自然地理野外实习研究

关于自然地理野外实习的研究,大多侧重于实习模式、实习基地建设等方面,针对具体的过程、效果评价等研究不足.本文以聊城大学自然地理野外实习为例进行探析,运用建构主义的观点提出了影响实习效果的五大因素以及相关对策,对野外实习改革具有一定的理论意义.     

读宋诗辨昭君、玉环之宋代际遇

王昭君、杨玉环及其关联的人和事,是古代文人经常选用的题材和载体,尤其是在国势相对衰微、女性观念尤重"妇德"及文学"尚古"之风盛行的宋代。文章即从解读王安石、欧阳修、苏轼、陆游及杜甫、李商隐、罗隐等相关诗作入手,辨析宋人有别于唐人的立场和态度及产生的原因,从而证明昭君、玉环在宋代虽际遇不同,但在文学功用上却异中有同、殊途同归。     

用于中子发生器加速极电源的高频变压器设计

根据中子发生器加速极电源功率要求,通过AP(Area Product)法对加速极电源中的关键部件高频变压器进行设计.在推挽前级逆变电路中,增加去磁回路抑制变压器偏磁问题,采用分段分组绕制法减小分布电容.同时,测量和比较了不同频率下,变压器原、副边电压实验波形.结果表明:高频变压器的转换效率随频率升高而增大,当工作频率为20 kHz时,输出效率达到84％,满足了中子发生器加速极电源的要求.     

多铰接结构的现代无轨列车路径跟随研究

现代无轨列车是一种新型公路运输车辆,其融合了汽运车辆建设成本低和轨道车辆载运量大的技术优势.针对多铰接现代无轨列车车体编组多,运动自由度大,曲线路径行驶时后方车辆会偏离前方车辆的运动轨迹的问题,建立了跟随误差模型,分析影响路径跟随性的因素,提出一种曲线路径行驶的路径跟随策略.采用航向角预测跟随控制策略,设计中间车轴的铰接角和后车轴的转向角控制规律,以增量PID算法补偿阿克曼转向模型误差,提高系统稳定性.最后在圆曲线路径和"S"曲线路径工况下测试车辆各轴的行驶轨迹.仿真结果表明:车辆的位置跟踪误差保持在0.03 m以内,航向跟踪误差最大在4.5°以内,车辆具有较好的路径跟随性能.     

我国SNS营销现状与发展趋势研究

从SNS营销内涵、营销工具、营销策略和营销评价等方面对有代表性的文献成果进行了分析,揭示了我国SNS营销的研究进展,探讨了我国SNS营销的发展趋势,包括SNS营销认识动态化、商务智能方法和社交平台结合深入化、营销策略微观化、评价思路多元化.     

现代信息检索理论架构研究

信息作为一种新的资源,对当代经济和社会的发展起着非常重要的作用,如何高效快捷地利用现代信息是当前我国信息检索领域研究的重要问题。阐述了现代信息检索理论架构研究的前提,分析了当前主要的信息检索理论,探讨了网络信息检索的主要方法。     

“二三结合”开发模式渗流特征研究

L油田B区块开展"二三结合"实验区,"二三结合"开发模式渗流特征对区块的合理高效开发具有重要意义。为了明确其渗流特征,利用油藏数值模拟软件Eclipse建立代表意义的油藏数值模型,研究区块"二三结合"开发模式下原射孔层和补孔层的渗流特征,分析了"二三结合"开发模式下,不同开发阶段综合含水率、采出程度、井底压力、地层压力及含水饱和度的变化特征。研究表明,"二三结合"开发模式先通过水驱开发挖潜原射孔层剩余油,提高厚油层顶部剩余油的采出程度,再通过聚合物驱进一步提高开发效果,通过水驱与聚驱的综合作用,最终得到较好的开发效果。     

情绪对创造性思维的影响:认知风格的调节作用

通过对214名大学生施测镶嵌图形测验,筛选出场独立型和场依存型被试各45人,通过自传体回忆方法分别诱发被试的高兴、愤怒和中性情绪,探讨情绪对创造性思维的影响,以及认知风格在情绪与创造性思维之间是否存在调节作用.结果发现:高兴和愤怒情绪均对创造性思维有促进作用,认知风格在情绪和创造性思维之间起调节作用,具体表现为对于场独立型被试,愤怒情绪促进思维的流畅性、灵活性和独创性;对于场依存型被试,高兴情绪促进思维的流畅性、灵活性和独创性.     

Learning Multi Labels from Single Label——An Extreme Weak Label Learning Algorithm

This paper presents a novel algorithm for an extreme form of weak label learning, in which only one of all relevant labels is given for each training sample. Using genetic algorithm, all of the labels in the training set are optimally divided into several non-overlapping groups to maximize the label distinguishability in every group. Multiple classifiers are trained separately and ensembled for label predictions. Experimental results show significant improvement over previous weak label learning algorithms.