本文摘要：下面是兩篇計算機工程類論文范文，第一篇論文介紹了增強現實技術發展分析及預測，在現實生活應用虛擬顯示技術，增強真實性，在很多領域都有運用。第二篇論文介紹了健康大數據挖掘方法研究，從健康大數據的概念及特點入手，針對其數據挖掘問題進行了研究。
下面是兩篇計算機工程類論文范文，第一篇論文介紹了增強現實技術發展分析及預測，在現實生活應用虛擬顯示技術，增強真實性，在很多領域都有運用。第二篇論文介紹了健康大數據挖掘方法研究，從健康大數據的概念及特點入手，針對其數據挖掘問題進行了研究。
《增強現實技術發展分析及預測》
摘要：虛擬現實是指通過一系列技術手段使人們置身于虛擬世界中，而增強現實是指將虛擬的物體在真實世界中展現出來，所以增強現實更加真實也更加貼近生活，在現實生活中應用廣泛。增強現實在工業領域最先提出，后來相繼在醫療、軍事、娛樂游戲、教育領域出現，可用于化學實驗、建筑模擬、教學指導等。闡述了國內外增強現實的發展歷程，對增強現實未來領域進行了展望。
關鍵詞：增強現實;虛擬現實;發展領域
隨著技術的發展，增強現實在越來越多的領域嶄露頭角。增強現實一詞自1990年提出到現在歷經27年，定義相對明了。Milgram P和Takemura H[1]在1994年通過廣義和狹義兩個維度定義了“增強現實”：廣義上是指“增強自然反饋的操作與仿真的線索”;狹義上注重技術方面，認為增強現實是“虛擬現實的一種形式，其中參與者的頭盔式顯示器是透明的，能清楚地看到現實世界”。
增強現實來源于虛擬現實，其通過一些技術手段讓現實中的場景和真實世界相結合，從而增強用戶體驗。增強現實相對于虛擬現實來說，是對真實世界的延伸，是在真實事物上對虛擬事物的疊加，更加真實也更加貼近生活;從技術手段來說，增強現實技術比虛擬現實技術要困難一些，需要對現實事物進行識別并在真實背景上導入虛擬事物，識別的準確性及背景事物的復雜性對技術要求相對高一些;從應用領域來說，增強現實應用的領域比虛擬現實更廣，因為虛擬現實創建場景工作量巨大，而增強現實不存在這種問題，只需要將虛擬事物制作出來，相對簡單且成本低，受設備限制少，因此可以應用在更多領域。
1增強現實發展分析
1.1增強現實國內發展分析
國內最早提及增強現實一詞是在1998年中國智能自動化學術會議上，由楊斌等[2]提出“虛擬環境中有3種技術：虛擬現實、增強現實和臨場感”，并給出了立體視覺技術相應的計算公式。2000年劉渭濱等[3]提出了“AVR(From actua reality to virtua reality，即由真實現實到虛擬現實的轉換)理論”，這個理論的提出，使真實事物在虛擬建模時更加精確，并且減少了建模工作量，對增強現實技術有著重要意義。
2004年，計算機在國內大面積普及，有關計算機的各項學術活動創出新高，增強現實也得到了大力發展。在第三屆全國數字成像技術及相關材料發展與應用學術研討會中，劉越等[4]首次提出了一個相對比較完整的理論體系。同時，也首次提出將增強現實技術應用在教育及工業儀器設備制造中，擴展了增強現實的應用領域。
2008年，陳靖等[5]首次提出將增強現實技術應用到旅游產業中，“基于關鍵幀匹配的增強現實跟蹤注冊算法，實現圓明園大水法遺址的數字重現”，讓人們可以看到全盛時期圓明園的宏偉景觀。在隨后的幾年中，增強現實主要應用在地理地圖或三維實時導航上，一般在校園或博物館3D漫游中的應用比較多。
直到2010年，增強現實首次明確出現在教學中。余明媚等 [6]從中小學教育、特殊教育、職業教育等方面，對增強現實在教育中的應用作了一個完整的綜述，為增強現實未來幾年在教育方面的發展奠定了基礎，同時也為研究指明了方向。
