广西入境旅游基本特征研究

以广西入境旅游市场作为研究对象,对1978—2007年广西入境旅游市场的总体特征的相关资料进行了分析,发现：广西入境旅游发展迅速,发展表现为“外延增长”性;入境外国客源市场相对集中,约45％的客源来自越南、日本和马来西亚;入境旅游者消费水平较低．     

开封育出小果型西瓜新品种

经过3年的研究，开封蔬菜科学研究所选育成功“珍春”、“春丰”、“东方之子”、“满春”、“春兰”等5个小果型西瓜品种。据悉，这几个小果型西瓜新品种于前段通过河南省科技厅的鉴定验收。据专家鉴定，该系列西瓜的丰产性和品质都优于在国际上盛行的“台湾黑美人”，居全国先进水平。     

镇江市中老年旅游产品开发策略

目前,中老年旅游产品针对性不强,服务质量不高,营销力度不足。对2012年镇江中老年旅游市场调查可知,应细分市场,根据中老年旅游者的需求特点,从设计个性化旅游产品、完善产品服务、畅通产品销售渠道、合理定价、采用灵活的促销手段等方面开发中老年旅游产品。     

珠江上游传统民歌评述

珠江上游传统民歌以其厚重的人文性,深刻的哲理性,多样的民俗性,独特的地域性,丰富的审美性,成为珠江上游各族人民的精神依托。作为非物质文化遗产重要组成部分的传统民歌,是珠江上游各族人民智慧与文明的结晶,是民族文化的命脉,它顽强的生命力折射出各民族的价值观审美观。长期以来,对促进民族团结,维护区域稳定起到了积极而重要的作用。在建成小康社会和建设美丽云南的新进程中,将会释放其文化支撑和心理基础的重要潜能。     

基于双向循环U-Net模型的脑卒中病灶分割方法

脑卒中具有极高致残率和致死率,研究脑卒中病变的自动识别和分割方法具有重要的临床意义。提出一种基于双向循环U-Net(BIRU-Net)模型的病灶分割方法。首先,引入循环神经网络结构,将改进的注意力卷积门递归单元(ACGRU)替代U-Net中的部分卷积层,使分割模型既适用于小规模标注的医学影像数据集,又具有长时记忆特性;其次,采用双路融合训练机制,将单一视面的正向、反向的切片数据同时输入BIRU-Net,并在模型前向传播过程实现双向特征融合,有效利用了切片序列的双向依赖特性。最后,将各单一视面的分割结果进行再融合,有效利用了数据的空间上下文信息。对于ATLAS数据集的实验结果表明,所提方法的DSC值达到了62.58%,与现阶段的其他方法相比,本文的方法能较为准确地分割出病灶区域。     

虎产品中医药用史的阶段特征——基于《中华医典》数据库的分析

本文通过检索《中华医典》1156部中国历代医书中的虎产品药用记录,对2996条虎产品药用信息和2884首虎产品药用方剂进行分析,复原历史时期虎产品的药用情况:汉末药学著作《名医别录》是最早对虎产品药用价值进行记录的文献,至迟到汉代,人们对于虎产品某些部位的药用价值和主治病症已经有了基本的认识.就目前文献所见,虎方或始载...     

三十年来苗绣研究特征评述与未来展望——基于CNKI文献计量研究

以CNKI数据库中1993—2022年296篇文献为样本,通过文献计量分析和知识图谱透视研究。结果表明,苗绣研究的热点与国家政策关联度较高,目前尚未形成核心研究群体,学术共同体间合作度偏低,研究方法主要以定性研究为主,研究主题呈现显著的地域性特征,苗绣文化内涵及保护传承路径仍是当前重要课题。虽有学者关注苗绣产品研发与文化扶贫、乡村振兴的内在关系,但可供决策参考的研究成果不多。未来苗绣研究应围绕国家文化战略不断深化研究主题,在研究进路上注重实证维度,着重聚焦苗绣的民族性、独特性与创造性、传承性,深度研究苗绣的文化基因和文化能量以及苗绣文化赋能民族地区乡村振兴。     

基于超声解调信号多特征融合的轴承故障识别

针对当前振动监测对轴承初期微损状态监测难、精准度低的问题,提出了一种基于经验模态分解与多类熵值相结合的轴承状态监测方法,研究超声解调信号对故障诊断的可行性。首先将预处理后的超声解调信号进行经验模态分解得到若干本征模态分量,然后对各本征模态分量计算不同熵值特征,再将多特征融合后代入随机森林训练分类模型,利用混淆矩阵进行精度评价,最终对早期故障识别准确率高达97.92%。研究表明,超声解调信号对判别轴承早期故障效果更佳;经过多类熵值特征融合后,轴承状态分类具有更高的识别准确率。     

跟踪窗自适应的Mean Shift目标跟踪算法

针对Mean Shift算法不能很好地跟踪尺度变化目标的缺点,提出一种将Mean Shift算法和目标几何特征相结合的目标跟踪算法。该方法在Mean Shift框架下提取目标的几何特征,根据目标的面积和型心坐标对跟踪窗的位置和大小进行修正,最后更新Mean Shift的目标模板。通过大量实验仿真证明,改进的算法能很好地跟踪尺度变化的目标,对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性。     

基于单模态生理信号无监督特征学习的驾驶压力识别

针对基于多模态生理信号分析的驾驶压力识别会影响驾驶员的行车舒适性,且传统的生理特征的提取需要依赖先验知识的问题,构建了基于单模态生理信号无监督特征学习的驾驶压力识别模型.首先采用单模态生理信号,通过构造卷积自编码器进行无监督的特征学习来提取抽象特征;然后将特征依次送入支持向量机、随机森林、K最近邻、梯度提升决策树4种不...