检索结果-南通市图书馆

作者：曹小波扬州大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

政府主导下吴起县旅游管理研究

政府主导下吴起县旅游管理研究

作者：曹换换延安大学

学位级别：硕士

旅游业作为国民经济的战略性支柱产业,其发展管理模式受到社会的广泛关注,而政府在旅游业发展管理中扮演着至关重要的角色,旅游业的健康发展离不开政府的科学管理和有效引导。本文详细介绍了吴起县基本情况、革命老区所具备的优势以及... 详细信息

旅游业作为国民经济的战略性支柱产业,其发展管理模式受到社会的广泛关注,而政府在旅游业发展管理中扮演着至关重要的角色,旅游业的健康发展离不开政府的科学管理和有效引导。本文详细介绍了吴起县基本情况、革命老区所具备的优势以及吴起县政府在旅游管理方面采取的有效措施,聚焦吴起县政府在旅游管理中发挥的作用,通过文献分析法、问卷调查法,对政府主导下吴起县旅游管理的现状进行分析,梳理出在政府主导下吴起县旅游管理中存在的问题,深刻剖析问题存在的原因,在借鉴国内外的先进管理经验的基础上提出提高吴起县旅游管理水平的建议。吴起县政府在旅游管理方面制定了旅游发展规划、构建了全域旅游发展战略、出台了扶植旅游发展的政策和人才引进政策、加强了基础设施建设、运用互联网技术进行宣传推广,但还存在统筹规划不全面、监管体系不协调、专业人才不充足、基础设施不完善、管理方式不创新等五方面问题,分析这些问题的原因是政府对旅游管理的认知不够、政府行政管理体制改革滞后、地区发展落后难以吸引和留住人才、政府职能虚化、政府旅游发展管理的观念落后。针对这些问题,结合中外政府在旅游管理中积累的经验,提出科学严谨规划、合理统筹布局,健全监管体系、强化监督考核,加强人才建设、健全培训体系,完善基础设施、优化配套服务,创新管理方式、打造智慧旅游等五方面的对策,期望通过研究推动吴起县旅游业更快更好的发展,进而推动革命老区旅游业优化发展。

关键词：政府主导旅游管理革命老区

基于耦合理论的城市治理与新型城镇化协同演进研究 ——以广西和浙江为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于耦合理论的城市治理与新型城镇化协同演进研究 ——以广西和...

作者：曹小鱼桂林理工大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电沉积法制备镍-铬合金电阻膜及性能研究

电沉积法制备镍-铬合金电阻膜及性能研究

作者：曹宗林电子科技大学

学位级别：硕士

基于多模态融合的小样本黄瓜病害识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模态融合的小样本黄瓜病害识别方法研究

作者：曹亿亿安徽建筑大学

学位级别：硕士

随着计算机视觉技术的发展,人们开始采用图像处理技术和深度学习算法去进行农作物病害的识别。然而,在农业领域中,大规模、有标签的作物病害数据获取难度较大且成本较高,如何利用小样本数据进行特征学习成为一个亟需解决的问题。同时,... 详细信息

随着计算机视觉技术的发展,人们开始采用图像处理技术和深度学习算法去进行农作物病害的识别。然而,在农业领域中,大规模、有标签的作物病害数据获取难度较大且成本较高,如何利用小样本数据进行特征学习成为一个亟需解决的问题。同时,目前基于深度学习的小样本作物病害识别方法大多考虑的是单一的图像模态,尚未考虑利用其他模态的信息。采用单一模态数据容易导致模型学习到的特征有限,性能提升有限,而通过多模态数据融合学习能够使模型学习到全方位的特征。因此,采用多模态的方法解决数据量少的问题已成为未来人工智能领域的发展趋势。(1)针对单一模态学习到的特征有限,忽略了与其他模态信息之间的关联性的问题,以小样本黄瓜病害识别为例,提出一种基于图像-文本-标签信息的多模态语言模型ITLMLP的识别方法。首先,将图像文本对多模态学习、自监督对比学习和标签信息结合起来进行多任务学习,在图像-文本-标签统一空间中衡量样本的距离。其次,研究了该模型在迁移到下游小样本农业领域数据集上的分类识别效果,模型在较小的黄瓜病害图文多模态数据集上取得了94.84%的识别准确率。(2)针对黄瓜病害病斑的尺度不一,有些图像中病害靶标较小,而目前的多模态作物病害识别方法对局部病害特征关注不够的问题,提出一种有效的多模态自监督学习框架MMSSL用于小样本黄瓜病害识别任务。将图像自监督掩码学习、图像自监督对比学习和多模态图文对比学习结合起来共同学习,使得模型不仅能够学习到不同模态的病害特征信息,还能捕获到全局和局部的病害特征信息。同时,通过改进掩码学习分支,引入基于交叉注意网络的提示学习模块,有利于解码器进行解码预测。试验结果表明,本文提出的方法能够在无标签的情况下达到95%的黄瓜病害识别准确率,充分挖掘到多模态小样本黄瓜病害数据中的高阶语义特征,且泛化性能较好。图[27]表[11]参[98]

