核心竞争力视角下农产品加工业人力资源管理研究——以铜仁市为例

基于核心竞争力视角,设计农产品加工业人力资源管理问卷和访谈进行数据搜集,结合数理统计分析,对铜仁市农产品加工业的人力资源管理进行分析。结果表明,被调查企业的人力资源管理存在管理模式较为粗放、管理理念相对落后、制度不够完善、“无法可依”和“有法不依”2种现象同时并存、从业人员素质偏低、年龄结构分布不合理、薪酬制度不合理等问题,并就存在的问题提出相应的对策。     

A social learning video method: Identifying and sharing successful transformation knowledge for sustainable soil management in Switzerland

To enhance sustainable land use, a From Farmer to Farmer project was conducted in Switzerland (2001–2010). A multi‐stakeholder discussion group co‐produced nine videos with experienced farmers and wine producers showing sustainable soil management practices. We analysed the video audio‐visual content and drew on reflections of the co‐production process, referring to concepts of system, target and transformation knowledge, as well as on social learning. The analysis showed a broad range of means (or actions) for sustainable soil management in arable land management, fodder production and wine growing that are aligned to transformation knowledge. The research showed that farmers refer to three phases of social learning, light‐bulb moments, coping with challenges and gaining successful expertise. These are not just linear processes of individuals. Four types of social learning were found in the video analysis: (a) learning from observing actions of others, (b) sharing experiences with storytelling, (c) informal social interactions and (d) being a role model with a large social network. Videos enable transformation knowledge to be shared with peers using storytelling; this powerful narrative communication style provides credibility and respects the ‘thought style’ of the target audience group. We conclude that for successful implementation of sustainable actions, it is important to address a specific target group and share their transformation knowledge built upon system and target knowledge. The social learning video method is a viable way to enable social learning between science, administration and practice and has potential for fostering change in sustainable soil management.     

基于Kd树改进的高效K-means聚类算法

针对经典的K-means算法在多维数据聚类效率上还有待提高的问题，本文提出一种称为CK-means的改进聚类算法。该算法在k-means算法的基础上，通过引入Kd树空间数据结构，初始聚类中心从多维数据某一维的区间等间隔集中选取，以及在数据对象分配过程中采用剪枝策略来提高算法的运行效率。实验结果表明，CK-means聚类算法较经典的k-means聚类算法运行效率更高。     

分块子空间追踪算法

压缩传感理论是一种充分利用信号稀疏性或者可压缩性的全新信号采样理论。该理论表明，通过采集少量的信号测量值就能够实现可稀疏信号的精确重构。本文在研究现有经典重构算法的基础上，提出结合图像分块思想和回溯思想的分块子空间追踪算法（Block Subspace Pursuit, B_SP）用于压缩传感信号的重构。该算法以块结构获取图像，利用回溯过程实现支撑集的自适应筛选，最终实现图像信号的精确重构。实验结果表明，在相同测试条件下，该算法的重构效果无论从主观视觉上还是客观数据上都有不同程度的提高。     

当代大学生思想变化规律的研究——基于蚌埠学院部分学生的问卷调查与访谈

对当代大学生进行思想政治理论教育，必须深入研究当代大学生的思想变化规律。研究表明，当代大学生的思想变化呈现出如下规律：马克思主义为主流信仰，信仰比例随年级升高呈“V”形分布；政治认同感强，政治关注度与自身利益紧密相关；人生态度积极乐观，注意自我价值的实现；反对非诚信行为，期待诚信的社会环境。对以上规律的研究，有助于更有效地对当代大学生开展社会主义核心价值观教育。     

基于蚁群优化算法的图像边缘检测

图像边缘携带了图像的大部分主要信息。通过对图像进行边缘检测不仅能有效地提取图像信息降低计算的复杂度而且是图像测量、图像分割、图像压缩、模式识别等图像处理的基础。本文尝试将蚁群优化算法（Ant Colony Optimization, ACO）用于图像边缘检测，通过选取经典house图像和SAR机场图像设置阈值进行自适应边缘提取，实现了边缘的精确检测。实验结果显示，该算法能够有效地提取图像目标的轮廓信息，很好保持图像纹理，具有理想的抗干扰性能，保证了检测结果的准确性。     

