數(shù)字經(jīng)濟(jì)的影響精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的數(shù)字經(jīng)濟(jì)的影響主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：數(shù)字經(jīng)濟(jì)的影響范文

關(guān)鍵詞：數(shù)字科技；信息技術(shù)；環(huán)境藝術(shù)設(shè)計(jì)；3D軟件

中圖分類號(hào)：J525文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.15913/ki.kjycx.2016.02.026

數(shù)字科技是基于信息技術(shù)的數(shù)字處理模式。由于其采用的是二進(jìn)制編碼，對(duì)其調(diào)取后會(huì)發(fā)現(xiàn)大量的“0”與“1”的排列組合，因此，將其命名為數(shù)字科技。在應(yīng)用方面，數(shù)字科技并非特定的技術(shù)模式，其可對(duì)任何數(shù)據(jù)進(jìn)行轉(zhuǎn)化和處理，可用于各類生產(chǎn)和設(shè)計(jì)行業(yè)，除了本文所研究的環(huán)境藝術(shù)設(shè)計(jì)的建筑領(lǐng)域外，還包括工程、電子信息科技、生物技術(shù)等領(lǐng)域；數(shù)字科技具有模型化的管理能力，可借助3D軟件制作設(shè)計(jì)模型，并在計(jì)算機(jī)中調(diào)節(jié)模型的參數(shù)，從而達(dá)到最優(yōu)化配置，這樣不僅有效解決了人力試驗(yàn)效率低下的問題，還有效避免了誤差的產(chǎn)生，特別是一些專業(yè)的軟件具有的自動(dòng)檢測(cè)和報(bào)錯(cuò)功能，可為使用者提供數(shù)據(jù)模型創(chuàng)建的合理建議。因此，鑒于數(shù)字科技自身強(qiáng)大的功能，以下對(duì)數(shù)字科技引入環(huán)境藝術(shù)設(shè)計(jì)中的影響進(jìn)行分析，以期為環(huán)境藝術(shù)設(shè)計(jì)的發(fā)展提供幫助。

1數(shù)字科技對(duì)環(huán)境藝術(shù)設(shè)計(jì)行業(yè)的影響

數(shù)字科技的出現(xiàn)，使人類的生活和生產(chǎn)方式發(fā)生了很大的改變。對(duì)于環(huán)境藝術(shù)設(shè)計(jì)領(lǐng)域而言，這種改變具體表現(xiàn)在以下3方面：①設(shè)計(jì)效率的提升。計(jì)算機(jī)對(duì)設(shè)計(jì)的管理比設(shè)計(jì)師在圖紙上的管理更加便捷。②滿足個(gè)性化需求能力的提升。以往，設(shè)計(jì)者無法兼顧業(yè)主的所有需求，進(jìn)而引發(fā)了業(yè)主與設(shè)計(jì)師、委托公司的矛盾；而在數(shù)字科技的幫助下，設(shè)計(jì)師能兼顧各種相關(guān)信息。③數(shù)字科技和網(wǎng)絡(luò)化的實(shí)現(xiàn)，開拓了環(huán)境藝術(shù)的設(shè)計(jì)視野，使設(shè)計(jì)師能跟上時(shí)展的潮流，接觸更多的世界級(jí)作品，這對(duì)于設(shè)計(jì)師的個(gè)人發(fā)展及其在設(shè)計(jì)領(lǐng)域的持久生存都有著不可忽視的意義。

1.1促進(jìn)了環(huán)境藝術(shù)設(shè)計(jì)的發(fā)展

數(shù)字科技的核心能力在于對(duì)信息的處理，而環(huán)境藝術(shù)設(shè)計(jì)也可被看作信息的整合過程。這是因?yàn)樵诮ㄖ脱b修設(shè)計(jì)中，設(shè)計(jì)者主要負(fù)責(zé)構(gòu)圖和材料的選擇，而構(gòu)圖是一種可轉(zhuǎn)化為數(shù)字處理的信息模式，在電腦上構(gòu)圖不僅可提升設(shè)計(jì)效率，還能節(jié)約設(shè)計(jì)成本；材料選擇的關(guān)鍵在于材料比例的設(shè)置，在計(jì)算機(jī)出現(xiàn)前，人們只能不斷地?cái)嚢柙牧?，并進(jìn)行搭建試驗(yàn)，歷經(jīng)數(shù)千年后才找到相對(duì)完善和適合各類企業(yè)特征的材料應(yīng)用方式，但隨著時(shí)代的發(fā)展，以往的材料已逐漸被替代，對(duì)于新型材料的應(yīng)用而言，再以長(zhǎng)時(shí)間的試驗(yàn)方式尋求合適的比例，顯然已不適合時(shí)展的需求。而在數(shù)字科技出現(xiàn)后，采用數(shù)字化調(diào)解和模擬的方式可有效解決材料的比例問題，且能幫助設(shè)計(jì)者找到不同氣候環(huán)境下材料性能的差異，從而有效提升建筑的堅(jiān)固程度。

1.2提高了環(huán)境藝術(shù)設(shè)計(jì)的效率

數(shù)字科技的表現(xiàn)力較為強(qiáng)，可展現(xiàn)語言、圖形、文字和影像等，使設(shè)計(jì)者可以更好地調(diào)節(jié)色彩、光影、材質(zhì)等效果，且在固定模型的幫助下，可借用對(duì)比手段優(yōu)化新采納的元素；可有效提升設(shè)計(jì)的藝術(shù)性。以往，設(shè)計(jì)師只能在紙上構(gòu)圖，其設(shè)計(jì)理念基于平面展開，在實(shí)踐過程中可能會(huì)遇到平面與立體的轉(zhuǎn)化問題，進(jìn)而導(dǎo)致設(shè)計(jì)師需要消耗較長(zhǎng)的時(shí)間設(shè)計(jì)；但依靠數(shù)字科技可直接立體設(shè)計(jì)，不僅減少了模式轉(zhuǎn)化過程中的煩瑣程序，還能保證整體藝術(shù)的輸出效果。對(duì)于環(huán)境契合性而言，近年來，建筑設(shè)計(jì)正在向環(huán)境友好型發(fā)展，需要建筑設(shè)計(jì)師契合環(huán)境，以不破壞環(huán)境的設(shè)計(jì)理念設(shè)計(jì)建筑，且人們對(duì)建筑有審美需求，因此，在兼顧兩者的過程中，設(shè)計(jì)師必須花費(fèi)大量的時(shí)間；但采用數(shù)字科技后，可提前通過3D拍攝方法，將周邊環(huán)境設(shè)置成設(shè)計(jì)背景，從而有效地融合建筑與自然環(huán)境。

1.3提升了環(huán)境藝術(shù)設(shè)計(jì)的市場(chǎng)競(jìng)爭(zhēng)力

環(huán)境藝術(shù)設(shè)計(jì)雖然是一種與人類健康發(fā)展契合性較高的設(shè)計(jì)模式，但因設(shè)計(jì)過程煩瑣、建設(shè)難度較大，導(dǎo)致其一直不受市場(chǎng)歡迎，加之環(huán)境藝術(shù)設(shè)計(jì)的自我要求較高、內(nèi)容不斷豐富，削弱了其在市場(chǎng)中的競(jìng)爭(zhēng)能力。但對(duì)于我國當(dāng)前的設(shè)計(jì)領(lǐng)域而言，正缺乏這樣的健康設(shè)計(jì)理念，因此，環(huán)境藝術(shù)設(shè)計(jì)不僅不應(yīng)被淘汰，反而需要得到有效發(fā)展。而借助數(shù)字科技，可提升環(huán)境藝術(shù)設(shè)計(jì)的效率，并結(jié)合市場(chǎng)需求提升公眾審美的契合性，從而使環(huán)境藝術(shù)設(shè)計(jì)得到更多人的關(guān)注。此外，數(shù)字科技還能幫助環(huán)境藝術(shù)設(shè)計(jì)建立模板式的工作方法，即通過程序?qū)⒖山栌玫脑嘏c設(shè)計(jì)需求相結(jié)合，實(shí)現(xiàn)整體輸出的設(shè)計(jì)雇傭模式，從而更好地提高服務(wù)效率。

2結(jié)束語

時(shí)代的發(fā)展必然會(huì)為人類帶來改變，但很多領(lǐng)域卻無法有效地與時(shí)代契合，本文所研究的環(huán)境藝術(shù)設(shè)計(jì)便是其中之一。因此，筆者探討了當(dāng)前提升行業(yè)發(fā)展效率最有效的數(shù)字科技，以期借助其豐富的功能，促進(jìn)環(huán)境藝術(shù)設(shè)計(jì)的發(fā)展，從而提升整個(gè)建筑設(shè)計(jì)領(lǐng)域的水平。

參考文獻(xiàn)

［1］陳健，張雪青.數(shù)字科技發(fā)展對(duì)環(huán)境藝術(shù)設(shè)計(jì)的影響［J］.同濟(jì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2011（06）.

［2］劉巖，葉祿新，肖巳洋.數(shù)字技術(shù)在環(huán)境藝術(shù)設(shè)計(jì)的運(yùn)用和發(fā)展［J］.電子技術(shù)與軟件工程，2013（11）.

第2篇：數(shù)字經(jīng)濟(jì)的影響范文

鐵礦石是鋼鐵產(chǎn)業(yè)鏈中最基?A、最重要的原材料，具有不可替代性和非再生性的特點(diǎn)，鐵礦石資源的供給能力決定著我國鋼鐵產(chǎn)業(yè)的可持續(xù)發(fā)展，從源頭上威脅著鋼鐵產(chǎn)業(yè)的安全。我國的鐵礦石存在品質(zhì)較差、采運(yùn)困難、礦石品位低等特點(diǎn)，每年需要從國外大量進(jìn)口鐵礦石，從而形成鐵礦石過高的進(jìn)口依存度。一旦鐵礦石的主要出口國家大幅度提高價(jià)格，我國的鐵礦石供給難以為繼，從而嚴(yán)重影響我國鋼鐵產(chǎn)業(yè)的發(fā)展。我國鋼鐵冶煉多為長(zhǎng)流程法，在生產(chǎn)鋼鐵過程中對(duì)焦煤極大的需求，隨著焦煤價(jià)格上漲，造成焦煤質(zhì)量下降，極大地增加了生產(chǎn)成本。另外鋼鐵工業(yè)是高耗水行業(yè)，鋼鐵產(chǎn)業(yè)用水緊張問題越來越嚴(yán)重，在東北和華北地區(qū)，鋼鐵產(chǎn)業(yè)甚至出現(xiàn)“與民爭(zhēng)水”現(xiàn)象。水資源短缺是影響我國鋼鐵產(chǎn)業(yè)出口貿(mào)易發(fā)展又一重要的資源約束。

關(guān)于企業(yè)績(jī)效的評(píng)價(jià)。傳統(tǒng)的企業(yè)績(jī)效評(píng)價(jià)以財(cái)務(wù)指標(biāo)為核心，屬于財(cái)務(wù)評(píng)價(jià)。吳利華、周勤（2008）認(rèn)為企業(yè)的凈資產(chǎn)收益率指標(biāo)是企業(yè)經(jīng)濟(jì)績(jī)效的反映，他們實(shí)證分析了鋼鐵行業(yè)集中度與企業(yè)績(jī)效的關(guān)系，發(fā)現(xiàn)企業(yè)績(jī)效與產(chǎn)業(yè)集中度負(fù)相關(guān)。關(guān)于資源約束與鋼鐵企業(yè)績(jī)效的關(guān)系，張慶芝、何楓將資本、勞動(dòng)、能源和水資源設(shè)為資源環(huán)境約束，分析了資源環(huán)境對(duì)鋼鐵企業(yè)技術(shù)效率的影響，結(jié)果發(fā)現(xiàn)資源環(huán)境約束會(huì)降低鋼鐵企業(yè)技術(shù)效率，進(jìn)而影響產(chǎn)業(yè)競(jìng)爭(zhēng)力。劉鴻杰將資本投入、能源消耗、勞動(dòng)投入設(shè)為鋼鐵行業(yè)的資源約束指標(biāo)，使用二氧化硫、廢水、粉塵、煙塵四種污染物的排放量作為環(huán)境污染指標(biāo)，實(shí)證研究了資源約束對(duì)對(duì)鋼鐵企業(yè)全要素效率的影響，結(jié)果發(fā)現(xiàn)環(huán)境約束下全要素效率呈上升趨勢(shì)，技術(shù)進(jìn)步是鋼鐵企業(yè)全效率提升的第一要素。

因此提出假設(shè)：資源環(huán)境約束與鋼鐵企業(yè)經(jīng)濟(jì)績(jī)效呈負(fù)相關(guān)關(guān)系。

根據(jù)以上假設(shè)又延伸出三個(gè)假設(shè)：

假設(shè)1：鐵礦石消耗量與企業(yè)經(jīng)濟(jì)績(jī)效水平正相關(guān)

鐵礦石是鋼鐵冶金最基本的原料之一，提高鐵礦石的供給和使用量會(huì)使鋼鐵企業(yè)的產(chǎn)量增加，從而提高其企業(yè)經(jīng)濟(jì)績(jī)效，因此假設(shè)鐵礦石消耗量與企業(yè)經(jīng)濟(jì)績(jī)效呈正相關(guān)。

假設(shè)2：能耗與企業(yè)經(jīng)濟(jì)績(jī)效水平正相關(guān)

