Discussion on the Impact of“Shift System”Teaching Model of Physical Education on Students’Mental Health

The“shift system”teaching model of physical education is an emerging education model that aims to improve students’independent choice and personalized development.However,there are also some challenges in the practical application of this model.For example,there are mental health issues for some students including difficulty in adaptation,social interaction,high psychological pressure,etc.Based on this,this article analyzes the impact of the“shift system”teaching model of physical education on students’mental health and explores the optimization path of the physical education“shift system”teaching model in order to promote students’mental health and all-round development.

长三角城市群经济韧性测度与分析——基于Shift-Share的经济韧性分解

以长三角城市群27个城市为研究对象,测度2008—2010年抵抗期和2010—2019年恢复期城市群经济韧性水平,并进一步运用Shift-Share分解方法探索长三角城市群经济韧性内在影响机制。研究显示:抵抗期和恢复期中长三角城市群经济韧性均值分别为0.309和0.301,均强于全国层面经济韧性水平;Shift-Share分解后发现竞争力分量对各城市经济韧性水平提升起到决定性作用,抵抗期阶段主要由第二、三产业共同作用影响经济韧性水平;恢复期阶段则以第二产业竞争力为主导力量,同时以第三产业竞争力作为辅助力量。通过实证探究长三角城市群经济一体化发展的规律和特点,为增强中国经济韧性提出相关建议,助力中国经济高质量发展。

Mean Shift跟踪算法创新实验项目设计

视频跟踪算法是计算机视觉实践课程中比较受关注的实验项目。针对突变情况下传统Mean Shift跟踪算法无法实时准确跟踪的问题,设计了基于模板更新和线性预估的Mean Shift跟踪算法创新实验项目。在模板更新策略下,引入背景模板,通过将原目标模板和背景模板与设定的阈值进行比较来对干扰因素进行判定,当干扰因素判定目标受到遮挡时,引入线性预估方程进行目标位置预测,有效解决目标在遮挡情况下跟踪丢失的问题。通过对测试视频的跟踪效果和性能进行对比分析,验证了算法在突变情况下相较于传统算法具有更好的抗干扰能力。以算法创新设计为核心,通过开放性创新实验项目的选题、设计、答辩、反馈的闭环实验过程,有效提高了学生算法创新设计能力。

基于改进Theil指数和Shift-Share模型的2012—2021年中国产业偏离分析

文章首先通过对现有文献的梳理和分析,发现针对产业偏离的测算,传统的产业偏离度E系数、Theil指数及Shift-Share模型均存在一定的缺陷,E系数和Theil指数的缺陷主要体现在计算原理方面,而Shift-Share模型的缺陷主要表现在参照系选择的合理性和数据采集的可行性方面。然后,基于现有模型的基本原理,提出了更为合理和更具可操作性的产业偏离测算方法,再采用实证研究的方法,根据2012—2021年的数据,对中国的产业偏离情况进行具体分析,得出尽管中国存在产业偏离,但产业偏离度在逐渐减小。最后,基于修正模型的计算结果,并结合当前的国际国内环境,提出如下政策建议:1)第一产业要依靠创新和科技引领,促进农村劳动力在城乡间有序转移,实现农业生产的规模化和现代化;2)第二产业要加快产业的升级换代,建立和保持独立、自主、完整的工业体系,加大在基础研究方面的投入,尽早突破美西方的技术封锁;3)第三产业的发展重点应该在金融和科教两个方面,要进一步提升香港地区、上海和北京等城市的世界金融中心地位,依靠金融创新来规避现行国际金融体系的不利约束和影响,同时要将科教兴国战略落到实处,努力探索适合中国国情的从小学到大学各阶段的教育模式。

基于自适应核带宽度Mean Shift算法的单木识别研究

为提高多树种森林中单木识别的精度,利用机载激光雷达点云数据作为研究对象,提出一种基于自适应核带宽度Mean Shift算法的单木识别方法。该方法先采用直方图分析法分离树冠点云和冠层下点云,再采用基于二维增量网格投影的区域生长法,估算单木冠幅有效半径,然后以单木冠幅有效半径作为自适应核带宽度,对树冠点云进行自适应Mean Shift聚类分析,得到树冠点簇,最后采用包络盒方法根据树冠点簇和树干点云的空间关系识别单木。试验结果表明,检测树与实际树的位置、树冠形态近似一致,单木召回率达到86.1%,准确率达到91.5%,高于2个对比试验的结果。研究证明设置的自适应核带宽度能够自动调整以反映局部树冠的实际大小,在多树种森林的单木识别中表现良好。

