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；3D軟件

中圖分類號：J525文獻標識碼：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制編碼，對其調(diào)取后會發(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，其可對任何數(shù)據(jù)進行轉(zhuǎn)化和處理，可用于各類生產(chǎn)和設(shè)計行業(yè)，除了本文所研究的環(huán)境藝術(shù)設(shè)計的建筑領(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)計模型，并在計算機中調(diào)節(jié)模型的參數(shù)，從而達到最優(yōu)化配置，這樣不僅有效解決了人力試驗效率低下的問題，還有效避免了誤差的產(chǎn)生，特別是一些專業(yè)的軟件具有的自動檢測和報錯功能，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)字科技自身強大的功能，以下對數(shù)字科技引入環(huán)境藝術(shù)設(shè)計中的影響進行分析，以期為環(huán)境藝術(shù)設(shè)計的發(fā)展提供幫助。

1數(shù)字科技對環(huán)境藝術(shù)設(shè)計行業(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。對于環(huán)境藝術(shù)設(shè)計領(lǐng)域而言，這種改變具體表現(xiàn)在以下3方面：①設(shè)計效率的提升。計算機對設(shè)計的管理比設(shè)計師在圖紙上的管理更加便捷。②滿足個性化需求能力的提升。以往，設(shè)計者無法兼顧業(yè)主的所有需求，進而引發(fā)了業(yè)主與設(shè)計師、委托公司的矛盾；而在數(shù)字科技的幫助下，設(shè)計師能兼顧各種相關(guān)信息。③數(shù)字科技和網(wǎng)絡(luò)化的實現(xiàn)，開拓了環(huán)境藝術(shù)的設(shè)計視野，使設(shè)計師能跟上時展的潮流，接觸更多的世界級作品，這對于設(shè)計師的個人發(fā)展及其在設(shè)計領(lǐng)域的持久生存都有著不可忽視的意義。

1.1促進了環(huán)境藝術(shù)設(shè)計的發(fā)展

數(shù)字科技的核心能力在于對信息的處理，而環(huán)境藝術(shù)設(shè)計也可被看作信息的整合過程。這是因為在建筑和裝修設(shè)計中，設(shè)計者主要負責(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)計效率，還能節(jié)約設(shè)計成本；材料選擇的關(guān)鍵在于材料比例的設(shè)置，在計算機出現(xiàn)前，人們只能不斷地攪拌原材料，并進行搭建試驗，歷經(jīng)數(shù)千年后才找到相對完善和適合各類企業(yè)特征的材料應(yīng)用方式，但隨著時代的發(fā)展，以往的材料已逐漸被替代，對于新型材料的應(yīng)用而言，再以長時間的試驗方式尋求合適的比例，顯然已不適合時展的需求。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固程度。

1.2提高了環(huán)境藝術(shù)設(shè)計的效率

數(shù)字科技的表現(xiàn)力較為強，可展現(xiàn)語言、圖形、文字和影像等，使設(shè)計者可以更好地調(diào)節(jié)色彩、光影、材質(zhì)等效果，且在固定模型的幫助下，可借用對比手段優(yōu)化新采納的元素；可有效提升設(shè)計的藝術(shù)性。以往，設(shè)計師只能在紙上構(gòu)圖，其設(shè)計理念基于平面展開，在實踐過程中可能會遇到平面與立體的轉(zhuǎn)化問題，進而導(dǎo)致設(shè)計師需要消耗較長的時間設(shè)計；但依靠數(shù)字科技可直接立體設(shè)計，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。對于環(huán)境契合性而言，近年來，建筑設(shè)計正在向環(huán)境友好型發(fā)展，需要建筑設(shè)計師契合環(huán)境，以不破壞環(huán)境的設(shè)計理念設(shè)計建筑，且人們對建筑有審美需求，因此，在兼顧兩者的過程中，設(shè)計師必須花費大量的時間；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)計的市場競爭力

