排序方式: 共有23条查询结果,搜索用时 24 毫秒
1.
2.
班级文化是班主任人格魅力和管理理念的集中体现,也是学生审美情趣的体现,班级文化是班级的一种风尚、一种文化传统、一种行为方式,它自觉或不自觉地通过一定的形式融汇在班级同学的学习、生活等各个方面中。选用不同的文化建设一个班级,会使班级呈现出不同特色。近年来,我根据学生实际,推崇班级进步文化建设,取得了良好效果。 相似文献
3.
铜铅重金属胁迫下玉米光谱分形维数与污染监测研究 总被引:1,自引:0,他引:1
通过设定不同浓度梯度的重金属Cu、Pb胁迫下的玉米盆栽试验,利用美国高性能地物光谱仪SVC HR-1024I对不同浓度铜铅污染的玉米老、中、新叶片进行光谱测量,同时采用SPAD-502叶绿素含量测定仪测定各类叶片中叶绿素含量相对值,并通过化学方法测定不同胁迫程度下玉米叶片中的铜铅含量。在分析玉米叶片中Cu、Pb含量与光谱曲线的绿峰高度(GH)、红谷深度(RD)、蓝边(DB)、红边最大值(MR)、红边面积(FAR)、红边一阶微分曲线陡峭度(FCDR)之间相关性的基础上,利用分形理论对叶片410~780 nm之间的光谱曲线进行分形测量,提出运用光谱曲线分形维数(FRAC)对受不同浓度重金属铜铅污染的玉米叶片进行污染监测,同时对相同浓度铜铅胁迫下的老、中、新叶片也进行了光谱响应研究。结果表明,随着叶片中重金属含量增加光谱曲线分形维数也逐渐增大,同等浓度重金属铜铅胁迫程度下,分形维数从新叶到老叶逐渐减小,并且发现光谱曲线分形维数与绿峰高度、红谷深度、红边面积具有较好的相关性,说明光谱曲线分形维数不仅可以综合描述曲线的光谱特性,还能定量反映玉米叶片受重金属铜铅污染程度及其健康状况。因此,光谱曲线分形维数可以作为玉米叶片重金属污染监测的一种新方法。 相似文献
4.
端元提取是高光谱遥感研究的重点内容之一,在高光谱影像信息识别、环境监测、资源探测和丰度反演等领域有着重要运用。为了实现有效的端元提取,如何准确估计(尤其是未知区域)高光谱影像中端元数目就显得更为关键,特别是在无人或境外地区的遥感探测方面极有实际价值。端元数目估计过多或者过少都会影响端元提取和混合像元分解的精度。本文基于谐波分析(Harmonic Analysis,HA)理论实现了高光谱影像有效去噪,并结合二元假设检验方法构建了一种高光谱影像端元数目估计的谐波分析假设检验(HA-Hypothesis Testing,HAHT)模型。通过AVIRIS和Hyperion高光谱影像的可行性分析与普适性验证,并与HFC(Harsanyi Farrand Chang)、特征值极大似然函数(Eigenvalue Likelihood Maximization, ELM)和最小误差高光谱信号辨识法(Hyperspectral Signal Identification by Minimum Error, Hysime)等常规的端元数估计算法应用成果相对比,表明HAHT模型所估计的端元数目与实际地物数具有更高的吻合度。同时,采用较成熟的连续最大角凸锥(Sequential Maximum Angle Convex Cone,SMACC)方法提取了端元波谱曲线,通过比较设置2(HFC估计数)、8(HAHT估计数)和14(Hysime估计数)不同端元数的提取结果,也证明HAHT模型在估计端元数目时具有较高准确性,以及较好的适用性和应用前景。 相似文献
5.
6.
本文首先进行培训需求的组织分析、工作分析、个人分析,接着对培训方案各组成要素进行分析,再对培训方案评估修改,最终制定出一个有效的培训方案。 相似文献
7.
三维地形场景流式传输 总被引:6,自引:0,他引:6
基于网络的三维地形场景漫游在军事、教育、娱乐等领域有广泛的应用,但目前受限于有限的网络带宽而无法满足用户实时的需求。综合考虑了地形场景漫游过程与视频播放之间的相似性,从流式传输的观点出发,利用地形数据规则采样的特点,设计了全新的地形数据组织方式,将地形数据表示为多条渐进压缩码流。运行时刻则充分利用了漫游过程的帧内及帧间相关性,并与传输策略相结合,有效降低了远程地形场景漫游过程中的数据吞吐量,并且能够自适应网络带宽的动态变化。 相似文献
8.
根据CSLBP (center-symmetric local binary pattern)和Uniform LBP (local binary pattern)特征描述行人局部纹理互补性的特点, 提出将二者级联的组合特征用于行人检测: 基于灰度图像的纹理特征(hybrid local binary pattern, HLBP)和基于颜色空间的纹理特征(color based hybrid local binary pattern, CHLBP)。实验结果表明, 当FPPW=10–4时, HLBP特征的检测率为93.96%, 与Uniform LBP和CSLBP特征相比分别提高3.46%和9.68%, 基于颜色空间L′C′C′与HIKSVM分类器结合时的检测率高达98.58%。与传统的纹理特征检测方法相比, 该特征提高了行人检测精度, 降低了误检率, 检测性能得到较大幅度的提升。 相似文献
9.
10.