排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
以核心期刊《化学教育》2018-2021年高中化学教学设计及实施类文献为研究对象,在较完备的教材分析视角指引下,采用内容分析法研究优质教学案例中教材分析的现状及特点,在此基础上构建教材分析模型,探索优质教学案例的设计路径。 相似文献
2.
该文研究了食品/工业明胶浓度、混合比例及蔗糖或NaCl对体系的黏度、凝冻强度及LF-NMR弛豫特性的影响。结果发现,与食用明胶相比,工业明胶的凝冻强度与黏度较低。随着明胶浓度的增加,体系的黏度、凝胶强度均相对增大;结合水弛豫时间T_(21)、自由水弛豫时间T_(22)及自由水比例S_(22)均减小,而结合水比例S_(21)增大。随着工业明胶含量的增多,混合体系的黏度与凝冻强度均线性降低,T_(21)、T_(22)及S_(21)均线性增大,S_(22)线性减小;相同蔗糖或NaCl浓度下,食用明胶体系的黏度、凝冻强度最大,混合明胶体系次之,而工业明胶体系的最小;随着蔗糖浓度的增加,体系的黏度均增大,食用、混合体系的凝冻强度增大,而工业明胶变化较小;各体系的T_(22)、S_(22)均减小,S_(21)增大,工业明胶的T_(21)增大,而食用明胶、混合明胶体系的T_(21)变化不大。随着NaCl浓度的增加,各体系的凝冻强度均相对降低,而T_(21)、T_(22)、S_(21)均相对增大,S_(22)减小。 相似文献
3.
基于标准网络结构熵这一度量"有序性"的指标,以微博传播网络为例,首次将这一宏观指标运用到网络的微观演化研究中.首先,根据"网络大V"参与情况的不同,将微博传播网络分为"无V型网络"、"单V型网络"和"多V型网络".其次,依托实际数据,在标准结构熵的视角下,分别运用枚举法、跟踪法、介入法探讨了这三种网络的演化特征,发现了网络中不同节点的微观演化对宏观"有序性"的差异性影响,其中"大V"节点具备明显的"熵减"效应.最后,归纳提出"熵减点"的相关概念,并提出一套用来识别复杂网络重要节点的"熵减点判别法".方法相较于传统方法具有一些优点且适用性较强,可以扩展到其他复杂系统与复杂网络研究中,为网络结构熵理论的实际应用提供了一些思路. 相似文献
4.
为定量地揭示微博传播行为内在的时间演化规律,将微博转发量随时间的变化定义为微博传播波.根据微博传播网络的结构,将微博传播波分解为由若干"大V"所引发的微博传播子波.通过实证,发现了微博传播子波所遵从的统一的指数衰减函数形式.最终实现了将微博传播行为重构为一系列指数衰减函数的叠加,并对该函数中各参数的意义及影响因素进行了初步的探讨. 相似文献
5.
6.
高光谱成像的甜瓜嫁接愈合状态早期分类检测 总被引:1,自引:0,他引:1
嫁接的目的是为了提高植物抗土传病害和非生物逆境的能力。甜瓜嫁接愈合状态的早检测是当前育苗厂工业化发展的重要需求。在标准正态变量变换-Savitzky-Golay平滑-二阶导数(SNV-SG-SD)预处理基础上提出了融合嫁接差异信息的竞争性自适应重加权算法-连续投影法(DIS-CARS-SPA)特征提取算法,并建立了基于网格寻优径向基核函数支持向量机(GS-RBF-SVM)分类模型,实现了基于高光谱成像的甜瓜嫁接愈合状态早期分类检测。首先采集以南瓜为砧木,甜瓜为接穗的嫁接成活苗和非成活苗愈合期1~7 d内的高光谱图像,分别采用9种光谱预处理方法,2种特征提取算法和5种优化算法4种核函数支持向量机(SVM)分类模型进行分析。结果显示,SNV-SG-SD光谱预处理、DIS-CARS-SPA特征提取和GS-RBF-SVM分类模型效果最好。利用该模型进一步分析,在同一天不同类型二分类中,愈合期1~7 d内任何一天的分类准确率均能达到99%以上;在不同天嫁接成活苗二分类中可达 90.17%以上;在不同天嫁接非成活苗二分类中可达97.03%以上;在不同天不同类型十四分类中可达到96.85%,比未融合嫁接差异信息的CARS-SPA特征提取方法准确率提高了0.59%,比只预处理未特征提取方法提高了3.37%。结果表明,所提出的方法不仅能实现同一天不同类型二分类,还能实现不同天同一类型的二分类,不同天不同类型的多分类。在实际应用中,可将分类时间点提前到嫁接后第1天(肉眼观察第3~4天,机器视觉技术第1~2天),同时第3天均是嫁接成活苗和非成活苗的差异突变天数,嫁接成活苗状态可分为弱—中—强三个阶段,非成活苗状态可分为弱—更弱两个阶段,该结论能为甜瓜嫁接苗生产提供有效指导,具有一定的理论和实践价值。 相似文献
7.
8.
为提高混沌时间序列的预测精度,提出一种基于混合神经网络和注意力机制的预测模型(Att-CNNLSTM),首先对混沌时间序列进行相空间重构和数据归一化,然后利用卷积神经网络(CNN)对时间序列的重构相空间进行空间特征提取,再将CNN提取的特征和原时间序列组合,用长短期记忆网络(LSTM)根据空间特征提取时间特征,最后通过注意力机制捕获时间序列的关键时空特征,给出最终预测结果.将该模型对Logistic,Lorenz和太阳黑子混沌时间序列进行预测实验,并与未引入注意力机制的CNN-LSTM模型、单一的CNN和LSTM网络模型、以及传统的机器学习算法最小二乘支持向量机(LSSVM)的预测性能进行比较.实验结果显示本文提出的预测模型预测误差低于其他模型,预测精度更高. 相似文献
9.
基于理化指标及主成分分析的葵花籽油品质综合评价指标的建立 总被引:1,自引:0,他引:1
研究了105℃和180℃氧化条件下葵花籽油理化指标(过氧化值、共轭二、三烯、茴香胺值、酸价、碘值和极性化合物)的变化规律,就理化指标对油脂总体品质变化的贡献度进行了主成分分析,建立了可有效表征葵花籽油在相应条件下品质变化的综合评价指标。结果表明:随着氧化时间的延长、温度的升高,共轭二、三烯、茴香胺值、酸价和极性化合物的升高趋于显著(P≤0.05),而碘值则均呈下降趋势;通过对各理化指标的总体变化率以及与油脂不饱和度和常用理化指标的相关性分析,发现过氧化值、共轭二烯、茴香胺值(105℃)或共轭二烯、茴香胺值、极性化合物(180℃)可有效表征葵花籽油的品质变化;成功建立了评判葵花籽油品质变化的综合指标,并确定其临界值分别为-0.189(105℃)和0.727(180℃);此外,可通过对共轭二烯和茴香胺值的主成分分析有效区分在105℃或180℃下氧化葵花籽油的品质变化。 相似文献