IUINet:基于Shift的双流映射3D医学分割模型

为了提高特征融合,我们设计了动态全连接层(DyFC),该方法重新定义了权重和偏置,使用基向量来代表新的权重和偏置,基向量的系数是根据每一个输入特征进行学习得到的,权重和偏置不再是共享的,而是特有的,这对于每一个特征的表达更具有专向性.在本文中,我们提出了一种双流映射结构模型IUINet.IUINet是通过3DShift操作、空间可分离卷积的组合来实现医学图像分割任务,同时保持精度和效率之间的平衡.所提出来的IUINet遵循编码器-解码器结构,其中编码器一部分包含Shift操作、逐点Conv1×1操作,另一部分包含空间可分离卷积操作.IUINet运用了多尺度输入以及多尺度特征映射层,提高反向传播速度,降低反向传播的平均距离.提高模型的精确度,增加模型泛化能力,减少过拟合.

Distributional Chaoticity of the Minimal Subshift of Shift Operators

This paper focus on the chaotic properties of minimal subshift of shift operators. It is proved that the minimal subshift of shift operators is uniformly distributional chaotic, distributional chaotic in a sequence, distributional chaotic of type k ( k∈{ 1,2,2 1 2 ,3 } ), and ( 0,1 ) -distribution.

Propagation Dynamics of Forced Pulsating Waves for a Time Periodic Lotka-Volterra Cooperative System with Nonlocal Effects in Shifting Habitats

In this paper, we will concern the existence, asymptotic behaviors and stability of forced pulsating waves for a Lotka-Volterra cooperative system with nonlocal effects under shifting habitats. By using the alternatively-coupling upper-lower solution method, we establish the existence of forced pulsating waves, as long as the shifting speed falls in a finite interval where the endpoints are obtained from KPP-Fisher speeds. The asymptotic behaviors of the forced pulsating waves are derived. Finally, with proper initial, the stability of the forced pulsating waves is studied by the squeezing technique based on the comparison principle.

不同栅氧退火工艺下的SiC MOS电容及其界面电学特性

SiC MOS电容的电学特性和栅氧界面特性是评价和改进SiC MOS器件制造工艺的重要依据。通过依次测试SiC MOS器件的氧化物绝缘特性、界面态密度、偏压温度应力不稳定性(偏压温度应力条件下的平带电压漂移)、氧化物陷阱电荷密度和可动电荷密度的方法,对分别经过氮等离子体氧化后退火(POA)处理、氮氢混合等离子体POA处理、氮氢氧混合等离子体POA处理、氮氢氯混合等离子体POA处理的SiC MOS电容的电学特性和栅氧界面特性进行了分析。结果表明,该方法可以系统地评价SiC MOS电容电学特性和栅氧界面特性,经过氮氢氯混合等离子体POA处理的SiC MOS电容可以满足高温、大场强下长期运行的性能指标。

基于动力性模糊控制拖拉机遥控换挡设计研究

为实现拖拉机遥控换挡,基于动力性模糊控制换挡设计了电控液压换挡系统,并在AMEsim中搭建仿真模型。根据发动机的调速特性,以油门开度、当前的车速和挡位为输入参数建立动力性换挡模型,并根据驾驶员意图和拖拉机状态建立二级模糊控制器对动力性换挡策略进行修正。同时,设置工况,在MatLab/Simulink中建立拖拉机传动系统模型,利用AMEsim-Simulink进行联合仿真,得到液压缸活塞杆位移曲线,对可行性进行了验证。对比传统换挡与动力性模糊控制换挡,以离合器冲击度、滑摩功等为控制目标进行仿真分析。结果表明:与传统换挡系统相比所设计的系统控制效果较优,满足拖拉机动力性适应性要求。

从自主到自觉:高等教育研究的知识价值转向

人文社会科学的研究旨在形成价值观念并塑造认知框架。作为国家创新实力的关键组成部分,构建自主的社会科学知识体系对于把握社会发展趋势,形成针对本土社会问题的独特解释方式至关重要。近年来我国提出要构建社会科学自主知识体系,原因是对知识价值的控制来自人类的掌控本能;发达国家的社会科学理论在解释我国的社会现象时可能不再适用。因此,针对我国高等教育发展的独特性,我们需要建立专门的分析框架,并形成有效的理论解释体系。自主知识体系的建立需要基于我国高等教育现代化的学理性与实践性叙事展开,所要达到的最终境界是实现理论自觉,即形成我国高等教育发展理论的自主意识。我们需要通过反思性实践,重新设定高等教育研究的问题来源。推动学术研究集中于本土问题并走向“自觉性”应该成为构建中国特色高等教育自主知识体系的价值起点。

