“满意”还是“锁定”:理解技术创新路径依赖下的消费者持续使用北大核心CSCDCSSCI

与当前以认知信念为核心来解释信息系统用户持续使用的观点不同,从网络消费者有限理性及网络经济效应的研究角度,指出:当技术创新造成路径依赖时,认知锁定会成为决定持续使用的关键。通过对443名有经验的在线技术平台使用者的调查结果分析,研究证实,当技术创新通过其技术优势及网络效应造成认知锁定后,认知锁定对消费者的持续使用意向以及近期使用行为都具有更强的正向影响。并且,它还对满意与持续使用意向间的正向关系具有负向调节作用,从而限制满意对持续使用的预测效力。研究表明,互联网企业在构建顾客满意的同时要更为关注技术创新的锁定效应,注重从3个构成来源(信息有用性、交易成本优势和网络外部性)层面创造认知锁定,激发技术创新型企业的发展活力。此外,管理者们还需要注意到认知锁定对消费者的一些潜在负面影响。     

香气成分的协同作用研究进展

天然产物中香气成分繁多且结构各异,这些香气成分能客观地反映天然产物的风味特点。从嗅觉产生的机理、特征香气分子形成理论和香气物质间协同作用研究方法等方面对天然产物的香气研究进展进行阐述,即通过嗅觉受体与香气分子结合,激活并传导到大脑皮层,最终完成香气感知,解释了嗅觉产生过程;从分子振动理论和识别理论角度,解释了天然产物特征香气形成原因;从阈值法、S型曲线法、OAV法、σ-τ图法等宏观层面,钙离子成像法和细胞电生理等微观层面的两个角度,解释了香气物质间的相互协同作用方法,并总结了存在的问题,对未来研究方向进行展望。     

基于高光谱成像的不同花期薇甘菊特征分析及监测模型研究

薇甘菊是世界上危害巨大的杂草之一,入侵能力强,严重威胁当地生态系统.使用SOC710VP成像光谱仪获取薇甘菊不同花期高光谱数据,选取与薇甘菊不同花期显著相关的参数,建立不同花期监测模型.结果表明,盛花期和未开花期光谱反射率存在明显"绿峰"和"红谷",整体值大小依次为盛花期、未开花期、枯花期;一阶微分曲线在绿光波段、红边,未开花期、盛花期和枯花期均存在明显波峰,且值的大小依次为未开花期、盛花期、枯花期;在750～900 nm,盛花期和未开花期波峰、波谷出现波段范围大致相似,枯花期出现3个波峰,峰值依次减小;薇甘菊不同花期与光谱反射率及光谱一阶微分在529～671、734～744、770～786、791～796 nm和833～838 nm极显著相关,以NDVI、RVI、GI、DVI和HI特征参数构建的多元线性回归模型的拟合效果最佳.根据薇甘菊高光谱特征参数建立的监测模型,可有效地监测薇甘菊不同花期,研究结果可用于薇甘菊发生发展的监测.     

国外激光成像探测系统的发展现状及其关键技术

与合成孔径、毫米波、红外、可见光等其他成像探测模式相比,激光成像探测具有一系列独特的特点。它突破了传统的成像概念,广泛应用于雷达、制导及引信等军事领域。本文重点阐述了近年来国外在CO2激光成像探测系统、二极管泵浦固体激光成像探测系统和半导体激光成像探测系统的发展历史和现状,讨论了激光成像探测系统所涉及的主要关键技术,进而展望了激光成像探测系统的发展趋势。     

就业中的辩证法

辩证法是帮助我们认识问题、分析问题、解决问题的方法论,在就业问题上也不例外,能够辩证地看待求职工作中的一些问题,科学地做出自己的职业选择,是每一个毕业生求职的理想状态。但在实际     

农业院校学生对专业认知现状调查分析——以某农业大学经济学专业为例

作为一门开设性极广的专业——经济学,已经进行过众多方面的调研。但是,对于特色专业类院校中经济学学生的专业认知现状调查仍呈现待探索状态,是一个值得研究的调研方向。本文通过选择某一农业院校的经济学专业学生作为研究对象,从基础信息分析、认知发展阶段、整体认知特点等方面了解经济学专业认知的现状与趋势,认为:学生的主动选择是经济学专业学习的优良基础;在学习中,学生通过积极的考取证书,促进专业认知的加深,专业性社团积极发挥出引导学生参与专业性活动以有效提升专业认知的作用;毕业后,仅有少部分人选择对经济学专业继续深造,多数人对于未来的工作领域存在认识不充分的情况。     

蛛网膜颗粒压迹的影像学诊断及其价值

蛛网膜颗粒一般没有症状,但巨大蛛网膜颗粒容易误诊为病理性改变而进行损伤性检查或治疗,本文旨在通过蛛网膜颗粒的形成机制结合其影像学改变来提高其诊断及鉴别诊断水平。     

磁共振表观扩散系数对肝转移瘤化疗疗效评估应用

评估磁共振弥散加权成像(diffusionweightedimaging,DWI)表观弥散系数(apparentdiffusioncoefficient,ADC)早期预测和监测肝转移瘤化疗疗效的临床应用。回顾性分析2017年5月至2019年8月我院收治的68例肝转移瘤患者,均经病理证实,分别在化疗前、化疗4疗程后进行常规MRI检查,并行弥散加权成像,获取其ADC值。采用Recist标准评估其化疗效果。结果化疗前,有效组与无效组ADC值对比(P>0.05);经化疗4疗程后,有效组ADC值小于无效组(P<0.05)。早期监测肝转移瘤患者MRI弥散加权成像ADC值,可作为判断其化疗疗效的量化指标,对于指导手术干预,术后化疗,病人预后评估都具有一定临床价值,值得应用推广。     

基于改进OMP算法的稀疏目标微波关联成像方法

利用稀疏重构类方法进行雷达微波关联成像时,传统的正交匹配追踪(orthogonal matching pursuit,OMP)算法在每一次迭代过程中均需要求解目标函数的最小二乘解,导致成像算法计算复杂度随矩阵规模和迭代次数增加而急剧攀升.针对此问题,结合频率捷变思想,提出了一种改进OMP算法的稀疏目标微波关联成像方法....     

基于深度学习的输变电设备紫外放电光斑分割方法

随着紫外成像技术的发展,高压电力设备对于紫外成像图谱的量化分析提出了更高的要求。紫外图谱的量化分析需要用到除紫外成像仪所输出“光子数”额外的紫外光斑图像信息,所以需要将紫外放电光斑从可见光的背景中分割出来。然而,传统紫外图谱光斑分割方法仍存在复杂背景及小光斑分离困难、特征选取复杂、分割精准度低等问题。基于上述问题,提出了一种基于深度学习的紫外图谱光斑分割提取的方法。首先,采用紫外成像仪拍摄电力设备放电缺陷紫外图谱;其次,分别构建FCN-32s、FCN-16s、FCN-8s 3种全卷积网络(fully convolutional networks, FCN)子模型架构,并利用随机梯度下降法进行模型训练;最后,实现输变电设备放电缺陷紫外图谱主光斑的自主分割提取。经过对FCN 3种子模型架构的训练、测试和对比分析,结果表明：FCN-16s模型为紫外光斑分割提取的最佳模型,测试准确率可达99.34%。结果表明基于深度学习的紫外图谱光斑分割方法准确高效,为紫外光斑的量化提取及电力设备放电缺陷的紫外诊断提供了参考。