依托CALIS宁夏自治区为中心建立全区高等教育文献保障体系

在简要介绍CALIS三期建设的基础上,阐述了宁夏高等教育文献保障体系的建设目标、任务和内容。其建设内容包括建立联合编目中心、联合采购数据库、开展馆际互借/文献传递、开展联合虚拟参考咨询、建设特色文献数据库、建立中心门户网站、加强人员培训等。     

基于层次结构的农民工就业特征模型研究

为了更有效地为农民工提供个性化就业推荐信息,促进农村剩余劳动力转移,通过采用层次结构表示方法融合决策树模型和向量空间模型,分析了农民工就业个性化推送服务的特点,并将农民工的基本信息特征与其网络上求职的操作特征有机结合,建立农民工就业特征模型。实证结果表明,该模型能够更好地对农民工的就业特征进行表示,提高就业推荐准确率。     

罗非鱼池塘养殖溶解氧预测研究

为及时有效地掌握池塘养殖中溶解氧浓度的变化趋势,保障罗非鱼稳定高效养殖,在对罗非鱼池塘养殖实际情况进行研究和分析的基础上,采用粒子群算法对BP神经网络模型进行参数优化,针对无锡市2015 年8 月23—11 月4 日这段时间内南泉实验基地的水产养殖溶解氧进行预测。同时,将粒子群优化BP神经网络模型与BP神经网络模型的训练结果和预测结果进行对比。研究结果表明,PSO-BP优化模型的训练和预测结果远远优于普通BP神经网络模型,除异常点外,误差率基本均低于0.5%。同时,该模型收敛速度快,计算复杂性低,能够较好的体现和预测罗非鱼池塘养殖的溶解氧趋势,也为其他水质指标的预测提供了研究方向。     

我国渔药业的现状及发展趋势

本文介绍了我国渔药的发展概况,渔药研发、类别、管理和使用等方面的现状,分析了我国在渔药基础理论研究、渔药市场规范以及渔药安全使用等方面所存在的问题。并从加强渔药基础理论与高效低毒渔药及其制剂的研究,建立渔药的评价、研究与检测的基地,规范渔药的管理和使用等方面提出了相应的建议。     

净水微生物对水产养殖环境的修复作用

净水微生物具有无毒、无副作用,无残留,无二次污染,不产生抗药性,能够有效地改善养殖水体生态环境、维持水生生态平衡、增强水生生物免疫力和减少疾病的发生,因此得到越来越广泛的应用.从净水微生物的种类、作用机理、使用过程中存在的问题出发,提出在使用时应注意的几个方面及解决方法.     

云南水产养殖综合生产能力研究

以云南省1992 ～2012年的水产养殖综合生产能力为研究单元,从自然资源、饲料供给、渔业生产现状、农业基础、渔业科技支撑、生态环境等6个方面对云南省水产养殖综合生产能力进行综合评估,运用因子分析法从19个指标变量中提取可解释92％信息的3个主成分因子;并分别定义为基础生产力量特征因子、综合环境质量特征因子、成灾度特征因子;运用回归法完成主成分因子和综合得分的计算和排名,并用熵权法验证结果的合理性.结果表明,2012年云南水产养殖综合生产能力最强,1992年水产养殖综合生产能力最弱.据此,提出了提高云南水产养殖综合生产能力的具体对策和建议.     

宁夏大学专利统计与分析——以PIAS和Derwent Innovations Index为工具

以PIAS专利分析工具和德温特专利情报数据库为依据,对宁夏大学1986年-2015年产生的专利从年代分布、分类、发明人、发明人所属机构、法律状态、高被引等方面进行了统计与分析,以此衡量学校的创新能力、科研水平及学科发展动态,并为学校今后的专利发展提出建议.     

蠡湖鱼类种质资源信息平台的初步研究

本文主要介绍了利用可视化开发语言、数据库技术和网络技术将历史的蠡湖鱼类种质资源数据进行整理、整合,最终通过网络发布,使蠡湖鱼类种质资源数据得到保存和共享.客户端录入平台和网站通过网络数据库被有机的结合在一起,更大程度的满足了数据维护和操作的需要.     

正确处理四大关系构建和谐图书馆

党的十六届四中全会提出构建社会主义和谐社会,作为社会主义文化建设的重要阵地,信息社会的文化中心、信息枢纽的图书馆,为贯彻落实全会精神,构建和谐图书馆,为“和谐社会”的建设尽职尽责,就必须处理好若干基本关系。特别要正确处理图书馆与馆员、图书馆与读者、本馆与他馆、图书馆与学习型社会之间的四大关系。     

机器学习在农作物品种识别中的应用研究进展

机器学习在图像识别领域的成功应用,为农作物品种的自动识别提供了一种新的思路。为了全面了解机器学习在农作物品种识别中的应用现状,把握农作物品种识别的发展趋势和研究方向,本文归纳了农作物图像的常用获取方法,分析了光谱图像和RGB图像结合机器学习方法识别农作物品种的研究现状。基于RGB图像进行农作物品种识别研究起步较早,图像获取成本较低,识别率一般;基于高光谱图像进行农作物品种识别研究近年来发展迅速,识别精度较高,但图像获取成本较高,且易受环境因素影响。通过总结,指出了农作物品种识别研究中存在的问题,认为深度学习在农作物品种自动识别上具有广泛的应用前景