关键词：作物病害识别多模态预训练小样本自监督学习

基于机器学习的肺癌患者预后分析及治疗方案评估研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的肺癌患者预后分析及治疗方案评估研究

作者：曹焯电子科技大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

宋代官员自劾研究

宋代官员自劾研究

作者：曹衍河北大学

学位级别：硕士

官员自劾,即官员向皇帝上书弹劾自己并请求责罚的行为,此现象最早可追溯到汉代。汉代乃中国历史上的鼎盛时期之一,政治、经济、思想文化繁荣发展,察举制、征辟制取代军功爵位制,给予社会中小阶层进入仕途的机会,官员素质显著提高,且汉... 详细信息

官员自劾,即官员向皇帝上书弹劾自己并请求责罚的行为,此现象最早可追溯到汉代。汉代乃中国历史上的鼎盛时期之一,政治、经济、思想文化繁荣发展,察举制、征辟制取代军功爵位制,给予社会中小阶层进入仕途的机会,官员素质显著提高,且汉代官员较为重视名节,故而官员在发生灾异亦或是失职时多通过自劾的方式请罪。三国两晋南北朝时期,政局混乱、战火纷飞,官员自劾数量较两汉屈指可数,并未形成规模。南北朝后,进入历史上又一个盛世——隋唐。隋朝建国时间不久,故而官员自劾记载不过十例左右。唐朝以安史之乱为界限,前期多为文官因失职而自劾,后期多为武官因军事失职而自劾。总之,宋代之前官员自劾涉及类型较多。宋代官员自劾数量较于前朝极为丰富,根据其自劾的原因可分为几种类型,每种类型下又涉及多种方面。其一,官员因失职而自劾。此类型在宋代官员自劾现象中占比最多,主要为官员因处理事务程序不当、荐举失当、军事失律以及受他人牵连而上章自劾求责;其二,官员因灾异而自劾,包含官员因自然灾害、天象异常、人为灾害等原因而自劾;其三,官员因被弹劾而自劾,可分为官员因确有其过、无过而自劾两种情况;其四,官员因政治纷争而自劾,即官员因君臣矛盾、臣僚之间冲突而自劾;其五,官员因致仕而自劾,在该语境下自劾是官员辞官、致仕的重要途径;其六,官员因劝谏君主而自劾,主要涉及帝王家事、政治、经济等方面;其七,官员因反对朝廷相关措施而自劾。除了以上类型之外,还包括其他方面,如因家庭琐碎而自劾型、因能力不足而自劾型、因家丧而自劾型等等。由此可见,宋代官员自劾的内容十分丰富。宋廷对官员自劾的处置,根据其处置力度可分为:一予以处罚,包含贬谪、罢黜、连坐几种方式;二免予处罚,分为不做处置、不罚反奖,而不罚反奖又包括直接奖赏、升迁职位等方面;三不作批复,即对官员自劾请求不作任何处置,主要形式有“不问”、“不报”等。此外,还有其他处置方式,例如不许和重新起用。整体而言,宋廷对官员自劾的处置较为宽宥。对于朝廷处置,官员亦持有上表感谢、固不受赏、留恋官场以及乐观豁达几种态度。总体而言,宋代官员自劾的特点可概括为数量多于前朝、北宋数量多于南宋、自劾依据多以“故事”为准、宋廷处置较为宽宥几点。其丰富内容下亦包含深刻的政治内涵,不仅是宋代官员据理力争、约束皇权的重要方式,还是其引咎自责、自我反省精神的体现,更是其规避党争、明哲保身的重要途径。同时,宋代官员自劾也具有一定的利弊。其利在于,自劾可以相对减轻朝廷对官员的责罚,官员在深刻检讨自己的同时也能警醒君主,使其更加勤政。官员自劾也能促使朝廷调整相关政策,推动政治社会发展。其弊在于,自劾容易成为宋代官员政治斗争的工具,影响朝廷政治环境。并且,官员还可以利用自劾的方式为自身及他人掩盖罪行,以免于责罚。最后,官员自劾中还存在敷衍了事、无果而终的情况。宋代官员自劾,绝非普通现象。通过梳理前朝官员自劾情况,分析宋代官员自劾现象,认识宋代官员自劾的本质,有利于进一步了解宋代政治文化。