環(huán)境藝術(shù)設(shè)計雖然是一種與人類健康發(fā)展契合性較高的設(shè)計模式，但因設(shè)計過程煩瑣、建設(shè)難度較大，導(dǎo)致其一直不受市場歡迎，加之環(huán)境藝術(shù)設(shè)計的自我要求較高、內(nèi)容不斷豐富，削弱了其在市場中的競爭能力。但對于我國當前的設(shè)計領(lǐng)域而言，正缺乏這樣的健康設(shè)計理念，因此，環(huán)境藝術(shù)設(shè)計不僅不應(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)計的效率，并結(jié)合市場需求提升公眾審美的契合性，從而使環(huán)境藝術(shù)設(shè)計得到更多人的關(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)計需求相結(jié)合，實現(xiàn)整體輸出的設(shè)計雇傭模式，從而更好地提高服務(wù)效率。

2結(jié)束語

時代的發(fā)展必然會為人類帶來改變，但很多領(lǐng)域卻無法有效地與時代契合，本文所研究的環(huán)境藝術(shù)設(shè)計便是其中之一。因此，筆者探討了當前提升行業(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，促進環(huán)境藝術(shù)設(shè)計的發(fā)展，從而提升整個建筑設(shè)計領(lǐng)域的水平。

參考文獻

［1］陳健，張雪青.數(shù)字科技發(fā)展對環(huán)境藝術(shù)設(shè)計的影響［J］.同濟大學(xué)學(xué)報（社會科學(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)計的運用和發(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，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、采運困難、礦石品位低等特點，每年需要從國外大量進口鐵礦石，從而形成鐵礦石過高的進口依存度。一旦鐵礦石的主要出口國家大幅度提高價格，我國的鐵礦石供給難以為繼，從而嚴重影響我國鋼鐵產(chǎn)業(yè)的發(fā)展。我國鋼鐵冶煉多為長流程法，在生產(chǎn)鋼鐵過程中對焦煤極大的需求，隨著焦煤價格上漲，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重，在東北和華北地區(qū)，鋼鐵產(chǎn)業(yè)甚至出現(xiàn)“與民爭水”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)績效的評價。傳統(tǒng)的企業(yè)績效評價以財務(wù)指標為核心，屬于財務(wù)評價。吳利華、周勤（2008）認為企業(yè)的凈資產(chǎn)收益率指標是企業(yè)經(jīng)濟績效的反映，他們實證分析了鋼鐵行業(yè)集中度與企業(yè)績效的關(guān)系，發(fā)現(xiàn)企業(yè)績效與產(chǎn)業(yè)集中度負相關(guān)。關(guān)于資源約束與鋼鐵企業(yè)績效的關(guān)系，張慶芝、何楓將資本、勞動、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)境約束會降低鋼鐵企業(yè)技術(shù)效率，進而影響產(chǎn)業(yè)競爭力。劉鴻杰將資本投入、能源消耗、勞動投入設(shè)為鋼鐵行業(yè)的資源約束指標，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，實證研究了資源約束對對鋼鐵企業(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，技術(shù)進步是鋼鐵企業(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)濟績效呈負相關(guān)關(guān)系。

根據(jù)以上假設(shè)又延伸出三個假設(shè)：

假設(shè)1：鐵礦石消耗量與企業(yè)經(jīng)濟績效水平正相關(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使鋼鐵企業(yè)的產(chǎn)量增加，從而提高其企業(yè)經(jīng)濟績效，因此假設(shè)鐵礦石消耗量與企業(yè)經(jīng)濟績效呈正相關(guān)。

假設(shè)2：能耗與企業(yè)經(jīng)濟績效水平正相關(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)濟績效水平越好。

假設(shè)3：廢氣排放與企業(yè)經(jīng)濟績效水平正相關(guān)

本文按照以下標準選取研究樣本：

（1）選取滬深A(yù)股上市公司。因為滬深A(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水平上進行比較。

第3篇：數(shù)字經(jīng)濟的影響范文

【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)濟社會發(fā)展取得了舉世矚目的巨大成就，但是我們在資源和環(huán)境方面也付出了巨大的代價，經(jīng)濟增長方式粗放，資源利用率低、浪費大、污染重，這在農(nóng)業(yè)、工業(yè)和服務(wù)業(yè)三個產(chǎn)業(yè)方面都明顯地表現(xiàn)出來，嚴重地影響著湖北經(jīng)濟的可持續(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。湖北省又是水稻種植大省，對水資源的消耗大。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，接近國際公認的1700立方米的嚴重缺水警戒線。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，浪費嚴重，資源的利用率不高；另一方面，粗放型的增長方式使得污染也十分嚴重；同時，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)與粗放型增長方式的結(jié)合使資源浪費和環(huán)境破壞日趨嚴重。

