-
题名探究初中班主任的工作技巧和方法
被引量:1
- 1
-
-
作者
丁繁昌
-
机构
甘肃省武威第十九中学
-
出处
《名师在线》
2020年第18期94-95,共2页
-
文摘
初中班主任在初中教育体系中发挥着重要的作用,对学生的成长起着直接的促进作用。为了提升班级管理水平,班主任需要采取科学的工作技巧和方法,并以此为基础开展各项工作。本文主要论述了初中班主任的工作技巧和方法,旨在提升初中班主任的工作效率。
-
关键词
初中班主任
工作技巧
工作方法
-
分类号
G451
[文化科学—教育技术学]
-
-
题名基于约束非负矩阵分解的高光谱解混
被引量:1
- 2
-
-
作者
贾响响
郭宝峰
丁繁昌
徐文结
-
机构
杭州电子科技大学自动化学院
-
出处
《光子学报》
EI
CAS
CSCD
北大核心
2021年第7期113-128,共16页
-
基金
国家自然科学基金(No.61375011)。
-
文摘
为了得到改进的优化解,提出一种基于丰度和端元约束下非负矩阵分解的解混方法。首先,基于丰度矩阵稀疏性特点,将重加权稀疏正则化引入到非负矩阵分解模型中,其中权重根据丰度矩阵自适应更新。其次,根据同一地物在相邻像素中分布的相似性先验,进一步将全变差正则化引入到非负矩阵分解模型中,以改进其丰度平滑性。最后,通过一个马尔可夫随机场模型中的势函数,实现端元光谱平滑性的约束。为了验证所提算法的性能,在一个模拟数据集和两个真实数据集(Jasper Ridge和Cuprite)进行了测试。结果表明:所提方法在端元光谱相似性和丰度估计精度等方面都有所改进。
-
关键词
遥感
高光谱解混
非负矩阵分解
高光谱图像
稀疏矩阵
平滑性
马尔科夫随机场
-
Keywords
Remote sensing
Hyperspectral unmixing
Nonnegative matrix factorization
Hyperspectral imaging
Sparse matrices
Smoothing
Markov random fields
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名初中物理实验教学有效性初探
- 3
-
-
作者
丁繁昌
-
机构
武威第十九中学
-
出处
《甘肃教育》
2017年第16期113-113,共1页
-
文摘
对物理的学习研究是建立在多次实验的基础上的,在初中物理的学习中,很多物理规律、公式等都可以通过实验的形式展现出来。可见,实验教学是初中物理教学中的重要内容。而缺乏实验课的物理课堂是空洞的,实验教学水平在一定程度上决定着物理教学的最终成果。那么,如何提高物理实验教学的效率呢?
-
关键词
物理教学
实验
有效
-
分类号
G633.7
[文化科学—教育学]
-
-
题名初中物理实验教学在物理教学中的作用
- 4
-
-
作者
丁繁昌
-
机构
甘肃省武威市第十九中学
-
出处
《读与写(上旬)》
2019年第2期0150-0150,共1页
-
文摘
初中物理是我国学生学习物理的开门砖,而且物理在现代社会中不管是建筑还是机械中也得到了广泛的应用,所以说学好物理是十分有必要的。初中物理教学不同于其他学科, 由于自身具有很强的可操作性和实验性, 所以现在传统的教学方法一直难以满足物理教学,。我们都知道物理需要实验和教学相结合的学习方式, 为了更好地满足新课程教学标准的要求, 我们应该更充分地利用积极的方法来进行初中物理实验教学的实际教学过程中, 充分考虑学生的实际需求, 同时提高和锻炼学生的实验能力和实践能力, 激发学生对物理学习的兴趣, 从而提高学生的物理学习效果。而本文将对初中物理教学存在的问题和作用进行简单的分析。
-
关键词
初中物理实验
问题分析
作用分析
-
分类号
G633.7
[文化科学—教育学]
-
-
题名基于生成对抗网络的高光谱图像特征提取
被引量:1
- 5
-
-
作者
丁繁昌
郭宝峰
贾响响
徐文结
迟昊宇
-
机构
杭州电子科技大学自动化学院
-
出处
《光电子.激光》
CAS
CSCD
北大核心
2021年第8期852-861,共10页
-
基金
国家自然科学基金(61375011)资助项目。
-
文摘
特征提取是高光谱数据处理领域的一个重要研究内容。高光谱数据获取过程中的复杂性使传统的特征提取方法无法良好地处理高光谱图像。同时,高光谱图像标记样本数量的有限性,也为常用于特征提取的监督深度学习方法带来不利影响。为了摆脱对高光谱图像中标记样本的依赖,在卷积神经网络的基础上引入生成对抗网络,针对光谱特征提出了一种无监督的高光谱图像特征提取的方法。为了稳定网络的训练过程,提高生成对抗网络中判别器的特征表示能力,在目标函数中引入梯度惩罚项,将判别器的性能不断逼向最优。在特征提取阶段,针对高光谱图像的光谱结构,提出了一种通道最大池化方法,能够在降低数据维度的同时尽可能保留高光谱图像的光谱信息。使用支持向量机(support vector machines, SVM)和k近邻(k-hearest neighbor, KNN)方法对提取到的特征进行分类测试。在两个真实数据集上的实验结果表明,提出的方法优于传统的特征提取方法。
-
关键词
高光谱图像
光谱信息
生成对抗网络
特征提取
-
Keywords
hyperspectral images
spectral information
generative adversarial networks
feature extraction
-
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-