隨著2016年虛擬現實元年的到來，虛擬現實的發展帶動了增強現實技術的提高，應用領域也擴展到了軍事模擬、網絡購物、教育游戲等領域。娛樂領域是增強現實一個很重要的應用領域。2016年騰訊QQ推出的AR火炬傳遞，引起了增強現實應用的火熱浪潮。騰訊QQ跟隨《神偷奶爸3》上映的腳步，推出營救小黃人“掃香蕉”的活動中，用戶使用手機攝像頭掃描一根香蕉，手機屏幕上就會出現不同的小黃人造型，引起廣泛關注。增強現實的應用除了創意與藝術表現外，技術上的不斷鉆研進步更令人驚喜。
1.2增強現實國外發展分析
國外增強現實的字眼在1993年的ACM(國際計算機組織)中就出現了，比國內早了整整6年，Steven Feine[7]寫到，增強現實 “發展了計算機視野，使用目標識別技術，利用技術創造一個新的復雜的增強現實應用，呈現一種人類接觸自然的新方式”，而Wendy Mackay[8]則認為增強現實“能夠在紙上擴展計算的規模”。
1994年Greenleaf W J[9]更加詳細說明了增強現實的功能，“可將真實世界分為3種空間：視覺、聽覺和觸覺”，首次提出“將一些增強現實的技術應用到殘疾人的日常生活中”，從而開發了增強現實的第一個應用領域。隨著計算機技術的發展，增強現實逐漸出現在大眾視野內，應用領域也從醫學領域的外科轉向了內科，并且提出了用增強現實技術注解現實世界的事物，這才是增強現實最基本的功能。某些醫院推出了游戲打針，通過增強現實技術，使用增強現實設備，小孩便可同虛擬視野里面的小人進行交流，獲得小孩的信任之后，虛擬的小人指導小孩通過完成游戲中任務的形式來完成打針，從而減輕小孩打針時的恐懼感和疼痛感，打針成功的小孩還會獲得一枚勛章。從此，小孩打針不再是家長頭疼的一件事情，相反還變成了小孩引以為傲的事情。
1996年，首次提出了利用增強現實工具進行3D解剖，同時又提出另外一個領域的應用，就是運動分析。現今運動分析非常流行，很好地迎合了熱愛健康熱愛運動這一類人群的需求。比如騎自行車減肥，減肥本是一件痛苦的事情，還要通過單調的騎自行車來完成，豈不是更無聊?如果用戶可以在完全沉浸式的環境中，比如在一個鳥語花香的大自然中，或者更刺激更有挑戰的大峽谷中完成自行車的騎行里程，這樣的減肥方式有誰不愿意嘗試呢?
1999年，首次提出將增強現實應用于工業、標簽追蹤等領域。在此后的幾年中，增強現實依然主要應用于醫學領域。2001年增強現實則首次應用于城市規劃中，Jie Shen等[10]提出增強現實“利用這種基于影像的思想，不僅節省了更多時間，而且比傳統的基于制圖法的虛擬現實更加真實和客觀”。Sygic最近推出針對Android手機和平板電腦的GPS導航應用程序的AR功能——Real View Navigation，該新功能可以讓手機攝像頭掃描行駛路線和周邊情況，將模擬的路況附加在真實路面上，用戶在汽車行駛過程中只需要觀察路面就可以了解導航情況，不需要看導航，同時該軟件還可提供路邊的信息，比如加油站、周邊景點、酒店旅館等信息，這些信息不會影響到駕駛員的視線。
2010年迎來了增強現實的春天。這年，增強現實的應用擴展到了很多領域，尤其是教育領域。在教學環境中采用一種新的教學方式，用現有的課程加上一些符合教學規律的活動，組成一個化學虛擬現實學習系統(CARLS)[11]。歷經幾年的探索，從剛開始建立一個全新的學習系統，到現在借助之前存在的系統加以修改補充，變成即便沒有受過專業訓練的教師也可以簡單完成的系統，節省了教師學習、熟悉、制作新系統的時間及成本。
隨著移動學習和深度學習的成熟，增強現實也加入到移動學習的大家族中，隨時隨地使用增強現實已經實現，各種各樣的增強現實型游戲、甚至是電子書，還有越來越多的應用程序軟件都攜帶增強現實功能，增強現實技術得到了空前的發展。