鋼鐵冶煉是高能耗行業(yè)，能耗越高則生產(chǎn)量越大越高，企業(yè)經(jīng)濟(jì)績(jī)效水平越好。

假設(shè)3：廢氣排放與企業(yè)經(jīng)濟(jì)績(jī)效水平正相關(guān)

本文按照以下標(biāo)準(zhǔn)選取研究樣本：

（1）選取滬深A(yù)股上市公司。因?yàn)闇預(yù)股上市公司的數(shù)據(jù)完整、投資者多、影響面廣，所以本文選取了具有普遍性的A股上市公司作為樣本。

（2）選取主營行業(yè)為鋼鐵冶金、特鋼生產(chǎn)、鑄管、板材制造這樣有代表性的公司。

（3）剔除財(cái)務(wù)數(shù)據(jù)有缺失的上市公司，使得所選取的公司能夠在同一個(gè)水平上進(jìn)行比較。

第3篇：數(shù)字經(jīng)濟(jì)的影響范文

【關(guān)鍵詞】湖北　資源與環(huán)境　可持續(xù)發(fā)展

改革開放以來，我省經(jīng)濟(jì)社會(huì)發(fā)展取得了舉世矚目的巨大成就，但是我們?cè)谫Y源和環(huán)境方面也付出了巨大的代價(jià)，經(jīng)濟(jì)增長(zhǎng)方式粗放，資源利用率低、浪費(fèi)大、污染重，這在農(nóng)業(yè)、工業(yè)和服務(wù)業(yè)三個(gè)產(chǎn)業(yè)方面都明顯地表現(xiàn)出來，嚴(yán)重地影響著湖北經(jīng)濟(jì)的可持續(xù)發(fā)展。

一、農(nóng)業(yè)方面

我省農(nóng)業(yè)人口較多，但人均耕地面積低于全國平均水平，目前，全省人均耕地面積為1.18畝，居全國第21位，而且耕地總量呈下降之勢(shì)。湖北省又是水稻種植大省，對(duì)水資源的消耗大。然而，湖北省水資源分布不均，有的地區(qū)水量較豐富，而有的地區(qū)則水量不足，給水資源的有效供給帶來困難。有關(guān)數(shù)據(jù)表明：湖北省水資源總量1027.8億立方米，只占全國的3.5%，列全國第10位；人均占有量則為1731立方米，僅列全國第17位，低于全國平均值，接近國際公認(rèn)的1700立方米的嚴(yán)重缺水警戒線。需要注意的是，湖北在耕地、水等資源非常有限的情況下，一方面，資源的消耗卻很大，浪費(fèi)嚴(yán)重，資源的利用率不高；另一方面，粗放型的增長(zhǎng)方式使得污染也十分嚴(yán)重；同時(shí)，在資源稟賦和粗放式經(jīng)營方式下，農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)也不盡合理，而不合理的產(chǎn)業(yè)結(jié)構(gòu)與粗放型增長(zhǎng)方式的結(jié)合使資源浪費(fèi)和環(huán)境破壞日趨嚴(yán)重。

1、在湖北省城市化進(jìn)程中，一些地方城鎮(zhèn)無序擴(kuò)張，鄉(xiāng)鎮(zhèn)企業(yè)超常規(guī)發(fā)展，開發(fā)區(qū)盲目圈地、粗放利用，房地產(chǎn)膨脹開發(fā)、超前占地，造成了土地資源的大量浪費(fèi)，土地資源利用率不高。據(jù)有關(guān)資料顯示，目前，我省未利用土地面積達(dá)211.62萬公頃。在已利用土地中，利用效率低下、粗放經(jīng)營的現(xiàn)象也極為普遍，低產(chǎn)田、低產(chǎn)園、低產(chǎn)林、低產(chǎn)水面大量存在。據(jù)調(diào)查，我省中低產(chǎn)田面積占耕地的71.1%，這些低產(chǎn)田的產(chǎn)量?jī)H及當(dāng)?shù)馗弋a(chǎn)田產(chǎn)量的60%-80%。林地利用率只有60%左右，與一般80%的水平相差較大?？绅B(yǎng)水面利用率為80.08%，其中可養(yǎng)湖泊、水庫的放養(yǎng)率分別為65.8%和63.3%。

2、從農(nóng)業(yè)內(nèi)部結(jié)構(gòu)看，我省種植業(yè)比重仍較大，且種植業(yè)內(nèi)部又以糧食作物為主，這種重“農(nóng)”的產(chǎn)業(yè)結(jié)構(gòu)使得我省農(nóng)業(yè)生產(chǎn)效率以及農(nóng)民增收受到影響。為了追求農(nóng)業(yè)生產(chǎn)效率的最大提高，農(nóng)業(yè)生產(chǎn)者不斷地在土地上投入大量農(nóng)藥、化肥，這不僅濫用資源或浪費(fèi)資源、增加了經(jīng)濟(jì)成本，而且，環(huán)境成本也由于農(nóng)藥、化肥投入的增加而遞增。不僅種植業(yè)是如此，淡水養(yǎng)殖同樣存在放養(yǎng)率利用率不高、且污染嚴(yán)重的問題。一些人特別是水庫的承包人為了快速致富，隨意施肥養(yǎng)殖，給水質(zhì)造成了嚴(yán)重污染。據(jù)有關(guān)資料表明，湖北省近四成的水庫水質(zhì)遭到污染。荊門市投肥養(yǎng)魚的水庫除2座水質(zhì)較好外，其余都受到不同程度的污染。梁子湖武漢湖域大面積攔網(wǎng)養(yǎng)魚已達(dá)20萬畝，加上旅游業(yè)的迅速發(fā)展，人群的大量涌入，使梁子湖水環(huán)境面臨巨大壓力。

3、有害工業(yè)排污和生活污水的排放逐年增加，而治理措施不力，加上農(nóng)藥污染、化肥的過度使用或使用不當(dāng)、殘留農(nóng)膜污染等，造成土壤結(jié)構(gòu)不良，土地質(zhì)量下降。而農(nóng)業(yè)污染的嚴(yán)重程度還發(fā)展到農(nóng)產(chǎn)品有毒有害物質(zhì)殘留超標(biāo)，降低了農(nóng)產(chǎn)品質(zhì)量及安全性，直接影響到人們身體健康，和農(nóng)產(chǎn)品出口競(jìng)爭(zhēng)力。農(nóng)業(yè)污染問題的嚴(yán)重性不得不引起人們警醒和自我反省。

二、工業(yè)方面

湖北是我國重要的工業(yè)基地之一，50多年特別是近20多年的改革發(fā)展，目前已形成以大中企業(yè)為主體，以電力、汽車、冶金、石化以及紡織、輕工、建材、機(jī)械為支柱，交通、通信為依托，門類基本齊全的工業(yè)體系，基本形成以傳統(tǒng)加工工業(yè)為主體、基礎(chǔ)產(chǎn)業(yè)實(shí)力雄厚、新興產(chǎn)業(yè)蓬勃發(fā)展的工業(yè)經(jīng)濟(jì)結(jié)構(gòu)。但作為全國老工業(yè)基地之一，湖北工業(yè)產(chǎn)業(yè)結(jié)構(gòu)還不太合理，重工業(yè)占有較大比重，2005年重工業(yè)所占比重高達(dá)73%左右，規(guī)模以上重工業(yè)完成增加值為1466億元，增長(zhǎng)21.6%，比輕工業(yè)快7.9個(gè)百分點(diǎn)。外貿(mào)出口主要靠資源密集型和能源密集型產(chǎn)品，如鋼材、化工等。這表明，重化工業(yè)已經(jīng)成為湖北增長(zhǎng)的發(fā)動(dòng)機(jī)，湖北的工業(yè)增長(zhǎng)和經(jīng)濟(jì)增長(zhǎng)主要是重工業(yè)帶動(dòng)的。需要說明的是，這種以重工業(yè)為主的工業(yè)結(jié)構(gòu)是需要較高的能源支持的。然而，湖北卻是一個(gè)能源緊缺的省份。湖北既缺煤，也缺石油，江漢油田提供的原油僅占省內(nèi)消費(fèi)量的14%。2002年，全省能源生產(chǎn)量為4292萬噸標(biāo)煤，而消耗量是6900萬噸標(biāo)煤；2004年全省規(guī)模以上工業(yè)原煤消費(fèi)5438萬噸，占全省工業(yè)能源消費(fèi)量的64.3%。原煤消費(fèi)主要用于能源加工轉(zhuǎn)換，2004年發(fā)電企業(yè)原煤消費(fèi)2463.2萬噸，占全省原煤消費(fèi)量的45.0%。盡管湖北擁有三峽工程這個(gè)特大型的水電樞紐，但湖北享受的用電配額并不高，遠(yuǎn)遠(yuǎn)滿足不了工業(yè)以及農(nóng)業(yè)和城鄉(xiāng)居民的用電需求。值得注意的是，一方面，我省是能源緊缺的大??；另一方面，粗放型生產(chǎn)方式使得能源利用率不高，且污染嚴(yán)重；再加上我省產(chǎn)業(yè)結(jié)構(gòu)的不盡合理，這使得我省經(jīng)濟(jì)的可持續(xù)發(fā)展受到一定的阻礙。

1、從礦產(chǎn)和能源看，湖北礦產(chǎn)種類比較齊全，已發(fā)現(xiàn)礦產(chǎn)136種，已標(biāo)明儲(chǔ)量礦產(chǎn)87種，分別占全國的81%和53%；礦產(chǎn)儲(chǔ)量潛在價(jià)值約為14728億元，居全國第14位，人均潛在總值為818.24萬元，居全國第12位。但煤、石油、天然氣等礦物能源儲(chǔ)量少，產(chǎn)量低，煤炭探明儲(chǔ)量不足全國的1%，石油剩余可采儲(chǔ)量?jī)H占全國的0.8%；除煤、石油、天然氣等礦物能源外，一些重要的礦產(chǎn)如鐵、銅等富礦的供需缺口也很大。目前，全省冶金工業(yè)所需鐵礦的2/3，銅礦的3/4，均要從省外調(diào)入。由此，湖北能源資源短缺限制了經(jīng)濟(jì)的可持續(xù)發(fā)展。

2、從增長(zhǎng)模式來看，長(zhǎng)期以來，湖北經(jīng)濟(jì)發(fā)展是以粗放型增長(zhǎng)方式為主，實(shí)施的是“高投入、高消耗、高污染、低收益”的粗放型發(fā)展模式，經(jīng)濟(jì)增長(zhǎng)在相當(dāng)程度上主要是依賴資源能源的高投入來實(shí)現(xiàn)的，在粗放型增長(zhǎng)模式下，一方面，能源資源短缺與能源利用效率偏低的矛盾越來越突出。2003年全省生產(chǎn)總值比上年增長(zhǎng)9.3%，其中工業(yè)生產(chǎn)增長(zhǎng)12.5%，而可供消費(fèi)的能源總量只增長(zhǎng)5.8%，明顯趕不上整個(gè)經(jīng)濟(jì)的發(fā)展速度。而在資源能源緊缺的情況下，工業(yè)能源的利用效率偏低，單位產(chǎn)值能耗為世界平均水平的2.3倍，單位產(chǎn)品能耗比國外先進(jìn)水平高40%。另一方面，能源的緊缺和利用率偏低又加劇了對(duì)資源的掠奪性開采和對(duì)環(huán)境的肆意破壞。比如，一些地方對(duì)礦產(chǎn)資源亂采濫挖，缺乏保護(hù)：礦石采選綜合回收率和共、伴生礦產(chǎn)綜合利用率較低；占礦山總數(shù)94%的個(gè)體和集體礦山，設(shè)備、技術(shù)、工藝、管理差，經(jīng)營粗放，效率低，事故多，“三廢”污染嚴(yán)重，資源利用率低；大礦小開、一礦多開、重復(fù)建設(shè)等問題相當(dāng)突出，以至造成資源的浪費(fèi)、環(huán)境的污染以及發(fā)展后勁的削弱。

3、從產(chǎn)業(yè)及產(chǎn)品結(jié)構(gòu)來看，湖北產(chǎn)業(yè)及產(chǎn)品結(jié)構(gòu)不太合理，重工業(yè)比重偏大，初加工產(chǎn)品多，高附加值產(chǎn)品少；傳統(tǒng)產(chǎn)業(yè)比重大，老企業(yè)多，不少企業(yè)設(shè)備老化，技術(shù)開發(fā)能力不強(qiáng)；工業(yè)的產(chǎn)品支撐相對(duì)分散，缺少精品名牌。另外，要素集約程度偏低。特別是在適合大規(guī)模生產(chǎn)的行業(yè)，如冶金、汽車等行業(yè)，絕大多數(shù)企業(yè)沒有達(dá)到適度經(jīng)濟(jì)規(guī)模。而這樣一種較低層次產(chǎn)業(yè)結(jié)構(gòu)對(duì)資源的消耗是較多的，所生產(chǎn)的產(chǎn)品帶來的污染是嚴(yán)重的。目前，湖北主要的生產(chǎn)行業(yè)，如電力、機(jī)械、建材、電子、電子設(shè)備制造業(yè)，紡織業(yè)，醫(yī)藥、化工原料及化工制成品制造業(yè)，金屬制品業(yè)和采掘業(yè)等都是具有資源需求量大、產(chǎn)品生產(chǎn)過程中污染嚴(yán)重的特點(diǎn)。顯然，低層次的產(chǎn)業(yè)結(jié)構(gòu)亦是制約我省可持續(xù)發(fā)展的主要制約因素之一。

