常用

摘要： 为了保证文章阅读时的流畅性,英文缩略语应尽量少用,1篇文章一般不宜超过5个。文内4个汉字以下一般医学名词不用英文缩略语。常用的及5个汉字以上的医学名词使用英文缩略语者,需在文内该词第1次出现的中文全称后加注英文缩略语。现列出我刊常用的医学名词中、英文对照,下述英文缩略语可不必在文内一一注明。

摘要： 本刊对大家比较熟悉的一些常用医学词汇将允许直接使用英文缩写,即文题除外,在文章中英文缩写词汇第一次出现时,可以不标注中文和(或)英文全称,具体词汇如下.

摘要： 本刊对大家比较熟悉的一些常用医学词汇将允许直接使用英文缩写,即文题除外,在文章中英文缩写词汇第一次出现时,可以不标注中文和(或)英文全称。

摘要： 为了保证文章阅读时的流畅性,英文缩略语应尽量少用,1篇文章一般不宜超过5个。文内4个汉字以下一般医学名词不用英文缩略语。常用的及5个汉字以上的医学名词使用英文缩略语者,需在文内该词第1次出现的中文全称后加注英文缩略语。现列出我刊常用的医学名词中、英文对照,下述英文缩略语可不必在文内一一注明。

摘要： 为了保证文章阅读时的流畅性,英文缩略语应尽量少用,1篇文章一般不宜超过5个。文内4个汉字以下一般医学名词不用英文缩略语。常用的及5个汉字以上的医学名词使用英文缩略语者,需在文内该词第1次出现的中文全称后加注英文缩略语。现列出我刊常用的医学名词中、英文对照,下述英文缩略语可不必在文内一一注明。

摘要： 为了保证文章阅读时的流畅性,英文缩略语应尽量少用,1篇文章一般不宜超过5个。文内4个汉字以下一般医学名词不用英文缩略语。常用的及5个汉字以上的医学名词使用英文缩略语者,需在文内该词第1次出现的中文全称后加注英文缩略语。现列出我刊常用的医学名词中、英文对照,下述英文缩略语可不必在文内一一注明。

摘要： 根据科技名词使用规则,本专业领域已公知的缩略词使用时可以不注释英文全称。现将本刊常用英文缩略词整理如下,以便读者阅读。

摘要： 为了保证文章阅读时的流畅性,英文缩略语应尽量少用,1篇文章一般不宜超过5个。文内4个汉字以下一般医学名词不用英文缩略语。常用的及5个汉字以上的医学名词使用英文缩略语者,需在文内该词第1次出现的中文全称后加注英文缩略语。现列出我刊常用的医学名词中、英文对照,下述英文缩略语可不必在文内一一注明。

摘要： 为了保证文章阅读时的流畅性,英文缩略语应尽量少用,1篇文章一般不宜超过5个。文内4个汉字以下一般医学名词不用英文缩略语。常用的及5个汉字以上的医学名词使用英文缩略语者,需在文内该词第1次出现的中文全称后加注英文缩略语。现列出我刊常用的医学名词中、英文对照,下述英文缩略语可不必在文内一一注明。

摘要： 为了保证文章阅读时的流畅性,英文缩略语应尽量少用,1篇文章一般不宜超过5个。文内4个汉字以下一般医学名词不用英文缩略语。常用的及5个汉字以上的医学名词使用英文缩略语者,需在文内该词第1次出现的中文全称后加注英文缩略语。现列出我刊常用的医学名词中、英文对照,下述英文缩略语可不必在文内一一注明。

摘要： 本发明实施例公开了一种异常用户检测模型训练方法、异常用户审核方法及装置，包括：获取样本用户的评论数据，评论数据包括样本用户评论的视频和评论内容，从样本用户的所有评论内容中确定出目标评论内容，以通过目标评论内容获取样本用户为异常用户的概率；对评论内容进行统计以获得样本用户的评论内容的统计特征；确定样本用户评论的视频为违规视频的违规分数；将样本用户为异常用户的概率、统计特征以及违规分数作为训练样本，样本用户的标签作为样本标签来训练异常用户检测模型。实现了从评论数据中提取与异常行为具有强关联关系的高层次特征来训练异常用户检测模型，提高了异常用户检测模型预测用户为异常用户的概率的准确度。

摘要： 本发明公开了一种异常用电识别方法和异常用电识别系统，所述异常用电识别方法包括：采集历史用电数据；对所述历史用电数据进行数据压缩处理，得到压缩后的用电数据；根据所述压缩后的用电数据，利用基于密度的聚类算法，对所述历史用电数据中的异常用电进行识别，得到识别结果。本发明所提供的异常用电识别方法和异常用电识别系统，能够解决现有异常用电识别受限的问题。

摘要： 本申请公开了异常用户识别方法和用于识别异常用户的装置。该方法的一具体实施方式包括：获取多个用户的特征数据，以及基于特征数据，以无监督学习方式确定出多个用户中的异常用户；基于确定出的异常用户的特征数据，以有监督学习方式从多个特征参数中选取出用于构建分类模型的关键特征参数，以及生成包含关键特征参数的关键特征数据；利用关键特征数据构建分类模型。实现了采用无监督学习方式识别出异常用户，采用有监督学习方式基于异常用户的特征数据选取出关键特征构建分类模型，使得分类模型仅采用对识别异常用户的重要程度较高的关键特征对异常用户进行识别，避免重要程度较低的特征对识别过程的干扰，提升识别准确度和减少识别过程的开销。