增強現實從剛開始的一個設想，到有了簡單的理論支撐，理論指導實踐，又有了增強現實的實現技術，實踐充實理論，有了完整的理論支撐，從而發展成一個研究領域。這中間經歷了無數次的嘗試，無數前輩為之奉獻，才有了今天所看到的增強現實這么多的應用領域。
2增強現實技術未來展望
在未來，增強現實的應用如同WiFi一樣實現全面覆蓋。在一堂課上，教師應用增強現實技術給學生展示一些晦澀難懂的知識，比如天體的運轉、生物分子結構等，學生可佩戴相關設備(簡單輕便，可隨身攜帶)觀看教師的展示。如果有學生生病或其它原因缺席，這位學生可在家或病房觀看教師的演示，整個過程這位學生一樣可全程參與，如同現在的遠程教育。
增強現實在醫療方面尤其在手術中的應用變得越來越重要。可以通過拍攝CT或者掃描得到的人體內部結構，構建出增強現實的立體畫面，不論主治醫生還是實習醫生都能看清病人的具體情況，從而給出最完美的解決方案，同時也可通過增強現實手段實施院外甚至是省外專家的實時會診。這些珍貴的資料都可保存下來，為醫學院學生提供更好的學習機會。
增強現實在職業教育方面的應用也有很大的提升空間。在未來的職業教育中，學生可通過增強現實技術安裝虛擬電機，如果中途或最后的測試階段出現錯誤導致虛擬電機無法正常運轉，學生可遠程連線校外有經驗的工程師。工程師可看到學生安裝虛擬設備的情況，不僅可通過語言指導，還能在虛擬環境中通過增強現實設備動手演示，解決學生的問題，這是另外一種形式的工學結合。
現今只要是稍具規模的購物商場，都會出現一個VR體驗店，很受年輕人歡迎，相信在不久的將來，增強現實會很快研發出各種觸手可得的娛樂項目，推出AR體驗店。
參考文獻參考文獻：
[1]MIGRAM，TAKEMURA，UTSUMI，et al.Augmentedreality：a class of displays on the realityvirtuality continuum[J].Spie，1994，2351(34)：282292.
[2]楊斌，葉榛，王家廞.虛擬環境中立體視覺的技術與應用[C].1998年中國智能自動化學術會議，1998.
[3]劉渭濱，張超，袁保宗.AVR虛擬環境建模理論與實踐[C].中國體視學學會圖像分析專業、中國體視學學會仿真與虛擬現實專業、中國航空學會信號與信息處理專業第一屆聯合學術會議，2000.
========================================================================================================================================================================
《健康大數據挖掘方法研究》
摘要：為了應對當今社會健康數據持續性爆炸增長的態勢，從健康大數據的概念及特點入手，針對其數據挖掘問題進行了研究，明晰了健康大數據挖掘的基本流程，重點分析比對了傳統與新興數據挖掘算法的異同及其應用范圍，并對健康大數據挖掘的意義及面臨的挑戰進行了闡述。最后得到結論，只有將現有的挖掘算法與新興技術結合起來，才是未來健康大數據挖掘的發展趨勢。
關鍵詞關鍵詞：健康大數據;數據挖掘;健康醫療
0引言
隨著現代科技的進步，尤其是信息技術的高速發展，傳統數據模式已不足以滿足人們的需求，因此大數據引起了人們的廣泛關注。人工智能和數據挖掘技術的成熟也為健康大數據的發展帶來契機，人們身邊無時無刻不在流動著大量有關健康方面的信息，但是這些數據分散在不同的醫院、健康公司甚至個人醫療系統中，而這些系統由不同軟件公司開發，它們之間缺乏聯系，數據結構也不盡相同，從而形成“信息孤島”。因此，需要對這些潛藏于大數據中有價值的健康信息進行分析與挖掘，以使其為健康醫療服務。