三、服務(wù)業(yè)方面

湖北服務(wù)業(yè)經(jīng)過幾十年的努力，取得很大進(jìn)步。特別是在傳統(tǒng)服務(wù)業(yè)方面，如批發(fā)、零售、餐飲、旅店、交通等一直保持著優(yōu)勢(shì)業(yè)態(tài)；同時(shí)現(xiàn)代服務(wù)業(yè)，如金融、地產(chǎn)、物流、旅游、會(huì)展、咨詢、信息科技等也已經(jīng)迅速發(fā)展起來，成為地方國民經(jīng)濟(jì)的重要組成部分。但是，我們也必須看到，根據(jù)我國經(jīng)濟(jì)發(fā)展的過程和社會(huì)生活特點(diǎn)，一些與生產(chǎn)服務(wù)密切相關(guān)的現(xiàn)代服務(wù)業(yè)，如運(yùn)輸、物流配送等，以及與消費(fèi)服務(wù)密切相關(guān)的傳統(tǒng)服務(wù)業(yè)，如批零、餐飲、旅店、交通等，都是能源利用較多、廢棄物產(chǎn)生量較大、對(duì)環(huán)境影響較強(qiáng)的部門。

有資料顯示，近年來，我省主要江河湖泊的水質(zhì)有進(jìn)一步下降的趨勢(shì)，主要湖泊、水庫的水質(zhì)大部分不能滿足功能區(qū)域要求，長(zhǎng)江流域水質(zhì)型缺水問題日漸突出。中小河流水質(zhì)污染超標(biāo)（超Ⅲ類）河段長(zhǎng)度占全省6514公里河流的21.4%，超過全國26.5%的平均水平。武漢、黃石、鄂州等7個(gè)城市內(nèi)湖水質(zhì)降到了劣Ⅴ類。水污染已對(duì)飲用水源水質(zhì)安全構(gòu)成嚴(yán)重威脅，導(dǎo)致水質(zhì)型缺水。需要說明的是，導(dǎo)致水質(zhì)污染的原因有多種，如工業(yè)污水排放等，但我們也不得不承認(rèn)餐飲、旅游、水運(yùn)等行業(yè)對(duì)水體環(huán)境造成的污染也是一個(gè)十分重要的原因之一。除餐飲、旅游、水運(yùn)對(duì)環(huán)境的破壞，交通運(yùn)輸行業(yè)快速發(fā)展對(duì)空氣的影響，以及零售行業(yè)、飲食業(yè)快速發(fā)展中產(chǎn)生的大量不可降解的產(chǎn)品包裝物等，都已成為環(huán)境污染的重要來源。據(jù)資料顯示，近年來，隨著湖北交通運(yùn)輸行業(yè)快速發(fā)展，城市機(jī)動(dòng)車尾氣污染日趨嚴(yán)重，城市環(huán)境空氣受輕微污染的天數(shù)總體平均占21.5%。有專家研究估計(jì)，僅大氣污染造成的經(jīng)濟(jì)損失就占GDP的3-7%。

第4篇：數(shù)字經(jīng)濟(jì)的影響范文

摘 要：國際數(shù)字出版環(huán)境對(duì)圖書館規(guī)劃制定與資源選擇、圖書館組織建設(shè)和管理、圖書館資源貯存與圖書館服務(wù)方面都產(chǎn)生了一定的影響。圖書館要不斷協(xié)調(diào)紙質(zhì)資源和數(shù)字資源之間的關(guān)系，正視經(jīng)費(fèi)減少和書刊價(jià)格上漲之間的矛盾，發(fā)揮用戶主動(dòng)性，推動(dòng)讀者決策采購；適時(shí)調(diào)整數(shù)字資源比重，整合多類型數(shù)字資源；集團(tuán)采購，減少重復(fù)購買，緩解資金壓力，促進(jìn)資源共建共享，并適時(shí)進(jìn)行資源建設(shè)評(píng)估，提升圖書館的服務(wù)質(zhì)量和水平。

中圖分類號(hào)：G253文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-1588（2016）06-0083-03

1 國際數(shù)字出版概況

1.1 傳統(tǒng)出版的調(diào)整

近年來，傳統(tǒng)出版正在衰退，紙質(zhì)圖書的年出版種數(shù)在美國、英國、俄羅斯、韓國等國都有減少之勢(shì)。金融沖擊與數(shù)字浪潮的接連沖擊也使連鎖書店、獨(dú)立書店和報(bào)刊亭等出版業(yè)的傳統(tǒng)銷售渠道長(zhǎng)期處于被動(dòng)調(diào)整的狀態(tài)。面對(duì)傳統(tǒng)出版發(fā)展動(dòng)力不足的情況，傳統(tǒng)出版商也在積極調(diào)整，充分發(fā)揮內(nèi)容上的絕對(duì)優(yōu)勢(shì)，在專注自身品牌建設(shè)的同時(shí)，關(guān)注讀者閱讀興趣和閱讀習(xí)慣的改變，實(shí)施多元化戰(zhàn)略，加快轉(zhuǎn)型發(fā)展。如：美國巴諾自行研發(fā)了Nook；法國納克也定制了自己的閱讀器；蘭登、西蒙舒斯特等老牌機(jī)構(gòu)建立了作者平臺(tái)和出版平臺(tái)，向數(shù)字化方向轉(zhuǎn)型。

1.2 數(shù)字出版的發(fā)展

數(shù)字時(shí)代對(duì)整個(gè)出版業(yè)環(huán)境和產(chǎn)業(yè)鏈條造成了深刻的影響，數(shù)字出版技術(shù)和當(dāng)期的社會(huì)閱讀環(huán)境都發(fā)生了變化。數(shù)字移動(dòng)端日新月異，讀者群日益增多，讀者需求也更為多樣，對(duì)信息類型、傳播速度和信息時(shí)效性提出了更高要求。數(shù)字出版依靠產(chǎn)業(yè)發(fā)展專業(yè)化、內(nèi)容生產(chǎn)豐富化、閱讀方式便捷化、出版服務(wù)個(gè)性化、競(jìng)爭(zhēng)態(tài)勢(shì)國際化的發(fā)展優(yōu)勢(shì)，順應(yīng)“網(wǎng)絡(luò)一代”對(duì)于信息的多樣化需求，成了未來出版業(yè)的發(fā)展方向。數(shù)字出版在機(jī)遇中迅速發(fā)展，不斷涌現(xiàn)出新的出版形式，并已經(jīng)形成比較完整的產(chǎn)業(yè)鏈條。

1.3 大型企業(yè)傳統(tǒng)出版與新媒體融合初見成效

大型出版集團(tuán)在挑戰(zhàn)和機(jī)遇面前，積極推進(jìn)數(shù)字化與全球發(fā)展戰(zhàn)略，進(jìn)行技術(shù)投入、內(nèi)容積累與平臺(tái)搭建，積極與新技術(shù)和新媒體融合，把握數(shù)字時(shí)代的發(fā)展機(jī)遇。培生集團(tuán)依托豐厚的內(nèi)容資源，通過并購獲得技術(shù)和技術(shù)平臺(tái)，著重對(duì)數(shù)字化產(chǎn)品和服務(wù)的開發(fā)，為出版創(chuàng)造了新的商業(yè)模式，成功實(shí)施數(shù)字化戰(zhàn)略。培生北美教育數(shù)字化產(chǎn)品規(guī)模已超紙質(zhì)印刷品，其2014年年報(bào)顯示，2014年全年?duì)I業(yè)額為4，874百萬英鎊，營業(yè)利潤(rùn)比上一年增長(zhǎng)了8%，公司遞延收入增長(zhǎng)10%，達(dá)到8億英鎊，展示出數(shù)字與服務(wù)強(qiáng)勁的增長(zhǎng)勢(shì)頭。勵(lì)德愛思唯爾的盈利模式也是主要圍繞一系列的在線數(shù)字組合產(chǎn)品進(jìn)行的，2014年數(shù)字收入約占總收入的82%，勵(lì)德愛思唯爾在20世紀(jì)末就已開始了數(shù)字化轉(zhuǎn)型，在1997年了包括海量數(shù)據(jù)庫的Science Direct信息在線平臺(tái)。

2 數(shù)字出版環(huán)境對(duì)圖書館資源建設(shè)的影響

國際數(shù)字出版環(huán)境對(duì)圖書館戰(zhàn)略規(guī)劃制定、資源選擇和收集、組織管理、資源貯存以及服務(wù)產(chǎn)生了深遠(yuǎn)影響（見圖1）。如何適應(yīng)移動(dòng)互聯(lián)網(wǎng)時(shí)代的用戶需求，合理制定文獻(xiàn)資源建設(shè)規(guī)劃，協(xié)調(diào)好紙質(zhì)資源和電子資源的關(guān)系，實(shí)現(xiàn)經(jīng)費(fèi)與資源效益的最大化，加強(qiáng)資源的組織管理，促進(jìn)資源的貯存和利用共享，成為圖書館文獻(xiàn)資源建設(shè)面臨的重大挑戰(zhàn)。

圖1 數(shù)字出版環(huán)境對(duì)圖書館資源建設(shè)的影響

2.1 規(guī)劃制定與選擇收集

數(shù)字出版時(shí)代，采選原則、經(jīng)費(fèi)分配與資源比例都發(fā)生了重要變化。由美國今日信息公司出版的《美國圖書館指南》（American Library Directory，ALD）每年北美地區(qū)圖書館數(shù)據(jù)，內(nèi)容涵蓋美國、加拿大逾3萬家圖書館及圖書館相關(guān)組織的詳細(xì)情況。其調(diào)查顯示，越來越多的圖書館建立了紙質(zhì)資源和數(shù)字資源采訪的協(xié)調(diào)機(jī)制，對(duì)資源使用狀況進(jìn)行綜合分析、謹(jǐn)慎決策，以提高館藏質(zhì)量和館藏利用率。當(dāng)前公開出版的最新的ARL Statistics的統(tǒng)計(jì)數(shù)據(jù)顯示ARL成員館2012―2013年度總開支達(dá)到44億美元，電子出版物在館藏中的地位日益重要，電子化、數(shù)字化資源的經(jīng)費(fèi)支出呈逐年上漲的趨勢(shì)。

同時(shí)，紙本印量的減少和物流成本的增加，導(dǎo)致紙本刊價(jià)格上漲，Elsevier、Springer、T&F、Wiley和Sage等出版社的紙本期刊平均刊價(jià)每年都有5%左右的上漲，Sage甚至達(dá)到7%的增長(zhǎng)。而圖書館面臨著科研經(jīng)費(fèi)緊張、續(xù)訂資源不斷漲價(jià)等方面的挑戰(zhàn)，資源建設(shè)困難重重。面對(duì)不斷增加的電子資源需求，且紙質(zhì)資源的使用率不斷降低，圖書館不得不擠壓傳統(tǒng)紙質(zhì)圖書及期刊的購買經(jīng)費(fèi)，轉(zhuǎn)而購買數(shù)量不斷增加且價(jià)格持續(xù)上漲的電子資源，經(jīng)費(fèi)投入也正突破傳統(tǒng)的束縛而大步進(jìn)行著改革。如：康大圖書館改變傳統(tǒng)以紙本資源為主的資源采購方式，加大力度訂購電子資源，限制紙版購書，采取E-only政策。

2.2 組織管理與貯存

數(shù)字出版環(huán)境，不僅改變了圖書館的載體形態(tài)，還改變了圖書館的組織管理和資源貯存方式。圖書館設(shè)備、網(wǎng)絡(luò)支撐是圖書館數(shù)字資源服務(wù)的前提，因此其要有足夠的計(jì)算機(jī)設(shè)備、移動(dòng)設(shè)備、視聽設(shè)備，并配有圖像掃描儀、打印機(jī)、各類應(yīng)用程序、文字處理軟件以及穩(wěn)定的網(wǎng)絡(luò)環(huán)境、隨處可用的網(wǎng)絡(luò)接入等。原有的藏、借、閱的服務(wù)體系被打亂，更多的服務(wù)部門應(yīng)時(shí)代的需求而產(chǎn)生，同時(shí)對(duì)圖書館員提出了更高的要求。

高素質(zhì)、懂技術(shù)、有專業(yè)知識(shí)背景的人才隊(duì)伍是數(shù)字資源服務(wù)的支撐，圖書館員需要更為主動(dòng)，在服務(wù)中不斷引導(dǎo)用戶的行為；同時(shí)還要有過硬的專業(yè)技能，熟悉最新的交流技術(shù)和方式。建立圖書館資源服務(wù)系統(tǒng)，方便用戶資源利用與檢索，是圖書館開展資源服務(wù)的保障。

此外，數(shù)字資源具有存儲(chǔ)方便、可以重復(fù)利用、傳輸便捷的獨(dú)到特點(diǎn)和優(yōu)勢(shì)，同時(shí)資源的長(zhǎng)期保存還面臨著技術(shù)、標(biāo)準(zhǔn)、安全和版權(quán)糾紛等多方面的困擾。數(shù)字資源的長(zhǎng)期保存問題成為數(shù)字出版時(shí)代圖書館研究的新課題。