1、在湖北省城市化進程中，一些地方城鎮(zhèn)無序擴張，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，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)量僅及當?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資源、增加了經(jīng)濟成本，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、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)污染的嚴重程度還發(fā)展到農(nóng)產(chǎn)品有毒有害物質(zhì)殘留超標，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)品出口競爭力。農(nóng)業(yè)污染問題的嚴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)實力雄厚、新興產(chǎn)業(yè)蓬勃發(fā)展的工業(yè)經(jīng)濟結(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73%左右，規(guī)模以上重工業(yè)完成增加值為1466億元，增長21.6%，比輕工業(yè)快7.9個百分點。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)成為湖北增長的發(fā)動機，湖北的工業(yè)增長和經(jīng)濟增長主要是重工業(yè)帶動的。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)消費量的14%。2002年，全省能源生產(chǎn)量為4292萬噸標煤，而消耗量是6900萬噸標煤；2004年全省規(guī)模以上工業(yè)原煤消費5438萬噸，占全省工業(yè)能源消費量的64.3%。原煤消費主要用于能源加工轉(zhuǎn)換，2004年發(fā)電企業(yè)原煤消費2463.2萬噸，占全省原煤消費量的45.0%。盡管湖北擁有三峽工程這個特大型的水電樞紐，但湖北享受的用電配額并不高，遠遠滿足不了工業(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省；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，已標明儲量礦產(chǎn)87種，分別占全國的81%和53%；礦產(chǎn)儲量潛在價值約為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量少，產(chǎn)量低，煤炭探明儲量不足全國的1%，石油剩余可采儲量僅占全國的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)濟的可持續(xù)發(fā)展。

2、從增長模式來看，長期以來，湖北經(jīng)濟發(fā)展是以粗放型增長方式為主，實施的是“高投入、高消耗、高污染、低收益”的粗放型發(fā)展模式，經(jīng)濟增長在相當程度上主要是依賴資源能源的高投入來實現(xiàn)的，在粗放型增長模式下，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9.3%，其中工業(yè)生產(chǎn)增長12.5%，而可供消費的能源總量只增長5.8%，明顯趕不上整個經(jīng)濟的發(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)品能耗比國外先進水平高40%。另一方面，能源的緊缺和利用率偏低又加劇了對資源的掠奪性開采和對環(huán)境的肆意破壞。比如，一些地方對礦產(chǎn)資源亂采濫挖，缺乏保護：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)等問題相當突出，以至造成資源的浪費、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；工業(yè)的產(chǎn)品支撐相對分散，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)沒有達到適度經(jīng)濟規(guī)模。而這樣一種較低層次產(chǎn)業(yè)結(jié)構(gòu)對資源的消耗是較多的，所生產(chǎn)的產(chǎn)品帶來的污染是嚴重的。目前，湖北主要的生產(chǎn)行業(yè)，如電力、機械、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)過程中污染嚴重的特點。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)勢業(yè)態(tài)；同時現(xiàn)代服務(wù)業(yè)，如金融、地產(chǎn)、物流、旅游、會展、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)濟的重要組成部分。但是，我們也必須看到，根據(jù)我國經(jīng)濟發(fā)展的過程和社會生活特點，一些與生產(chǎn)服務(wù)密切相關(guān)的現(xiàn)代服務(wù)業(yè)，如運輸、物流配送等，以及與消費服務(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、對環(huán)境影響較強的部門。

