白族民间故事中悲剧形象的成因和审美价值浅析

在白族的民间故事(包括神话传说)中,有众多的形象都含有一定的悲剧色彩,这是一个很值得注意的现象。本文试从地理环境、历史条件、宗教影响、心理气质等方面,对这些悲剧形象的形成原因及其审美价值作些粗浅的分析,以就教于方家,并引起进一步探讨的兴趣。     

沈阳地区大型科学仪器设备共享服务平台发展现状分析

全国大型科学仪器协作共用工作开始于1997年，在全国8个省市进行试点，截至今日已经发展到了包含七大区域覆盖全国31个省市的全国性网络。沈阳市科技局做为第一批试点单位，在推进大型科学仪器设备共享服务平台建设方面进行了积极的探索与实践，取得了初步成效。     

浅谈电视编辑思维

就电视编辑是一种信息的选择、加工、组织和传播的思维过程，技术和思维是电视编辑的两大基本支柱，思维居于核心地位，论述了要正确认识电视编辑的各种思维形态，树立正确的思维观念，这是电视编辑必须解决的一个理论和实践问题。     

层状钛硅酸盐的制备及表征

采用溶胶-凝胶法,以四氯化钛作为钛源、白炭黑作为硅源,在碱性条件下合成层状钛硅酸盐(LTS).通过X-射线衍射、红外光谱、热失重和透射电子显微镜对样品的结构进行了分析表征. LTS样品具有有序的层状结构,其层间距约为5 nm.碱性条件下,LTS通过分析表征表明,LTS具有高度有序的片层状结构,为层间引入客体分子提供了条件.     

欠约束多机协调吊运系统动力学工作空间分析

针对多台吊机通过绳索协调吊运同一被吊运物形成的欠约束系统不满足力封闭条件而无法用矢量封闭原理求出其动力学工作空间的问题,利用牛顿-欧拉方程建立了系统的动力学数学模型,并利用Farkas和Stiemke引理将动力学工作空间的求解转换成是否存在超平面的问题.对该类欠约束系统动力学方程进行拆分,得到了动力学工作空间的求解方法.最后利用蒙特·卡罗方法进行了数值仿真,得到该类系统的动力学工作空间.仿真结果表明,被吊运物的加速度对动力学工作空间的影响不大.     

大学生体质弱势群体隐性体育行为的教师干预策略研究

当前研究对大学生体质弱势群体隐性体育行为的教师干预策略进行了探讨.采用文献资料、问卷调查、数理统计、专家访谈等方法对大学生体质弱势群体隐性体育行为的表现和影响因素进行调查分析,并在此基础上提出大学生体质弱势群体隐性体育行为的教师干预策略,以期为有效改善大学生体质弱势群体的身心健康状况提供参考.     

基于栈式稀疏自编码多特征融合的快速手势识别方法

针对复杂背景下手势分割提取效果不佳、图像识别率不高、识别困难等问题,研究多特征融合的快速手势识别方法.利用YCbCr颜色空间模型,构建肤色分布模型,从复杂背景中去除大部分非肤色的干扰,从而实现手势分割;接着采用5层栈式稀疏自编码网络框架,分别提取手势感兴趣区域（region of interest,ROI）的纹理图像、形状图像和显著视觉图像作为自编码网络输入,将提取到的不同类型的特征进行线性融合;最后使用基于径向基核函数（radial basis function,RBF）的支持向量机（support vector machine,SVM）分类器进行融合特征数据分类,从而实现不同类型的手势识别.实验结果表明,相比其他手势识别方法,本文方法识别率较高,提取特征更具有代表性,平均识别率可达95.05%.      

金沙江典型河段浮游藻类群落结构及影响因素研究

为研究金沙江典型河段浮游藻类的群落结构特征及主要影响因素, 于2014年秋季(10 月)在石鼓至宜宾江段布设6 个断面进行浮游藻类群落监测。通过显微镜观察, 共鉴定出浮游藻类6门30属52种, 其中硅藻的物种数、细胞密度和生物量分别占65.38%, 74.07%和80.65%, 是优势门类。浮游藻类总细胞密度和生物量都呈现坝上逐渐降低、坝下逐渐升高的规律, 石鼓最高, 向家坝最低。多样性分析表明, 攀枝花的浮游藻类群落多样性最高, 溪洛渡和向家坝均较低。浮游藻类与环境因子的RDA分析表明, 总氮是影响浮游藻类群落结构的主要环境因子。优势属现存量与环境因子的相关性分析结果表明, 包括尖针杆藻Synedra acus 和曲壳藻Achnanthes sp.在内的6种硅藻与水位正相关, 与水温负相关, 是适合在低温下生活的藻类, 小环藻Cyclotella sp.则适合在温度较高的环境中生长。网状空星藻 Coelastrum reticulatum、栅藻Scenedesmussp.、尖尾蓝隐藻Chroomonas acuta 和小环藻Cyclotella sp.的现存量与总氮显著正相关, 能够指示水体中的氮浓度; 近缘桥弯藻Cymbella affinis 和谷皮菱形藻Nitzschia palea的现存量与总磷呈显著正相关, 能够指示水体中的磷浓度。     

基于空间变换双线性网络的细粒度鱼类图像分类

有效地识别水下各种鱼类目标具有重要的实际意义和理论价值.鱼类生存环境复杂,由于海洋的极端条件,水下鱼类图像的分辨率低,且图像类间相似度高、类内差异性大,并受光照、角度、姿态等的影响较大,这些因素使得鱼类识别成为一项具有挑战的任务.针对这些难点,提出了一个能够有效进行细粒度鱼类图像分类的深度学习模型.该模型包含空间变换网络和双线性网络两部分,首先利用空间变换网络作为注意力机制,去除图像背景中复杂的干扰信息,选择图像中感兴趣的目标区域,简化后续分类;双线性网络通过融合两个深度网络的特征图提取图像的双线性特征,使得对目标中具有判别性的特定位置有较强的响应,从而识别种类,该模型可以进行端到端的训练.在公开的F4K数据集上,该模型取得了最好的性能,识别正确率为99.36%,较现有最好算法DeepFish提高0.56%,此外,发布了一个包含100类共6 358张图片的新的鱼类图像数据集Fish100,该模型在Fish100数据集上的识别正确率高出BCNN算法0.98%.多个数据集上的实验验证了模型的有效性与先进性.