关键词：宋代官员自劾自劾特点政治内涵

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多标签零样本跨模态哈希检索研究

多标签零样本跨模态哈希检索研究

作者：曹刘洋重庆理工大学

学位级别：硕士

随着信息时代的快速发展,图片、文本、语音、视频等多种模态的数据得到了爆炸式的增长,快速准确地在大规模数据中检索到自己所需要的数据成为一个研究热点。哈希学习因具有存储成本低、查找速度快的特点,而在大规模数据检索中广受青睐... 详细信息

随着信息时代的快速发展,图片、文本、语音、视频等多种模态的数据得到了爆炸式的增长,快速准确地在大规模数据中检索到自己所需要的数据成为一个研究热点。哈希学习因具有存储成本低、查找速度快的特点,而在大规模数据检索中广受青睐。零样本哈希(ZSH)可以通过训练已知类别样本迁移相似信息,获得检索未知类别样本的能力。跨模态哈希(CMH)可以跨越不同模态进行检索。它们都使用了哈希的方法来适应当今大规模数据检索的应用场景。跨模态零样本哈希(CMZSH)继承了前两者的优点,拥有更多应用场景的检索能力,但是也更具挑战性。目前已被提出的跨模态零样本哈希都是单标签的设计,无法应对多标签的情况。而在现实生活中由于图像模态具有更为丰富的视觉语义信息,多标签的场景更为多见。此外,已有方法训练得到的哈希码长度是固定的,当需求哈希码长度发生变化时需要重新训练模型,这样不仅不够灵活,而且带来了时间上的极大浪费。为此,本文针对多标签的场景设置,设计了一些普适性好、实用性强的哈希学习框架,具体工作如下:(1)多标签零样本哈希检索研究。该研究基于直推式零样本学习的范式,使用深度神经网络提取到高级语义特征,通过构造联合词向量矩阵、相似性矩阵来生成迁移相似性信息,利用实例-概念一致性排序生成伪标签。最后通过监督学习的方法生成哈希码。(2)基于直推式零样本学习的多标签跨模态哈希检索研究。该研究中首先设计了能够对多标签文本特征灵活高效融合的MLV模块,然后设计了单向对齐的文本哈希网络来对齐不同模态的哈希映射,最后融合工作(1)完成了一个能够最大程度兼容单模态(图像)检索性能的跨模态哈希框架,它具有灵活性高、普适性强的特点。(3)基于CLIP的多标签零样本跨模态哈希检索研究。该研究基于海量多模态数据使用对比学习训练后的CLIP能够很好的提取不同模态的特征,通过对这些特征的相似性比较就能够得到不同模态的相似性信息,通过本文设计的多级哈希网络,可以只训练一次网络就可以得到不同长度的哈希码,大大减少了训练时间,并且增加了哈希码可用性。以上提出的三种方法通过消融实验、对比实验和可视化结果在三个公开数据集上证明了其有效性和先进性。

关键词：零样本学习零样本哈希跨模态哈希跨模态检索

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数字音乐版权独家授权的反垄断法规制研究

数字音乐版权独家授权的反垄断法规制研究

作者：曹紫薇河南财经政法大学

学位级别：硕士

数字音乐版权独家授权是我国数字音乐市场的一种新兴商业经营模式,具有提升音乐传播效率、降低授权交易成本以及促进音乐市场正版化发展的积极效果,现已经成为音乐市场版权交易的主导模式。然而,也具有破坏市场竞争秩序、损害其他竞争... 详细信息

数字音乐版权独家授权是我国数字音乐市场的一种新兴商业经营模式,具有提升音乐传播效率、降低授权交易成本以及促进音乐市场正版化发展的积极效果,现已经成为音乐市场版权交易的主导模式。然而,也具有破坏市场竞争秩序、损害其他竞争者和消费者合法权益的垄断性风险,还会对整个数字音乐产业的竞争格局产生不利影响。但是,关于数字音乐版权独家授权是否需要反垄断法规制以及反垄断法如何认定垄断行为,学界也存在一些不同的看法。因此,有必要进一步深入探讨以完善反垄断法律制度。本文主要包含以下五个部分:第一部分是数字音乐版权独家授权基本概述。数字音乐版权独家授权是指数字音乐作品的著作权人将著作财产权排他性许可给数字音乐平台,并要求其转授权给第三方平台使用、获得收益的行为,是一种基于合同关系的交付行为、具有私权与竞争双重性。在实践中,具有独家首播、专有许可、独家代理等表现形式。第二部分是数字音乐版权独家授权反垄断法规制的必要性和合理性。数字音乐市场的版权独家授权模式破坏市场竞争秩序,损害其他经营者和消费者的合法利益,有必要予以规制。反垄断法不仅符合知识产权法的追求价值,还有利于形成公平有序、包容的音乐市场交易环境,为规制独家授权行为提供合理性基础。第三部分是我国数字音乐版权独家授权反垄断法规制的现状和困境。著作权法规定版权授权许可的方式,但是缺少滥用版权行为的规制。在分析版权独家授权行为的垄断风险,适用垄断协议和滥用市场支配地位的具体路径,发现存在市场竞争效果难以评估、界定相关市场的方法存在局限性、市场支配地位的认定标准不清晰等困境。第四部分是域外数字音乐版权独家授权反垄断法的经验与借鉴。美国采用“机械概括许可”制度规范数字音乐版权集体授权方式,以合理原则判断“一揽子许可”协议;欧盟则采用多元化反垄断监管模式减少版权集体管理组织的垄断行为;日本则是颁布“禁止令”来限制版权交易的竞争行为。鉴于此,我国应当利用版权许可制度事先预防垄断形成,并对版权授权行为采取严格的反垄断监管措施。第五部分是完善数字音乐版权独家授权反垄断法规制的具体措施。应当明确版权独家授权的分类规制对象,确定竞争损害作为反垄断法介入的标准;优化数字音乐版权独家授权的垄断判定方法,包括采用盈利测试方法界定相关市场,细化认定市场支配地位的考量因素;完善反垄断法监管和执法制度,建构事前的结构性救济监管制度,健全反垄断执法和解程序机制。

