简介：肌肉损害在运动仍然是最普通的损害之一，还尽管有这，几乎没有怎么有效地描述或决定特定的肌肉损害的预后到也上的很少一致。肌肉分类的众多的途径并且药分级在最后世纪被使用了，但是在最后十年，历史性的途径的限制被认出了。作为后果，在过去的10年里，临床的研究组开始询问了历史性的途径并且重新考虑肌肉损害被分类并且描述的方法。用一条记事途径，这张手稿描述几次最近的尝试分类并且分级肌肉损害并且加亮每个系统的相对力量和软弱。当时每新分类和分级的系统有力量，几乎在那里不在全面的一个系统和基于的证据上仍然是很少一致。很少在分级的系统以内的当前识别的特征有关联到精确地决定预后。

简介：

简介：ObjectiveDebrisflowsarecohesivesedimentgravityflowswhichoccurinbothsubaerialandsubaqueoussettings.Comparedtosubaerialdebrisflowswhichhavebeenwellstudiedasageologicalhazard,subaqueousdebrisflowsshowingcomplicatedsedimentcompositionandsedimentaryprocesseswerepoorlyunderstood.Themainobjectiveof

简介：社会风险分类是为社会风险感觉的一个基本、复杂的问题。进行社会风险分类，Tianya论坛帖子作为数据来源，和四种代表被选择：字符串表示，术语频率表示，TF-IDF表示和BBS帖子的分布式的表示被使用。用作为距离度量标准编辑距离或余弦类似，四个k近邻居(kNN)分类器基于不同代表被开发并且比较。由于词顺序的优先级和神经网络模型段向量的语义抽取，kNN为社会风险分类由段向量(kNN-PV)表演有效性基于分布式的表示产生了。而且，通过不同重量，kNN-PV作为一个整体模型与另外的三个kNN分类器被相结合改进社会风险分类的表演。通过蛮力格子搜索方法，最佳的重量被分到不同kNN分类器。与kNN-PV相比，试验性的结果表明整体方法的Macro-F显著地为社会风险分类被改进。

简介：

简介：使用是的地震属性展示因为在象地震外形分析那样的各种各样的目的，在特征空间的分类为地震解释的目的是常规的。但是有时地震的数据可以没有属性或它是难的在一些应用程序定义属性的一个小、相关的集合。因此，采用执行外形没有使用属性，当模特儿的技术是必要的。在这份报纸我们在场为外形与错过当模特儿地震数据的一个新方法归因那叫的不同基于的分类。在这个方法，分类基于当模特儿的不同和外形将在不同空间被做。在这个空格，不同考虑同样新的特征而不是真实特征。一个强大的分类器在两个特征空格被采用的一台支持向量机器(基于特征)并且不同空间(无特色)为外形分析。建议无特色、基于特征的分类从一块伊朗的油地在一个真实地震数据上被使用。当模特儿的使用的地震属性更好提供的外形结果，但是无特色的分类结果也是令人满意的，外形关联是可接受的。确实，属性的力量引起区别不同外形到分析使用属性提供更可靠的结果比较给无特色的外形分析的那外形。

简介：与构造进化结合了，一个多同位素的方法(D，18O，87Sr/86Sr和14C)并且hydrochemistry数据被用来在Guanzhong盆学习地热的水的起源和分类。当接受时，Xianli梯田的地热的水首先来自西北方向的学习表演再装。Xian城市里的地热的水的小数量供应来源从Qinling山和主要供应来源来自西方方向，而是地热的水Changan区域主要从Qinling接受供应山。基于地热的环境是开的，水岩石相互作用的度，和地热的水的起源，学习区域的地热的水能被划分成四种类型：A，Gushi消沉的地热的水，完美的关上的热环境和重要水岩石相互作用，属于剩余沉积的水起源；B，Xianyang城市的地热的水，好关上的环境和相对重要的水岩石相互作用，属于剩余与石块沥滤混合的沉积的水起源水；C，Xian城市的地热的水，半关上的环境和某水岩石相互作用，属于的石块沥滤水起源；D，Changan区域的地热的水，开的环境并且与现代降水混合了，属于的石块沥滤水起源。

简介：Basedonthetropicalcyclone(TC)observationsinthewesternNorthPacificfrom2000to2008,thispaperadoptstheparticleswarmoptimization(PSO)algorithmofevolutionarycomputationtooptimizeonecomprehensiveclassificationrule,andapplytheoptimizedclassificationruletotheforecastingofTCintensitychange.Intheprocessoftheoptimization,thestrategyofhierarchicalpruninghasbeenadoptedinthePSOalgorithmtonarrowthesearcharea,andthustoenhancethelocalsearchability,i.e.hierarchicalPSOalgorithm.TheTCintensityclassificationruleinvolvescoreattributesincluding12-HMWS,MPI,andRainratewhichplayvitalrolesinTCintensitychange.ThetestingaccuracyusingthenewminedrulebyhierarchicalPSOalgorithmreaches89.6%.ThecurrentstudyshowsthatthenovelclassificationmethodforTCintensitychangeanalysisbasedonhierarchicPSOalgorithmisnotonlyeasytoexplainthesourceofrulecoreattributes,butalsohasgreatpotentialtoimprovetheforecastingofTCintensitychange.

简介：Multi-sensorandmulti-resolutionsourceimagesconsistingofopticalandlong-waveinfrared(LWlR)imagesareanalyzedseparatelyandthencombinedforurbanmappinginthisstudy.Theframeworkofitsmethodologyisbasedonatwo-levelclassificationapproach.Inthefirstlevel,contributionsofthesetwodatasourcesinurbanmappingareexaminedextensivelybyfourtypesofclassifications,i.e.spectral-based,spectral-spatial-based,jointclassification,andmultiplefeatureclassification.Inthesecondlevel,anobjected-basedapproachisappliedtodeclinetheboundaries.Thespecificityofourproposedframeworknotonlyliesinthecombinationoftwodifferentimages,butalsotheexplorationoftheLWlRimageasonecomplementaryspectralinformationforurbanmapping.ToverifytheeffectivenessofthepresentedclassificationframeworkandtoconfirmtheLWlR'scomplementaryroleintheurbanmappingtask,experimentresultsareevaluatedbythegrss_dfc_2014data-set.