用TOPSIS方法评价黄土丘陵区草场质量的研究

一、自然概况黄土高原位于我国西北部,西起青海日月山,东抵山西太行山,北至晋陕长城,南达甘陕秦岭,构成一个独具特色的、比较完整的自然区域,其地理范围大致是北纬34°—41°,东经103°—113°之间。高原到处有起伏的黄     

浅谈《腔肠动物门》的目标教学

近年来,我们根据美国芝加哥大学布卢姆教授的教育目标分类的思想结合教学实际,在动物学科进行了目标教学。下面仅就《腔肠动物门》的目标教学为例,简述如下: 一、教学目标的确定教师每上一节课,都要完成一定的教学目的,这个教学目的具体化,明朗化,系统化为教学目标。目标教学就是根据布卢姆的教育目标分类的思想,依靠教学大纲,结合     

Merck公司开始hANP的临床试验

美国Merck公司开始进行人心房性钠利尿肽的临床试验。 ANP是由心脏中分泌的、在肾功能和血压等体液调节中起重要作用的肽激素。世界上现有近30家公司从事高血压药物的开发,其中也包括ANP的研究开发。最近据报道,ANP对心脏功能不全也有效,所以人们对它寄予厚望。     

金课视域下基于布鲁姆认知目标分类法的组织学与胚胎学过程性评价体系的构建及应用

目前,过程性评价虽已广泛应用于高校教学,但仍然存在着系统性不高、针对性不强、高阶性不足等问题,同时对学生能力的培养大多停滞于低阶水平。本研究以布鲁姆认知目标分类法为指导,聚焦金课标准,构建以能力为导向的评价体系,强化评价体系的系统性和针对性,并使过程性评价与医师胜任力紧密联系,以助力“两性一度”教学目标的实现。     

关中小麦品种产量构成因素的相互关系和产量育种目标

对关中地区不同年代及当前大面积推广的小麦品种（系）的产量及其构成因素进行了遗传分析和通径分析。结果表明：陕西关中地区近期小麦品种的产量育种目标的趋势是在提高现有穗粒数的基础上,保持现有的穗数（７００万／ｈｍ＾２）及千粒重（３８ｇ左右）,以求在提高品种产量潜力的同时,保持或增加品种的稳定性能;或是大幅度提高穗粒数（３５粒左右）,适当提高千粒重（４０ｇ左右）,适当降低穗数（６００万／ｈｍ＾２左右）,以     

害虫微生物防治的目标体系与效益评价方法

害虫微生物防治系统是复杂的多目标复合生态系统．对系统进行多目标效益评价有助于了解系统现状,遴选最佳防治技术,根据害虫防治的一般要求,结合微生物防治的有关特点,建立了害虫微生物防治的目标体系．对基于估计相对位置的方案排队法和混合优序图法分别进行改进,用改进算法对系统进行效益评价和方案择优,给出了计算软件．同时指出,在生态系统的评价管理中,多目标决策方法是科学合理、行之有效的定量工具．     

灰色多目标局势决策在晋西北植树造林中的应用

采用灰色多目标局势决策方法确定了晋西北地区不同土地类型上的最佳造林树种．在梁峁坡地、阴沟坡地、阳沟坡地和河滩地上的最佳造林树种分别是柠条、油松、刺槐和杨树     

后疫情时代全球可持续发展目标加速行动的推动

“SDGs加速行动”是国际组织、政府部门、私营机构和其他利益攸关方为加快落实2030年可持续发展议程采取的全球行动。2019年联合国可持续发展目标峰会后，政府、国际组织、私营部门等提出了214项SDGs加速行动。2019年爆发的新型冠状病毒肺炎（Corona Virus Disease 2019，COVID-19）对实现可持续发展目标带来了系列影响，后疫情时代如何推动全球SDGs加速行动的实施成为重要的问题。对可持续发展评估报告（2019）和可持续发展目标加速行动等政策文件进行信息提取，建立加速行动匹配性指数模型和各国应对新冠疫情的恢复力指数模型，根据匹配性-恢复力分类体系将各国按照17项可持续发展目标分为9类，为推动后疫情时代全球可持续发展目标加速行动提供支撑。研究发现：（1）现有可持续发展目标加速行动的实施与区域需求不匹配，且这种不匹配的情况在COVID-19爆发前已经出现；（2）加速行动的实施受限于现有可持续发展水平和国家经济基础，区域关注的可持续发展目标与其自然地理位置和社会发展水平有着密切的关系，多边组织机构和其他利益攸关方需要在发展中国家大力推动可持续发展加速行动；（3）下一步实施加速行动需要加强国际间的合作，根据分类框架和可持续发展目标的关联关系，分重点推进加速行动的实施，完善可持续发展指标监测体系，分类设立后疫情时代不同时期的阶段目标，分阶段循序渐进，定期反馈追踪，以在2030年促进17项可持续目标的实现。     

基于传统饮食文化的“食育”教育发展

传统饮食文化是我国饮食的“根”,中华优秀传统饮食文化中有诸多与“食育”教育理念相契合的观点。结合国外成功推行“食育”教育的经验,完善相关政策的制定颁布、家校联合构建“食育”教育氛围、重视传统饮食文化的研究和宣扬等均有助于“食育”教育在我国进一步推广。     

基于F3Net显著性目标检测的蝴蝶图像前背景自动分割

【目的】具有复杂背景的蝴蝶图像前背景分割难度大。本研究旨在探索基于深度学习显著性目标检测的蝴蝶图像自动分割方法。【方法】应用DUTS-TR数据集训练F³Net显著性目标检测算法构建前背景预测模型,然后将模型用于具有复杂背景的蝴蝶图像数据集实现蝴蝶前背景自动分割。在此基础上,采用迁移学习方法,保持ResNet骨架不变,利用蝴蝶图像及其前景蒙板数据,使用交叉特征模块、级联反馈解码器和像素感知损失方法重新训练优化模型参数,得到更优的自动分割模型。同时,将其他5种基于深度学习显著性检测算法也用于自动分割,并比较了这些算法和F³Net算法的性能。【结果】所有算法均获得了很好的蝴蝶图像前背景分割效果,其中,F³Net是更优的算法,其7个指标S测度、E测度、F测度、平均绝对误差(MAE)、精度、召回率和平均IoU值分别为0.940, 0.945, 0.938, 0.024, 0.929,0.978和0.909。迁移学习则进一步提升了F³Net的上述指标值,分别为0.961, 0.964, 0.963, 0.013, 0.965, 0.967和0.938。【结论】研究结果证明结合迁移学习的F³Net算法是其中最优的分割方法。本研究提出的方法可用于野外调查中拍摄的昆虫图像的自动分割,并拓展了显著性目标检测方法的应用范围。