可行能力视角下脱贫人口返贫阻断机制研究——以H省J市为例

中国脱贫攻坚已取得全面胜利,但脱贫摘帽不是终点,必须建立返贫预警和阻断机制。鉴于此,基于可行能力理论的视角,在总结H省J市精准扶贫主要方式及成效的基础上,分析了影响J市脱贫人口返贫的风险点,构建了脱贫人口返贫阻断机制:提高贫困人口的政治参与度,为贫困人口提供平等的社会地位,强化基础设施建设和产业发展,完善社会保障制度。以期为贫困地区巩固脱贫攻坚成果和培育长效脱贫机制提供参考。     

建立健全返贫监测与帮扶机制路径探索——以舒城县为例

如何防范返贫,巩固脱贫攻坚成果,是脱贫攻坚战结束之后必须重视的问题.安徽省舒城县把返贫风险细化为外部风险和内部风险.外部风险主要是指自然灾害、市场波动、家庭变故等,内部风险主要是指脱贫人口内部动能、动力不足等.针对这些风险,舒城县建立健全返贫监测与帮扶机制,扎实推进产业帮扶、就业帮扶、消费帮扶,激发脱贫人口的内生动力,...     

返贫"隔离墙"构建研究——以Y县为例

消除贫困是全人类的共同使命和奋斗目标,我国如期实现了全面建成小康社会的宏伟目标,但相对贫困依旧存在并将长期存在.如何在后扶贫时代逐渐减少相对贫困,防止脱贫人口返贫、边缘人口致贫,需要剖析导致脱贫人口返贫的可能因素,建立防返贫有效机制,完善脱贫人口后期发展扶持策略,为农村防返贫工作的开展提供支撑.     

乡村旅游地农户返贫风险的识别与评估——以恩施州为例

脱贫攻坚战全面胜利后,要实现巩固拓展脱贫攻坚成果同乡村振兴有效衔接,必须守住防止规模性返贫底线。以湖北省恩施州18个乡村旅游村为案例地,识别农户面临的各类潜在返贫风险,构建返贫风险评估指标体系,利用入户问卷调查获取数据,采用加权求和指数法评估农户的总体及不同维度返贫风险,并利用方差分析进一步对比不同类型农户的内部差异。结果表明,恩施州乡村旅游地农户面临的潜在返贫风险包括自然、消费、教育、收入和健康5个维度;农户总体返贫风险指数为16.737,处于较低水平。不同风险的威胁程度不尽相同,其中收入风险相对较高,为4.682,教育和自然风险次之,消费和健康风险相对较低,分别为2.614和2.230。不同类型农户返贫风险也存在显著差异,相较于非旅游生计策略农户,旅游生计策略农户总体返贫风险更高,而务农主导型农户的自然风险、补贴依赖型农户的健康风险更高。因此,为“后精准扶贫”时期恩施州乡村旅游地巩固拓展脱贫攻坚成果,阻断农户返贫风险,提出设立巩固脱贫成果专项资金,因户制宜制定帮扶措施;完善技能培训体系,提升农户非农就业能力;持续推进乡风文明建设,树立理性消费理念的建议。     

基于迁移模型集成的马铃薯叶片病害识别方法

针对目前马铃薯叶片病害识别工作量大、准确率低且主观性强等热点问题,提出1种通过ResNet34模型结合不同迁移方式进行集成学习以快速识别马铃薯叶片病害图像的方法。首先,利用多种迁移方式(全部参数迁移、特征提取、微调及全新训练4种训练方法),通过调整超参数,使模型快速收敛达到全局最优点。其次,使用混淆矩阵对多种迁移方式的训练模型结果进行对比分析,微调模型识别准确率达到95.45%。最后,利用集成学习将3种训练较优的模型进行集成并与微调模型进行对比。通过试验建立了1个马铃薯叶片病害图像数据集,结果表明,相比现有热门神经网络模型,该数据集无论是识别准确率还是识别效率均有显著提升,通过对比发现,试验的总体准确率提升了3.68百分点,达到99.13%,迁移学习能够更快速地收敛,减少训练时间,并且集成学习能够大幅提升平均识别准确率。本研究提出的针对马铃薯叶片病害的识别方法成本低、精确率高,能更好地应用于日常病害识别中,为植物叶片病害的智能诊断提供借鉴和参考。     

