期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
信息科学视角下的图情学科——《信息科学:概念、体系与展望》评介 被引量:1
1
作者 王喜明 史海嫣 《图书馆论坛》 CSSCI 北大核心 2021年第1期82-90,共9页
闫学杉先生的《信息科学:概念、体系与展望》是一部重要的信息科学基础理论著作。该书以构建统一信息科学理论为目标,体系宏大,资料丰富,论述深刻,具有国际视野,成为目前国内相关研究的代表作。书中对图书馆信息科学在国际、国内的发展... 闫学杉先生的《信息科学:概念、体系与展望》是一部重要的信息科学基础理论著作。该书以构建统一信息科学理论为目标,体系宏大,资料丰富,论述深刻,具有国际视野,成为目前国内相关研究的代表作。书中对图书馆信息科学在国际、国内的发展进行了介绍和评价,有助于图情学界从信息科学的角度重新审视学科属性和价值。 展开更多
关键词 信息科学 图书馆情报学 书评
在线阅读 下载PDF
“图情档”一级学科更名的历史回顾与未来展望 被引量:31
2
作者 王喜明 杨新明 《图书馆论坛》 CSSCI 北大核心 2022年第6期11-19,共9页
图书情报与档案管理一级学科的学科名称和知识体系经历了漫长复杂的调整过程。一级学科更名为“信息资源管理”经历了比较充分的理论与实践准备,虽然不是最好的选择,但更名后有利于学科的进一步发展。一级学科更名之后需要面对和解决的... 图书情报与档案管理一级学科的学科名称和知识体系经历了漫长复杂的调整过程。一级学科更名为“信息资源管理”经历了比较充分的理论与实践准备,虽然不是最好的选择,但更名后有利于学科的进一步发展。一级学科更名之后需要面对和解决的根本问题是学科定位和发展问题,最关键的是本科教育问题。建议学科研究向“信息范式”转移,积极融入信息化事业;重点加强信息资源管理专业建设,增设竞争情报、电子政务本科专业,合并图书馆学、档案学专业为文献信息管理,巩固本科教育基础,扩大专业总体规模。 展开更多
关键词 图书情报与档案管理 信息资源管理 学科建设 专业建设
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
3
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:4
4
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:8
5
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