推进云药现代化与特色中药谷建设的技术创新研究

在分析云南省中药产业发展与特色中药谷建设的资源优势和市场前景,以及实施中药现代化技术创新的现状条件基础上,认为今后云药现代化与特色中药谷建设的技术创新应当以加强独有特色天然药物资源保护、积极推进云药二次开发、加快地道药材GAP种植基础和加大产业科技创新基础平台建设四个方面为重点,并提出将特色中药业作为云南省重点发展的战略性产业、结合国际市场特点实施中药现代化与特色中药谷技术创新行动计划、推进特色中药材产业化经营、支持企业从事具有自主知识产权的新药开发,制定实施知识产权和标准战略等五项技术创新政策措施,以促进云药现代化发展与特色中药谷建设。     

信息管理与信息系统特色专业建设研究

信息化已经成为全球经济社会发展的显著特征,信息化人才的培养对于中国梦的实现具有重要的意义。结合国家及河南省中长期教育改革和发展规划纲要精神,开展了信息管理与信息系统特色专业建设项目。针对学校本科特色专业建设的基本任务,围绕人才培养方案制定、课程与教材建设、教师队伍建设、实验室与实习(实训、素质教育)基地建设、教学制度建设与教学改革五个方面,提出了信息管理与信息系统特色专业建设的具体目标和实施方案。     

发展中国特色社会主义道路论析

从分析在改革开放中所形成和发展的中国特色社会主义的基本特征入手,从所有制结构、经济运行体制和机制、政治制度、分配制度及共产党的领导五个方面来阐述中国特色社会主义的“特”之所在,强调中国特色社会主义道路是坚持科学社会主义基本原理的体现,进而探讨了当前建设中国特色社会主义任务的艰巨性和长期性。     

试析陇南特色农产品电商发展特点

陇南特色农产品电商近两年成为国内学术界研究区域农产品电商的聚焦点。笔者采取调查法和文献法,以陇南特色农产品电商发展作为研究对象,对陇南特色农产品的生产概况进行综述,试提炼了陇南特色农产品电商在平台建设和网商规模、销售额与带动就业、团队作战和跨境电商、服务体系搭建和创新营销等五个方面的特点。     

图书馆特色数据库研究与开发

当前,图书馆需要加强自身建设来迎接数字时代的挑战,其中特色数据库的建设是一项重要内容。分析了我国图书馆特色数据库建设的现状,并以佛山市图书馆“古镇文化”特色数据库建设为例,探讨了图书馆特色数据库的建设路径和方法。     

科技文献专业特色数据库建设

科技文献专业特色数据库建设是一项凝聚学科专业特色、深层次地开发和利用信息资源的工作.特色数据库建设可以促进相关学科专业及国民经济重点支柱产业的发展,也可以培养信息化时代的新型科技情报人员队伍.     

围绕办学特色 加强教材建设

教材工作是高等学校的一项基础工作。教材建设历来是高校三大基本建设（师资‘教材、设备）之一。文章就如何围绕我院办学特色加强教材建设，从转变和更新观念、具备超前意识、与专业设置和课程改革同步等七个方面进行了论述。     

小城镇总体规划中景观特色架构

针对福建小城镇在城镇建设中景观特色的缺失,提出优化福建小城镇总体规划中景观特色应坚持的"五美"原则,提出提升福建小城镇形象特色的思路和动作机制.     

关于创建华北科技学院办学特色问题的探讨

我院作为新建本科院校,在办学层次和办学规模等各个方面与许多高校都存在着较大的差距,创建鲜明的办学特色不仅是我院的生存战略,更是我院的发展战略.创建安全科技特色是一项复杂的系统工程,要从宏观、中观和微观三个层面;从资源协同、能力协同和部门协同三个角度;从近期、中期和远期三个阶段创建安全科技特色.创建我院安全科技特色的具体措施主要是开创和建设以安全技术及工程为主的特色优势学科;引进和培养具有安全科技特色的教师队伍;谋划和实现教学、科研、安全培训三者的协调发展;建立和形成支撑安全科技特色的管理体系;营造和突出具有安全科技特色的校园文化.     

