检索结果-南通市图书馆

数字技术赋能文化旅游营销的政策创新及实践路径

在线全文

学校读者我要写书评

暂无评论

旅游纵览 2024年第4期 127-130页

作者：魏子舒付瑞红燕山大学文法学院(公共管理学院)

在全球数字化趋势的背景下，传统的文化旅游营销策略已难以满足市场需求，给文化旅游带来了新的机遇与挑战。文章将分析政府部门数字技术赋能文化旅游的现状及挑战，提出针对性的政策创新建议，强化数字化基础设施建设，提升游客的互动... 详细信息

在全球数字化趋势的背景下，传统的文化旅游营销策略已难以满足市场需求，给文化旅游带来了新的机遇与挑战。文章将分析政府部门数字技术赋能文化旅游的现状及挑战，提出针对性的政策创新建议，强化数字化基础设施建设，提升游客的互动体验；政府利用大数据和人工智能技术精准定位目标市场，制定个性化营销策略；通过跨界合作，打造多元化的IP旅游产品，满足不同游客的需求。通过整合各方资源，实现文化旅游的可持续发展，为地方经济注入新的活力。

关键词：数字技术文化旅游营销政策创新

基于邻接自适应谱聚类的木材表面缺陷分割算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

林业工程学报 2024年第2期9卷 124-132页

作者：魏子腾业宁南京林业大学信息科学技术学院南京210037

针对人工分割木材表面缺陷的烦琐性和阈值分割算法对缺陷像素信息衡量的不稳定性,提出了一种基于邻接自适应谱聚类的木材表面缺陷分割算法。算法以简单线性迭代超像素(simple linear iterative cluster, SLIC)为基础,对缺陷图像进行预处... 详细信息

针对人工分割木材表面缺陷的烦琐性和阈值分割算法对缺陷像素信息衡量的不稳定性,提出了一种基于邻接自适应谱聚类的木材表面缺陷分割算法。算法以简单线性迭代超像素(simple linear iterative cluster, SLIC)为基础,对缺陷图像进行预处理,融合木材缺陷的纹理特性和超像素块间的距离尺度,并采用邻接自适应谱聚类进行分割;缺陷分割初步完成后,通过变异系数衡量缺陷块中像素信息的离散程度进行再次分割,克服初次分割结果的过分割问题;考虑木材表面缺陷形态学上的封闭性,将2次分割图像进行合并,继而用邻接扫描法对次分割图形进行填充,最终对木材表面缺陷进行分割界定。考虑木材表面缺陷种类的多样性,选取了虫眼、死节、活节等缺陷图像进行分割对比试验,相较于OTSU阈值分割算法,本研究算法在单个和多个木材表面缺陷分割方面,类别平均像素准确度(mean pixel accuaracy, MPA)分别提升4.69%,14.23%,平均交并比(mean intersection over union, mIoU)分别提升33.27%,33.43%。本研究算法能够更加准确地将木材表面缺陷从复杂背景中分割出来,缺陷边缘轮廓的构建更接近于理想分割情况,且运行时间较短,对木材表面缺陷的分割具备较强的精确性与可行性。

关键词：木材表面缺陷图像分割邻接自适应谱聚类超像素变异系数

一种融合叶绿素荧光技术与可见-近红外光谱的番茄幼苗热胁迫无损检测方法

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第6期44卷 1613-1619页

作者：魏子朝卢苗雷文晔王浩宇魏子渊高攀王东陈煦胡瑾西北农林科技大学机械与电子工程学院陕西杨凌712100 农业农村部农业物联网重点实验室陕西杨凌712100

全球气温上升导致高温天气频发,番茄作为温度敏感型植物更易发生热胁迫,最终导致产量损失。在植物热胁迫检测中,温度通常被用作标定其受胁迫程度的依据,但由于不同植株个体的耐热性和自身健康状态存在差异,同一温度下的植株可能会产生... 详细信息