2.3 資源利用與共享

數(shù)字環(huán)境下，圖書館需要在空間優(yōu)化、資源支撐基礎(chǔ)上進(jìn)行服務(wù)創(chuàng)新。圖書館通過建立聯(lián)合目錄、共建共享平臺(tái)、促進(jìn)特色資源開發(fā)等方式，滿足用戶數(shù)字環(huán)境下的多樣化需求。移動(dòng)互聯(lián)網(wǎng)環(huán)境下，圖書館通過開展網(wǎng)上實(shí)時(shí)咨詢、信息素質(zhì)教育、決策咨詢、個(gè)性化定制及網(wǎng)上自助式教學(xué)等服務(wù)，使傳統(tǒng)借閱服務(wù)與新媒體服務(wù)相融合，從而實(shí)現(xiàn)資源結(jié)構(gòu)優(yōu)化、資源充分利用與共享，為用戶提供智能、個(gè)性和透明的服務(wù)。

張昭：國際數(shù)字出版環(huán)境對(duì)圖書館文獻(xiàn)資源建設(shè)的影響

3 圖書館資源建設(shè)的啟示

3.1 讀者決策采購

圖書館不斷調(diào)整紙質(zhì)圖書采訪模式，改進(jìn)館藏資源的采購策略，其中在國外圖書館應(yīng)用較多的是用戶驅(qū)動(dòng)采購模式（Patron-Driven Acquisition，PDA）。在PDA模式下，圖書館將數(shù)字資源采購的決策權(quán)賦予廣大讀者，讓讀者真正體驗(yàn)到圖書館以用戶為中心的服務(wù)理念。2011年召開的PDA專題會(huì)議，將PDA研究推向，現(xiàn)如今美國大學(xué)圖書館紛紛采用這種采購模式，歐洲、亞太的學(xué)術(shù)圖書館也正在逐漸采納這種模式。在美國250家圖書館中，有三分之二以上已經(jīng)開展或計(jì)劃開展PDA采購模式；新加坡管理大學(xué)2012年也開始推行PDA模式來采購單本書。

我國PDA研究雖然起步晚，研究時(shí)間短，但研究水平卻快速實(shí)現(xiàn)了實(shí)質(zhì)性的飛躍。在2015年1月，中國社會(huì)科學(xué)院圖書館與德國德古意特出版社聯(lián)手，首次將PDA模式引入數(shù)字資源采購，資源涵蓋德古意特出版社人文社科領(lǐng)域的全部?jī)?nèi)容，包括650種電子期刊、50萬篇論文、1.8萬種電子書以及40個(gè)專題數(shù)據(jù)庫資源。此外，圖書館還通過出版社直采、舉辦主題書展、拓展讀者薦購等方式，讓讀者按照自己的需求并由圖書館按一定標(biāo)準(zhǔn)或參數(shù)確定采購文獻(xiàn)的種類。

3.2 集團(tuán)采購

數(shù)字資源集團(tuán)采購是指多個(gè)圖書館組織起來聯(lián)合采購某種資源，以最少的經(jīng)費(fèi)，獲取最優(yōu)的價(jià)格、最佳的服務(wù)和最符合需求的數(shù)字資源的一種形式。日本于2011年4月建立了日本大學(xué)圖書館電子資源采購聯(lián)盟（Japan Alliance of University Library Consortia for E-Resources， JUSTICE），并設(shè)置了事務(wù)局。國內(nèi)亦不乏集團(tuán)采購的資源采購形式，有學(xué)科聯(lián)盟、地域聯(lián)盟等，目前國內(nèi)最大的采購聯(lián)盟是中國高等教育文獻(xiàn)保障系統(tǒng)CALIS。如：2003年上海交通大學(xué)圖書館聯(lián)合上海圖書館及滬上多所高校，組成上海電子圖書聯(lián)盟，采用共建共享的模式，聯(lián)合引進(jìn)了美國OCLC的Netlibrary電子圖書；南京大學(xué)圖書館于2007年，牽頭組織江蘇省22所高校以集團(tuán)采購的方式，率先引進(jìn)了Springer-eBooks。

3.3 減少重復(fù)采購

在圖書館數(shù)字資源建設(shè)中，條塊分割、采購方式單一等多種因素導(dǎo)致了嚴(yán)重的重復(fù)建設(shè)問題。數(shù)字出版環(huán)境下，圖書館紙本圖書建設(shè)應(yīng)減復(fù)本、保品種、注重評(píng)估、突出特色、加強(qiáng)與電子資源協(xié)調(diào)采訪。在復(fù)本量減少、空間不斷釋放的過程中，圖書館應(yīng)合理規(guī)劃空間布局，使資源轉(zhuǎn)型與服務(wù)轉(zhuǎn)型相互配合。如：可以根據(jù)電子資源刊名列表來訂購紙質(zhì)期刊，避免重復(fù)訂購帶來的不必要的經(jīng)費(fèi)浪費(fèi)，使紙質(zhì)期刊與電子期刊互為補(bǔ)充，共同為讀者服務(wù)。

3.4 資源共享和加強(qiáng)數(shù)字資源建設(shè)

隨著科技的迅猛發(fā)展，文獻(xiàn)量的急劇增加，文獻(xiàn)價(jià)格的不斷上漲，文獻(xiàn)資源共享已是大勢(shì)所趨。建立紙質(zhì)圖書和電子圖書的采訪合作機(jī)制，通過區(qū)域乃至更大范圍的同行聯(lián)盟，實(shí)現(xiàn)聯(lián)合共建，以節(jié)省人力、物力、財(cái)力，在不降低各館服務(wù)標(biāo)準(zhǔn)的同時(shí)，降低了各館購買紙本圖書的經(jīng)費(fèi)。如：CALIS、CASHL和NSTL三大文獻(xiàn)傳遞系統(tǒng)的建立大大緩解了經(jīng)費(fèi)緊張等問題。

除了數(shù)字資源的共建共享，基于自有特色館藏或特色數(shù)字館藏建設(shè)目標(biāo)建立機(jī)構(gòu)知識(shí)庫，注重開放資源的利用，也成為圖書館資源建設(shè)的一部分。圖書館除了加強(qiáng)購買電子資源，還可以利用自身已有資源自建數(shù)據(jù)庫，并整合開放存取資源，增強(qiáng)圖書館文獻(xiàn)保障能力，提高用戶服務(wù)水平，降低用戶信息獲取成本，提高信息利用價(jià)值，使圖書館走可持續(xù)發(fā)展之路。

3.5 采購評(píng)估

圖書館藏評(píng)估工作不到位，很容易出現(xiàn)盲目采購的傾向，造成資源的浪費(fèi)。對(duì)用戶的借閱量進(jìn)行定期統(tǒng)計(jì)，對(duì)用戶的閱讀習(xí)慣進(jìn)行具體分析，了解用戶到底需要什么樣的印本圖書以及怎樣進(jìn)行館際之間的分工合作，有利于圖書館調(diào)整資源結(jié)構(gòu)，開展合作館藏建設(shè)，對(duì)之前的采購流程進(jìn)行評(píng)估、改善，不斷提升圖書館的文獻(xiàn)資源保障能力。

總之，圖書館資源建設(shè)載體形態(tài)的變化影響到圖書館的資源采購模式和服務(wù)形態(tài)。圖書館應(yīng)該在數(shù)字出版的轉(zhuǎn)型和發(fā)展中，順應(yīng)用戶需求的變化，將資源建設(shè)與圖書館服務(wù)功能的轉(zhuǎn)變相結(jié)合，發(fā)揮圖書館在新時(shí)代的文化職能。

參考文獻(xiàn)：

[1] 國際出版業(yè)發(fā)展報(bào)告（2012 版）[M].北京：中國書籍出版社，2015.

[2] 湯森路透：數(shù)字業(yè)務(wù)成營收頂梁柱[EB/OL].[2015-09-12].http：///ynxx/szcb/201507/132303.

[3] 董濤，張靜，張茵.“讀者決策驅(qū)動(dòng)”（PDA）應(yīng)用視閾下的圖書館角色重申與轉(zhuǎn)型[J].圖書館，2014（6）：110-112.

[4] 劉爽.高校圖書館電子資源評(píng)價(jià)指標(biāo)體系構(gòu)建[J].圖書館理論與實(shí)踐，2014（10）：60-63.

[5] 力愷.日本大學(xué)圖書館文獻(xiàn)資源建設(shè)與共享服務(wù)研究[J].大學(xué)圖書館學(xué)報(bào)，2014（5）：92-98.

[6] 嚴(yán)丹.高校圖書館文獻(xiàn)資源建設(shè)的評(píng)估指標(biāo)及對(duì)策探討[J].圖書館建設(shè)，2014（12）：34.

[7] 叢全滋，王學(xué)軍，耿曉寧.圖書館數(shù)字資源建設(shè)的問題與對(duì)策[J].圖書館學(xué)刊，2014（11）：44-48.

[8] 王中海.高校圖書館外文電子圖書采購模式的研究與思考[J].圖書館建設(shè)，2014（12）：26.

[9] 唐吉深.我國讀者決策采購（PDA）研究述評(píng)[J].圖書館學(xué)研究，2015（2）：4.

第5篇：數(shù)字經(jīng)濟(jì)的影響范文

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；數(shù)控；自適應(yīng)

中圖分類號(hào)：TP273.2 文I標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）04-0008-01

1 引言

在大型機(jī)械設(shè)備的數(shù)控加工中，特別是航空機(jī)械設(shè)備，會(huì)有很多復(fù)雜的曲面機(jī)械加工，利用傳統(tǒng)的數(shù)控加工，往往選取保守的切削參數(shù)，這樣就限制了數(shù)控加工的加工效率。傳統(tǒng)的數(shù)控加工的加工參數(shù)主要是根據(jù)最大切削余量來確定的，一般在整個(gè)加工過程中保持不變，給進(jìn)速率為了保護(hù)數(shù)控機(jī)床和刀具，一般選取也是比較保守速率偏低，這就使得數(shù)控機(jī)床的加工效率大打折扣，不能發(fā)揮高端數(shù)控機(jī)床的高效能力。如何充分利用數(shù)控機(jī)床加工高效特點(diǎn)，提高數(shù)控機(jī)床加工精度和降成本，是目前一個(gè)比較有研究?jī)r(jià)值的課題。

針對(duì)以上問題，本文設(shè)計(jì)了一種利用徑向基神經(jīng)網(wǎng)絡(luò)建立切削參數(shù)和切削負(fù)荷的數(shù)學(xué)模型，通過神經(jīng)網(wǎng)絡(luò)不斷修正參數(shù)，自適應(yīng)控制系統(tǒng)自動(dòng)調(diào)整各個(gè)加工參數(shù)，從而達(dá)到最大限度自適應(yīng)進(jìn)行各類機(jī)械零部件的機(jī)械加工，大幅提高了數(shù)控機(jī)床的加工效率和加工質(zhì)量。

2 徑向基神經(jīng)網(wǎng)絡(luò)介紹

神經(jīng)網(wǎng)絡(luò)具有智能性，能夠自我進(jìn)行學(xué)習(xí)，學(xué)習(xí)過程就是不斷調(diào)節(jié)權(quán)值和閾值的計(jì)算過程，神經(jīng)網(wǎng)絡(luò)中的特定信息主要有神經(jīng)網(wǎng)絡(luò)海量的神經(jīng)元之間的連接權(quán)值進(jìn)行表述，由于神經(jīng)元數(shù)量眾多，當(dāng)神經(jīng)網(wǎng)絡(luò)受損后也可以報(bào)至神經(jīng)網(wǎng)絡(luò)的正確輸出，這種計(jì)算方式能夠大大提高系統(tǒng)的魯棒性和容錯(cuò)性。神經(jīng)網(wǎng)絡(luò)主要有BP神經(jīng)網(wǎng)絡(luò)和徑向基神經(jīng)網(wǎng)絡(luò)。徑向基神經(jīng)網(wǎng)絡(luò)常常用在模式識(shí)別方面，具有收斂速度快和逼近效果好的優(yōu)點(diǎn)，它是一種三層前向型神經(jīng)網(wǎng)絡(luò)。

徑向基神經(jīng)網(wǎng)絡(luò)是根據(jù)海量樣本數(shù)據(jù)來進(jìn)行隱含層神經(jīng)元徑向基激活函數(shù)的選擇的，基于函數(shù)逼近理論，選擇合理的隱含層單元個(gè)數(shù)和作用函數(shù)，把非線性的問題映射成線性的問題，進(jìn)行了系統(tǒng)簡(jiǎn)化處理。徑向基神經(jīng)網(wǎng)絡(luò)在進(jìn)行訓(xùn)練時(shí)，需要設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)和求解相關(guān)的多個(gè)參數(shù)。這種神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)主要包括網(wǎng)絡(luò)的輸入、輸出個(gè)數(shù)，隱含層節(jié)點(diǎn)數(shù)量。主要參數(shù)有徑向基函數(shù)的中心值、函數(shù)寬度、權(quán)值等。

3 系統(tǒng)設(shè)計(jì)

