期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于iSchool教育理念的我国信息资源管理专业本科课程设置调查分析 被引量:4
1
作者 王金娜 康丽峰 王喜明 《图书馆界》 2016年第6期10-15,22,共7页
通过对我国信息资源管理专业本科课程设置进行全面调研,从iSchool教育理念角度,将核心课程划分为与"信息""技术""人"三要素相关课程和跨学科/跨专业课程这四类,并进行比较分析。针对课程设置中存在的问题... 通过对我国信息资源管理专业本科课程设置进行全面调研,从iSchool教育理念角度,将核心课程划分为与"信息""技术""人"三要素相关课程和跨学科/跨专业课程这四类,并进行比较分析。针对课程设置中存在的问题,提出改进与完善的建议。 展开更多
关键词 ISCHOOL 信息资源管理专业 课程
在线阅读 下载PDF
国内信息资源管理研究热点与前沿分析 被引量:2
2
作者 王宽垒 魏晓峰 《图书馆理论与实践》 CSSCI 2018年第12期34-38,共5页
以中国知网收录的2000-2016年信息资源管理领域期刊论文数据为研究样本,利用文献计量与社会网络分析方法,分析当前国内信息资源管理研究热点与前沿领域,以期为国内信息资源管理专业建设与研究规划提供必要参考。
关键词 信息资源管理 研究热点 研究前沿 文献计量
在线阅读 下载PDF
网络环境下信息共享与版权保护的博弈与双赢 被引量:2
3
作者 王金娜 王赛蒙 《图书馆界》 2019年第6期1-3,13,共4页
分析信息共享与版权保护的矛盾与冲突,并运用博弈理论分析信息共享与版权保护博弈双方的竞合关系,从宏观管理、信息共享和版权保护三个方面,提出实现信息共享与版权保护博弈双赢的策略。
关键词 信息共享 版权保护 博弈
在线阅读 下载PDF
基于文献计量的国内网络与数字阅读研究进展可视化分析 被引量:8
4
作者 魏晓峰 《现代情报》 CSSCI 北大核心 2015年第12期83-91,共9页
以CNKI和CSSCI数据库收录的2001-2014年间国内网络与数字阅读研究论文数据为样本,对科研产出分布、学科领域分布、科研合作状况进行计量分析,同时利用社会网络分析法与信息可视化技术,结合相关论文主题与会议议题分析,考察该领域研究热... 以CNKI和CSSCI数据库收录的2001-2014年间国内网络与数字阅读研究论文数据为样本,对科研产出分布、学科领域分布、科研合作状况进行计量分析,同时利用社会网络分析法与信息可视化技术,结合相关论文主题与会议议题分析,考察该领域研究热点与前沿领域,揭示该领域研究特征与存在问题;最后针对未来国内该领域科研规划与工作发展而提出若干建议以供参考。 展开更多
关键词 网络阅读 数字阅读 文献计量 信息可视化 科学评价
在线阅读 下载PDF
基于大数据分析的激光雷达三维图像重建方法 被引量:3
5
作者 郝娟 孙皓月 +2 位作者 唐振禹 穆莹雪 贾丽坤 《激光杂志》 CAS 北大核心 2022年第12期93-97,共5页
为了获得分辨率高、清晰的激光雷达三维图像,设计基于大数据分析的激光雷达三维图像重建方法。利用K-means聚类算法聚类激光雷达点云数据,获得协方差矩阵的维数;通过高斯过程回归对雷达图像深度建模,得到差值点对应的估计值,通过该估计... 为了获得分辨率高、清晰的激光雷达三维图像,设计基于大数据分析的激光雷达三维图像重建方法。利用K-means聚类算法聚类激光雷达点云数据,获得协方差矩阵的维数;通过高斯过程回归对雷达图像深度建模,得到差值点对应的估计值,通过该估计值实现点云数据内插,强化雷达激光点云数据;使用马尔科夫随机场法构建全局标记优化模型,利用该模型在激光雷达图像像素点与三维距离点之间搭建一个映射关系,获取激光雷达数据结构,由点云数据空间统计模型完成高分辨率的激光雷达三维图像重建。实验结果表明,该方法重建后图像分辨率高,重建分辨率高达1 900,噪声干扰较少且三维图像清晰度高。 展开更多
关键词 大数据 激光雷达 三维图像 高斯回归模型 K-MEANS聚类
在线阅读 下载PDF
基于降维聚类的双馈风力发电机参数辨识 被引量:7
6
作者 吴林林 张家安 +3 位作者 刘东 李飞 王潇 刘辉 《可再生能源》 CAS CSCD 北大核心 2021年第12期1635-1640,共6页
电力系统在调度运行中,须要对风电场风机控制器参数进行辨识。提出了一种基于降维聚类的双馈风机参数辨识方法。首先进行控制器状态方程进行差分线性化,对相关采集数据应用LLE算法进行降维;然后应用K-means聚类进行数据提取;最后应用改... 电力系统在调度运行中,须要对风电场风机控制器参数进行辨识。提出了一种基于降维聚类的双馈风机参数辨识方法。首先进行控制器状态方程进行差分线性化,对相关采集数据应用LLE算法进行降维;然后应用K-means聚类进行数据提取;最后应用改进线性神经网络实现参数辨识。其中,LLE算法使数据局部线性特征得以保存,K-means聚类通过提取部分线性数据去除各种扰动和非线性数据,改进的多学习率线性神经网络确保了参数的精确辨识。通过实际双馈风力发电机运行数据作为算例,验证了算法的有效性,降低了参数辨识误差。 展开更多
关键词 双馈风力发电机 参数辨识 LLE降维 K-MEANS聚类 线性神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部