全球气温上升导致高温天气频发,番茄作为温度敏感型植物更易发生热胁迫,最终导致产量损失。在植物热胁迫检测中,温度通常被用作标定其受胁迫程度的依据,但由于不同植株个体的耐热性和自身健康状态存在差异,同一温度下的植株可能会产生不同程度热胁迫症状,以温度来标定热胁迫状态可能会导致误判。以番茄幼苗为研究对象,提出了一种融合叶绿素荧光技术与可见-近红外光谱的番茄幼苗热迫胁程度快速分类方法,以提高对番茄热胁迫程度评估的准确性。采集了对照组植株和热胁迫植株的叶绿素荧光参数与可见-近红外光谱数据,以叶绿素荧光参数为热胁迫评价指标,结合k-means++聚类算法评估了番茄幼苗受热胁迫影响的严重程度,通过对标定后样本的叶绿素荧光参数和植物逆境胁迫相关生理量进行分析,验证了标定结果的合理性。以聚类模型输出为依据对光谱数据进行标定,采用3种预处理方法及其组合,结合3种特征波长提取算法对光谱数据进行处理,获得了6个与样本热胁迫程度相关的特征波段。最后以6个特征波段为输入,热胁迫程度为输出,基于4种机器学习算法构建分类模型,实现了对样本热胁迫程度的分类。结果表明:样本叶绿素荧光参数F_(v)/F_(m),F_(v)/F_(o),NPQ,Y(NPQ)和Y(NO)与其胁迫状态存在显著的中高度相关,依据以上参数将所有样本标记为无胁迫,轻度热胁迫和重度热胁迫三类。三类样本的叶绿素荧光参数、丙二醛(MDA)含量以及光合色素含量均表现出了组间显著差异,聚类结果合理。基于聚类结果对光谱数据进行标定,根据标定结果提取光谱特征波长,99%以上的冗余特征被消除,进一步筛选获得了6个用建立分类模型的特征波长。在建立的4个模型中,线性判别分析(LDA)模型具有最优性能,其测试集分类准确率为92.45%,F1分数为0.9291,AUC为0.9780。结果表明,采用叶绿素荧光技术结合可见-近红外光谱技术检测热胁迫是可行的,该研究为热胁迫的快速检测、耐热性快速筛选以及高温灾害预警提供了一种有效方法。

关键词：热胁迫叶绿素荧光 k-means++算法可见-近红外光谱分类模型

基于可解释性方法的网络问政效果研究——以“有话请您说”网络问政平台为例

在线全文

学校读者我要写书评

暂无评论

系统科学与数学 2024年第5期44卷 1478-1500页

作者：魏子恺唐锡晋中国科学院数学与系统科学研究院北京100190 中国科学院大学北京100049

随着数字化政府建设的加速推进,网络问政在中国社会治理中发挥着不可忽视的作用.为了探讨影响网络问政效果的关键因素,该研究以泸州市网络问政平台“有话您请说”中的相关数据为研究对象,采用多种机器学习和深度学习模型结合的文本数据... 详细信息

随着数字化政府建设的加速推进,网络问政在中国社会治理中发挥着不可忽视的作用.为了探讨影响网络问政效果的关键因素,该研究以泸州市网络问政平台“有话您请说”中的相关数据为研究对象,采用多种机器学习和深度学习模型结合的文本数据挖掘方法,识别网络问政文本中的特征变量,构建问政满意度分类模型,并结合多种可解释性方法分别从结构特征和语义特征对模型结果进行解释分析.研究发现:问政情感,问政文本长度,诉求类型,回复情感,回应单位类型,回应时间等变量均对问政满意度有不同程度的影响.此外,研究构建的可解释性框架还能够有效识别问政中的时间,地点,组织机构名称等关键内容.

关键词：网络问政公众满意度可解释性方法文本分析

在线全文

学校读者我要写书评

暂无评论

参数解耦在差分隐私保护下联邦学习中的应用

计算机科学 2024年

作者：王梓行杨敏魏子重浪潮集团科学研究院空天信息安全与可信计算教育部重点实验室武汉大学国家网络安全学院

联邦学习（Federated Learning，FL）是一种先进的隐私保护机器学习技术，其通过多方协作，在无需集中聚合原始数据的情况下，交换模型参数以训练共享模型。尽管在FL中参与方不需要显式地共享数据，但许多研究表明，其仍然面临多种隐私... 详细信息

联邦学习（Federated Learning，FL）是一种先进的隐私保护机器学习技术，其通过多方协作，在无需集中聚合原始数据的情况下，交换模型参数以训练共享模型。尽管在FL中参与方不需要显式地共享数据，但许多研究表明，其仍然面临多种隐私推理攻击，从而导致隐私信息泄露。为应对这一问题，学术界提出了多种解决方案。其中一种严格保障隐私的方法是将本地化差分隐私（Local Differential Privacy，LDP）技术应用于联邦学习。该技术在参与方上传模型参数前对其添加随机噪声，有效地抵御恶意攻击者的推理攻击。然而，LDP引入的噪声会造成模型性能下降。同时最新研究指出，这种性能下降与LDP在客户端之间引入了额外的异构性有关。针对LDP使得FL性能下降的问题，提出了差分隐私保护下基于参数解耦的联邦学习方案(PD-LDPFL):除了服务器下发的基础模型外，每个客户端在本地还额外学习个性化输入和输出模型。该方案在客户端传输时仅上传添加噪声后基础模型的参数，而个性化模型被保留在本地，自适应改变客户端本地数据的输入和输出分布，缓解LDP引入的额外异构性以减少精度损失。此外，研究发现，即使在采用较高的隐私预算的情况下，该方案也能天然地抵御一些基于梯度的隐私推理攻击，比如深度梯度泄露等攻击方法。通过在MNIST，FMNIST和CIFAR-10三个常用数据集上进行实验，结果显示该方案相对于传统的差分隐私联邦学习工作不仅可以获得更好的性能，而且还提供了额外的安全性。

