图书馆在学习型社会建设中的定位分析

指出学习型社会是和谐社会的重要组成部分,构建学习型社会是图书馆精神的体现。具体介绍了图书馆在构建学习型社会中的4个定位。     

图书馆与学习型社会的建构

探讨了创建学习型社会的时代意义,介绍了图书馆在建构学习型社会中的优势,阐述了图书馆为构建学习型社会应采取的举措。     

论高校图书馆与社区学习

学习型社区为高校图书馆的发展提供了千载难逢的机遇,高校图书馆是社区学习和人才培养的教育基地,是知识创新的源泉与保障。论述了高校图书馆为社区学习服务的优势、意义和途径。     

终身学习与高校图书馆员职业素质的提升

分析了终身学习时代高校图书馆员的角色定位,阐述了高校图书馆员应具备的职业素质,并提出了提升高校图书馆员职业素质的途径。     

一种基于IBDP-GRU模型的热带果树寒冻害预警技术

针对热带果树寒冻害预警中涉及的气象数据不平衡问题,提出一种结合不平衡数据处理和门控循环单元的热带果树寒冻害预警模型(IBDP-GRU)。按照设定的低温阈值,将数据样本按其最低气温分为高于阈值(通常为多数)和低于阈值(通常为少数)2类;利用提出的欠抽样算法对多数类样本进行欠抽样,并为不同类的训练样本赋予不同的权重;将训练样本和权重输入到GRU模型中训练;结合未来一天的最低气温预测值和相关热带果树的寒冻害指标判断这些果树在未来一天是否会受害。实验结果表明,IBDP-GRU能在不显著影响多数类样本预测的同时更加注重少数类样本的预测;在预测果树一天是否会受害时,IBDP-GRU对香蕉寒冻害预警的正报率分别比GRU、LSTM、CNN-GRU和BP模型的高16.4%、19.3%、20.3%、31.3%,对莲雾寒冻害预警的正报率分别比上述模型高18.7%、18.6%、20.5%、32.2%。     

基于特征自干扰与像素注意力机制的道路分割网络

主流网络在提取图片特征过程中易受其他目标干扰导致特征鲁棒性降低,而现有的基于噪声抗干扰机制有着伪特征与真实特征相似度不高这一劣势;注意力机制的运用可以提升道路场景特征的空间上下文关系从而增强特征的抗干扰能力,但现有的注意力机制缺乏像素级的特征筛选。针对上述问题提出了基于图像特征自干扰与像素注意力机制的道路分割网络,该网络分为主干分割网络和特征自干扰网络两部分,主干的分割网络包含像素注意力模块,可实现真实特征的提取和像素级的增强;自干扰网络输入原始图像随机裁剪和插值放大后得到的局部图生成伪特征,此外提出了融合模块用于实现伪特征与真实特征的融合并对主分割网络中间特征进行干扰。在KITTI和Cityscapes道路数据库上的实验表明：基于图像特征自干扰与像素注意力机制的分割方法与DeepLab V3分割方法相比,在KITTI数据集上的分割精度由88.02%提升至90.55%,在Cityscapes数据集上的分割精度由87.15%提升至90.16%。     

基于改进贝叶斯方法的基因调控网络构建

为了研究基因之间的复杂调控关系,使用贝叶斯网络模型来构建基因调控网络,针对以往单一贝叶斯网络模型结构学习算法精度低的问题,提出一种结合信息论构建初始网络并在该网络上进行评分搜索的基因调控网络学习方法,使用最大信息系数筛选有较高关联性的节点构建初始网络以提高解的质量,在评分搜索中使用禁忌搜索和BDe评分训练生成最终网络。之后在一组单细胞的蛋白质因果表达网络数据和大肠杆菌表达网络数据上进行构建基因调控网络实验,并在不同数据量,不同性能指标上与其他网络构建算法进行对比。实验结果表明,构建方法在不同规模的数据集上的有效性和准确率优于用于对比的其他算法。     

基于Beta过程的高分辨ISAR成像

对于高信噪比、完整回波、目标平稳运动等理想观测环境,现有成像技术已经较为成熟,可以获得聚焦良好的高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像。但在实际中的方位回波缺损与低信噪比观测情况下,随机相位误差等因素会降低现有成像算法的性能甚至使其失效。本文首先建立了ISAR稀疏观测模型,并基于稀疏贝叶斯学习理论,通过引入Beta过程非参数先验构建层级概率模型,进而交替利用Gibbs采样及最大似然方法对ISAR像及随机相位误差进行估计。实验结果表明,所提方法在低信噪比、回波缺损等复杂观测环境下能够获得聚焦良好的ISAR图像。     

基于预聚类主动半监督的作战体系效能评估

针对作战仿真实验中体系效能通常依靠专家评估、评估代价较大的问题,提出一种基于预聚类主动半监督学习的作战体系效能评估方法。明确了使用该方法进行作战体系效能评估的基本流程,以及自顶向下的评估模式和二值化的评估标准。重点构建了预聚类主动半监督学习算法,首先,结合作战仿真实验数据的特点,对未评估样本进行预聚类,选择最有价值的样本供专家标注;然后,使用已标注的样本训练主动学习算法和半监督学习算法的公用学习器;最后,利用主动学习算法挑选价值较高的样本交由专家评估,并利用新样本对学习器进行不断更新。作战仿真实验数据表明,该方法在达到预期评估准确度的同时降低了评估代价,能有效应用于大规模作战仿真实验的体系效能评估。     

基于K-S VD的低频水声信号去噪处理方法

由于浅海环境下的噪声严重且复杂,水听器得到的接收信号往往很大程度被噪声干扰,具有较低的信噪比,导致水声信号处理难度大等问题.针对此问题,为了更有效地去除有用信号中的海洋噪声,采用基于稀疏分解和字典学习的去噪方法.首先随机构造完备离散余弦变换(discrete cosine trans-form,DCT)字典,之后使用正...