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

基于随机森林的北京城区臭氧敏感性分析

环境科学 2024年第5期45卷 2497-2506页

作者：周红王鸣柴文轩赵昕南京信息工程大学环境科学与工程学院江苏省大气环境与装备技术协同创新中心江苏省大气环境监测与污染控制高技术研究重点实验室南京210044 中国环境监测总站北京100012 南京科略环境科技有限责任公司南京211800

明确臭氧(O_(3))与前体物的非线性关系是O_(3)防控措施制定的基础和关键.基于北京城区站点2020年4~9月O_(3)、挥发性有机物(VOCs)、氮氧化物(NO_(x))和气象要素在线观测,分析了O_(3)及其前体物污染特征,利用随机森林(RF)模型结合SHAP值... 详细信息

明确臭氧(O_(3))与前体物的非线性关系是O_(3)防控措施制定的基础和关键.基于北京城区站点2020年4~9月O_(3)、挥发性有机物(VOCs)、氮氧化物(NO_(x))和气象要素在线观测,分析了O_(3)及其前体物污染特征,利用随机森林(RF)模型结合SHAP值探究了影响O_(3)的关键因素,并通过多情景分析探讨了O_(3)-VOCs-NO_(x)敏感性.相关性分析结果显示O_(3)小时浓度与温度(T)呈显著正相关,与TVOCs和NO_(x)呈显著负相关;但从每日结果来看,O_(3)与T、TVOCs和NO_(x)均呈显著正相关.RF模型模拟的O_(3)浓度与实测值吻合较好,进一步计算了各个特征变量的SHAP值,结果显示T和NO_(x)对O_(3)影响最高,但前者是正向影响,而后者是负向影响.以观测期间O_(3)污染天的NO_(x)和VOCs平均值为基础情景,设置了对应不同NO_(x)和VOCs的多种情景,并利用RF模型计算不同情景下的O_(3),得到O_(3)等值线(EKMA曲线),结果显示北京城区O_(3)-VOCs-NO_(x)敏感性处于VOCs控制区,与基于观测的盒子模型(OBM)得到的结果一致,这说明RF模型可以用作O_(3)-VOCs-NO_(x)敏感性分析的一种补充方法.

关键词：北京臭氧(O_(3)) O_(3)-VOCs-NO_(x)敏感性随机森林(RF) SHAP值

特发性膜性肾病患者血浆外泌体miRNA表达分析

在线全文

学校读者我要写书评

暂无评论

特发性膜性肾病患者血浆外泌体miRNA表达分析

作者：闫文轩吉林大学

学位级别：硕士

基于四色结构光线图案的主动立体视觉匹配算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

兵器装备工程学报 2024年

作者：行文轩王振洲山东理工大学电气与电子工程学院

主动立体视觉是获取物体三维信息最有效的方式之一。目前，实时重建动态物体的三维外形仍然非常困难，设计适用性广泛的结构光并且开发高精度的立体视觉匹配算法是解决这一问题的有效途径。为此提出了一种由红色、浅绿色、青色和紫色四... 详细信息

主动立体视觉是获取物体三维信息最有效的方式之一。目前，实时重建动态物体的三维外形仍然非常困难，设计适用性广泛的结构光并且开发高精度的立体视觉匹配算法是解决这一问题的有效途径。为此提出了一种由红色、浅绿色、青色和紫色四种颜色线构成的新颖结构光线图案，并根据设计的图案提出了立体视觉匹配算法。用基于斜率差分布的阈值选择方法在色调，饱和度，亮度颜色空间中提取两相机视图中不同颜色的线。在中心对准后，两相机视图中的青色线基于一种线索引算法匹配，然后，基于已经匹配的青色线分别匹配浅绿色线和紫色线。最后，基于已经匹配的青色线、浅绿色线和紫色线匹配红色线。所提方法对栅格板的测量误差为0.382 5mm，不同方法对栅格板的测量结果表明所提方法的测量精确度优于其它测量方法。除此之外，不同实验物体的重建结果表明所提方法在重建静态及动态物体方面具有更强的鲁棒性。

关键词：主动立体视觉三维重建结构光线图案立体匹配

新型冠状病毒肺炎(COVID-19)中医诊疗防治价值探讨

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

甘肃中医药大学学报 2020年第2期37卷 23-29页

作者：李凯金子开邾莹莹吴可马文轩张思雅郭子为安徽中医药大学中医学院安徽合肥230038 安徽中医药大学针灸推拿学院安徽合肥230038 安徽中医药大学中西医结合学院安徽合肥230031

综合分析新型冠状病毒肺炎的相关诊疗方案、临床一线资料和相关疫病研究文献,从中医学认识、中医诊疗、中医预防等三方面探讨新型冠状病毒肺炎的中医诊疗防治价值。中医药在此次疫情中发挥了重要的作用,尤其是在早期预防、轻型恢复和病... 详细信息