关键词：数字音乐版权独家授权反垄断法规制知识产权滥用

基于特征关联分析和局部动态调整的少样本图像分类算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征关联分析和局部动态调整的少样本图像分类算法研究

作者：曹任龙广州大学

学位级别：硕士

随着深度学习技术的快速发展,基于深度学习的方法已广泛应用于计算机视觉、自然语言处理等领域。然而,这些方法通常需要大量数据集来进行训练,而现实应用中往往缺乏足够规模的数据集,导致训练效果不尽如人意。因此,近年来引起广泛关注... 详细信息

随着深度学习技术的快速发展,基于深度学习的方法已广泛应用于计算机视觉、自然语言处理等领域。然而,这些方法通常需要大量数据集来进行训练,而现实应用中往往缺乏足够规模的数据集,导致训练效果不尽如人意。因此,近年来引起广泛关注的少样本学习(Few-shot Learning,FSL)成为一个热门研究方向。针对少样本学习的挑战,近期的许多研究采用基于局部特征的度量学习方法。这些方法利用局部信息来学习特征表示,在支撑样本和查询样本之间实现局部特征的语义对齐,从而在少样本图像分类任务中取得较为良好的效果。然而,这些方法未考虑到样本中的一些局部描述符可能携带与背景相关的信息,它们在衡量类别之间的差异过程中是不相关的,这可能会导致分类结果产生负面影响。因此,出于此考虑,本文在图像分类任务基础上提出了两种降低局部背景信息影响的少样本图像分类方法。具体如下:(1)本文首先提出一种基于特征关联分析的少样本图像分类方法(GL-FC)。对于一张输入图像,该方法首先利用全局特征和局部特征之间的联系,通过计算它们的余弦相似度来确定不同局部特征的重要性。其次,利用K近邻(K-Nearest Neighbor,KNN)思想找出每个局部特征的最近邻并计算相似度得分,再使用多层感知机(Multilayer Perceptron,MLP)网络自适应学习每个局部特征相似度得分的重要性,最终得到分类分数。通过在五个少样本学习数据集上进行广泛的实验,证明了该方法在降低背景相关局部特征影响方面有着良好的效果。(2)本文随后提出一种基于局部动态调整的少样本图像分类方法(LDAN-FC)。对于一张输入图像,该方法首先同样利用全局特征和局部特征之间的联系,通过计算它们的余弦相似度来确定不同局部特征的重要性。在此基础上,接着采用动态调整技术来调节全局和局部特征之间的相似度分数矩阵的权重,即采用一个动态阈值提高对相对具有代表性的类相关局部特征的关注,并通过缩放函数调整局部特征的重要性。其次使用下采样的方式来丰富样本的局部信息,这有利于丰富样本的类相关信息。再者,该方法利用K近邻思想找出每个局部特征的最近邻并计算相似度得分,再使用多层感知机网络自适应学习每个局部特征相似度得分的重要性,最终得到分类分数。通过在五个少样本学习数据集上进行广泛的实验,证明了该方法进一步减少了背景相关局部特征的影响,并提高了模型对类相关局部特征的关注。综上所述,本文针对减少背景相关局部特征的影响,提出了特征关联分析和局部动态调整的两种方法;且在五个基准数据集上进行的广泛实验结果表明,这两种方法证明并减少了背景相关局部特征对分类结果的负面影响,以及提高了模型对类相关局部特征的关注,为少样本学习未来的研究方向上提供了重要的学术和应用意义。与目前现有的方法相比,这些方法能够更好地处理背景相关局部特征的影响,从而达到更准确的结果。

关键词：少样本学习特征关联动态调整局部特征全局特征