	李健，张大伟，姜晓明，向立云. 并行化洪水演进模拟研究综述[J]. 计算机工程与应用, 2021, 57(13): 1-7.
[3]	孙明，陈昕. 面向卷积神经网络的硬件加速器设计方法[J]. 计算机工程与应用, 2021, 57(13): 77-84.
[4]	叶颖诗，魏福义，蔡贤资. 基于并行计算的快速Dijkstra算法研究[J]. 计算机工程与应用, 2020, 56(6): 58-65.
[5]	杜伟，傅游. 基于GPU的最小二乘蒙特卡罗算法期权定价[J]. 计算机工程与应用, 2020, 56(4): 225-229.
[6]	金之雁，杨磊，林隽民，王哲. 广义共轭余差法的通信避免算法[J]. 计算机工程与应用, 2020, 56(3): 74-79.
[7]	刘家华，陈靖宇. 多核并行脉冲神经网络模拟器的设计[J]. 计算机工程与应用, 2020, 56(22): 244-250.
[8]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[9]	刘军，李威，吴梦婷，陈起凤. Hadoop平台下新型图像并行处理模型设计[J]. 计算机工程与应用, 2019, 55(6): 186-190.
[10]	刘洋，陈经纬，冯勇，吴文渊. 并行LLL算法研究综述[J]. 计算机工程与应用, 2019, 55(16): 36-41.
[11]	曾有灵，陈耿铎，熊威，李喆. 基于Spark的CT图像FBP重建算法程序并行设计[J]. 计算机工程与应用, 2019, 55(10): 218-224.
[12]	姜悦宁1，2，3，贾宏光1，3，厉明1，3. 基于多核并行计算的无人机CFD数值模拟[J]. 计算机工程与应用, 2018, 54(7): 221-225.
[13]	魏子衿1，2，3，肖丽2，3. 基于区域分解的并行动态LOD构建算法[J]. 计算机工程与应用, 2018, 54(6): 168-177.
[14]	覃金帛1，曾志强1，2，梁藉1，杨明祥2，张健1. GPU并行优化技术在水利计算中的应用综述[J]. 计算机工程与应用, 2018, 54(3): 23-29.
[15]	陈宇峰，张铂，李林. 基于多核CPU+GPU运算的电磁场高效体绘制算法研究[J]. 计算机工程与应用, 2018, 54(18): 218-222.