我們?cè)O(shè)計(jì)的自適應(yīng)系統(tǒng)終極目的是以盡可能大的切削速度來進(jìn)行機(jī)械零部件加工，利用試切進(jìn)行自適應(yīng)學(xué)習(xí)，試切主要是在批量加工零部件之前，先試加工小量的零部件進(jìn)行神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)，在加工學(xué)習(xí)階段，數(shù)控加工系統(tǒng)監(jiān)測(cè)整個(gè)數(shù)控機(jī)床加工的負(fù)載變化情況，把數(shù)控加工的每次走刀達(dá)到的最大負(fù)荷進(jìn)行全部記錄保存。

徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)包括三個(gè)層級(jí)：輸入層、隱層和輸出層。隱層由一個(gè)徑向基函數(shù)組成，和每個(gè)隱層節(jié)點(diǎn)相關(guān)的參數(shù)為網(wǎng)絡(luò)中心向量和半徑。為了簡(jiǎn)化計(jì)算工作量，我們這里選取高斯函數(shù)作為徑向基函數(shù)。徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法如下：輸入層到隱層用無導(dǎo)師的聚類算法來訓(xùn)練，常用的是K-均值算法和模糊聚類兩種算法，來計(jì)算神經(jīng)網(wǎng)絡(luò)的中心向量和半徑，隱層和輸出層的權(quán)值調(diào)整采用有導(dǎo)師指導(dǎo)算法來計(jì)算權(quán)重向量值。

數(shù)控加工過程中，切削負(fù)荷的傳遞主要包括切削力的產(chǎn)生、切削負(fù)荷的傳遞、機(jī)電轉(zhuǎn)換三個(gè)方面。電機(jī)系統(tǒng)與切削力之間的關(guān)系公式：

其中：SN為額定滑差，V1為同步轉(zhuǎn)速，K為電機(jī)到刀具的傳動(dòng)比，R為刀具半徑，m1為定子相數(shù)，r為轉(zhuǎn)子電阻，F(xiàn)為刀刃受到的切削阻力，IN為主軸電流。

通過電機(jī)與切削力負(fù)荷之間的公式，進(jìn)行徑向基神經(jīng)網(wǎng)絡(luò)離線建模，利用電流傳感器在線實(shí)時(shí)監(jiān)測(cè)電機(jī)電流信號(hào)的變化和在線實(shí)時(shí)測(cè)定實(shí)際工況，然后采集實(shí)時(shí)電流信息，利用自適應(yīng)控制系統(tǒng)提取出切削負(fù)荷的特征信息，進(jìn)而判定當(dāng)前切削負(fù)荷的變化情況，然后比較當(dāng)前的切削負(fù)荷與公稱負(fù)荷值，通過實(shí)時(shí)對(duì)走刀給進(jìn)修調(diào)率不斷進(jìn)行調(diào)整，保證在整個(gè)切削過程中，給數(shù)控加工提供連續(xù)的、可靠的、穩(wěn)定的、自動(dòng)的給進(jìn)速率。

徑向基神經(jīng)網(wǎng)絡(luò)的輸出是數(shù)控機(jī)床的主軸電流信息，它包括了三部分內(nèi)容：切削力部分、機(jī)床本體特征部分、外部環(huán)境干擾部分。在此需要把信號(hào)進(jìn)行過濾，去除機(jī)床本體特征部分和外部環(huán)境干擾部分，提取出干凈的主軸電機(jī)有效負(fù)荷特征電流信息。

經(jīng)過實(shí)際驗(yàn)證，本文設(shè)計(jì)的數(shù)控自適應(yīng)加工系統(tǒng)加工效率比傳統(tǒng)數(shù)控加工方法提高17%，該系統(tǒng)具有一定的實(shí)用價(jià)值。

4 結(jié)語

本文針對(duì)機(jī)械設(shè)備傳統(tǒng)數(shù)控加工的加工效率低和加工精度差弊端，設(shè)計(jì)了一種基于徑向基神經(jīng)網(wǎng)絡(luò)的數(shù)控加工自適應(yīng)加工系統(tǒng)，該系統(tǒng)能夠根據(jù)切削的實(shí)時(shí)工況信息，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，自動(dòng)調(diào)整負(fù)荷的特征電流，進(jìn)而改變切削給進(jìn)速率，該系統(tǒng)能夠較好的從切削參數(shù)映射切削負(fù)荷，經(jīng)過實(shí)際驗(yàn)證，該系統(tǒng)能夠大幅提高數(shù)控加工效率。

參考文獻(xiàn)

第6篇：數(shù)字經(jīng)濟(jì)的影響范文

[關(guān)鍵詞] 營運(yùn)資金;管理效率;經(jīng)營績(jī)效;研究綜述

[中圖分類號(hào)] F230 [文獻(xiàn)標(biāo)識(shí)碼] B

一、引言

營運(yùn)資金是企業(yè)運(yùn)營過程中最常使用的流動(dòng)資金，是企業(yè)經(jīng)營生產(chǎn)管理的“血液”，企業(yè)經(jīng)營的成敗一定程度上取決于營運(yùn)資金管理的好壞。良好的營運(yùn)資金管理和運(yùn)轉(zhuǎn)，才能確保企業(yè)供、產(chǎn)、銷各環(huán)節(jié)的順暢銜接，對(duì)企業(yè)生死存亡起著至關(guān)重要的影響作用，所以我們必須關(guān)注營運(yùn)資金管理效率的好壞。與此同時(shí)，營運(yùn)資金管理對(duì)企業(yè)經(jīng)營績(jī)效有著重要的影響，良好的營運(yùn)資金管理有利于提高流程管理的周轉(zhuǎn)速度和運(yùn)行效率，同時(shí)企業(yè)經(jīng)營績(jī)效的好壞程度受業(yè)務(wù)流程良性運(yùn)行水平的影響。因此，營運(yùn)資金管理效率應(yīng)受到上市公司的關(guān)注，通過提高營運(yùn)資金管理效率來改善企業(yè)整體經(jīng)營績(jī)效。本文試圖對(duì)國內(nèi)外有關(guān)營運(yùn)資金管理效率及其與企業(yè)經(jīng)營績(jī)效的現(xiàn)有文獻(xiàn)進(jìn)行較詳細(xì)梳理和總結(jié)，在對(duì)已有研究成果概括歸納的基礎(chǔ)上指出其研究存在的不足，并期待進(jìn)行更加深入的研究，揭示更多關(guān)于營運(yùn)資金管理效率與企業(yè)經(jīng)營績(jī)效的奧秘。

二、國外研究現(xiàn)狀回顧

國外一般采用實(shí)證方法研究營運(yùn)資金管理效率和企業(yè)經(jīng)營績(jī)效相關(guān)性關(guān)系，把表示營運(yùn)資金管理效率的評(píng)價(jià)指標(biāo)與企業(yè)經(jīng)營績(jī)效進(jìn)行實(shí)證回歸分析，但是由于選取的變量有所差異，結(jié)論也不盡相同。在早期的研究中，并沒有發(fā)現(xiàn)營運(yùn)資金管理與企業(yè)經(jīng)營績(jī)效之間的顯著關(guān)系。Manual Jose等（1996）發(fā)現(xiàn)除了個(gè)別公司和特殊行業(yè)以外，企業(yè)現(xiàn)金周轉(zhuǎn)期越短，其收益越高。這是首次發(fā)現(xiàn)營運(yùn)資金管理效率與企業(yè)經(jīng)營績(jī)效之間存在顯著的關(guān)系。

Deloof（2003）研究比利時(shí)樣本發(fā)現(xiàn)：企業(yè)經(jīng)營績(jī)效與應(yīng)收賬款周轉(zhuǎn)天數(shù)、存貨周轉(zhuǎn)天數(shù)之間存在著顯著的負(fù)相關(guān)關(guān)系，與應(yīng)付賬款周轉(zhuǎn)天數(shù)存在著顯著的正相關(guān)關(guān)系。

Raheman以及Nasr（2007）分析得出營運(yùn)資金管理中的應(yīng)收賬款周轉(zhuǎn)天數(shù)、存貨周轉(zhuǎn)天數(shù)、現(xiàn)金周轉(zhuǎn)期與公司利潤(rùn)呈負(fù)相關(guān)關(guān)系;另外還發(fā)現(xiàn)公司規(guī)模和利潤(rùn)呈負(fù)相關(guān)關(guān)系。

Pandey和Singh（2008）選取了上市公司中鋁行業(yè)1990至2007年的數(shù)據(jù)，分析了營運(yùn)資金各組成部分對(duì)該行業(yè)收益的影響。結(jié)果表明，速動(dòng)比率、流動(dòng)比率、應(yīng)收賬款周轉(zhuǎn)期、應(yīng)收票據(jù)周轉(zhuǎn)期、營運(yùn)資金和總資產(chǎn)周轉(zhuǎn)率對(duì)公司收益的影響都是顯著的。

Uyar（2009）研究得出現(xiàn)金周轉(zhuǎn)期與總資產(chǎn)報(bào)酬率之間顯著負(fù)相關(guān)，與凈資產(chǎn)報(bào)酬率負(fù)相關(guān)但不顯著，現(xiàn)金周轉(zhuǎn)期短的公司較現(xiàn)金周轉(zhuǎn)期長(zhǎng)的公司具有更強(qiáng)的盈利能力。

Huynh Phuong Dong（2010）選取了越南股票市場(chǎng)上2006至2008年的上市公司作為樣本，發(fā)現(xiàn)應(yīng)付賬款周期與利潤(rùn)呈正相關(guān)，應(yīng)收賬款周期、存貨周期、現(xiàn)金周期與公司利潤(rùn)顯著負(fù)相關(guān)。

Faris Nasif ALShubiri（2011）選取阿曼2004至2008的59家企業(yè)和14家銀行的財(cái)務(wù)數(shù)據(jù)作為樣本，發(fā)現(xiàn)現(xiàn)金周轉(zhuǎn)天數(shù)與公司利潤(rùn)呈顯著負(fù)相關(guān)。

三、國內(nèi)研究現(xiàn)狀回顧

國內(nèi)學(xué)者對(duì)營運(yùn)資金管理效率與企業(yè)經(jīng)營績(jī)效的實(shí)證研究起步相對(duì)靠后，取得的成果主要是對(duì)營運(yùn)資金的整體流動(dòng)性水平與企業(yè)績(jī)效間的相關(guān)性研究，以及營運(yùn)資金的具體項(xiàng)目水平和企業(yè)績(jī)效之間的相關(guān)性研究。

劉運(yùn)國（2001）采用聚類分析以及方差分析，發(fā)現(xiàn)資產(chǎn)結(jié)構(gòu)與盈利能力之間存在著很大的關(guān)系，營運(yùn)資金的管理策略對(duì)企業(yè)經(jīng)營績(jī)效的影響確實(shí)存在。

王結(jié)冰（2006）發(fā)現(xiàn)營運(yùn)資金管理效率同企業(yè)的償債能力、盈利能力呈正相關(guān)，與企業(yè)的經(jīng)營風(fēng)險(xiǎn)也呈正相關(guān)。

汪平、薛甜（2007）研究認(rèn)為營運(yùn)資金周轉(zhuǎn)期同企業(yè)的資產(chǎn)報(bào)酬率是負(fù)相關(guān)的，流動(dòng)資產(chǎn)比例和流動(dòng)負(fù)債比例與企業(yè)經(jīng)營活動(dòng)現(xiàn)金流量存在著并不顯著的較弱的負(fù)相關(guān)關(guān)系。

袁光才（2008）認(rèn)為在電力行業(yè)中，流動(dòng)資產(chǎn)與長(zhǎng)期資產(chǎn)之比同企業(yè)經(jīng)營績(jī)效呈正相關(guān)關(guān)系;流動(dòng)負(fù)債與長(zhǎng)期負(fù)債之比同企業(yè)經(jīng)營績(jī)效呈不顯著的負(fù)相關(guān)關(guān)系;流動(dòng)資產(chǎn)與流動(dòng)負(fù)債之比同企業(yè)績(jī)效呈不顯著負(fù)相關(guān)關(guān)系;流動(dòng)資產(chǎn)周轉(zhuǎn)率和企業(yè)績(jī)效呈正相關(guān)關(guān)系，這表明，在電力行業(yè)中營運(yùn)資金結(jié)構(gòu)與企業(yè)績(jī)效的相關(guān)關(guān)系不是很明顯。

逄詠梅（2009）采用流動(dòng)資產(chǎn)營運(yùn)資金周轉(zhuǎn)期來衡量營運(yùn)資金管理效率，分析了營運(yùn)資金管理效率與經(jīng)營績(jī)效、企業(yè)價(jià)值的相關(guān)性;實(shí)證發(fā)現(xiàn)營運(yùn)資金管理效率同經(jīng)營績(jī)效兩者呈明顯的正相關(guān)關(guān)系，而同企業(yè)價(jià)值的相關(guān)性不顯著。

曹玉珊（2013）認(rèn)為我國上市公司的營運(yùn)資金整體管理效率和企業(yè)經(jīng)營績(jī)效呈正相關(guān)關(guān)系;和營運(yùn)資金性質(zhì)一樣的存貨和應(yīng)收賬款，其管理效率同企業(yè)績(jī)效之間也具有一定的正相關(guān)關(guān)系;但與營運(yùn)資金性質(zhì)相反的應(yīng)付賬款，其管理效率同企業(yè)經(jīng)營績(jī)效之間的相關(guān)性不明確，在全行業(yè)和制造業(yè)中呈不顯著的負(fù)相關(guān)關(guān)系，在零售業(yè)中呈不顯著的正相關(guān)關(guān)系。

