报网合一模式下的编辑意识探析

在全媒体时代,报网合一是传统报纸走出困境的最佳模式。在新技术的支持下,报网合一模式下的编辑必须树立信息获取、策划创新、质量责任、导向服务等四种意识,以满足全媒体发展对新型编辑的新要求。     

Price Indicators in Different Enterprises

<正>~~     

“香参”防脱育发液的研制及其性能考察

制备香参防脱育发液,并对其抑菌效果及其促毛发生长作用进行研究;方法:在中医药理论指导下选药组方,采用水提醇沉法提取制备香参防脱育发液,研究其抑菌作用及对模型小鼠毛发生长的促进作用;结果:香参防脱育发液的抑菌效率随作用时间延长而增大,当作用时间超过10min时,其对大肠埃希氏菌、金黄色葡萄球菌、白色念球菌的抑制率均达到99%以上,且能显著促进小鼠毛发生长,作用强度具有剂量依赖性;结论:香参防脱育发液不仅能够有效抑制细菌生长繁殖,并且对小鼠的毛发生长具有显著的促进作用,具有较好的应用前景。     

报业大厦智能建筑网络工程系统的设计

报业智能建筑网络系统工程是适应信息时代高新技术发展的基础工程。在建立楼宇设备自动化系统、通信自动化系统、办公自动化系统方面 ,应充分运用高新信息技术和现代经营管理的理念 ,进行网络系统高度整合管理功能的设计 ,以实现建筑结构、设备、信息、服务、运行、管理及其相互联系的智能管理系统 ,达到整体性、先进性、经济性和兼容性的设计目标     

中国古代“制器尚象”设计智慧在当下的应用

目的旨在研究中国古代"制器尚象"这一传统造物智慧的思想内涵,及其在当今社会发展变迁过程中的设计应用、理论创新和思维表达,分别从理论和实践两个角度研究"制器尚象"的古为今用。方法主要运用文献研究和案例分析的方法,从经典古籍中寻找中国古代朴素的"制器尚象"造物观,并将其按物象、意象和道象的进阶模式划分,通过具体的设计案例分析中国古代"制器尚象"设计智慧的应用以及在当下的延续与创新。结论随着时代的发展,中国传统"制器尚象"的设计智慧在当今已经实现由"象"到"形"转变,同时也形成了独特的"象思维"设计创新模式。只有不断寻找古今造物设计思想的契合点,才能在不断发展的时代环境下推动中国设计实践和设计理论的创新与发展。     

山东第一份报纸电子版上网的经过和主要做法

本文首先详细报告了山东省第一份报纸电子版--《电脑特刊》电子版的建站背景、创办过程以及目前的状况,以及与山东省信息中心的合作方式;然后介绍了《电脑特刊》电子版的主要内容和几个新栏目;最后谈到其不足和进一步的工作。     

《湘报》科技文本的编辑特色研究

《湘报》是1898年创办于湖南长沙的南学会的机关报。《湘报》的科技传播通过题材、栏目、体裁、作者队伍、连载等方面凸显其编辑特点。这些特点强化了传播的渗透力,对"注意力经济"下大众传媒的科学传播具有启迪意义。     

PLASMA SCIENCE AND TECHNOLOGY AUTHOR INDEX TO VOLUME 16(2014)

正~~     

基于局部补数-导数模式的光照反转和旋转不变纹理表达

针对现有局部二值模式(Local binary pattern, LBP) 算法对光照反转变化敏感和特征描述力不足的问题, 本文提出一种基于局部补数-导数模式(Local complement and derivative pattern, LCDP) 的纹理表达方法. 其中, 局部补数模式(Local complement pattern, LCP) 用于编码原始图像空间中的近邻差分符号信息, 局部导数模式(Local derivative pattern, LDP) 用于编码不同尺度下(一阶和二阶) 高斯导数空间中的近邻差分幅值信息, 二者对光照反转和图像旋转均具有鲁棒性. 为实现对差分符号和差分幅值的联合统计, 同时维持特征的紧致性, 进一步提出基于均值采样的联合编码方案. 最后, 对联合编码的结果进行多尺度直方图特征表达. 实验表明, 该方法能够有效提高线性和非线性光照反转条件下纹理图像的分类精度.     

基于FR-ResNet的车辆型号精细识别研究

车辆型号精细识别的关键是提取有区分性的细节特征. 以"特征重用"为核心, 以有效提取车辆图像细节特征并进行高效利用为目的, 提出了一种基于残差网络特征重用的深度卷积神经网络模型FR-ResNet (Improved ResNet focusing on feature reuse). 该网络以ResNet残差结构为基础, 分别采用多尺度输入、低层特征在高层中重用和特征图权重学习策略来实现特征重用. 多尺度输入可以防止网络过深导致性能退化以及陷入局部最优; 对各层网络部分加以不同程度的特征重用, 可以加强特征传递, 高效利用特征并降低参数规模; 在中低层网络部分采用特征图权重学习策略, 可以有效抑制冗余特征的比重. 在公开车辆数据集CompCars和StanfordCars上进行实验, 并与其他的网络模型进行比较, 实验结果表明FR-ResNet在车辆型号精细识别任务中对车辆姿态变化和复杂背景干扰等具有鲁棒性, 获得了较高的识别准确率.