高职特色与高专特色异同辨析

对于国内高教界一种认为高等职业教育思路不清,特色不明,与高专教育特色雷同的看法,本文持相反的观点。本文认为经过10多年改革发展的中国高等职业教育具有鲜明特色。高职特色与高专特色的区别,主要体现在人才培养模式、人才培养目标,以及教学环节诸项内容上。本文从五个方面对高职与高专特色的异同展开辨析。     

利用特征信息的加权典型相关分析算法

典型相关分析（canonical correlation analysis,CCA）是一种寻求同一对象的2组变量之间最大相关性的多元统计方法,通过线性组合各组特征提取出对应的典型相关特征。但在简单地线性组合各组特征时,传统的CCA并未考虑特征的本征属性信息,无法区分主要特征和次要特征。充分运用特征本身的方差信息和提取后的典型相关信息,提出一种利用特征信息的加权典型相关分析（weighted canonical correlation analysis,WCCA）。一方面,利用方差信息对原始特征进行加权处理,使得原始特征的重要性更加具有区分度;另一方面,利用典型相关性对提取后的特征进行加权处理,既进一步增强了特征的主次关系,又保留了小相关性的特征信息。综合这2方面的特征信息,WCCA提取后的特征在分类和识别上更具有表现力。在ORL和AR人脸数据库以及对象识别数据库COIL20上的实验结果验证了该方法的有效性。     

外耳形状特征和内耳结构特征结合的人耳特征提取

针对人耳的生物特征提出了一种人耳的形状特征和结构特征相结合的识别方法. 首先提取外耳最长轴,即外耳轮廓边缘点的最长连线. 利用外耳长轴把外耳曲线分成两部分,用最小二乘法对这两段曲线分别进行多项式曲线拟合,拟合多项式函数的系数作为外耳特征向量. 同时长轴与内耳曲线的交点作为内耳特征点,特征点之间连线的长度与长轴长度的比值作为内耳特征向量. 长轴的相对不变性保证了特征向量具有缩放、平移和旋转不变性. 实验结果表明此方法在噪声情况下具有较强的鲁棒性.     

边界检测在入侵模式分类与特征提取中的应用

在检验知识较少的情况下,为有效提取网络数据特征,实现快速入侵检测,运用边界检测算法建立有限样本下自学习的理论框架和通用方法,通过特征提取来剔除对其后的入侵检测不具有鉴别信息的部分。实验数据分析表明,有效聚类的数量随着原始样本量的增加而缓慢增加,并趋于稳定。理论分析和仿真实验证明了该算法的有效性。     

基于特征量融合和支持向量机的滚动轴承故障诊断

为了提高滚动轴承的故障诊断率,提出了一种经验模态分解(empirical mode decomposition, EMD)结合时域分析后使用主成分分析(principal component analysis, PCA)融合特征量的特征提取方法。首先,通过EMD分解得到前5个本征模态函数(intrinsic mode function, IMF)分量的上、下包络值矩阵的奇异值;然后,对轴承原始信号进行时域分析得到各种时域特征参数;最后对奇异值和时域特征参数使用PCA降维融合后输入到多分类支持向量机(support vector machines, SVM)中进行分类。通过实验仿真验证,融合后的特征量诊断准确率达到了98.6%,该方法能充分地提取出轴承故障特征信息,诊断效果良好。     

基于评论特征提取和隐因子模型的评分预测推荐系统

评分预测是推荐系统研究的核心问题,通过用户的历史行为来预测用户对商品的评分,根据评分高低来推荐用户喜欢的商品.当前基于评论评分预测推荐系统普遍只使用卷积神经网络捕获局部特征或者循环神经网络捕获全局特征,忽略了将这两类特征的有效融合.针对现存问题,本文提出基于评论特征提取和隐因子模型的评分预测推荐模型,使用自适应感受野的卷积神经网络(CNN)提取局部特征,同时使用门控循环单元(GRU)提取全局特征,将不同特征融合为评论的嵌入表达.再结合隐因子模型(LFM)对用户的特征偏好和商品的特征属性进行建模.最后,通过对用户和商品的嵌入表达进行评分预测.实验结果表明,本文模型在5个数据集上均高于现有基线模型.     

轴类零件制造特征分类及特征信息模型

通过分析轴类零件的工艺和特点,归纳出轴类零件的特征．总结出30种不同特征间的关系及其联结和定位关系．描述了详细的特征信息,建立了独特的、用XML格式描述的特征信息模型,并创建XML格式的文档,用以配合后序的CAPP系统读取XML文档数据．     

基于图拉普拉斯的多标签类属特征选择

多标签特征选择能够有效去除冗余特征并提升分类精度, 是解决"维数灾难"问题的有效方法. 然而, 已有的多标签特征选择算法是对所有标签选择出相同的特征, 忽略了标签与特征之间的内在联系. 事实上, 每个标签都具有反映该标签特有属性的特征, 即类属特征. 提出一种基于图拉普拉斯的多标签类属特征选择(multi-label label-specific feature selection based on graph Laplacian, LSGL)算法. 对于每个类别标签, 基于拉普拉斯映射获得数据的低维嵌入, 再通过稀疏正则化获得数据空间到嵌入空间的投影矩阵, 接着通过分析矩阵系数确定每个标签相应的类属特征, 最后使用类属特征进行分类. 在 5 个公共多标签数据集上的多标签特征选择与分类实验结果证明了所提算法的有效性.     