四、研究現(xiàn)狀述評(píng)

第7篇：數(shù)字經(jīng)濟(jì)的影響范文

目的 應(yīng)用不同頻率電刺激大鼠丘腦底核（STN），觀察對(duì)丘腦束旁核（PF）神經(jīng)元放電的影響，研究STN對(duì)PF神經(jīng)元活動(dòng)的調(diào)節(jié)作用?！》椒?采用電生理學(xué)方法，以不同頻率電刺激（20、50、100、130、200 Hz，強(qiáng)度0.4 mA，波寬0.06 ms，時(shí)程5 s）STN，用玻璃微電極記錄大鼠PF神經(jīng)元放電的變化。結(jié)果 刺激頻率低于100 Hz時(shí)，多數(shù)神經(jīng)元無明顯反應(yīng)；刺激頻率為130 Hz和200 Hz時(shí)， 大多數(shù)神經(jīng)元呈興奮反應(yīng)，放電明顯增多。結(jié)論 高頻刺激大鼠STN對(duì)PF主要為興奮作用，提示高頻刺激STN治療帕金森氏病的機(jī)制有PF神經(jīng)元活動(dòng)的參與。

【關(guān)鍵詞】 丘腦底核 束旁核 電刺激

Abstract: Objective To exam the effect of the different frequency stimulation of the subthalamic nucleus（STN）on the neuronal activities of the parafascicular nucleus（PF）in rats．Methods Different frequency stimulation（20，50，100，130，200 Hz，intensity 0.4 mA，width 0.06 ms，duration 5 s）was delivered to the STN．The firing rates of PF neurons were observed using extracellular recording．Results At a frequency lower than 100 Hz， there was no obvious response. As STN-HFS with 130 Hz and 200 Hz， the majority of PF neurons presented excitatory response. Conclusions High-frequency stimulation of the STN induced an excitory effect on the spontaneous activity of the PF neurons in normal rats． It suggested that STN－HFS used to treat Parkinson's is related to excitation of the activity of the parafascicular nucleus．

Key words:ubthalamic nucleus; parafascicular nucleus; electrical stimulation

近些年來，采用高頻電刺激STN改善帕金森氏病（PD）的運(yùn)動(dòng)癥狀，取得了可喜的療效。丘腦底核－深部腦刺激術(shù)（STN-DBS）已經(jīng)逐漸成為PD治療的首選方法［1，2］，但其機(jī)制卻尚未闡明。最近一些研究表明束旁核（PF）參與運(yùn)動(dòng)的調(diào)節(jié)。PF是丘腦髓板內(nèi)核群后群的一組核團(tuán)，與基底神經(jīng)節(jié)的不同核團(tuán)之間有著廣泛的聯(lián)系，對(duì)基底節(jié)環(huán)路發(fā)揮有效的調(diào)控功能［3］。但高頻刺激STN治療PD的運(yùn)動(dòng)癥狀，是否有PF神經(jīng)元的參與還尚未見報(bào)道。本實(shí)驗(yàn)用電刺激方法研究大鼠STN對(duì)PF神經(jīng)元放電的影響，有助于闡明高頻電刺激STN治療PD的作用機(jī)制。

1 材料和方法

1.1 實(shí)驗(yàn)動(dòng)物及儀器

成年雄性Spragne-Dawley大鼠12 只，體重250～300 g（遼寧醫(yī)學(xué)院動(dòng)物中心提供）。

1.2 實(shí)驗(yàn)方法

1.2.1 電刺激及記錄

大鼠經(jīng)20%氨基甲酸乙酯（0.8 mL/100g）腹腔麻醉后，置于腦立體定位儀上。行常規(guī)開顱手術(shù)，剝除硬腦膜，并行小腦延髓池引流，以降低顱內(nèi)壓，防止腦疝。參照Paxions & Watson′s大鼠腦圖譜確定STN坐標(biāo)（AP -3.8 mm，LR 2.2～2.8 mm，H 7.8～8.0 mm），PF坐標(biāo)(AP -4.16～-4.30 mm，LR 1.1～1.6 mm，H 4.9～6.1 mm）。刺激電極以與腦平面成80°的傾斜角從右側(cè)刺入STN內(nèi)。電刺激經(jīng)A320隔離刺激器（美國WPI公司），由同心圓電極輸出。電刺激參數(shù)為：頻率(20～200)Hz，刺激強(qiáng)度0.4 mA，波寬0.06 ms，刺激時(shí)程5 s。

細(xì)胞外記錄采用微電極拉制儀（美國STOELTING公司）自行拉制的單管玻璃微電極。電極尖端直徑3/1和放電穩(wěn)定的神經(jīng)元進(jìn)行記錄。在進(jìn)行電刺激前每一單位需記錄2～3 min的基礎(chǔ)放電。

1.2.2 組織學(xué)檢測(cè)

在每一次電生理學(xué)記錄完畢后，經(jīng)微電極電泳滂胺天藍(lán)（-20 μA，15 min）標(biāo)記記錄部位，刺激部位采用直流電損毀法標(biāo)記。大鼠用含4%多聚甲醛的0.1 mol/L磷酸緩沖液經(jīng)頸動(dòng)脈灌流固定后，立刻斷頭取腦，放入相同固定液4 h，再將腦組織移入30%的蔗糖磷酸緩沖液（pH7.4）至沉底后行冠狀冰凍切片，片厚30 μm。焦油紫染色。光鏡下觀察，僅取記錄和刺激部位均正確的資料進(jìn)行統(tǒng)計(jì)學(xué)分析。

1.3 數(shù)據(jù)分析

1.3.1 神經(jīng)元放電形式分析

根據(jù)神經(jīng)元放電間隔直方圖（interspike interval histogram， ISIH）鑒別神經(jīng)元的放電形式。每個(gè)神經(jīng)元ISIH的生成至少包含300個(gè)動(dòng)作電位，直方圖采樣bin寬4 ms。根據(jù)ISIH將神經(jīng)元放電形式分為［4］：(1)規(guī)則放電，ISIH呈對(duì)稱性分布；(2)不規(guī)則放電，ISIH呈隨機(jī)分布；(3)爆發(fā)式放電，ISIH呈明顯的逐漸衰減的正偏態(tài)分布。

1.3.2 神經(jīng)元放電形式變化

根據(jù)下面公式判定神經(jīng)元對(duì)電刺激的反應(yīng)：

R=（刺激后放電頻率/刺激前放電頻率-1）×100%

R≥20%為興奮型反應(yīng)，R≤-20%為抑制型反應(yīng)，介于兩者之間的為無反應(yīng)。

結(jié)果以平均值±標(biāo)準(zhǔn)誤（±s）表示，顯著性檢驗(yàn)用t檢驗(yàn)，P

2 結(jié)果

2.1 丘腦束旁核神經(jīng)元的自發(fā)放電活動(dòng)

共記錄了53個(gè)正常大鼠PF神經(jīng)元的自發(fā)放電，其自發(fā)放電頻率較低，放電頻率在0.98～26.9 Hz之間，平均為（9.27±0.74）Hz。其中多數(shù)神經(jīng)元呈不規(guī)則放電，部分呈爆發(fā)放電，偶見規(guī)則放電。

2.2 電刺激STN對(duì)PF神經(jīng)元放電的影響

共觀察了57個(gè)正常大鼠PF神經(jīng)元對(duì)高頻刺激（頻率130 Hz，強(qiáng)度0.4 mA，波寬0.06 ms， 時(shí)程5 s）STN的反應(yīng)。高頻電刺激STN結(jié)束后使大多數(shù)PF神經(jīng)元（35/57，61.4%）的放電頻率增加，平均由刺激前的（7.55±0.89）Hz增加到刺激后的（13.33±1.43）Hz（P

表1 高頻刺激（130Hz）STN后PF神經(jīng)元反應(yīng)類型構(gòu)成比（略）

表2 不同頻率電刺激STN后PF神經(jīng)元反應(yīng)類型構(gòu)成比（略）

圖1 高頻刺激（130Hz）STN對(duì)PF神經(jīng)元放電的影響（略）

3 討論

本實(shí)驗(yàn)觀察到以不同頻率刺激STN，刺激頻率低于100 Hz時(shí)，多數(shù)PF神經(jīng)元無明顯反應(yīng)；刺激頻率為130 Hz和200 Hz時(shí)， 大多數(shù)PF神經(jīng)元呈興奮反應(yīng)，放電明顯增多。

第8篇：數(shù)字經(jīng)濟(jì)的影響范文

關(guān)鍵詞：新規(guī)則；跆拳道；電子護(hù)具；技戰(zhàn)術(shù)運(yùn)用

一、研究對(duì)象與方法

1.研究對(duì)象。本文的研究對(duì)象為2014年山東省第23屆省運(yùn)會(huì)跆拳道女子51Kg4名和2015年山東省錦標(biāo)賽女子跆拳道51Kg4名隊(duì)員。

2.研究方法。（1）文獻(xiàn)資料法。根據(jù)研究的需要，主要參考2009-2015年各版本跆拳道的規(guī)則，全面了解該領(lǐng)域關(guān)于此課題的最新科研動(dòng)態(tài)和發(fā)展趨勢(shì)。（2）錄像分析法。觀看2014年山東省第23屆省運(yùn)會(huì)女子跆拳道51Kg和2015年山東省錦標(biāo)賽跆拳道51Kg的現(xiàn)場(chǎng)錄像，統(tǒng)計(jì)和比較運(yùn)動(dòng)員在不同的情況下所采用的技戰(zhàn)術(shù)。（3）比較分析法。主要是針對(duì)新規(guī)則和舊規(guī)則進(jìn)行比較。

二、跆拳道新舊規(guī)則的變化分析

1.新舊規(guī)則的變化。新舊規(guī)則在賽制、級(jí)別分值、判罰等方面有較大變化：（1）難度動(dòng)作分值的改變：舊規(guī)則，轉(zhuǎn)身技術(shù)擊打軀干2分擊頭3分；新規(guī)則，轉(zhuǎn)身技術(shù)擊打軀干3分擊頭4分。（2）比賽區(qū)域的改變：舊規(guī)則10米×10米，新規(guī)則 8米×8米。（3）舊規(guī)則局間休息1分鐘，三個(gè)邊裁；新規(guī)則休息30秒，四個(gè)邊裁。（4）允許攻擊的部位：舊規(guī)則頭部除后腦外的整個(gè)頭部，髖骨以上，拳不得分； 新規(guī)則，后腦允許擊打，正面5秒出血得分，拳正確有力擊打鎖骨一下得1分。（5）出界運(yùn)動(dòng)員一腳出警戒線，判罰警告，背逃警告；新規(guī)則運(yùn)動(dòng)員雙腳越出警戒線，判罰出界警告，背逃扣1分。（6）犯規(guī)次數(shù)：舊規(guī)則8次，新規(guī)則10次，拉開12分直接判。（7）錄像審議：舊規(guī)則無錄像審議，新規(guī)則增加錄像審議環(huán)節(jié)，教練員有權(quán)在5秒內(nèi)提出審議。（8）級(jí)別的變化：舊規(guī)則8個(gè)級(jí)別，新規(guī)則7個(gè)級(jí)別。（9）平分時(shí)舊規(guī)則普通護(hù)具按警告判罰，電子護(hù)具按力量值判罰。

2.2014年山東省第23屆和2014年省錦標(biāo)賽女子51Kg比賽中技戰(zhàn)術(shù)運(yùn)用的變化分析。2014年山東省第23屆女子跆拳道51Kg比賽中各種技戰(zhàn)術(shù)使用的情況：①推踢技術(shù)70次；②前腿橫踢技術(shù)50 次；③下劈技術(shù)25次；④轉(zhuǎn)身技術(shù)使用10次，其余均為7%左右。此外，使用技戰(zhàn)術(shù)總次數(shù)為155，成功次數(shù)146次。2015年省跆拳道錦標(biāo)賽女子51Kg比賽中各種技戰(zhàn)術(shù)使用的次數(shù)與順序是：①推踢技術(shù)120 次；②前腿橫踢為80次；③下劈技術(shù)30次；④轉(zhuǎn)身技術(shù)使用20次，其余均為9%及以下。此外，使用技戰(zhàn)術(shù)總次數(shù)為250次，成功次數(shù)241次。新規(guī)則的變化讓推踢技術(shù)和前腿橫踢技術(shù)在總的比例中有所增加，因?yàn)橐?guī)則變化后推踢可以使用。

三、新規(guī)則下山東省跆拳道運(yùn)動(dòng)技戰(zhàn)術(shù)訓(xùn)練方法與應(yīng)注意的問題

1.技戰(zhàn)術(shù)訓(xùn)練方法。新規(guī)則要求運(yùn)動(dòng)員有較高的防守及反攻能力，攻防平衡，鼓勵(lì)運(yùn)動(dòng)員積極使用轉(zhuǎn)身及擊頭大動(dòng)作，并鼓勵(lì)其穿插在其他動(dòng)作訓(xùn)練中。堅(jiān)持“兩人配合交替進(jìn)行攻防”訓(xùn)練時(shí)帶入比賽的意識(shí)。全面熟練掌握好跆拳道中低、高位擊打、轉(zhuǎn)身擊打與推踢控制等基本技術(shù)練習(xí)。在比賽中以進(jìn)攻為主，推踢控制住對(duì)手，最終贏得比賽。

