《新疆农业科学》刊登科技论文统计、分析与评价年度报告(2007年)

一个地区或部门的科技论文产出数量是体现该地区或部门科技产出的一个重要方面,可以在很大程度上反映该地区或部门的科研发展状况、科技管理水平.而某个学科领域刊登文章的数量和质量可从一个侧面集中展示该学科领域学者的科研交流能力、影响力以及该学科领域的开放性、活跃性和前沿性.     

新疆自然科学期刊论文评估及其综合评价体系的构建研究

2005年中科院刘振兴、陈运泰、张广学等15位院士在中国科技期刊学研究的权威刊物<中国科技期刊研究>联名撰文指出"科技期刊出版既是出版事业的一个重要组成部分,更是科学事业的重要组成部分.自然科学期刊是科学研究中的一个重要的环节,这是由学术期刊的本质和属性决定的".     

《新疆农业科学》刊登科技论文统计、分析与评价年度报告(2005年)

一个地区或部门的科技论文产出数量是体现该地区或部门科技产出的一个重要方面,可以在很大程度上反映该地区或部门的科研发展状况、科技管理水平.而某个学科领域刊登文章的多少可从一个侧面集中展示该学科领域学者的科研交流能力、影响力以及该学科领域的开放性、活跃性和前沿性.     

基于Sparse-DenseNet模型的森林火灾识别研究

  目的  森林火灾的频繁发生给森林防治工作带来很大的难度，传统的森林火灾识别算法存在准确率低、处理效率不够高等问题，同时由于森林火灾图像数据本身具有很强的复杂性，需要从识别精度和泛化能力等多方面进行综合考虑，因此本文将利用稀疏化的DenseNet模型展开森林火灾的识别研究。  方法  首先，对DenseNet模型进行稀疏化改造，通过随机屏蔽Dense Block模块中节点的方式来产生稀疏化效果，使得算法具备减轻过拟合、缓解梯度消失以及加快收敛速度等优点。其次，在林区进行图像采集时，由于摄像设备与被采集物体之间的相对运动以及光影作用，会出现图片数据被干扰的情况，因此本文利用python相关的图片处理工具对图片进行变换，从而对图片数据集进行相应的扩充，使其能够契合实际的应用场景。最后，本文将Sparse-DenseNet模型与其他经典深度学习模型在森林火灾数据集以及cifar10数据集上的表现进行对比，观察其效果。  结果  Sparse-DenseNet模型拥有在结构上更加轻量的特点，并且训练更快，避免过拟合的效果更好，在森林火灾数据集和标准数据集cifar10上都具有较好的表现。  结论  本文所提出的Sparse-DenseNet模型在森林火灾识别问题上，可以有效优化传统模型存在的问题，并取得良好的识别效果，其准确率可达到99.33%，优于DesenNet的98.15%，并且相同轮次训练时间只有DenseNet训练时间的3/4左右。      

《新疆农业科学》刊登科技论文统计、分析与评价年度报告(2006年)

一个地区或部门的科技论文产出数量是体现该地区或部门科技产出的一个重要方面,可以在很大程度上反映该地区或部门的科研发展状况、科技管理水平.而某个学科领域刊登文章的数量和质量可从一个侧面集中展示该学科领域学者的科研交流能力、影响力以及该学科领域的开放性、活跃性和前沿性.     

福建三明林业信息需求及获取现状分析

在文献分析基础上,提出了与林业生产密切相关的信息分类,包含林业科技信息、市场信息、政策法规信息共3个大类26个小类。基于此分类,结合2011、2013年在福建省三明市的实地调研数据,分析出当前三明地区林农林业信息需求状况和信息获取途径,为政府更有效地为林农提供信息服务提出建议。