基于纹理特征和核Fisher的红细胞识别算法

为解决正常红细胞的计算机自动识别记数问题,提出了一种红细胞识别分类计数算法。首先基于计算机图像处理技术,利用二值图的拓扑特性实现单个细胞的定位。然后根据定位信息提取单个细胞灰度图像数据,计算该细胞图像经小波变换后低频系数的灰度-基元共生矩阵,并提取能量、熵等8个特征作为特征矢量,利用核F isher判别实现对红细胞的识别和计数。实验结果表明该算法具有较高的分类识别正确率,可用于与红细胞形态变化相关疾病的辅助诊断。     

基于单个特征分类准确率的特征选择方法研究

【目的】随着遥感技术迅猛发展,在影像解译过程中提取的信息越来越繁杂多样。为提高地物分类准确率,常加入更多的特征信息,而由此往往造成一定的信息冗余,导致分类效率甚至准确率降低。笔者利用随机森林(RF)和支持向量机(SVM)分类器,探索在遥感分类过程中保证分类精度的同时又能降低特征维度的方法。【方法】以吉林省安图县福兴林场部分区域为研究对象,利用2015年Landsat-8影像为数据源,提取光谱信息(红、绿、蓝、近红外和短波红外波段)、植被指数(NDVI、增强型植被指数、比值植被指数和裸土植被指数)、纹理(同质性、均值、二阶矩、方差、差异性、对比度、熵和相关性)和地形信息(坡度和坡向)共19个指标作为分类特征变量。以RF分类器估测的特征重要性进行特征选择为对照,分别以单个特征在RF和SVM两分类器中的分类准确率为依据进行特征选择,并对选取的特征进行主成分分析,与未做主成分分析的进行区分,再分别用RF和SVM分类器进行分类,评价分类精度,确定最优特征和分类器组合。【结果】①基于SVM单个特征分类准确率选取特征,对选取的特征进行主成分分析,再用RF进行分类,该方法与其他方法相比分类性能最好,当特征维度为5时,总体精度为0.86,Kappa系数为0.83; 与输入全部特征进行分类相比,不仅提高了分类精度,而且降低了特征维度,使分类效率得以提升。基于RF特征重要性选取特征的RF分类取得了较高的分类准确率,但特征维数小于7时,分类准确率波动较大; 在特征维数为4时分类准确率增至最大值(0.88),随后骤降为0.83,之后基本保持在此水平。而基于单个特征分类准确率选取特征,分类准确率变化较为平缓,如上所提最优分类性能方法的分类准确率波动范围基本在0.02。②基于单个特征在RF和SVM分类器中的分类准确率进行特征选择,在随后的分类过程中,SVM分类器分类精度总体高于RF。基于RF单个特征分类准确率选取特征的SVM分类,及基于SVM单个特征分类准确率选取特征并对选取特征进行主成分分析的RF分类,较仅利用SVM或RF单个分类器选取特征并分类的分类准确率更高。【结论】①基于单个特征分类准确率的特征选择方法,可在保证分类精度的同时降低特征维度,且在较低维度时,基于该方法选取特征的分类精度较基于特征重要性选取特征的分类精度更稳定。②基于单个特征分类准确率进行特征选择,不同分类器选取的特征有所差异,分类准确率也不同,利用多个分类器较单个分类器选取特征并分类的性能更好。③在中低维度时,RF分类器的分类准确率可能与特征输入顺序有关,对输入特征进行主成分分析有利于提高分类器的分类精度及稳定性。     

图像亮度特征对ROI提取的影响

提出一个基于改进的Itti-Koch模型的感兴趣区域(Region of interest,ROI)提取算法,同时针对图像亮度特征对ROI提取的影响问题,从2个方面进行分析研究:一是根据不同亮度权重下提取的ROI,分析亮度特征对ROI提取的影响程度;二是对眼动数据提取图像的ROI和基于改进的Itti-Koch模型提取的图像ROI进行区域评价,计算两者之间的点对点区域相似度和位置区域相似度.研究结果表明:当亮度特征和颜色特征同时影响图像ROI提取时,亮度特征所占权重不宜超过0.5.