2.技戰(zhàn)術(shù)方面應(yīng)注意的問題。教練員及運(yùn)動(dòng)員首先必須深刻理解新規(guī)則，在比賽中擅用規(guī)則，吃透跆拳道比賽新規(guī)則。加強(qiáng)電子護(hù)具佩戴訓(xùn)練，提高擊打有效部位的準(zhǔn)確性，豐富運(yùn)動(dòng)員的打法，采用踢頭和旋轉(zhuǎn)踢這樣的高難度技術(shù)，提高得分值含金量。

四、研究結(jié)論與討論

1.結(jié)論。新規(guī)則鼓勵(lì)隊(duì)員使用大分值技術(shù)，積極進(jìn)攻和使用高難度動(dòng)作，山東省跆拳道運(yùn)動(dòng)員基本功技術(shù)仍然是制約整體技術(shù)水平提高的主要因素，比賽中節(jié)奏欠缺；臨場(chǎng)判斷能力較弱；主動(dòng)進(jìn)攻少，連接能力差，高難度動(dòng)作不敢用，得分領(lǐng)先時(shí)消極保分，最終輸?shù)舯荣?。?guī)則的修改及電子護(hù)具的使用就是讓比賽更加激烈，更有觀賞性。

2.討論。在訓(xùn)練方面，我國跆拳道運(yùn)動(dòng)員訓(xùn)練技術(shù)應(yīng)多樣化，加強(qiáng)訓(xùn)練連貫技術(shù)。應(yīng)注意加大對(duì)推踢技術(shù)、橫踢技術(shù)、下劈技術(shù)、邊線技術(shù)、主動(dòng)進(jìn)攻等技術(shù)中高位及前后腿的變化練習(xí)。教練員應(yīng)采取多種教學(xué)方法，同時(shí)注重關(guān)節(jié)力量的加強(qiáng)，比賽中鼓勵(lì)隊(duì)員積極主動(dòng)打出自己的特色。

參考文獻(xiàn)：

第9篇：數(shù)字經(jīng)濟(jì)的影響范文

doi：10.11772/j.issn.10019081.2013.07.1976

摘 要：

針對(duì)基于碼書模型的圖像分類方法忽略圖像的拓?fù)湫畔⒓霸隽繉W(xué)習(xí)導(dǎo)致分類精度有限的問題，提出了基于自組織增量神經(jīng)網(wǎng)絡(luò)（SOINN）的碼書產(chǎn)生方法。首先回顧了常見的碼書編碼方式；其次改進(jìn)了基本的碼書模型，利用SOINN自動(dòng)產(chǎn)生聚類數(shù)目和保留數(shù)據(jù)拓?fù)浣Y(jié)構(gòu)的兩項(xiàng)能力，尋找更有效的單詞和設(shè)計(jì)更有效的編碼方式，產(chǎn)生更合適的碼書。實(shí)驗(yàn)結(jié)果顯示在不同樣本數(shù)和不同規(guī)模碼書下分類精確度相對(duì)同類算法有最高將近1%的提升。該結(jié)果表明基于SOINN的碼書產(chǎn)生方法顯著提高了圖像分類算法的精度，該方法還可以更高效、更準(zhǔn)確地運(yùn)用于各種圖像分類任務(wù)。

關(guān)鍵詞：

碼書；圖像分類；空間金字塔；SOINN

中圖分類號(hào)：

TP311

文獻(xiàn)標(biāo)志碼：A

英文標(biāo)題

Codebook generation based on selforganizing incremental neural network for image classification

Combination of SOINN and codebook technology for image classification

英文作者名

YUAN Feiyun*

英文地址（

College of Information Engineering，Yulin University，Yulin Shaanxi 719000，China

英文摘要）

Abstract：

To solve the problem of ignoring topological information in incremental learning in traditional image classification， a new codebook generation method was proposed to improve the accuracy of image classification. After reviewing several codebook methods， the detailed method was discussed. Based on the SelfOrganizing Incremental Neural Network （SOINN） which can automatically generate clusters while conserving topological structures， the method produced a more effective way for representing words and coding. The experimental results show that the new method has at most nearly 1% precision increase over other similar algorithms in different scale of samples as well as different kind of codebook models. The results reveal that the new method has more appropriate and more accurate classifications for images. Also， it can be widely used in all kinds of image classification tasks with higher precision and efficiency.

To solve the problem of ignoring topological information in incremental learning in traditional image classification，A new codebook generation method was presented to improve the accuracy of image classification. After reviewing several coodbook methods， the detailed method was discussed. Based on the SOINN which can automatically generate clusters while conserving topological structures， the method produced a more effective way for representing words and coding. The experimental results show that the new method has at most some 1% precise increase than other similar algorithms in different scales of samples as well as different kinds of codebook models. The results reveal that the new method has more appropriate and more accurate classifications for images. Also， it can be widely used in all kinds of image classification tasks with higher precise and efficiency.

英文關(guān)鍵詞Key words：

codebook； image classification； spatial pyramid； SelfOrganizing Incremental Neural Network （SOINN）

0 引言

圖像場(chǎng)景分類是圖像檢索中的一個(gè)重要應(yīng)用，其目的就是要將一幅圖像按其所描述的場(chǎng)景或者包含的物體進(jìn)行分類。由于圖像數(shù)目巨大，種類繁多，且圖像存在光照、角度、量級(jí)等各種變化，這導(dǎo)致分類任務(wù)的困難。近年來，隨著視覺詞袋模型（Bag of visual Words，BoW）即碼書模型的提出，圖像分類的準(zhǔn)確度在標(biāo)準(zhǔn)數(shù)據(jù)集上有了很大的提高，所以吸引了大批研究者投身于碼書模型的研究。其主要思想是：將圖像劃分為很多子區(qū)域，對(duì)每個(gè)子區(qū)域提取相應(yīng)的底層視覺特征，然后按照某種原則（通常是非監(jiān)督的聚類或者稀疏編碼）來產(chǎn)生碼書；然后通過一定的編碼方式，將圖像用這些碼字的分布信息來描述；最后劃分訓(xùn)練集和測(cè)試集，訓(xùn)練分類器，并進(jìn)行測(cè)試。

目前的研究熱點(diǎn)在于編碼的方式及碼書的創(chuàng)建。編碼的方式比較多樣化，最基本的方式是最近鄰編碼，即將特征編碼為距離其最近的碼字。Yang等[1]提出了稀疏編碼的方式對(duì)圖像特征編碼，將圖像的編碼問題轉(zhuǎn)化為一個(gè)稀疏編碼的問題，并產(chǎn)生稀疏的碼字，但忽略了圖像的局部特征。Wang等[2]提出了一種局部線性約束的編碼方式，是對(duì)傳統(tǒng)矢量量化編碼的一種改進(jìn)，引入了局部信息，將與特征距離最近的幾個(gè)相鄰碼字作為匹配結(jié)果。這兩種方法均忽視了可視單詞的模糊性和無序性。van Gemert等[3]考慮到視覺內(nèi)容描述本身的模糊性，提出了不確定性和模糊編碼兩種編碼來處理他們指出的兩種模糊問題。Lazebnik等[4]針對(duì)碼書模型的無序性進(jìn)行改進(jìn)，提出了一種空間金字塔匹配（Spatial Pyramid Matching，SPM）的方法，將圖像描述為多級(jí)金字塔串聯(lián)的特征向量。針對(duì)碼書模型中常見的直方圖描述這句話未結(jié)束，請(qǐng)補(bǔ)充或調(diào)整。

碼書的創(chuàng)建是另一大研究熱點(diǎn)。創(chuàng)建碼書的第一步是確定圖像的子區(qū)域劃分。這有很多種方式，比如：稠密抽樣、隨機(jī)抽樣或者感興趣區(qū)域、關(guān)鍵點(diǎn)區(qū)域等。一般的方法實(shí)驗(yàn)設(shè)置：對(duì)一幅圖片按步長(zhǎng)為8個(gè)像素產(chǎn)生稠密取樣的網(wǎng)格，在每個(gè)取樣點(diǎn)以16×16個(gè)像素的塊來提取底層特征?？商崛〉膱D像底層特征又有很多種，最常見的有Lowe[5]提出的恒規(guī)模特征變化（Scale Invariant Feature Transform，SIFT）特征描述符和Wu等[6]提出的普查變換圖（Census Transform histogram，CENTRIST）。特征提取完畢后，第二步是依照特定方式產(chǎn)生碼書。最常見的是通過聚類方式生成碼書，如Kmeans、Kmeans++[7]、基于半徑的聚類、隨機(jī)樹等。將這些聚類中心視為視覺單詞。另外Yang等[1]以稀疏編碼的方式來產(chǎn)生碼書（具體產(chǎn)生過程見其3.2部分）。

碼書模型將底層特征編碼為可視單詞，一定程度上保留了圖像的語義信息，相比傳統(tǒng)的分類方法，可以避免位置、角度、光照、物體形狀等變化因素的影響。這種基于高層的語義信息的圖像分類問題有很重要的作用。然而目前研究方法忽略了圖像的拓?fù)湫畔ⅲ覠o法進(jìn)行增量學(xué)習(xí)，從而影響圖像的分類效果。因此尋找一種方法利用這些拓?fù)湫畔⑦M(jìn)行增量學(xué)習(xí)成為提高分類準(zhǔn)確性的一個(gè)重要研究目標(biāo)。

自組織增量神經(jīng)網(wǎng)絡(luò)（SelfOrganizing Incremental Neural Network， SOINN）[8-9]是一種自組織的、能夠進(jìn)行增量學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它的用途廣泛，將其用于非監(jiān)督學(xué)習(xí)時(shí)，可以自動(dòng)發(fā)現(xiàn)合適的類別數(shù)目，產(chǎn)生聚類結(jié)果時(shí)，還能保留數(shù)據(jù)的拓?fù)湫畔?，能更好地反映?shù)據(jù)的特性，非常適合在未知類別數(shù)目時(shí)的聚類任務(wù)。本文提出的方法將SOINN結(jié)合到碼書的創(chuàng)建技術(shù)中，以產(chǎn)生更好的碼書。

第7期

袁飛云：基于自組織增量神經(jīng)網(wǎng)絡(luò)的碼書產(chǎn)生方法在圖像分類中的應(yīng)用

計(jì)算機(jī)應(yīng)用 第33卷

1 主要編碼方式

本章介紹3種目前主要的編碼方式：最近鄰編碼、稀疏編碼以及局部線性編碼。

首先約定好編碼中出現(xiàn)的一些通用記號(hào)，特殊記號(hào)在各自編碼方式中聲明。X表示D維特征空間中的一些SIFT特征的集合，可以表示一幅圖像中提取的特征集合，也可以表示金字塔法中的子圖像塊的特征集合。記X=[x1，…，xM]T∈RM×D。V表示碼書，如果有K個(gè)碼字，則V=[v1，…，vK]T∈RK×D。

1.1 最近鄰編碼

最近鄰編碼（Nearest Neighbor Encoding， NNE最近鄰編碼的英文名稱是這個(gè)嗎？是否應(yīng)該是“Nearest Neighbor Encoding， NNE”，請(qǐng)明確。）是目前最簡(jiǎn)單的也是應(yīng)用最多的編碼，其將特征編碼為距離其最近的碼字。編碼階段是利用Kmeans解決下面優(yōu)化問題：

minV∑Mm=1mink=1，…，Kxm-vk22（1）

其中：xm表示一個(gè)特征，vk表示碼書的一個(gè)碼字通過引入類別成員指示矩陣，U=[u1，…，uM]T∈RM×K，um反應(yīng)了將特征xm編碼的碼字?？梢詫⒆罱従幋a看成如下矩陣分解問題：

minU，V ∑Mm=1xm-umV22（2）u1，u2，um是矢量、向量或矩陣嗎？后面式（6）中的um是矢量、向量或矩陣嗎？請(qǐng)明確。

s.t. m， Card（um）=1；|um|=1，um≥0

以上約束表示u只有一個(gè)不為0的維度值，且其值為1，對(duì)應(yīng)編碼。產(chǎn)生碼書的階段是在同時(shí)考慮U、V來優(yōu)化式（2）的，而編碼階段，V已經(jīng)確定，只需要考慮U來優(yōu)化式（2）產(chǎn)生相應(yīng)特征的編碼。

1.2 稀疏編碼

最近鄰編碼只考慮了一個(gè)最近的碼字信息，在很多情況下這導(dǎo)致一些信息的丟失。稀疏編碼（Sparse Coding， SC）對(duì)其進(jìn)行了改進(jìn)。稀疏編碼時(shí)從矩陣分解的角度來分析碼書創(chuàng)建和編碼過程的，在矩陣分解的過程中運(yùn)用了稀疏編碼的方式，導(dǎo)致特征編碼的稀疏性。Yang等[1]提出的基于稀疏編碼的線性金字塔匹配方法不僅在計(jì)算速度上有較大提升（原先基于矢量量化（Vector Quantization， VQ）的非線性SPM方法訓(xùn)練階段的復(fù)雜度為O（n2～n3）此處是否應(yīng)該寫為O（n2）～O（n3）更為恰當(dāng)些，請(qǐng)明確。這是時(shí)間復(fù)雜度的一種表示方法，表示復(fù)雜度的級(jí)別。如O（n2），O（n3）表示平方級(jí)和立方級(jí)，所以這個(gè)不能改。，測(cè)試復(fù)雜度為O（n），n為訓(xùn)練集大小。而基于稀疏編碼的線性SPM方法訓(xùn)練復(fù)雜度為O（n），測(cè)試復(fù)雜度為O（1），能有效處理大數(shù)據(jù)集，同時(shí)在分類的準(zhǔn)確度上也有所提高。