增能视角下农村建档立卡户可持续脱贫能力提升的路径探究——以辽宁省F市为例

建档立卡户作为精准扶贫时期的重点关注群体,实现全面脱贫后仍存在持续脱贫能力缺失的问题。本文依据增能理论,选取辽宁省F市状况各不同的三个村镇的建档立卡户,通过实地走访的方式收集资料,发现建档立卡户存在谋生技能缺乏、自我评价低、社交能力弱、资源获取途径缺乏、资源运用能力弱、家庭资产薄弱等问题影响其持续脱贫。运用可持续生计分析框架分析其持续脱贫能力缺失原因,从个体增能、社区增能、社会增能三个方面提出建档立卡户可持续脱贫能力提升之策。     

基于特征选择集成学习的果蝇求偶行为识别

设计一个机器学习分类算法,实现对果蝇求偶行为的自动识别.在对图片规范化的基础上,提取图像局部二元模式统计特征与沃尔什特征获得果蝇求偶图像纹理几何特征.通过基于特征选择的集成学习来构建一个强分类器,实现对果蝇求偶行为的检测;采用十折交叉验证的方法进行验证,检测结果优于传统的图像处理分割算法.基于特征选择快速选择性集成,效率高于传统集成方法,基于特征选择集成学习识别昆虫的复杂纹理是可行的.通过机器学习方法来识别果蝇行为谱可以实现大规模的行为筛查,这将有助于基因和神经回路控制行为的研究.     

基于深度迁移学习模型的花卉种类识别

为了解决传统花卉识别方法中特征提取主观性强、模型泛化能力差、错分率高的问题,提出一种基于Inception_v3的深度迁移学习模型的花卉图像识别方法。本研究对5种常见花卉图像进行识别分类,首先对原始图像进行预处理,通过对每张图像进行水平翻转、旋转操作,扩增数据集;其次,采用预训练完毕的Inception_v3模型,对其在ImageNet上训练好的网络参数进行迁移学习,对各个参数进行微调,并保留原模型的特征提取能力,并将原模型的全连接层替换为符合本研究要求的5分类softmax分类输出层,从而构建基于深度迁移学习的识别模型。对5种花卉共计11 000张图像进行训练和验证,平均识别正确率达到93.73%,与传统的花卉识别方法相比,识别率得到提高,模型鲁棒性更强,具有一定的使用价值。     

基于深度学习VGG网络模型的海洋单细胞藻类识别算法

为更好地对海洋中单细胞藻类进行有效识别,本研究提出了基于改进式VGG16网络模型的单细胞藻类识别算法—AlgaeNet,在传统VGG网络模型基础上,通过减少卷积核数量,并添加BatchNormalization层进行神经网络模型加速。结果表明:在相同试验条件下,本研究中提出的AlgaeNet算法在训练过程中的损失值收敛速度及对测试集样本(卵形小球藻Chlorella ovalis与小等刺硅鞭藻Dictyocha fibula Ehrenberg)的预测准确率上升速度较传统VGG、AlexNet网络模型优势明显,识别准确率可达99.317%。研究表明,基于改进式VGG16网络模型的单细胞藻类识别算法AlgaeNet在单细胞藻类识别领域具有较好的分类识别性能,可实现海洋中藻类的准确识别。     

基于深度学习VGG网络模型的海洋单细胞藻类识别算法

为更好地对海洋中单细胞藻类进行有效识别,本研究提出了基于改进式VGG16网络模型的单细胞藻类识别算法—AlgaeNet,在传统VGG网络模型基础上,通过减少卷积核数量,并添加BatchNormalization层进行神经网络模型加速。结果表明:在相同试验条件下,本研究中提出的AlgaeNet算法在训练过程中的损失值收敛速度及对测试集样本(卵形小球藻Chlorella ovalis与小等刺硅鞭藻Dictyocha fibula Ehrenberg)的预测准确率上升速度较传统VGG、AlexNet网络模型优势明显,识别准确率可达99.317%。研究表明,基于改进式VGG16网络模型的单细胞藻类识别算法AlgaeNet在单细胞藻类识别领域具有较好的分类识别性能,可实现海洋中藻类的准确识别。     

