为了满足医疗系统中RFID的低成本、可扩展、高效率和强隐私的要求,研究者进行了安全分析,并对协议的复杂度和各种攻击策略进行阐述,揭示现有协议的缺陷和不足.该研究提出一种适用于移动医疗的基于Hash运算的RFID双向认证协议,并证明了新协议具有强大的抗追踪能力.

基于RFID系统在医疗应用中的作用以及在医疗体系中的关键角色,研究提出了基于移动医疗环境的RFID协议,采用Vaudenay模型对协议进行形式化分析.提出一种适用于移动医疗的基于Hash运算的RFID双向认证协议,基于JAVA程序证明了新协议具有强大的抗追踪能力.

目的：为了增强阿尔茨海默病（AD）的识别能力。方法该文采用多模态异构生物标志物数据在统计意义上潜在的相关性，利用互补原理，最大化不同模态数据之间的相关性，并在典型相关性分析的基础上，引入流形正则化技术提出了弱匹配典型相关性分析算法。结果解决了弱匹配多模态数据相关性建模问题。结论多模态异构生物标志物数据融合方法的预测性能优于单模态，能对 AD的发病和病理研究提供更准确的信息。

传染病因其"传染性"和"流行性",迄今为止仍是严重危害人类健康的疾病之一.因此传染病的预测工作意义重大.提出一种基于模糊粒化的支持向量机(SVM)预测方法.采用三角形模糊粒化模型对时间序列的原始数据进行粒化,在减少原始数据的同时能够包含原始数据的信息,再用SVM对流行趋势进行预测.实验结果表明,该方法预测精度高、稳定性好,是一种传染病预测的有效方法.