基于LM算法的BP神经网络的电力负荷短期预测

清代书院课艺总集多为连续出版物，或具有连续出版物的刊行初衷。刊期短则一季，多则一年或数年。经费充足与否，会影响刊期。发表周期多为一年至五年，也有十余年的。用稿率以10%~20%居多，偶见“关系稿”。时文的用稿标准是“清真雅正”。题目多为官师所拟。一般全文刊登，也偶有“论点摘编”。多经润色，并附录评点。有的以袖珍本刊行，有的宣称“翻刻必究”，标出定价，附载广告。稿费已在膏火费中预支，优秀作品可被转载。从本质属性和诸多要素来看，书院课艺总集实开今日“大学学报”、“学术集刊”之先河。     

基于改进萤火虫算法的投影寻踪太湖水质综合评价

针对水质评价中指标的多样性及不相容性,提出了基于改进的萤火虫算法的投影寻踪水质评价方法。该方法根据水质标准等级样本集所划分的标准,构建投影指标函数,并用改进的萤火虫算法进行优化,使搜索步长逐步减小,寻优后期也可具有良好的局部搜索能力,得到最佳投影方向,使综合评价结果能够客观准确地反映出水质状况。运用该方法对太湖的水质数据进行综合评价,并与传统方法综合评分法(F值法)得到的结果进行对比,评价结果更符合当地水质状况实际情况,且对水质等级划分更为清晰。     

New Approaches to Modeling Methyl Jasmonate Effects on Pomegranate Quality during Postharvest Storage

Adaptive neuro fuzzy inference system (ANFIS) and genetic algorithm–artificial neural network (GA-ANN) models were used to predict the effect of methyl jasmonate (at three levels 0, 0.01, and 0.1 mM) and storage time (0, 14, 28, 42, 56, 70, and 84 days) on quality parameters and physiological changes of pomegranate fruits during storage. Methyl jasmonate reduced chilling injury and improved quality characteristics of pomegranates during postharvest storage. The GA-ANN and ANFIS were fed with two inputs of methyl jasmonate and storage time. The results showed that GA-ANN predictions agreed with experimental data and the GA-ANN with 14 neurons in one hidden layer can predict physiological changes and quality parameters of pomegranate (weight loss, pH, chilling injury index, ion leakage, ethylene, respiration, polyphenols, anthocyanins, and total antioxidant activity) with correlation coefficients equal to 0.87. The ANFIS model was trained by a hybrid method and agreement between experimental data and ANFIS predictions was significant (r = 0.90).     

改进RBF神经网络在我国大豆价格预测中的应用研究

我国大豆价格受国内外多种因素共同影响,具有非线性、随机性和高噪音等特点,采用传统数学模型进行预测,不仅分析难度大,预测误差也很大。RBF神经网络以其优良的逼近性能而被广泛应用于非线性时间序列预测之中。本文提出一种基于遗传算法优化RBF神经网络的我国大豆价格预测模型,该模型为多维输入单维输出的多变量预测模型,模型的初始输入由大豆价格的历史数据和相关影响因素数据组成。采用遗传算法对RBF神经网络输入层节点数、基函数中心、扩展常数和输出层权值进行优化,模型可以从初始输入变量中自主选择最合适的输入变量组合作为模型的输入。采用2009-2014年的大豆价格数据进行预测研究,用2009-2013年的数据作为训练集,2014年的数据作为测试集,改进RBF神经网络通过自主识别和选取中国大豆进口量、中国消费者信心指数和进口大豆到港分销价格3个因素作为相关影响因素的输入。结果表明:模型预测精度较高、泛化能力较强,能够很好捕捉大豆价格变化规律,可为大豆市场价格的准确预报提供参考借鉴。