有資料顯示，近年來，我省主要江河湖泊的水質(zhì)有進一步下降的趨勢，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（超Ⅲ類）河段長度占全省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個城市內(nèi)湖水質(zhì)降到了劣Ⅴ類。水污染已對飲用水源水質(zhì)安全構(gòu)成嚴重威脅，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餐飲、旅游、水運等行業(yè)對水體環(huán)境造成的污染也是一個十分重要的原因之一。除餐飲、旅游、水運對環(huán)境的破壞，交通運輸行業(yè)快速發(fā)展對空氣的影響，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，隨著湖北交通運輸行業(yè)快速發(fā)展，城市機動車尾氣污染日趨嚴重，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，僅大氣污染造成的經(jīng)濟損失就占GDP的3-7%。

第4篇：數(shù)字經(jīng)濟的影響范文

摘 要：國際數(shù)字出版環(huán)境對圖書館規(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)費減少和書刊價格上漲之間的矛盾，發(fā)揮用戶主動性，推動讀者決策采購；適時調(diào)整數(shù)字資源比重，整合多類型數(shù)字資源；集團采購，減少重復(fù)購買，緩解資金壓力，促進資源共建共享，并適時進行資源建設(shè)評估，提升圖書館的服務(wù)質(zhì)量和水平。

中圖分類號：G253文獻標識碼：A文章編號：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。金融沖擊與數(shù)字浪潮的接連沖擊也使連鎖書店、獨立書店和報刊亭等出版業(yè)的傳統(tǒng)銷售渠道長期處于被動調(diào)整的狀態(tài)。面對傳統(tǒng)出版發(fā)展動力不足的情況，傳統(tǒng)出版商也在積極調(diào)整，充分發(fā)揮內(nèi)容上的絕對優(yōu)勢，在專注自身品牌建設(shè)的同時，關(guān)注讀者閱讀興趣和閱讀習(xí)慣的改變，實施多元化戰(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構(gòu)建立了作者平臺和出版平臺，向數(shù)字化方向轉(zhuǎn)型。

1.2 數(shù)字出版的發(fā)展

數(shù)字時代對整個出版業(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)和當期的社會閱讀環(huán)境都發(fā)生了變化。數(shù)字移動端日新月異，讀者群日益增多，讀者需求也更為多樣，對信息類型、傳播速度和信息時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)個性化、競爭態(tài)勢國際化的發(fā)展優(yōu)勢，順應(yīng)“網(wǎng)絡(luò)一代”對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

大型出版集團在挑戰(zhàn)和機遇面前，積極推進數(shù)字化與全球發(fā)展戰(zhàn)略，進行技術(shù)投入、內(nèi)容積累與平臺搭建，積極與新技術(shù)和新媒體融合，把握數(shù)字時代的發(fā)展機遇。培生集團依托豐厚的內(nèi)容資源，通過并購獲得技術(shù)和技術(shù)平臺，著重對數(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年年報顯示，2014年全年營業(yè)額為4，874百萬英鎊，營業(yè)利潤比上一年增長了8%，公司遞延收入增長10%，達到8億英鎊，展示出數(shù)字與服務(wù)強勁的增長勢頭。勵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)品進行的，2014年數(shù)字收入約占總收入的82%，勵德愛思唯爾在20世紀末就已開始了數(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。

2 數(shù)字出版環(huán)境對圖書館資源建設(shè)的影響

國際數(shù)字出版環(huán)境對圖書館戰(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)生了深遠影響（見圖1）。如何適應(yīng)移動互聯(lián)網(wǎng)時代的用戶需求，合理制定文獻資源建設(shè)規(guī)劃，協(xié)調(diào)好紙質(zhì)資源和電子資源的關(guān)系，實現(xiàn)經(jīng)費與資源效益的最大化，加強資源的組織管理，促進資源的貯存和利用共享，成為圖書館文獻資源建設(shè)面臨的重大挑戰(zhàn)。

圖1 數(shù)字出版環(huán)境對圖書館資源建設(shè)的影響

2.1 規(guī)劃制定與選擇收集

數(shù)字出版時代，采選原則、經(jīng)費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)機制，對資源使用狀況進行綜合分析、謹慎決策，以提高館藏質(zhì)量和館藏利用率。當前公開出版的最新的ARL Statistics的統(tǒng)計數(shù)據(jù)顯示ARL成員館2012―2013年度總開支達到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)費支出呈逐年上漲的趨勢。