摘要： 本发明提供了异常用户终端识别装置和识别异常用户终端的方法。在光线路终端（OLT）和多个光网络单元（ONU）的点对多点网络中，每个ONU都被使能仅在针对该ONU而使能的时间段中发送信号，OLT（或其中安装的系统）识别ONU中的异常ONU。对于给定的一系列时间段中的每一个，所述OLT测量在该时间段中光纤信号的光接收级别。所述OLT预先在表中与该ONU相关联地至少存储来自每个ONU的接收信号的接收水平。所述接收水平是在来自于ONU的信号被排他地接收的正常状态下测得的。对于所述给定的一系列时间段中的每一个，所述OLT确定与该时间段相关联的来自所述ONU之一的信号是否被排他地接收而未与任意其他信号发生冲突。如果与所述时间段相关联的来自ONU的信号未被排他地接收，则所述OLT基于针对所述时间段测量的光接收级别、存储在所述表中且与所述时间段和所述表相关联的ONU的存储接收级别来识别所述异常ONU。

摘要： 本发明提供了不停止正常用户装置而在点对多点网络中识别异常用户装置的技术。在光线路终端(OLT)和多个光网络单元(ONU)的点对多点网络中，每个ONU都仅能在针对该ONU而使能的时间段中发送信号，OLT识别ONU中的异常ONU。对于给定的一系列时间段中的每一个，OLT测量该时间段中光纤信号的光接收级别。OLT预先在表中与该ONU相关联地至少存储来自每个ONU的接收信号的接收水平。对于给定的一系列时间段中的每一个，OLT确定与该时间段相关联的来自ONU之一的信号是否被排他地接收而未与任意其他信号发生冲突。如果否，则OLT基于针对该时间段测量的光接收级别、存储在表中且与该时间段和该表相关联的ONU的存储接收级别来识别异常ONU。

摘要： 本发明公开了一种异常用电识别方法和异常用电识别系统，所述异常用电识别方法包括：采集历史用电数据；对所述历史用电数据进行数据压缩处理，得到压缩后的用电数据；根据所述压缩后的用电数据，利用基于密度的聚类算法，对所述历史用电数据中的异常用电进行识别，得到识别结果。本发明所提供的异常用电识别方法和异常用电识别系统，能够解决现有异常用电识别受限的问题。

摘要： 本发明实施例公开了一种异常用户检测模型训练方法、异常用户审核方法及装置，包括：获取样本用户的评论数据，评论数据包括样本用户评论的视频和评论内容，从样本用户的所有评论内容中确定出目标评论内容，以通过目标评论内容获取样本用户为异常用户的概率；对评论内容进行统计以获得样本用户的评论内容的统计特征；确定样本用户评论的视频为违规视频的违规分数；将样本用户为异常用户的概率、统计特征以及违规分数作为训练样本，样本用户的标签作为样本标签来训练异常用户检测模型。实现了从评论数据中提取与异常行为具有强关联关系的高层次特征来训练异常用户检测模型，提高了异常用户检测模型预测用户为异常用户的概率的准确度。

摘要： 本申请公开了异常用户识别方法和用于识别异常用户的装置。该方法的一具体实施方式包括：获取多个用户的特征数据，以及基于特征数据，以无监督学习方式确定出多个用户中的异常用户；基于确定出的异常用户的特征数据，以有监督学习方式从多个特征参数中选取出用于构建分类模型的关键特征参数，以及生成包含关键特征参数的关键特征数据；利用关键特征数据构建分类模型。实现了采用无监督学习方式识别出异常用户，采用有监督学习方式基于异常用户的特征数据选取出关键特征构建分类模型，使得分类模型仅采用对识别异常用户的重要程度较高的关键特征对异常用户进行识别，避免重要程度较低的特征对识别过程的干扰，提升识别准确度和减少识别过程的开销。

摘要： 本发明公布了一种针对常用网址和常用网址类别的输入方法和系统，使用首拼音字符串作为首选输入语言；能够根据方法或系统所覆盖的常用网址或/和常用网址类别的首拼音字符串来输入相应的网址或者网址类别的汉语名称；并至少同时具有如下两个特征：(1)常用导航优先，(2)首拼音优先；本发明能够使得用户即使是在手机这样的小屏幕设备上一般也可以在无需调整待选项显示、并且字符输入和选择总计不超过3次的情况下完成对常用网址和/或常用网址类比的汉语名称的输入。

摘要： 本发明提供了异常用户终端识别装置和识别异常用户终端的方法。在光线路终端（OLT）和多个光网络单元（ONU）的点对多点网络中，每个ONU都被使能仅在针对该ONU而使能的时间段中发送信号，OLT（或其中安装的系统）识别ONU中的异常ONU。对于给定的一系列时间段中的每一个，所述OLT测量在该时间段中光纤信号的光接收级别。所述OLT预先在表中与该ONU相关联地至少存储来自每个ONU的接收信号的接收水平。所述接收水平是在来自于ONU的信号被排他地接收的正常状态下测得的。对于所述给定的一系列时间段中的每一个，所述OLT确定与该时间段相关联的来自所述ONU之一的信号是否被排他地接收而未与任意其他信号发生冲突。如果与所述时间段相关联的来自ONU的信号未被排他地接收，则所述OLT基于针对所述时间段测量的光接收级别、存储在所述表中且与所述时间段和所述表相关联的ONU的存储接收级别来识别所述异常ONU。