基于决策树集成学习的桉树蓄积预估模型研究

林分蓄积是衡量小班林分生产力的重要指标。以广西高峰林场速生桉为研究对象,以年龄、密度两个林分因子和坡向、坡位、坡度、土壤等立地因子作为自变量,公顷蓄积作为因变量,利用非集成、集成学习方法构建9个决策树模型,选择最优决策树模型预估不同年龄的桉树蓄积。结果表明：①集成学习决策树模型精度高于非集成模型,串行集成类模型boosting精度高于并行集成类模型bagging,其中串行集成模型中XGboost模型评价指标最优,训练集R2为081,RMSE为044;测试集RMSE为048,MAE为034。② 最优模型XGboost自变量重要性占比大于1%,依次为年龄(78%)、海拔(49%)、土层厚度(38%)以及密度(32%),其中年龄重要性远高于其他变量,纵向海拔高度影响大于空间位置上的横向坡度,造林密度影响程度低于土壤因素。③模型结果在广西其他地区同树种泛化测试精度R2为0785,P值为22E-16,符合检验标准,说明该模型针对广西部分地区速生桉树种生产力预估结果较好,可以为林场造林收获预估提供依据。     

一种基于集成学习的苹果叶片病害检测方法

由于苹果树叶片病害图像背景复杂、病斑形态多样,苹果树叶片病害的检测一直是一项具有挑战性的任务。传统的苹果树叶片病害检测方法严重依赖于果农经验和特定领域的专家,步骤复杂且低效,并很容易导致病害的误判和漏判。为解决该问题,基于深度学习技术对苹果树叶片病害特征进行自适应学习和提取,提出一种基于集成学习的苹果树叶片病害检测方法。该算法基于不同的模型,在处理不同的数据集上呈现出各自的特性,充分利用了模型间的优势互补,使用非极大值抑制算法将YOLOv5和EfficientDet模型进行集成,进一步提高模型特征提取能力并且增强了模型的检测能力。结果表明,该方法在不增加延迟的情况下,能有效提高3种苹果树叶片病害的检测效果,平均精度可达73.4%,相比于单个YOLOv5和EfficientDet模型分别提高了3.0%、4.8%。集成后的算法具有更好的特征提取能力,可以提取到更多的病害特征信息,并且较好地平衡了模型的识别精度与模型复杂度,可为田间环境下苹果树叶片病害识别提供参考。     

基于改进YOLOv5深度学习的海上船舶识别算法

为提高多目标和雾天环境下的海上船舶识别准确率,提出一种基于改进YOLOv5深度学习的海上船舶识别模型(SE-NMS-YOLOv5),该模型结合暗通道去雾算法(Dark channel),并融合了SE(squeeze-and-excitation)注意力机制模块和改进非极大值抑制模型,对船舶数据集进行训练和测试。结果表明：在船舶识别任务上,SE-NMS-YOLOv5模型的准确率、召回率和F1值分别为90.6%、89.9%、90.5%,检测效果比YOLOv5模型分别提升了6.3%、4.8%、5.8%,比YOLOv4模型分别提升了19.1%、19.0%、19.3%;在雾天船舶识别任务上,SE-NMS-YOLOv5-Dark channel模型的准确率、召回率和F1值分别为88.1%、87.2%、87.6%,比SE-NMS-YOLOv5模型的检测结果分别提升了13.8%、13.3%、13.5%。研究表明,SE-NMS-YOLOv5海上船舶识别模型有效地解决了多目标和雾天条件下,海上船舶检测准确率低的问题,提升了船舶检测和识别的整体效果。     