关键词：联邦学习差分隐私异构性参数解耦隐私保护

财务视角下社交化电商盈利模式研究 ——以拼多多为例

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

财务视角下社交化电商盈利模式研究 ——以拼多多为例

作者：魏子珺兰州财经大学

学位级别：硕士

基于并行轻量化卷积和多尺度融合的脑部磁共振图像配准

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

生物医学工程学杂志 2024年第2期41卷 213-219页

作者：沈瑜严源宋婧刘广辉许佳文魏子易兰州交通大学电子与信息工程学院兰州730070

医学图像配准在医疗诊断和治疗规划等领域具有重要意义。然而,当前基于深度学习的配准方法仍然面临着一些挑战,如对全局信息提取能力不足、网络模型参数量大、推理速度慢等问题。为此,本文提出了一种新的模型LCU-Net,采用并行轻量化卷... 详细信息

医学图像配准在医疗诊断和治疗规划等领域具有重要意义。然而,当前基于深度学习的配准方法仍然面临着一些挑战,如对全局信息提取能力不足、网络模型参数量大、推理速度慢等问题。为此,本文提出了一种新的模型LCU-Net,采用并行轻量化卷积以提升全局信息的提取能力;通过多尺度融合来解决网络参数量大和推理速度慢的问题。实验结果显示,LCU-Net的Dice系数达到0.823,Hausdorff距离为1.258,网络参数量相对于多尺度融合之前减少了约四分之一。本文提出的算法在医学图像配准任务中表现出显著优势,不仅在性能上超越了现有的对比算法,而且具有出色的泛化性能以及广泛的应用前景。

关键词：医学图像处理并行路径多尺度融合模型轻量化

隐蔽式并发与选择性煽动:西方对华计算宣传的生成逻辑与运作机制

在线全文

学校读者我要写书评

暂无评论

当代传播 2024年第3期 55-60页

作者：徐明华晏栗群魏子瑶华中科技大学新闻与信息传播学院

计算宣传已被广泛运用于西方对华舆论战,但现有研究多侧重于单一技术要素,缺乏对其所包含的多种技术手段和操纵策略的深入挖掘。本研究以推特平台上“中国新冠肺炎疫苗”议题为例,深入分析西方国家部署计算宣传的具体模式与微观机制。... 详细信息

计算宣传已被广泛运用于西方对华舆论战,但现有研究多侧重于单一技术要素,缺乏对其所包含的多种技术手段和操纵策略的深入挖掘。本研究以推特平台上“中国新冠肺炎疫苗”议题为例,深入分析西方国家部署计算宣传的具体模式与微观机制。研究发现,国际平台上的涉华计算宣传呈现“隐藏式并发”与“选择性煽动”双重特点。一方面,自动化账号表现出低活跃度和高隐蔽性,通过模仿人类发文习惯巧妙融入人类社交网络;另一方面,部分自动化账号和人类“大V”账号协同配合,选择性地煽动议题政治化和负面化。以上运作机制揭示出计算宣传的复杂性与难以控制的特性,多元主体参与和深度协同联动使国际舆论环境更加复杂。为有效应对这一挑战,需构建涉华负面信息扩散的快速反应机制与追踪模式。

关键词：计算宣传涉华舆论舆论操纵自动化账号算法

填充性载荷：减少集群资源浪费与深度学习训练成本的负载

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：杜昱俞子舒彭晓晖徐志伟中国科学院大学中国科学院计算技术研究所

近年来，大模型在生物信息学、自然语言处理和计算机视觉等多个领域取得了显著成功。然而，这些模型在训练和推理阶段需要的大量计算资源导致了高昂的计算成本。同时，计算集群中存在资源利用率低、任务调度难的供需失衡问题。为了解决... 详细信息

近年来，大模型在生物信息学、自然语言处理和计算机视觉等多个领域取得了显著成功。然而，这些模型在训练和推理阶段需要的大量计算资源导致了高昂的计算成本。同时，计算集群中存在资源利用率低、任务调度难的供需失衡问题。为了解决这一问题，提出了填充性载荷的概念，即一种在计算集群中利用空闲资源进行计算的负载。填充性载荷的计算资源随时可能被其它负载抢占，但其使用的资源优先级较低，资源成本也相对较低。为此，设计了适用于填充性载荷的分布式深度学习训练框架PaddingTorch。基于阿里巴巴PAI集群的数据，使用四块GPU模拟了任务切换最频繁的四个GPU时间段上的作业调度情况，使用PaddingTorch将蛋白质复合物预测程序作为填充性载荷进行训练。训练时长为独占资源时训练时长的2.8倍，但减少了训练成本的84%，在填充性载荷填充时间段内提升了GPU资源利用率的25.8%。

关键词：深度学习分布式训练资源利用率计算集群编程框架