1健康大數據概念及特點
實際上，目前對健康大數據的定義尚未形成共識，不同學者對健康大數據的理解不同。本文采用黎建民教授[1]的說法，即健康大數據是指所有與醫療和生命健康相關的，包括患者在受到照護期間產生的所有數據的總合。
舍恩伯格[2]曾經在《大數據時代》一書中講到大數據具有4V 特點：Volume(海量)、Velocity(快速)、Variety(多樣)、Value(價值)。健康大數據除了完全符合這4個特點外(見圖1)，還具有健康領域特有的一些特征[3]，如：①多態性，健康數據包括純數據、信號、圖像、文字等多種形態;②時序性，患者的就診、疾病發病過程在時間上有一個進度;③隱私性，健康大數據的隱私性極高，如若泄漏將對患者造成嚴重后果;④冗余性，大批相同或相似的健康信息被記錄下來，如與病理特征無關的檢查信息或對一些常見疾病的描述信息等。
2健康大數據挖掘流程
一個完整的數據挖掘流程包括數據收集、數據預處理、數據挖掘與結果理解4 個主要組成部分[4](見圖2)，健康大數據的挖掘也不例外，只是在具體環節上采用的算法有所不同。
(1)數據收集：針對所選擇的目標進行數據挖掘，分析與其相關的所有數據，也包括目標外部的數據信息(如天氣、空氣、環境等外部信息會對某些醫療行為產生影響)，并選出適應于該挖掘目標的數據。
(2)數據預處理：通過收集得到的數據中通常存在噪聲、不完整和不一致的數據，這是數據倉庫與大型數據庫的共同特點[5]。因此，需要在挖掘之前對這些數據進行預處理，以提高其質量和分析能力。具體步驟有：數據清洗與加工(通過各種方式對所收集數據的準確性、合法性、完整性、一致性、時效性等各方面進行檢查，對質量差的數據進行修正甚至刪除)、數據標準化(為收集的數據建立數據集標準，并按該標準進行數據格式的轉換、采集)、屬性選擇(采用相應算法對數據屬性值進行評估，選取與結果相關性高的屬性)。數據預處理過程十分繁瑣，往往占用整個工作流程一半甚至60%左右的時間。
(3)數據挖掘：又稱為建立模型，需要確定模型的算法和評價方法。對于健康大數據的挖掘主要有2種思路：一是根據之前的經驗人為建立數學模型分析數據，即傳統算法;二是通過近年來興起的人工智能系統，利用大量樣本數據進行訓練，讓機器代替人工獲得從數據中提取知識的能力，即新興算法。模型構建之后需要對模型進行評估和優化，若有必要還需返回上一流程進行參數調整。
(4)結果分析：即對模型的解釋，實際應用效果要反饋給建立的模型，而且要根據應用效果進行模型的相應調整。
3健康大數據挖掘算法
在健康大數據時代，數據的產生和收集是基礎，挖掘是關鍵，數據挖掘是健康大數據研究中最關鍵且最有價值的工作。傳統的挖掘算法有分類、聚類、預測、關聯規則等。這些算法在分析健康大數據時依然可以使用，但是由于大數據的超大規模性和快速增長性，傳統挖掘算法的效率有時跟不上用戶預期，而且在處理非結構和半結構化復雜數據時面臨一定困難。而新興的算法如網絡爬蟲、云計算等挖掘方式效率更高，應用范圍也更廣，處理實時且快速。
3.1傳統算法
3.1.1算法分類
通過找出數據庫中一組數據對象的共同特點即分類標號，然后根據訓練數據集和類標號屬性構建模型，對現有數據及新數據進行分類 [6]。具體分類算法有決策樹、神經網絡、支持向量機、貝葉斯分類等。