基于MODIS-NDVI的草地长势变化监测——以锡林郭勒盟为例

基于锡林郭勒盟2002-2006年MODIS的影像数据,提取植被指数NDVI,采用最大值合成法得到旬度植被指数NDVI数据,结合地面实测数据判断锡林郭勒盟的各类草地在空间上的分布情况,结果表明根据植被指数判断的植被分类情况和全盟的植被实际分布状况基本一致。在此基础之上利用两年旬度植被指数NDVI的差值研究锡林郭勒盟草地的长势变化情况,结果表明,2002-2006年植被状况在逐渐变好。这说明植被指数可以很好反映全盟的植被长势变化状况,该方法是动态监测全盟植被长势的有效方法。     

基于Stacking模型集成算法的莲都区南方红豆杉潜在分布区

研究使用R软件中的CaretEnsemble和Caret程序包,并基于Stacking方法来实现模型集成,研究南方红豆杉Taxus chinensis var.mairei在浙江省丽水市莲都区的潜在分布区,并比较5种单一模型的模拟结果及其与集成模型的差异。结果表明:单一模型中极端梯度上升模型表现最好,其次是随机森林模型、支持向量机模型、朴素贝叶斯模型和分类回归树模型,集成模型模拟结果好于单一模型,其Kappa值达0.80,准确率达0.90。集成模型模拟结果显示:影响南方红豆杉分布的主要环境因子为海拔、归一化植被指数和年平均最少降雨量。南方红豆杉主要适宜生长在浙江省丽水市莲都区的山地丘陵地区,中部盆地及平原地区不适宜南方红豆杉的生长,其在莲都区的潜在分布区面积为5.01万hm2。构建的集成模型在一定程度上提高了模型精度,使预测效果更优。     

基于注意力机制和深度学习模型的外来海洋生物命名实体识别

为解决因外来海洋生物领域实体复杂且实体间存在嵌套导致命名实体识别效果较差等问题,提出基于融合注意力机制的卷积神经网络(CNN)-双向门控循环单元网络(BiGRU)-条件随机场(CRF)网络模型进行外来海洋生物命名实体识别,并构造词向量、词性特征向量等特征作为网络模型的联合输入,以提升网络模型识别效果。结果表明:使用融合多特征向量的CNN-BiGRU-CRF网络模型对外来海洋生物名称实体、时间实体、地名实体3类实体上的命名实体识别结果平均准确率达到了90.62%,平均召回率达到了89.50%,平均F1值达到了90.05%,较传统命名实体识别方法均有较大提高。研究表明,本研究中提出的网络模型可以充分提取文本特征,解决了文本的长距离依赖问题,对外来海洋生物领域的命名实体识别具有较好的识别效果。     

基于注意力机制和深度学习模型的外来海洋生物命名实体识别

为解决因外来海洋生物领域实体复杂且实体间存在嵌套导致命名实体识别效果较差等问题, 提出基于融合注意力机制的卷积神经网络 (CNN) -双向门控循环单元网络 (BiGRU) -条件随机场 ( CRF) 网络模型进行外来海洋生物命名实体识别, 并构造词向量、词性特征向量等特征作为网络模型的联合输入, 以提升网络模型识别效果...     

基于GIS的土地资源动态监测系统研究——以扬州市邗江区为例

阐述了土地资源动态监测信息系统的设计方法,以扬州市邗江区为例,介绍了土地资源动态监测信息系统的开发环境、数据来源及功能模块,为其他地区构建同类系统提供参考。     

基于k-DT-LR融合模型的农村商业医疗保险潜在客户识别分析

为促进农村商业医疗保险的发展,提出了一种基于k-近邻算法、决策树算法和逻辑回归算法的kDT-LR融合模型,动态地为集成中的每个学习器分配有效能力,并根据CGSS2017家户调查数据,构建农村商业医疗保险潜在客户识别模型。结果表明,k-DT-LR融合模型算法的分类准确率达到90.024%,召回率达到91.402%,能够精确地识别出农村商业医疗保险潜在客户。     

基于产业集成的旅游发展模式探讨——以邢台百里太行旅游产业带为例

研究在理解产业集成的概念、本质的基础上,探讨旅游产业集成化的发展模式,开拓了基于产业集成的旅游发展的新思路,从核心主体、核心价值、创新途径、增值方式、运营保障方面具体解析了其实现路径。以邢台百里太行旅游产业经济带为例,探索其在新时期良性发展的新路径。