国际组织特权与豁免理论依据浅析

国际法上有关国家的特权与豁免,包括国家机构的特权与豁免以及外交人员的特权与豁免都有相关的公约加以规定,而关于国际组织的特权与豁免尚没有类似统一的公约规定.有些国际组织制定专门公约规定自身特权与豁免,而有些是在其宪章性文件中规定了其在成员国国内的特权与豁免.由此引出一个问题:国际组织享有特权与豁免的理论依据是什么?本文在肯定国际组织享有特权与豁免的前提下,对几种主要的理论依据作一分析.     

植物根部细胞钾离子转运机制及其分子基础

植物根系钾转运机制及其分子基础研究是目前国际植物营养科学的热点之一。本介绍植物根系钾吸收的两个过程－－高亲和力钾转运和低亲和钾运转的力学机制，钾转运机制蝗分子生物学基础及其研究方法。     

基于空间灰度共生矩阵木材纹理分类识别的研究

以10种木材纹理样本为对象,研究了木材纹理参数体系的建立方法,并进行了分类识别的仿真实验。首先,针对木材纹理特点并结合类别可分性判据,构造了适于描述木材的空间灰度共生矩阵,并在此基础上提取了木材的11个纹理特征参数。其次,借助相关性分析对参数进行了特征选择,进而建立了能直接与人的感官对应的木材纹理参数体系。最后,利用 BP 神经网络分类器对木材样本进行了分类识别研究,识别率为87.50%,验证了参数体系的有效性,表明用本文提出的纹理参数体系对木材进行分类识别是可行的。     

适于描述木材纹理的灰度共生矩阵构造方法研究

结合特征参数间相关性矩阵与木材纹理自身的特征,从灰度共生矩阵的11个特征参数中提取5个较独立的特征参数.利用可分性判据确定适于描述木材纹理的灰度共生矩阵构造因子取值(d=2,g=16).     

Feature Extraction and the Design of Classifier in Small Set Handwritten Chinese Character Recognition

This paper presents basic concept of feature extraction of handwritten Chinese character, and proposes a new feature extraction named superposition mesh weighting factors strokes extracting algorithm to obtain feature of small set handwritten Chinese character. Basing on the analysis model of RBFNN, an integration RBF classifier is used for small set handwritten Chinese character recognition. Then, the hybrid optimize strategy, which combines the genetic algorithm and the simulated annealing, is adopted to train RBFNN.     

浙江舟山市岙山油库人工坡面植被恢复

以浙江舟山市定海岙山岛狗头颈南部的岙山油库人工坡面植被恢复为例,详细阐述了人工坡面植被恢复的区划、微地形划分及特征、植被恢复的依据、植被恢复使用的工艺方法,说明了人工坡面植被恢复技术在边坡工程中的应用;人工坡面植被恢复技术的研究,对开展生态植被恢复具有重要指导作用,对提高边坡防护与绿化水平有着十分重要的实践意义。     

美洲黑杨不同生长势无性系生长和生理特征的差异

以高(A)、低(B)生长势2个群体为试验材料,通过表型性状和生理指标的连续采集开展生长性状、光合生理特征及养分吸收等特性相关研究。结果表明:A系号与B系号在根、茎、叶的干质量及总干质量上差异显著或极显著,不同器官干物质分配上根干质量比例最小,且A系号干物质分配倾向于茎,而B系号倾向于叶;从6—9月,生长和生理特征变化呈现一定的规律性,不同月份间7月份各系号生长最快,生理特征值变化幅度最大;相关性分析表明:苗高和地径与单叶面积、夜间呼吸速率、NH4+的吸收速率及总光合速率均呈显著相关(R>0.826,P<0.05),说明幼苗生长主要受自身总光合能力、养分吸收和夜间呼吸消耗的影响,而A系号在这些因子上均优于B系号,由此构建了其高生长势的生理基础。     

基于PCA-RBF神经网络的烟田土壤水分预测

为建立烟田土壤水分预测模型以利于烟区种植的规划和管理,该文提出了基于主元分析（PCA）与径向基函数（RBF）神经网络模型的烟田土壤水分预测方法。首先,利用PCA消除原始输入层数据的相关性,以解决神经网络建模时输入变量过多、网络规模过大导致效率下降的问题;然后,以主元模型结果为输入建立土壤水分RBF神经网络预测模型。实例研究表明,烟田土壤水分PCA-RBF神经网络预测模型具有较好的预测效果,平均预测精度达到96.02%,与全要素误差反向传播（BP）神经网络和RBF神经网络相比,平均预测精度分别提高5.20%和6.06%,完全符合实际烟区种植规划的需求,为研究其他类型的土壤水分预测提供了参考。