其中在健康醫療領域應用比較廣泛的有決策樹算法，決策樹是一種典型的分類算法，其在醫藥大數據的處理中十分常見。決策樹是一種類似于流程圖的樹結構，決策樹算法是通過測試每個屬性的信息增益，選擇具有最大信息增益的屬性作為當前節點的測試屬性，并自上而下對屬性進行遞歸劃分從而構建樹的算法。它可以提高處理多維且數量巨大的醫藥數據的速度，因此為數據量巨大的醫療大數據處理帶來了便利。 而且，此方法也可以用于一些需要長期觀察的慢性病研究，分析疾病的變化趨勢，對疾病作出預測。決策樹算法的最大優點是它可以自學習，在學習過程中，并不需要使用者了解很多背景知識，只要訓練事例能夠用屬性-值的方式表達出來，就能使用該算法進行學習。此外，決策樹算法的健壯性較好，還能夠處理非線性關系。但是它也存在著缺乏伸縮性的缺點，即由于進行深度優先搜索，所以算法受內存大小限制，難以處理大訓練集。
3.1.2聚類
聚類類似于分類，但與分類的目的不同。聚類是把不同的對象集合分成若干個不同類別的模型，每個模型具有相似的對象，有著基本相似的特征，又與其它類別中的對象不同[7]。聚類算法又分為劃分法(如K-MEANS、K-MEDOIDS算法)、層次法(如BRICH算法)與基于密度的方法(如DBSCAN算法)。通過聚類方法可以對醫療大數據進行分類處理，找出與其它病癥不同或類似的病癥，從而能夠分析出同一病種的微小差異， 做到精準治療。如Hastie等[8]通過對疼痛反應結果的聚類分析，完成了對熱性疼痛、壓力性疼痛、缺血性疼痛的誘因分析。聚類分析在醫療健康記錄的關鍵詞分類、生理信號分析中也發揮著重要作用。但是也要注意到目前的許多聚類算法都只是理論上的，經常處于某種假設之下，比如聚類能很好地被分離，沒有突出的孤立點等，但現實中的數據尤其是醫療數據通常很復雜，噪聲也很大。因此，如何有效地消除噪聲影響，提高處理現實數據的能力還有待進一步研究。
3.1.3預測
預測是指基于歷史數據建立模型，運用數據對未來發展趨勢進行測算，以預先了解事情發展的結果。具體預測方法有回歸分析(簡單線性回歸、多元線性回歸、非線性回歸)和時間序列(時序平均數法、移動平均法等)。
其中，回歸分析方法在健康領域應用較多。回歸分析方法反映的是數據庫中屬性值在時間上的特征，其主要研究包括數據序列的趨勢特征、數據序列預測以及數據間的關系等問題。例如對醫院信息系統中醫療風險因素的回歸分析，即分析各個影響因素與醫療風險之間的聯系及引起風險的概率變化，用于指導醫院的風險管理。但有時在回歸分析中，選用何種因子和該因子采用何種表達式只是一種推測，從而影響了因子的多樣性，使回歸分析在某些情況下受到限制。
3.1.4關聯規則
關聯規則是描述數據庫中數據項之間所存在的某種潛在關系的規則，也即可以從一個事務中某些項的出現推導出另一些項在同一事務中也將出現。該方法能夠發現醫療信息數據庫中滿足目的的最小支持度和最小可信度的所有關聯規則，從而揭示隱藏在健康大數據中的關聯關系[9]。在一些存在大量用戶醫療信息的數據庫中，比如個人健康信息、臨床治療信息、臨床診斷信息等，可以通過這一方法進行數據的挖掘處理，實現疾病的臨床決策和特殊疾病診斷[10]。關聯規則算法對患者所表現出的疾病特點及診療過程研究十分有效，但其也存在著在每一步產生侯選項目集時循環產生組合過多的缺點，且沒有排除不應該參與組合的元素，從而產生過多的候選項目集，導致I/O負載大。
3.2新興算法
3.2.1云計算
云計算作為一種高擴展、高彈性、虛擬化的計算模式，為健康大數據挖掘存儲能力及處理速度提升提供了動力支撐。基于云計算的數據挖掘是分布式并行數據挖掘與服務模式，一方面對于同一算法可以分布于多個節點上，另一方面多個算法之間是并行的，多個節點的計算資源可以按需分配。基于云計算的數據挖掘可以將傳統算法，如關聯分析、決策樹、神經網絡等算法結合使用。其主要有以下優點：①減少費用。醫院或醫療機構之間不需要單獨建立一個計算中心，只需要在云平臺上購買所需的服務，從而節省了大量費用;②高可靠性。云計算使用數據多副本容錯、計算節點同構可互換等措施，從而保障了服務的高可靠性，使用云計算比使用本地計算機更加可靠;③移動化。相比于傳統基于本地的服務，云計算可以使人們隨時隨地進行移動辦公。目前，基于云計算的大數據挖掘在健康領域主要應用在醫學圖像診斷、臨床決策支持等方面[9]。