同時，紙本印量的減少和物流成本的增加，導(dǎo)致紙本刊價格上漲，Elsevier、Springer、T&F、Wiley和Sage等出版社的紙本期刊平均刊價每年都有5%左右的上漲，Sage甚至達到7%的增長。而圖書館面臨著科研經(jīng)費緊張、續(xù)訂資源不斷漲價等方面的挑戰(zhàn)，資源建設(shè)困難重重。面對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，轉(zhuǎn)而購買數(shù)量不斷增加且價格持續(xù)上漲的電子資源，經(jīng)費投入也正突破傳統(tǒng)的束縛而大步進行著改革。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算機設(shè)備、移動設(shè)備、視聽設(shè)備，并配有圖像掃描儀、打印機、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)時代的需求而產(chǎn)生，同時對圖書館員提出了更高的要求。

高素質(zhì)、懂技術(shù)、有專業(yè)知識背景的人才隊伍是數(shù)字資源服務(wù)的支撐，圖書館員需要更為主動，在服務(wù)中不斷引導(dǎo)用戶的行為；同時還要有過硬的專業(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)字資源具有存儲方便、可以重復(fù)利用、傳輸便捷的獨到特點和優(yōu)勢，同時資源的長期保存還面臨著技術(shù)、標準、安全和版權(quán)糾紛等多方面的困擾。數(shù)字資源的長期保存問題成為數(shù)字出版時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、促進特色資源開發(fā)等方式，滿足用戶數(shù)字環(huán)境下的多樣化需求。移動互聯(lián)網(wǎng)環(huán)境下，圖書館通過開展網(wǎng)上實時咨詢、信息素質(zhì)教育、決策咨詢、個性化定制及網(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、個性和透明的服務(wù)。

張昭：國際數(shù)字出版環(huán)境對圖書館文獻資源建設(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，研究時間短，但研究水平卻快速實現(xiàn)了實質(zhì)性的飛躍。在2015年1月，中國社會科學(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)域的全部內(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準或參數(shù)確定采購文獻的種類。

3.2 集團采購

數(shù)字資源集團采購是指多個圖書館組織起來聯(lián)合采購某種資源，以最少的經(jīng)費，獲取最優(yōu)的價格、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所高校以集團采購的方式，率先引進了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、注重評估、突出特色、加強與電子資源協(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)費浪費，使紙質(zhì)期刊與電子期刊互為補充，共同為讀者服務(wù)。

3.4 資源共享和加強數(shù)字資源建設(shè)

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

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)目標建立機構(gòu)知識庫，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，增強圖書館文獻保障能力，提高用戶服務(wù)水平，降低用戶信息獲取成本，提高信息利用價值，使圖書館走可持續(xù)發(fā)展之路。

3.5 采購評估

圖書館藏評估工作不到位，很容易出現(xiàn)盲目采購的傾向，造成資源的浪費。對用戶的借閱量進行定期統(tǒng)計，對用戶的閱讀習(xí)慣進行具體分析，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)，對之前的采購流程進行評估、改善，不斷提升圖書館的文獻資源保障能力。

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)揮圖書館在新時代的文化職能。

參考文獻：

[1] 國際出版業(yè)發(fā)展報告（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”（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價指標體系構(gòu)建[J].圖書館理論與實踐，2014（10）：60-63.

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

[6] 嚴丹.高校圖書館文獻資源建設(shè)的評估指標及對策探討[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[J].圖書館學(xué)研究，2015（2）：4.

第5篇：數(shù)字經(jīng)濟的影響范文

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

中圖分類號：TP273.2 文I標識碼：A 文章編號：1007-9416（2017）04-0008-01

1 引言

在大型機械設(shè)備的數(shù)控加工中，特別是航空機械設(shè)備，會有很多復(fù)雜的曲面機械加工，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，一般在整個加工過程中保持不變，給進速率為了保護數(shù)控機床和刀具，一般選取也是比較保守速率偏低，這就使得數(shù)控機床的加工效率大打折扣，不能發(fā)揮高端數(shù)控機床的高效能力。如何充分利用數(shù)控機床加工高效特點，提高數(shù)控機床加工精度和降成本，是目前一個比較有研究價值的課題。

