区域协同发展战略下京津冀体育产业一体化发展研究

推动京津冀体育产业一体化发展，既是推进京津冀协同发展的重要内涵，也是体育领域落实区域协调发展战略的具体实践。研究表明，京津冀体育产业一体化发展，既面临难得的历史机遇，也面临着严峻的挑战。挑战在于：整体发展失衡，结构亟待优化；市场发育不足，行业竞争加剧；资源环境恶化，低碳锁定障碍；顶层设计不足，合作机制缺失。基于区域协调发展战略，应优化空间布局，推动体育产业错位发展；培育消费市场，推动体育产业创新发展；加快转型升级，推动体育产业低碳发展；完善合作机制，推动体育产业协同发展。     

我国区域体育协调与共同发展的理论研究

区域体育协调与共同发展是我国既定的体育政策。通过查阅文献资料、专家访谈,结合对区域体育协调与共同发展理念的理解,阐述了区域体育的概念、特征、内涵、价值取向等理论问题;在分析了影响区域体育协调与共同发展的内外部因素的基础上,提出了区域体育协调与共同发展的社会机制与动力学基础;指出建立以区域体育评价和体育科研为先导的体育决策体制,是区域体育协调与共同发展的关键所在。     

热休克反应对急性运动大鼠心肌自由基代谢的影响

目的:探讨热休克反应对急性运动大鼠心肌自由基代谢的影响。方法:SD大鼠随机分为:室温安静组,室温运动组,热休克反应安静组,热休克反应运动组。热休克反应组进行热暴露处理;热暴露处理24h后,运动组大鼠进行一次急性运动,急性运动结束16h后取样。检测各组心肌组织中MDA含量和SOD的活性,检测安静组心肌组织HSP72的含量。结果:1)与室温安静组相比,热休克安静组大鼠心肌组织中的HSP72浓度显著升高(P<0.01);热休克反应安静组大鼠心肌SOD活性升高、MDA含量降低,与室温安静组相比变化不明显(P>0.05)。2)热休克反应运动组心肌MDA含量显著低于室温运动组(P<0.01),SOD活性高于室温运动组,但无统计学意义(P>0.05)。结论:热休克反应可减轻急性运动所致大鼠心肌组织SOD活性下降的程度,抑止MDA含量的升高。说明热休克反应预处理能够减轻急性运动大鼠心肌的抗氧化能力,减少自由基的生成,减轻自由基所致的损伤,对急性运动所致心肌损伤具有一定的保护作用。     

内隐学习研究的现状及问题

内隐学习是一个新兴的研究领域。Reber首先提出内隐学习概念，近年来对内隐学习又有了新的界定。内隐学习有五个特性：自动性、抽象性、理解性、抗干扰性、三高特征。内隐学习的研究方法包括：人工语法、视空概念、概率学习、序列反应时任务。近年来对内隐学习的潜在机制有了很多全新研究成果。     

运动员人格特征与运动损伤关系研究中的研究设计与变量选择

综合国内外有关文献，就运动员人格特征与运动损伤关系研究中的研究设计与变量选择进行了分析与探讨，指出在进一步的研究中，应将人格变量置于一个多变量影响的系统中，探讨其对运动损伤发生的影响，着重关注人格特征作为中间变量的影响效应；在对损伤变量进行考察时，要关注的是损伤测量的客观性、精确性和敏感性。此外，还应对慢性运动损伤与运动损伤发生关系予以关注。     

实践"三个代表"思想与时俱进地做好民族工作

在新的历史时期，实践“三个代表”重要思想，要与时俱进地坚持和完善民族区域自治制度，突出民族地区经济发展这个核心，维护国家统一、民族团结、社会稳定这个大局，抓住大力培养使用少数民族干部这个关键。     

情报响应的基础条件比较研究

在决策过程中,解决信息不完备的问题是情报工作的核心要义,通过情报基础建设来为情报任务响应做好准备,实现情报事业的可持续发展,是情报学术不可忽视的研究议题。本文基于前期相关研究对情报响应的基础条件内涵及其内容进行了基本界定,运用生态理念梳理了情报响应的基础业务系统机理,并对中美两国进行情报响应的环境要素条件和主体要素条件进行了比较分析,提出了实现我国情报响应持续发展的基础条件要求,具体包括:加强对科技信息资源建设以及跨领域信息资源的建设;创建具有中国特色的情报教育发展体系,打造情报人才多样化发展的情报教育培养模式;完善情报机构的管理与评价模式,实现情报基础条件对情报任务响应的持续支持。     

大数据情境下面向突发气象灾害应急决策的情报响应体系研究

[目的/意义]针对突发气象灾害应急决策的情报保障需求,构建了以大数据环境为基、情报技术为力、情报流控制为策、应急决策为标的新型情报响应体系。[方法/过程]本文详细阐述了面向突发气象灾害应急决策的情报响应体系中的整体框架与具体内容,分析了情报响应系统的运行机理。[结果/结论]该应急决策情报体系围绕情报的采集、组织、分析和应用等活动,对大数据环境下突发气象灾害的数据信息进行自动监测与挖掘,充分利用机器学习、自然语言处理等技术进行情报分析,从而为突发气象灾害的事前、事中与事后提供各种决策支持与情报服务。     

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。