连翘种子品质检验及质量分级标准研究

目的建立连翘种子品质检验方法,制订连翘种子质量分级标准。方法通过测定不同产地连翘种子的生活力、净度、发芽率、含水量、千粒重、形态等指标,对16份来自全国连翘主产地的连翘种子进行品质检验,并且使用SPSS软件对所得数据进行K-均值聚类分析,初步制订连翘种子的质量分级标准。结果连翘一级种子黑褐色、圆润饱满,净度≥90%,千粒重≥3.2 g,含水量≤6.2%,生活力≥85%,发芽率≥85%;二级种子褐色、较饱满,净度≥75%,千粒重≥2.7 g,含水量≤5.5%,生活力≥65%,发芽率≥60%;三级种子黄棕色、瘦瘪,净度≥40%,千粒重≥2.2 g,含水量≤4.3%,生活力≥45%,发芽率≥35%。结论本研究制订了连翘种子分级标准,可为连翘种子的质量评价和人工栽培提供参考依据。

湖北(黄石)园林博览会生态展示馆光环境模拟分析研究

随着计算机模拟技术在生态建筑设计中的不断利用,使得绿色建筑设计越来越理性。展示馆以展示为重点,同时兼具文化交流、宣传教育等功能,追求建立一个开放、有益的空间。如何最大限度地利用自然光应该得到建筑师们的广泛重视。该文首先介绍了项目背景、建筑设计方案以及光环境设计原则与思路。主要通过使用建筑内部的光环境模拟软件,对湖北(黄石)园林博览会生态展示馆建筑方案进行采光模拟分析,探讨博览建筑的方案设计中采光模拟技术的运用方法,并使设计过程能够更加合理有效。

融合注意力与深度因子分解机的时间上下文推荐模型

对于许多在线电商,预测用户购买商品的可能性至关重要。由于用户与商品的交互通常是高维且稀疏的,所以深度因子分解机算法(DeepFM)将因子分解机算法(FM)与深度神经网络(DNN)结合在一起,用FM处理低阶特征组合,用DNN处理高阶特征组合,通过并行的方式组合这2种方法,很好地解决了高维稀疏的问题。但是,它忽略了用户购买商品的先后性问题,也就是时间上下文信息。针对这一缺陷,本文提出一种融合注意力(Attention)与DeepFM的时间上下文推荐模型(DeepAFM),更好地利用用户与商品交互的时间上下文信息,相比较于未加入时间上下文信息的DeepFM模型,AUC提升了1.84%。对比验证结果表明,DeepAFM模型具有更优越的性能。

基于CiteSpace的智慧城市建设研究文献可视化分析

文章为全面揭示并总结智慧城市建设在我国的发展现状和特征,对智慧城市领域下一步的发展和研究方向提供参考。截取2010年至2020年中国知网文献数据库中收录的6000条关于智慧城市的文献作为研究样本,利用知识图谱可视化软件,如CiteSpace、VOSviewer等相关工具,从发文量、关键词、作者共现等角度重点分析了智慧城市领域的研究热点以及研究进展。通过研究得出,自从2008年IBM首次提出"智慧地球"的概念以来,我国针对"智慧城市"的研究在城市、政府及商业领域开始迅速发展。智慧城市研究热点集中在城市建设、大数据、人工智能、智慧社区等相关领域。

文本数据驱动下的高速公路事故持续时间预测模型

事故持续时间的预测是高速公路应急管理的基础,及时准确的事故持续时间预测可为道路疏导和组织救援提供可靠依据。针对道路交通事故信息及其异质性主要以自由流文本存在的问题,研究了基于文本数据的高速公路事故持续时间预测方法,可应用于以自然语言形式存在的任何信息文本。并在此基础上,构建V-Fisher有序聚类模型,结合多种文本分类算法,开展模型结果的对比分析。结果表明,与一般回归算法相比,V-Fisher有序聚类模型可更好的实现对事故持续时间的预测,且通过集成学习(SVR+LR)建立的分类模型准确率达到0.82,取得良好的预测效果。

基于图神经网络的位置上下文推荐模型

当前的推荐系统大多数都是基于用户的交互信息进行推荐,对用户进行推荐忽略了用户所处的位置信息,在某些推荐场景,用户希望自己能够在指定位置得到更精准的推荐,所以需要一种基于位置上下文的推荐模型。然而,由于位置的独特特性,位置与用户之间的关系抽象成数据结构是图结构。近年来,图神经网络(GNN)被提出来解决图结构的数据。基于此背景,本文基于图神经网络提出了一种利用用户位置上下文信息对其进行推荐的模型,经过实验验证,本算法能有效提高推荐精度,推荐效果有较好的提升。

我的老师真有趣

有一位老师,他喜欢把快乐撒播在他的教学园地里,只要是上他课的学生,脸上都有一道幸福的“彩虹”.

浅论汉语言文学专业教育与大学生人文素质教育的融合

主要针对汉语言文学专业教育与大学生人文素质教育展开深入研究,先阐述了汉语言文学对于大学生人文素质教育的作用,主要包括有利于大学生的综合素养提升、有利于提高大学生的人文情怀等,然后重点通过培养学生人格、合理设置教学内容、加强教师队伍建设等策略,以促进汉语言文学教学的顺利推进,并不断提高大学生人文素质,实现高校人才培养的建设性目标。