媒介融合语境下电视新闻类节目的全媒体元素解读——以凤凰卫视《全媒体全时空》为例

在新媒体如飓风般冲击下,广播、电视、报纸等传统媒体纷纷展开数字化转型以顺应媒介融合大潮.电视新闻类节目是电视数字化转型中扬长避短的重镇,走在改革前端的凤凰卫视依托其丰富的新闻资源在2013年打造了第一档全媒体电视新闻节目《全媒体全时空》,实现了全媒体新闻传播模式的建立.本文将在观照媒介融合语境下对其全媒体元素进行解读.     

障碍空间中不确定对象的组k最近邻查询方法

针对障碍空间中不确定对象的组k最近邻查询问题,提出了Pk OGNN(probabilistic k obstructed group nearest neighbor query)查询方法。Pk OGNN查询方法主要包括4个子算法:Compadist_o(),SpatialPru(),PruInterEnt()和PkOGNN(),这些子算法分别是集总障碍距离的计算方法、空间修剪方法、根据空间修剪方法进行R树中间结点修剪、最终精炼查询方法。所提Pk OGNN查询方法通过集成有效的修剪策略以便减少Pk OGNN的搜索空间,得到正确的k GNNs。理论研究和实验结果表明,所提方法具有较好的性能。     

砀山酥梨种质资源与环境保护数字化管理应用与研究

为实现砀山酥梨种质资源和当地环境保护向数字化、信息化和智能化转变,运用数据库、Web GIS和计算机网络等技术,建立种质资源及生物多样性保护数据库,并研发一个可以针对数据进行管理的信息监管平台,达到可以对这些种质资源的信息进行基本管理的目的,以强化保护区资源管理工作,实现信息的可视化浏览、管理、查询和分析,起到高效监督管理的作用。     

基于卷积神经网络的农田杂草与水稻的分类识别

近些年来国内外专家在农田杂草的识别领域进行了深入研究,逐步完善了传统方法识别农田杂草的局限性,提高了杂草识别的准确率。而卷积神经网络在图像识别和分类上有先天的优势,能够简单高效地对农田杂草进行识别,所以本文提出了一种基于卷积神经网络的农田杂草分类识别方法。本文在农田中杂草和水稻的数据集上的实验结果显示,本算法的识别正确率在85%以上,能够有效地对杂草与水稻进行分类识别。     

一种障碍空间中移动对象的连续k最近邻查询方法

针对时空数据库中的连续移动对象的最近邻查询问题,提出COp KNN(continuous obstructed possible k-nearest neighbor)查询:在二维空间中,给定一个移动查询点q、一组移动查询对象集合P和一组多边形障碍物集合O,根据障碍距离的概念,查询q所有可能的k最近邻集合。由于移动对象本身的不确定性以及现实生活中障碍物的存在,已有的查询方式不再适用COp KNN查询。COp KNN查询包括三个子过程:根据可视图、R树和堆排序的概念,给出计算两点之间障碍距离(大于等于欧几里得距离)的方法;基于R树的查询方式查找在用户给定时间段内q所有可能的k最近邻结果集(初步结果,也叫候选集);采用Mindist(E,q)和候选集更新算法Updata C(pn)对k最近邻结果集进行剪枝,得到较为精确的k最近邻结果集。实验数据集和障碍物集均采用真实的数据集,理论研究和实验结果表明,该方法具有良好的效率。