现有体育科学文献分类的主要弊端及改进建议

主要采用文献调查法和逻辑分析法等。阐述了《中国图书馆分类法》(简称《中图法》)中体育科学文献几次修订的特点,特别对现有分类的主要弊端进行了分析,同时,对如何改进提出了建议,旨在以学科性的指导思想来分析体育文献分类,使体育科学文献分类更好地为体育学科的建设服务。     

加入WTO后对我国体育产业发展的战略研究

运用文献资料法,在剖析我国体育产业发展现状的基础上,结合WTO规则,分析入世后我国体育产品制造业、体育服务业等部门所面临的机遇与挑战,并提出了与此相应的对策和措施,提出了转变观念,完善管理机制,加强法制建设,组建大型企业集团,重视知识产权和服务产业发展,加大对体育产业扶植力度等项建议,为我国体育产业的国际化发展提供参考依据.     

网络信息分类法研究

阐述了网络分类法的功能，从分类体系、类目划分、类目排列、交叉关系处理、用户界面等方面论述了网络分类法的编制技术。     

对高校体育普修课"体能分班形式"的实验研究

通过教学实验,对高校体育普修课的分班形式进行了研究。发现按“体能”分班这种形式进行教学,可以充分发挥学生学习的积极性和主动性。并且在教学方法和手段上更具有针对性。这不仅能有利于教学效率的提高,更能避免“大锅饭式”的教学,达到因人而异,从而真正提高教学效果。     

浅谈无机化学中元素部分的教学

本文针对学生学习无机化学中元素部分的难点,探讨了在教学过程中应用无机化学理论对元素学习进行指导、适时进行归纳总结、通过实验操作加强对知识的巩固等问题。     

基于图像分割和EM算法的PolSAR地物分类方法

在极化合成孔径雷达（PolSAR）地物分类研究中,基于卷积神经网络的图像分割算法存在高维特征信息冗余而导致的分类边界模糊、分类精度低、计算复杂等不足,提出一种基于卷积神经网络和EM算法的轻量化图像分割网络,称为低秩重构网络（low-rank-reconstruction-net,LRR-Net）,应用于全极化SAR图像的地物分类。LRR-Net从极化目标分解的思想出发,利用EM算法对特征进行低秩重构,将特征从高维空间映射到低维空间,在减少参数的同时实现更精确的分类。用高分三号全极化图像数据对模型进行训练测试并评估,结果表明模型在保证分类精度的前提下,降低了模型复杂度。     

基于AdaBoost改进随机森林和SVM的 极化SAR地物分类

为提升极化合成孔径雷达(SAR)地物分类精度,提出一种基于AdaBoost改进型随机森林和支持向量机(SVM)结合的二级分类结构。首先将AdaBoost改进型随机森林作为初级分类器,该分类器能根据决策树的分类能力赋予权重,分类能力越强则权重越高,从而提升初级分类精度。初级分类器还能评估输入特征的重要性,获得重要性排名。根据重要性排名进行特征筛选,用筛选后的特征训练SVM分类器,获取二级分类结果。最后利用邻域投票法将两级分类结果融合。AIRSAR极化数据对比实验表明,该分类结构可有效提升极化SAR地物分类精度。     

基于γ-散度的稳健有序误标记logistic回归

有序多分类方法已经得到了广泛研究。传统的有序多分类方法假设样本的类别标签是不存在误标记的。但是由于实际数据复杂以及人工经验有限,获得标记完全正确的样本是不现实的,因此,传统的方法就存在局限性。提出一种基于γ-散度的有序误标记logistic回归方法,在处理存在误标记的有序多分类问题时具有很强的稳健性,也就是说,当某一样本被错误标记时它对参数估计的权重小于其被正确标记时的权重。该方法通过最小化γ-散度构建模型,利用梯度下降算法求解模型,不仅具有很强的稳健性而且在模型中可以忽略误标记概率。模拟研究和真实数据分析都说明该有序误标记logistic回归方法在处理存在误标记的有序分类问题时效果很好。     

对体育概念与分类的探讨

体育概念和分类的正确界定,是一个非常重要的理论问题。目前国内外许多体育专家、学者对此虽有不少研究,但由于种种原因,互不统一,给实际工作带来许多困惑和干扰。本文就确定概念与分类的原则;从现代化体育的发展看概念与分类;“三分法”的利弊比较等出发,阐述了作者的观点及分类方法。     

基于信息集群:图书馆组织架构研究

分析了图书馆现有组织体系的弊端和集群组织结构形式的优势,提出了图书馆信息集群组织结构模型。建议在有关部门的统一领导与协调下,各系统图书馆组成实质性信息集群共同体,这是解决彼此之间条块分割的有效途径。