由于最近鄰編碼中要求Card（um）=1，也就是說只找一個(gè)碼字與特征匹配，這顯得太嚴(yán)格了。稀疏編碼放寬這個(gè)約束，用對(duì)u的L1norm正則化約束來代替，此約束要求um只有很少數(shù)目的非零元素。于是問題可以表示如下：

minU，V ∑Mm=1xm-umV22+λum （3）

s.t. vk2≤1； k=1，…，K

這里沒有約束um≥0。因?yàn)榭梢酝ㄟ^對(duì)um

因?yàn)楣潭║，只考慮V，式（3）變成凸問題；固定V，只考慮U，式（3）同樣是凸問題。最自然的實(shí)現(xiàn)便是交替優(yōu)化原問題。

首先固定V，式（3）可以分解為對(duì)每個(gè)um獨(dú)立優(yōu)化下式：

minumxm-Vum22+λ|um|（4）

這在統(tǒng)計(jì)學(xué)習(xí)中被稱為L(zhǎng)asso問題，可以用Lee等[11]提出的featuresign搜索算法高效解決。

固定U，式（3）變?yōu)橐粋€(gè)帶二次約束的最小均方誤差問題：

minVX-VU2F（5）

s.t. vk≤1； k=1，…，K

這可以用Lagrange dual方法高效解決。

通過交替迭代式（4）與（5），當(dāng)達(dá)到結(jié)束條件時(shí)，可以獲得碼書V。那么測(cè)試階段就只要對(duì)抽取圖像的特征集X進(jìn)行式（4）的優(yōu)化，便可得到圖像的稀疏編碼，然后通過空間金字塔匹配（SPM）來產(chǎn)生圖像的最后特征向量描述。SPM原理如圖1（a）所示，即將圖像進(jìn)行多級(jí)空間劃分，將每一級(jí)上的特征匹配信息串聯(lián)起來形成最后的特征向量?；谙∈杈幋a的線性SPM的圖像特征表示過程如圖1（b）。

圖1 空間金字塔技術(shù)SPM原理

最后，Yang等[1]還指出在稀疏編碼的基礎(chǔ)上采用線性的支持向量機(jī)（Supporting Vector Machine，SVM）就能獲得很好的效果，并且速度上有很大提升。

1.3 局部線性編碼

不像稀疏編碼引入對(duì)um的L1norm正則化約束，局部線性編碼（Localityconstrained Linear Coding，LLC）用局部約束代替稀疏約束，其背后思想來源于LCC[12]展現(xiàn)的局部性比稀疏性更能表現(xiàn)特征的本質(zhì)。局部線性編碼利用局部約束將特征投影到局部坐標(biāo)系統(tǒng)，然后利用這些局部碼字上的投影值來構(gòu)造SPM的圖像特征描述。局部線性編碼可描述為如下問題：

minU ∑Mm=1xm-Vum22+λdm-um22 （6）

s.t. 1Tum=1； m=1，…，M

其中dm∈RK是通過計(jì)算特征與每個(gè)碼字的相似度來調(diào)節(jié)局部性的一個(gè)向量，通常如下計(jì)算：

dm=expdist（xm，V）σ（7）

其中：dist（xm，V）=「dist（xm，v1），…，dist（xm，vK）T， dist（xm，vK） 是xm與vk之間的歐氏距離；σ調(diào)節(jié)局部性擴(kuò)散速度的權(quán)值。按照式（6）產(chǎn)生的碼字還不具有稀疏的特性，可以設(shè)定一個(gè)閾值，是小于這個(gè)閾值的系數(shù)設(shè)為0。

局部線性編碼具有一些良好的性質(zhì)：所選擇的匹配碼字更好地重構(gòu)了特征的信息；保持局部平滑稀疏特性；具有解析解。這幾種性質(zhì)與矢量量化、稀疏編碼的比較如圖2。

圖2 三種編碼方式的比較

Wang等提出了一種基于K近鄰的局部線性編碼的快速近似算法，并且對(duì)Kmeans產(chǎn)生的碼書利用局部線性約束進(jìn)行了改進(jìn)。

2 SOINN原理

SOINN是一個(gè)兩層的競(jìng)爭(zhēng)網(wǎng)絡(luò)。第一層是輸入數(shù)據(jù)的競(jìng)爭(zhēng)，第二層是第一層輸出數(shù)據(jù)的競(jìng)爭(zhēng)，然后輸出拓?fù)浣Y(jié)構(gòu)和第二層的權(quán)向量。SOINN中有兩個(gè)自動(dòng)調(diào)節(jié)的閾值來控制類內(nèi)和類間的相似性。本文提出的方法中只應(yīng)用單層SOINN產(chǎn)生初次聚類的結(jié)果，單層的SOINN的原理如圖3所示。

圖3 單層SOINN的算法流程是否有箭頭，請(qǐng)明確。

利用SOINN可以實(shí)現(xiàn)對(duì)輸入的訓(xùn)練集進(jìn)行增量學(xué)習(xí)，每一個(gè)特征向量轉(zhuǎn)化為網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn)。在學(xué)習(xí)的過程中，會(huì)刪除噪聲節(jié)點(diǎn)和離分類邊界較遠(yuǎn)的無用節(jié)點(diǎn)，以最小的代價(jià)實(shí)現(xiàn)最好的分類效果。

3 結(jié)合SOINN的碼書創(chuàng)建

目前創(chuàng)建碼書的方法，不管是基于非監(jiān)督的聚類還是矩陣分解的編碼方法，都需要在碼書創(chuàng)建之前確定碼書的大小。顯然這在不了解數(shù)據(jù)集特點(diǎn)的前提下是不妥的，對(duì)于所有數(shù)據(jù)集設(shè)置同樣大小的碼書也是不合適的，那么根據(jù)數(shù)據(jù)集的大小自動(dòng)確定聚類類別數(shù)的技術(shù)便有了用武之地。由于SOINN正好能滿足此類問題的需求，可以自動(dòng)確定合適碼書的大小，對(duì)于各種新數(shù)據(jù)集的處理更有把握，對(duì)于實(shí)際應(yīng)用也有很大的意義。

本文提出的方法就是將SOINN用于對(duì)訓(xùn)練集的增量學(xué)習(xí)，將學(xué)出來的結(jié)果作為Kmeans聚類的初始數(shù)據(jù)中心，然后根據(jù)SOINN學(xué)出的類別數(shù)目進(jìn)行聚類形成合適大小的碼書，再結(jié)合現(xiàn)有的編碼技術(shù)，對(duì)從圖像中抽取的特征進(jìn)行編碼，形成最終的碼字，并利用SPM形成圖像的最終描述，用于分類器的訓(xùn)練。碼書創(chuàng)建算法的大體思想如圖4所示，碼書創(chuàng)建算法具體流程見Algorithm 1。

圖4 碼書創(chuàng)建算法流程下標(biāo)是1，2，…，k？嗎，以便與正文表述一致。

Algorithm 1： Codebook Generation。

1）輸入={一組多種場(chǎng)景下的圖像數(shù)據(jù)集Ω={I1，…，IN}，其中每張圖像Ii的場(chǎng)景類別已經(jīng)確定且只能對(duì)應(yīng)場(chǎng)景類別集合Δ={1，…，S}中的一種；初始碼書大小K；類內(nèi)區(qū)域塊數(shù)α；聚類的誤差控制ε}。

2）輸出={任意圖像Ii對(duì)應(yīng)的最終編碼后的SPM特征向量}。

3）對(duì)圖像數(shù)據(jù)集Ω中的每幅圖像抽取SIFT特征描述符，得到特征描述集X={x1，…，xM}。

4）利用SOINN對(duì)特征描述集X進(jìn)行非監(jiān)督的聚類，產(chǎn)生初始的聚類結(jié)果InitCenter={iv1，…，ivK}。

5）利用誤差控制ε和Kmeans聚類方法對(duì)初始中心集InitCenter產(chǎn)生最終聚類中心，也即碼字集合V={v1，…，vK}。

6）對(duì)特征描述集中的每個(gè)特征xi進(jìn)行編碼：（xi此處的xi，是否應(yīng)該改為xj？請(qǐng)明確。）{1，…，K}。

7）對(duì)圖像數(shù)據(jù)集中任意圖像Ii進(jìn)行SPM，產(chǎn)生其最終特征向量。

通過Algorithm 1，可以對(duì)特定的圖像數(shù)據(jù)集產(chǎn)生相應(yīng)的碼書。同樣，將圖像數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集之后，可以通過圖像編碼部分（5）、6）、7）步）進(jìn)行訓(xùn)練集和測(cè)試集的圖像編碼描述，然后通過訓(xùn)練相應(yīng)的分類器來分類測(cè)試圖像。

4 實(shí)驗(yàn)分析

4.1 實(shí)驗(yàn)設(shè)置

為了驗(yàn)證本文提出的算法的分類性能，將該算法與兩種基準(zhǔn)算法：Wang等[2]算法和ScSPM （Sparcecoding based Spatial Pyramid Matching）算法在Caltech101（http：//vision.caltech.edu/Image Datasets/Caltech101/）和15Scene（http：//cs.unc.edu/？lazebnik/research/scene_categories.zip/）數(shù)據(jù)集上進(jìn)行分類精度的對(duì)比。其中的SIFT描述符從16×16 像素塊中抽取并且從8步長(zhǎng)的網(wǎng)格中采樣。字典的大小設(shè)為1024。另外，為了在算法第一輪中選取簡(jiǎn)單的樣例，需要一個(gè)簡(jiǎn)單的初始字典，所以本文對(duì)比了兩個(gè)初始字典的實(shí)現(xiàn)，其中之一通過Kmeans聚類，另一個(gè)通過在全局?jǐn)?shù)據(jù)上運(yùn)行5次稀疏編碼迭代和字典更新。從經(jīng)驗(yàn)上看，它們之間在分類精度上有細(xì)微差別，因此本文中初始字典選用Kmeans聚類。設(shè)置參數(shù)λ=0.15，c=1。 采用線性SVM進(jìn)行分類。為了獲得較可靠的結(jié)果，本文將實(shí)驗(yàn)重復(fù)10次，每次對(duì)訓(xùn)練集和測(cè)試機(jī)有不同的隨機(jī)劃分，最終得到一個(gè)分類精度的結(jié)果。繼續(xù)Caltech101數(shù)據(jù)集的實(shí)驗(yàn)設(shè)置， 對(duì)每個(gè)類別分別訓(xùn)練5，10，15，20，25，30個(gè)樣本，用其余的測(cè)試，所得的分類結(jié)果如表1所示。

表1 在Caltech101數(shù)據(jù)集上算法的分類精度比較

%

算法

樣本數(shù)

51015202530

Wang等算法[2]51.159.765.467.770.173.4

ScSPM算法[1]52.461.966.669.671.573.2

本文算法53.162.167.169.872.373.7

此外，對(duì)每個(gè)類別選取30個(gè)圖片作為訓(xùn)練數(shù)據(jù)，將本文的方法選取不同的字典大?。?56，512，1024）運(yùn)用在分類上。將平均分類精度與ScSPM算法進(jìn)行對(duì)比，結(jié)果如圖5所示。

圖5 不同字典大小下的性能對(duì)比

4.2 實(shí)驗(yàn)結(jié)果

從表1所示的實(shí)驗(yàn)結(jié)果可以看到，本文算法的分類準(zhǔn)確率在不同的樣本數(shù)上始終超過其他基準(zhǔn)算法，顯示出SOINN與碼書結(jié)合對(duì)準(zhǔn)確率的極大提升。

從圖5中對(duì)不同字典大小下的對(duì)比結(jié)果可見，本文提出的方法無論在小規(guī)模還是大規(guī)模碼書上分類精度均優(yōu)于ScSPM算法。

另外本文也在15個(gè)自然場(chǎng)景數(shù)據(jù)集上對(duì)比了本文提出的算法和ScSPM，以此驗(yàn)證算法的分類性能，在每個(gè)算法的字節(jié)數(shù)都最優(yōu)的情況下，本文算法的平均分類精度是81.6%，比ScSPM算法的80.7%略高。由此顯示本文的算法在自然場(chǎng)景下的分類準(zhǔn)確度依然優(yōu)于ScSPM。

5 結(jié)語

碼書模型充分利用圖像的高層語義信息對(duì)圖像進(jìn)行分類，相比之前的直接利用圖像底層特征的圖像分類方法性能上有了很大幅度的提升，然而當(dāng)前的研究方法均忽略圖像的拓?fù)湫畔⒓霸隽繉W(xué)習(xí)效果。本文在傳統(tǒng)基于碼書模型的圖像分類上提出基于SOINN的碼書創(chuàng)建方法，利用SOINN的特性幫助尋找合適的初始聚類中心以及聚類數(shù)目，更好地反映數(shù)據(jù)的特性。實(shí)驗(yàn)結(jié)果表明該方法顯著地提高了圖像分類精度，從而有效說明該算法的有效性和優(yōu)越性。

參考文獻(xiàn)：