冀东地区夏播大豆品种农艺性状和产量形成规律的探讨

通过在冀东地区三年的田间试验和室内测定,探讨了来源于不同地区的大豆品种在冀东夏播条件下的农艺性状、生育期结构、器官平衡和产量构成因素。试验结果表明:原产地不同的品种在冀东夏播条件下,农艺性状、生育期结构、生育期比(R/V)、生物学产量、经济系数等都呈现规律性变化。夏大豆籽粒产量与株高、主茎节数、分枝数、单株荚数、单株粒数和百粒重均呈正相关。从回归方程算出冀东地区夏播大豆品种要获得150～200kg/mu的籽粒产量,对主要农艺性状的要求是:株高65cm以上,主茎16节左右,分枝数1～1.28个。在2.5～3万株/mu的密度条件下,单株荚数25个左右。单株粒数45个左右,百粒重15g以上,单株粒重在7～9.5g左右。生物学产量应达到450～600kg/mu,经济系数达到0.35,全生育期与产量呈极显著正相关。冀东地区夏大豆较佳的生育期结构是:出苗至开花期(V_～R_1)30～35d左右,开花至成熟期(R_1～R_8)60d左右,全生育期90～95d左右,生育期比(R/V)值在1.8～2.1左右。吉林、辽宁、北京及石家庄的大豆品种可作冀东地区夏播大豆的重要品种资源。     

高增益、宽频带、低旁瓣抛物面天线的设计

用面电流法和口径法分析了抛物面天线的辐射场,讨论了该天线的组成及工作原理。说明了三模馈源和差器的工作原理。     

融合VAD情绪知识的文本情感分布标签增强方法

情感分布学习(emotion distribution learning, EDL)采用情感分布记录给定样本在各个情绪上的表达程度,在处理具有模糊性的多标签情绪分析任务时具有明显优势。情感分布标签增强技术将已标注的情绪单标签增强为情感分布,可以解决EDL缺乏已标注情感分布的实验数据集的问题。然而,已有的情感分布标签增强方法采用离散空间情绪模型表示情绪,存在情绪间的相关信息丢失和情绪表达不连续等问题。针对上述问题,该文引入基于连续维度的效价-唤醒-支配(valence-arousal-dominance, VAD)心理学情绪模型,提出融合VAD情绪知识的文本情感分布标签增强方法(VAD emotion knowledge-based text emotion distribution label enhancement, VADLE)。VADLE方法基于先验的VAD情绪模型中的情绪距离,先为英文句子的真实情绪标签和句中情感词的情绪标签分别生成先验情感分布,再通过分布叠加将2种先验情感分布统一。通过英文单标签文本情感数据集的对比实验表明：VADLE方法在情绪预测任务方面的性能优于已有的情感...