針對以上問題，本文設(shè)計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)自動調(diào)整各個加工參數(shù)，從而達到最大限度自適應(yīng)進行各類機械零部件的機械加工，大幅提高了數(shù)控機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)值進行表述，由于神經(jīng)元數(shù)量眾多，當神經(jīng)網(wǎng)絡(luò)受損后也可以報至神經(jīng)網(wǎng)絡(luò)的正確輸出，這種計算方式能夠大大提高系統(tǒng)的魯棒性和容錯性。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)常常用在模式識別方面，具有收斂速度快和逼近效果好的優(yōu)點，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數(shù)和作用函數(shù)，把非線性的問題映射成線性的問題，進行了系統(tǒng)簡化處理。徑向基神經(jīng)網(wǎng)絡(luò)在進行訓(xùn)練時，需要設(shè)計神經(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、輸出個數(shù)，隱含層節(jié)點數(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

我們設(shè)計的自適應(yīng)系統(tǒng)終極目的是以盡可能大的切削速度來進行機械零部件加工，利用試切進行自適應(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)測整個數(shù)控機床加工的負載變化情況，把數(shù)控加工的每次走刀達到的最大負荷進行全部記錄保存。

徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)包括三個層級：輸入層、隱層和輸出層。隱層由一個徑向基函數(shù)組成，和每個隱層節(jié)點相關(guān)的參數(shù)為網(wǎng)絡(luò)中心向量和半徑。為了簡化計算工作量，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)算法來計算權(quán)重向量值。

數(shù)控加工過程中，切削負荷的傳遞主要包括切削力的產(chǎn)生、切削負荷的傳遞、機電轉(zhuǎn)換三個方面。電機系統(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為電機到刀具的傳動比，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。

通過電機與切削力負荷之間的公式，進行徑向基神經(jīng)網(wǎng)絡(luò)離線建模，利用電流傳感器在線實時監(jiān)測電機電流信號的變化和在線實時測定實際工況，然后采集實時電流信息，利用自適應(yīng)控制系統(tǒng)提取出切削負荷的特征信息，進而判定當前切削負荷的變化情況，然后比較當前的切削負荷與公稱負荷值，通過實時對走刀給進修調(diào)率不斷進行調(diào)整，保證在整個切削過程中，給數(shù)控加工提供連續(xù)的、可靠的、穩(wěn)定的、自動的給進速率。

徑向基神經(jīng)網(wǎng)絡(luò)的輸出是數(shù)控機床的主軸電流信息，它包括了三部分內(nèi)容：切削力部分、機床本體特征部分、外部環(huán)境干擾部分。在此需要把信號進行過濾，去除機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有效負荷特征電流信息。

經(jīng)過實際驗證，本文設(shè)計的數(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)具有一定的實用價值。

4 結(jié)語

本文針對機械設(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)切削的實時工況信息，利用神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，自動調(diào)整負荷的特征電流，進而改變切削給進速率，該系統(tǒng)能夠較好的從切削參數(shù)映射切削負荷，經(jīng)過實際驗證，該系統(tǒng)能夠大幅提高數(shù)控加工效率。

參考文獻

第6篇：數(shù)字經(jīng)濟的影響范文

[關(guān)鍵詞] 營運資金;管理效率;經(jīng)營績效;研究綜述

[中圖分類號] F230 [文獻標識碼] B

一、引言

營運資金是企業(yè)運營過程中最常使用的流動資金，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資金管理的好壞。良好的營運資金管理和運轉(zhuǎn)，才能確保企業(yè)供、產(chǎn)、銷各環(huán)節(jié)的順暢銜接，對企業(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)注營運資金管理效率的好壞。與此同時，營運資金管理對企業(yè)經(jīng)營績效有著重要的影響，良好的營運資金管理有利于提高流程管理的周轉(zhuǎn)速度和運行效率，同時企業(yè)經(jīng)營績效的好壞程度受業(yè)務(wù)流程良性運行水平的影響。因此，營運資金管理效率應(yīng)受到上市公司的關(guān)注，通過提高營運資金管理效率來改善企業(yè)整體經(jīng)營績效。本文試圖對國內(nèi)外有關(guān)營運資金管理效率及其與企業(yè)經(jīng)營績效的現(xiàn)有文獻進行較詳細梳理和總結(jié)，在對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，并期待進行更加深入的研究，揭示更多關(guān)于營運資金管理效率與企業(yè)經(jīng)營績效的奧秘。

