埕岛油田馆上段沉积砂体及其夹层分布特征

通过岩矿特征、剖面结构、砂岩粒度和砂体形态分析,认为埕岛油田馆陶组上段为曲流河沉积。按砂体发育特点和成因类型划分出主河道连片砂体、河道边缘连续窄带状砂体、天然堤断续带状砂体、决口水道扇形席状砂体及废弃河道成因的透镜状砂体等5种类型。在研究区383口井精细地质研究的基础上,从不同成因储油砂体角度总结出夹层分布特征。建立了储油砂体内夹层的空间分布模式：主河道砂体内夹层分布复杂,一般底部发育钙质夹层,中部多发育物性夹层,上部为泥质夹层;河道边缘砂体主要发育泥质夹层;决口扇砂体内泥质夹层分布稳定;天然堤和废弃河道仅发育极少的钙质夹层。     

企业家精神对动态能力形成的影响研究——基于苏北地区企业的实证分析

建立企业家精神和动态能力的指标体系是研究企业家精神对动态能力形成影响的基础。在对苏北地区几百家企业高层管理人士的问卷调查基础上,实证分析企业家精神对动态能力形成的影响,研究表明,总体上企业家精神对动态能力的形成呈现正相关关系,但企业家精神不同因子对动态能力形成的影响程度不同。为了提升动态能力水平,企业应从创新精神、机会敏感性、冒险责任意识、进取精神和宽容精神等方面加强企业家精神建设。     

论城市品格的塑造——以镇江为例

城市品格是城市无形层面里最本质的部分。城市品格的塑造需要渗入人文精神和城市特色,这样才能使人们生活得更美好。对镇江而言,要塑造城市品格,就需要立足镇江的历史与现实,结合镇江民众的思考,从功利与超功利的角度进行具体的探索。     

后新自由主义背景下城市公共空间的变化特征与发展趋势分析

后新自由主义时代的核心问题之一是寻找经济增长和社会发展之间的平衡点,而城市公共空间在很大程度上扮演着这一角色.全方位、多层次地满足人的需求,保证公共利益与社会公平是这一发展背景下公共空间需求的明显特征.从"附属"到"优先"地位的转变,从单纯物质需求到人本需求的过渡,以及从国际风格到展现地域文化特征,反映出人们对城市公共空间新的认识,而同时,公共空间的布局与结构形态相应变化也将成为必然.     

基于agent的模式表示模型AIM

针对模式表示研究存在的语义缺失问题,基于agent技术和人的记忆原理,提出一个新的模式表示模型agent影响图(agent influence map,AIM)。AIM反映了模式的整体特征,提供一个有效的软计算工具来支持基于先验知识的自适应行为。AIM通过特征的多阶段整合呈现记忆模式的层次性;把模式信息存储在整个网络中,通过协作涌现出高层次特征体现记忆的语义特性。     

活性炭表面物理化学性质对溴酸盐吸附的影响

为了探求活性炭去除水中溴酸盐离子的吸附机理,研究活性炭表面物理化学性质对饮用水中溴酸盐去除的影响.选取唐山炭、新华炭和默克炭3种活性炭作为实验用炭,重点考察3种活性炭表面孔径大小、官能团分布的异同对溴酸盐吸附的影响,测定了3种活性炭吸附溴酸盐的吸附等温线.结果表明:含有中孔数量最多的默克炭对溴酸盐的吸附能力最强.此外,由于默克炭表面含有的内酯基官能团最多,也对溴酸盐的吸附能力起到了积极作用.默克炭的对溴酸盐的吸附能力最强,而新华炭的吸附能力最弱,唐山炭介于二者之间.     

一种改进的快速嵌入式字符识别方法

针对手持式字符识别系统开发中系统对实时性要求较高、系统资源有限以及传统的支持向量机(SVM)分类方法难以同时满足识别率和识别速度的缺点,提出一种快速的SVM(FCSVM)分类算法。对支持向量集采用变换的方式,用少量的支持向量代替全部支持向量进行分类计算,在保证不损失分类精度的前提下使得分类速度较传统SVM算法有较大提高。实验结果表明,FCSVM算法较大幅度地减少了计算复杂度,提高了分类速度,尤其在嵌入式系统中效果更加明显。     

车牌字符多特征提取与BP神经网络的识别算法

在车牌图像字符识别问题的研究中,针对大部分单个特征提取方法在车牌字符识别上的局限性,提出一种车牌字符多特征提取与BP神经网络识别的算法.对车牌字符图像进行预处理后,提取字母和数字字符直线特征,字符笔画点特征,环数特征以及环面积特征,作为字母与数字字符的四类特征.因汉字结构复杂与笔画多,采用13点来提取汉字特征,提取的特征输入到网络进行学习和识别.针对BP神经网络算法的不足,采用附加动量法和自适应学习速率对其改进.MATLAB仿真结果表明改进算法能够有效的提高车牌字符的识别率,识别率达到了98.5％.     

自然场景文本检测与识别的深度学习方法

许多自然场景图像中都包含丰富的文本,它们对于场景理解有着重要的作用。随着移动互联网技术的飞速发展,许多新的应用场景都需要利用这些文本信息,例如招牌识别和自动驾驶等。因此,自然场景文本的分析与处理也越来越成为计算机视觉领域的研究热点之一,该任务主要包括文本检测与识别。传统的文本检测和识别方法依赖于人工设计的特征和规则,且模型设计复杂、效率低、泛化性能差。随着深度学习的发展,自然场景文本检测、自然场景文本识别以及端到端的自然场景文本检测与识别都取得了突破性的进展,其性能和效率都得到了显著提高。本文介绍了该领域相关的研究背景,对基于深度学习的自然场景文本检测、识别以及端到端自然场景文本检测与识别的方法进行整理分类、归纳和总结,阐述了各类方法的基本思想和优缺点。并针对隶属于不同类别下的方法,进一步论述和分析这些主要模型的算法流程、适用场景和技术发展路线。此外,列举说明了部分主流公开数据集,对比了各个模型方法在代表性数据集上的性能情况。最后总结了目前不同场景数据下的自然场景文本检测、识别及端到端自然场景文本检测与识别算法的局限性以及未来的挑战和发展趋势。     

结合单词-字符引导注意力网络的中文旅游文本命名实体识别

传统基于词向量表示的命名实体识别方法通常忽略了字符语义信息、字符间的位置信息,以及字符和单词间的关联关系。提出一种基于单词-字符引导注意力网络（WCGAN）的中文旅游命名实体识别方法,利用单词引导注意力网络获取单词间的序列信息和关键单词信息,采用字符引导注意力网络捕获字符语义信息和字符间的位置信息,增强单词和字符间的关联性与互补性,从而实现中文旅游文本中命名实体的识别。实验结果表明,WCGAN方法在ResumeNER和TourismNER基准数据集上的F值分别为93.491%和92.860%,相比Bi-LSTM+CRF、Char-Dense等方法识别效果更好。