检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

巴蜀炒菜

基于多层极小支配集聚类的WSN路由算法研究

2004年

作者：罗光

本书收录了巴蜀炒菜的菜谱，包括：野韭菜根炒肉；肉丝干巴菌；鲜豆豉炒肉；大头菜炒肉等。

ISBN: (纸本)7536453884

本书收录了巴蜀炒菜的菜谱，包括：野韭菜根炒肉；肉丝干巴菌；鲜豆豉炒肉；大头菜炒肉等。

关键词：工业技术轻工业、手工业生活服务技术

来源：汇雅图书（南通市图书馆... 评论

在线全文

汇雅图书（南通市图书馆）

学校读者我要写书评

暂无评论

通信学报 2007年第8期28卷 128-132页

作者：罗光春李炯电子科技大学信息中心四川成都610054

提出了对随机聚类方法加以改进的新型多层极小支配集聚类算法,首先讨论了图论中的极小支配集算法,并根据实际需要提出了一种改进的简化近极小支配集的算法,大大降低了计算极小支配集的复杂程度,然后讨论了极小支配集应用在无线传感器网... 详细信息

提出了对随机聚类方法加以改进的新型多层极小支配集聚类算法,首先讨论了图论中的极小支配集算法,并根据实际需要提出了一种改进的简化近极小支配集的算法,大大降低了计算极小支配集的复杂程度,然后讨论了极小支配集应用在无线传感器网络聚类的实现,最后验证了该算法在能耗方面的性能改进。

关键词：无线传感器网络多层极小支配集聚类能耗

在线全文

学校读者我要写书评

暂无评论

巴蜀烧菜

2004年

作者：罗光

本书包括了207个烧菜菜谱，详细介绍了具有巴蜀风味烧菜的制作过程、特色及要领等。

ISBN: (纸本)7536454333

本书包括了207个烧菜菜谱，详细介绍了具有巴蜀风味烧菜的制作过程、特色及要领等。

关键词：工业技术轻工业、手工业生活服务技术

来源：汇雅图书（南通市图书馆... 评论

在线全文

汇雅图书（南通市图书馆）

学校读者我要写书评

暂无评论

王船山周易大象解的意义

船山学刊 1993年第2期 5-18页

作者：罗光台湾辅仁大学

一、“象”在周易的意义孔子曾经研究周易,并给弟子们讲授周易,大家对这一点历史事实,都有共识,不加否认;至于孔子作易传十翼,则学者意见不同,而且大部分学者予以否定。我不是从事考据的人。

关键词：周易大象解王船山内圣外王上卦即鹿无虞下卦用晦而明卦象乾坤并建雷风

在线全文

学校读者我要写书评

暂无评论

我国粮食安全责任战略的实现行为研究

农业经济问题 2012年第3期33卷 9-14,110页

作者：罗光强湖南农业大学经济学院长沙410128

本文采用行为经济学的系统研究方法,分析了国家粮食安全责任战略的实现行为及相互关系。笔者认为,提出国家实施积极的粮食安全责任战略必须大力营造粮食安全责任的良好社会行为环境,努力发挥政府行为的主体性和主导性,充分利用市场行为... 详细信息

本文采用行为经济学的系统研究方法,分析了国家粮食安全责任战略的实现行为及相互关系。笔者认为,提出国家实施积极的粮食安全责任战略必须大力营造粮食安全责任的良好社会行为环境,努力发挥政府行为的主体性和主导性,充分利用市场行为的有效性和基础性,不断提高粮食安全责任的农户行为积极性和创造性,着力推进粮食产区粮食安全责任行动战略。

关键词：粮食安全社会行为政府行为市场行为农户行为

在线全文

学校读者我要写书评

暂无评论

湖南省灌区渠道的糙率分析

中国给水排水 2001年第10期17卷 41-43页

作者：罗光兰湖南省水利厅洞庭总公司湖南长沙410007

介绍了明渠均匀流及恒定非均匀流状态下糙率计算方法及其参数确定 ,通过大量试验分析了各种断面和衬砌材料顺直渠段糙率及部分弯道附加糙率 ,提出了流量推算与糙率分析所考虑因素应一致的原则。

关键词：渠道水力计算糙率湖南非均匀流

基于无人机图像和SHAP特征筛选的小麦田间产量预测方法研究

在线全文

学校读者我要写书评

暂无评论

麦类作物学报 2025年第2期 264-274页

作者：朱志畅葛焱臧晶荣李庆金时超徐焕良翟肇裕南京农业大学人工智能学院南京农业大学工学院南京农业大学农学院南京农业大学前沿交叉研究院

为了探寻适宜的小麦产量预测模型并提高其精度，从冬小麦灌浆期的无人机多光谱和RGB图像中提取了14种光谱参数和28种形态参数作为特征变量，利用线性回归、随机森林、神经网络等10种机器学习方法构建小麦田间产量预测模型，并比较了模... 详细信息

为了探寻适宜的小麦产量预测模型并提高其精度，从冬小麦灌浆期的无人机多光谱和RGB图像中提取了14种光谱参数和28种形态参数作为特征变量，利用线性回归、随机森林、神经网络等10种机器学习方法构建小麦田间产量预测模型，并比较了模型间预测能力的差异；同时，引入机器学习事后可解释性方法SHAP对输入的特征变量进行重要性分析和筛选，了解其提高模型预测能力的效果。结果表明：（1）10种机器学习模型中，误差逆传播神经网络BPNN的产量预测表现最好(r2=0.826,RMSE=0.094 t·hm-2);（2）根据SHAP确定的特征变量重要性排序，花青素反射指数ARI和三维冠层体积Volume对于预测结果的影响最大，占全部特征重要性总和的45.48%;（3）经过SHAP特征筛选后，确定了在BPNN产量预测模型上表现最优的9个特征变量，其预测结果r2为0.865,RMSE为0.075 t·hm-2,比使用全特征的BPNN和事前Pearson相关性分析方法在预测精度上均有提升。因此，在优选产量预测模型基础上，可采用SHAP机制对特征变量的重要性进行筛选和分析，以此进一步提高田间小麦产量预测精度。

关键词：小麦无人机图像机器学习 SHAP加性解释方法产量预测