综合分析新型冠状病毒肺炎的相关诊疗方案、临床一线资料和相关疫病研究文献,从中医学认识、中医诊疗、中医预防等三方面探讨新型冠状病毒肺炎的中医诊疗防治价值。中医药在此次疫情中发挥了重要的作用,尤其是在早期预防、轻型恢复和病后康复等方面,具有不容忽视的独特作用。

关键词：新型冠状病毒肺炎疫病中医诊疗防治特色

社会—技术框架下省级政府一体化政务服务能力提升对策研究

在线全文

学校读者我要写书评

暂无评论

社会—技术框架下省级政府一体化政务服务能力提升对策研究

作者：邵文轩山东财经大学

学位级别：硕士

数字政府是目前我国政府的一大改革趋势,在政府改革浪潮中,各种创新型治理模式不断涌现,政府也更加重视一体化政务服务能力的提升,力求让公众享受更高效、便利、完善的政务服务。一体化政务服务能力作为衡量政府数字化程度和办事能力的... 详细信息

数字政府是目前我国政府的一大改革趋势,在政府改革浪潮中,各种创新型治理模式不断涌现,政府也更加重视一体化政务服务能力的提升,力求让公众享受更高效、便利、完善的政务服务。一体化政务服务能力作为衡量政府数字化程度和办事能力的一大内容,在推进国家政府内部改革和治理现代化进程中发挥了重要作用,一体化政务服务能力成为我国现阶段数字政府建设的重要内容。目前我国政府的一体化政务服务能力还在建设和发展的上升期,本文通过探究省级政府一体化政务服务能力的影响因素与提升对策,为提升省级政府一体化政务服务能力提供借鉴。本文基于“社会-技术”框架,文章选取了公众需求、创新氛围、经济环境、府际压力、基础设施、财政支持和人才资源等7个条件变量,提出了一体化政务服务能力的整合性分析框架。以31省份为研究案例,运用NCA必要性分析和模糊集定性比较分析(fs QCA),开展实证研究。研究表明:(1)运用NCA必要性分析得出公众需求、创新氛围、经济环境和财政支持为省级政府一体化政务服务能力建设的必要条件;(2)高水平省级政府一体化政务服务能力的条件组态可以归纳为四种模式,以政府主导的财政支持型、社会环境助力下的财政支持型、社会技术双向驱动型,和社会主导的环境推动型。同时,通过fs QCA方法分析出低水平省级政府一体化政务服务能力的条件组态,并在此基础上,分析出目前我国省级政府一体化政务服务能力存在着的多方面不足。最后本文根据分析结果与研究结论尝试探究提高政府一体化政务服务能力的政策建议,并结合我国“数字政府”、“一体化”建设实际,总结提升策略,依据社会-技术框架,从公众需求、社会环境的构建、基础设施的建设以及资源供给等方面提出了相关的政策建议,以期为提升我国省级政府一体化政务服务能力贡献一份力量。

关键词：社会-技术框架一体化政务服务必要性条件分析模糊集定性比较分析

古筝重奏《黄河》的演奏诠释与爱国主义教育的融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

古筝重奏《黄河》的演奏诠释与爱国主义教育的融合

作者：鲁文轩上海师范大学

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

用于方面级情感分析的情感增强双图卷积网络

计算机科学与探索 2024年第1期18卷 217-230页

作者：张文轩殷雁君智敏内蒙古师范大学计算机科学技术学院呼和浩特010022

方面级情感分析是一项细粒度的情感分类任务。近年来,依存树上的图神经网络被用于建模方面项及其意见项间的依赖关系。然而,这类方法通常具有高度依赖依存树解析质量的缺点。同时,大多数现有研究着重关注语法信息,忽视了情感知识在建模... 详细信息

方面级情感分析是一项细粒度的情感分类任务。近年来,依存树上的图神经网络被用于建模方面项及其意见项间的依赖关系。然而,这类方法通常具有高度依赖依存树解析质量的缺点。同时,大多数现有研究着重关注语法信息,忽视了情感知识在建模特定方面与上下文之间情感依赖关系中的作用。为解决以上问题,设计并提出了用于方面级情感分析的情感增强双图卷积网络。模型基于依存树与注意力机制建立双通道结构,在更为准确、高效地捕捉方面与上下文间语法与语义关联的同时减轻了模型对依存树的依赖程度。此外,模型引入情感知识用于增强图结构,帮助模型更好地提取特定方面的情感依赖关系。模型在3个公开基准数据集Rest14、Lap14、Twitter上的准确率分别达到了84.32%、78.20%、76.12%,接近或超越目前最先进的性能。实验表明,提出的方法能够合理利用语义和语法信息,在使用更少参数的情况下实现较为先进的情感分类性能。

关键词：方面级情感分析注意力机制依存树图卷积网络情感知识

在线全文

学校读者我要写书评

暂无评论

文化遗产领域叙词表的建设及应用实例研究

文化遗产领域叙词表的建设及应用实例研究

作者：汲文轩山西财经大学

学位级别：硕士

具有约束的随机非线性系统有限时间自适应神经网络控制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

具有约束的随机非线性系统有限时间自适应神经网络控制

作者：印文轩扬州大学

学位级别：硕士