应用Mean Shift和分块的抗遮挡跟踪

针对传统Mean Shift跟踪算法在目标发生遮挡时容易跟偏甚至跟丢的缺陷,提出了一种新的抗遮挡跟踪算法。首先,对跟踪窗口内的目标进行分块;然后,对外围子块分别实施Mean Shift跟踪算法并检测遮挡的发生,当遮挡发生后即对所有子块实施Mean Shift跟踪算法;最后,引入一种子块置信度机制并仅用置信度最高的子块来确定目标的最终位置,从而在目标发生遮挡时能有效剔除被遮挡子块对目标定位的影响。对不同的视频序列测试的结果显示,本算法能对发生遮挡的目标进行准确跟踪。当遮挡目标尺寸为70pixel×100pixel时,平均处理时间为38.6ms/frame。结果表明,改进算法能够满足目标跟踪系统稳定性和实时性的要求。

Mean-Shift跟踪算法中核函数窗宽的自动选取

传统核窗宽固定的Mean-Shift跟踪算法不能很好地对逐渐增大尺寸的目标进行有效的跟踪.在分析同一目标在不同尺度下核直方图基于Bhattacharyya系数相似性的基础上,发现并证明了在核窗宽固定的条件下,目标在其窗宽范围内进行缩放、平移运动并不影响Mean-Shift跟踪算法空间定位的准确性.在此基础上,提出了一种基于后向跟踪、形心配准的核窗宽自动选取算法.对尺度渐大的车辆进行的跟踪实验验证了该算法的有效性.

Mean-Shift和Kalman算法在工件分拣技术中的应用

针对生产线上动态工件的跟踪分拣问题,提出了一种Kalman预测目标和Mean-Shift搜索目标综合应用的跟踪算法,实现了对履带上工件的动态跟踪。该算法首先利用Kalman滤波估计出后续运动目标的位置、速度和匹配范围,然后使用基于HSV色彩空间融合的Mean-Shift算法进行小范围搜索和目标匹配,最后将Mean-Shift算法得到的目标位置作为下一帧Kalman滤波器的输入参数使得后续状态具有预测的能力,迭代执行,直至搜索到目标为止。实验证明,该算法能够有效解决动态工件的跟踪和定位问题。

基于改进Mean-Shift算法的红外小目标跟踪

复杂背景下的红外小目标跟踪在目标跟踪领域一直是重要的研究方向。由于小目标体量小、机动性大,而红外图像大多受到严重的背景噪声和热噪声影响,使得针对红外小目标的跟踪大多出错率高,鲁棒性不强。针对红外小目标的跟踪,提出了一种改进的Mean-Shift算法。结合图像的统计特性,提出了一种自适应非线性算法对图像进行处理;同时融合了图像的梯度直方图对目标进行描述。实验通过对高强度噪声和高遮挡环境下视频目标进行跟踪,比较了传统Mean-Shift算法和改进后算法的跟踪效果,结果显示文中提出的改进算法不但可以有效地跟踪目标,而且大幅降低了跟踪窗口与目标之间的相对抖动,增强了跟踪算法的鲁棒性。

Mean shift在目标跟踪中的应用

首先总结了Mean shift的发展过程,并且分析了Mean shift算法的参数少,鲁棒性强,快速实现模式计算的特点,然后根据它在目标跟踪中的应用,总结了该算法核函数直方图对目标的特征描述比较弱,容易陷入局部最大值,不能适应目标多自由度变化的缺点,针对缺点提出的不同的改进方法进行了归纳,最后对未来的发展进行了预测。

基于分级mean shift的图像分割算法

实验发现传统mean shift算法进行分割时常会产生连接通道问题,使得几个分类簇之间无法完全分开.针对该问题,提出一种改进的分级mean shift图像分割算法,在初次迭代获得的聚类中心基础上采用不同的带宽矩阵进行多次聚类,从而获得不同级的聚类中心集合,并建立一个归属树结构,最终通过叶节点与根节点的归属关系进行归类从而完成图像分割.实验证明改进算法可以更好地保留图像的局部信息,同时具有较好的适用性.

快速运动目标的Mean shift跟踪算法

针对Meanshift本身的理论缺陷,提出Meanshift和卡尔曼滤波器相结合的快速目标跟踪算法。利用卡尔曼滤波器来获得每帧Meanshift算法的起始位置,然后再利用Meanshift算法得到跟踪位置。在目标出现大比例阻挡情况时,利用卡尔曼残差的计算来关闭和打开卡尔曼滤波器,此时,目标位置的线性预测替代了卡尔曼的作用。试验证明,本算法可以实现对快速运动目标的跟踪,对阻挡也有很好的鲁棒性。