3.2.2網絡爬蟲
運用網絡爬蟲技術打破數據壁壘，對健康大數據進行整理融合，對數據挖掘具有十分重要的意義。而且先進的健康數據大都存在于網頁之中，而運用網絡爬蟲(Web crawler)技術可以快速、準確地獲取大量網頁信息，并實現數據的實時更新[11]。
網絡爬蟲的核心原理為： 通過統一資源定位符(URL)地址，利用超文本傳輸協議 (HTTP) 模擬瀏覽器請求訪問網站服務器的方式，封裝必要的請求參數，獲取網站服務器端的許可，返回原始頁面并解析數據，其一般工作流程如圖3所示。
卞偉瑋、王永超等[12]利用網絡爬蟲技術快速、準確地獲得公共衛生服務系統的醫療數據，并進行數據整理，為建立人群健康風險評估模型提供數據基礎。然而目前基于網絡爬蟲的數據挖掘算法在健康領域的應用還不太廣泛，有待進一步研究。
4健康大數據挖掘面臨的挑戰
目前健康醫療大數據技術還處于早期發展階段，許多專業醫療機構、研究機構、企業都參與其中，推出各種特色的應用方案，以期挖掘健康醫療大數據的價值， 促進健康醫療行業發展。因此，健康醫療大數據將在醫療行業發揮越來越重要的作用。盡管如此，在實際應用中還存在許多問題和挑戰：
(1)數據共享困難。“信息孤島”普遍存在，來自不同醫療機構的數據結構差異性大，比如各個醫院的電子病歷格式都不相同。在這種情況下進行挖掘，會延長挖掘周期，從而大大限制健康醫療數據的應用范圍。
(2)數據標準不統一。各醫療機構通常有自己的信息化系統，且不同廠商的設備標準也不一樣，導致挖掘健康大數據時采用的原始數據質量較差。
(3)隱私保護堪憂。這主要是由于健康大數據的高度隱私性決定的，不同于其它大數據，健康大數據一旦發生泄漏，將損害患者的人格和尊嚴，特別是基因數據。由于每個人的基因數據都不相同，所以一旦泄漏后果不堪設想。如何在數據挖掘和分析過程中保護好患者隱私，是一項巨大的挑戰。
(4)復合型人才不足。醫療行業缺乏既精通醫療業務又擅長信息技術的新型健康管理人才，這已成為阻礙健康大數據挖掘技術應用的一大難題。
5結語
醫療健康與人類生活息息相關，如今正處在健康醫療行業大數據分析的一個重要轉折點，如何更好地利用身邊的大數據，促進人們生活水平的提高，是一個亟待解決的問題。健康大數據的應用，不僅可以為人們帶來更好的醫療健康服務，更重要的是在應用中，利用大數據挖掘算法可以不斷發現新的知識內容，從而促進醫學技術進步。而每一種數據挖掘算法都有其優缺點，適用范圍也不相同，因此在以后的研究中需要比較每種算法的優缺點，并將它們與新興技術結合起來，這將是未來健康大數據研究的重點。
參考文獻參考文獻：
[1]黎健民.大數據時代下的醫療康復與健康[J].中國醫藥導報，2016，13(33)：178181.
[2]邁爾舍·恩伯格，肯尼思·庫克耶.大數據時代生活、工作與思維的大變革[M].杭州：浙江人民出版社，2013.
[3]許培海，黃匡時.我國健康醫療大數據的現狀、問題及對策[J].中國數字醫學，2017，12(5)：2426.
[4]李雨童，姚登舉，李哲，等.基于R的醫學大數據挖掘系統研究[J].哈爾濱理工大學學報，2016，21(2)：3843.
推薦閱讀：《大眾硬件》是由大眾軟件雜志社主辦，于2003年1月創刊的一本以電腦硬件為主要內容的雜志，目前為月刊。以馬列主義、毛澤東思想、鄧小平理論和“三個代表”重要思想為指導。
轉載請注明來自發表學術論文網：http://www.zpfmc.com/dzlw/16226.html