二、國外研究現(xiàn)狀回顧

國外一般采用實證方法研究營運資金管理效率和企業(yè)經(jīng)營績效相關(guān)性關(guān)系，把表示營運資金管理效率的評價指標與企業(yè)經(jīng)營績效進行實證回歸分析，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)營運資金管理與企業(yè)經(jīng)營績效之間的顯著關(guān)系。Manual Jose等（1996）發(fā)現(xiàn)除了個別公司和特殊行業(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)營運資金管理效率與企業(yè)經(jīng)營績效之間存在顯著的關(guān)系。

Deloof（2003）研究比利時樣本發(fā)現(xiàn)：企業(yè)經(jīng)營績效與應(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)期與公司利潤呈負相關(guān)關(guān)系;另外還發(fā)現(xiàn)公司規(guī)模和利潤呈負相關(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)，分析了營運資金各組成部分對該行業(yè)收益的影響。結(jié)果表明，速動比率、流動比率、應(yīng)收賬款周轉(zhuǎn)期、應(yīng)收票據(jù)周轉(zhuǎn)期、營運資金和總資產(chǎn)周轉(zhuǎn)率對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)報酬率之間顯著負相關(guān)，與凈資產(chǎn)報酬率負相關(guān)但不顯著，現(xiàn)金周轉(zhuǎn)期短的公司較現(xiàn)金周轉(zhuǎn)期長的公司具有更強的盈利能力。

Huynh Phuong Dong（2010）選取了越南股票市場上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)金周期與公司利潤顯著負相關(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)與公司利潤呈顯著負相關(guān)。

三、國內(nèi)研究現(xiàn)狀回顧

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

劉運國（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，營運資金的管理策略對企業(yè)經(jīng)營績效的影響確實存在。

王結(jié)冰（2006）發(fā)現(xiàn)營運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)險也呈正相關(guān)。

汪平、薛甜（2007）研究認為營運資金周轉(zhuǎn)期同企業(yè)的資產(chǎn)報酬率是負相關(guān)的，流動資產(chǎn)比例和流動負債比例與企業(yè)經(jīng)營活動現(xiàn)金流量存在著并不顯著的較弱的負相關(guān)關(guān)系。

袁光才（2008）認為在電力行業(yè)中，流動資產(chǎn)與長期資產(chǎn)之比同企業(yè)經(jīng)營績效呈正相關(guān)關(guān)系;流動負債與長期負債之比同企業(yè)經(jīng)營績效呈不顯著的負相關(guān)關(guān)系;流動資產(chǎn)與流動負債之比同企業(yè)績效呈不顯著負相關(guān)關(guān)系;流動資產(chǎn)周轉(zhuǎn)率和企業(yè)績效呈正相關(guān)關(guān)系，這表明，在電力行業(yè)中營運資金結(jié)構(gòu)與企業(yè)績效的相關(guān)關(guān)系不是很明顯。

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

曹玉珊（2013）認為我國上市公司的營運資金整體管理效率和企業(yè)經(jīng)營績效呈正相關(guān)關(guān)系;和營運資金性質(zhì)一樣的存貨和應(yīng)收賬款，其管理效率同企業(yè)績效之間也具有一定的正相關(guān)關(guān)系;但與營運資金性質(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

第7篇：數(shù)字經(jīng)濟的影響范文

目的 應(yīng)用不同頻率電刺激大鼠丘腦底核（STN），觀察對丘腦束旁核（PF）神經(jīng)元放電的影響，研究STN對PF神經(jīng)元活動的調(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，強度0.4 mA，波寬0.06 ms，時程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，多數(shù)神經(jīng)元無明顯反應(yīng)；刺激頻率為130 Hz和200 Hz時， 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PF主要為興奮作用，提示高頻刺激STN治療帕金森氏病的機制有PF神經(jīng)元活動的參與。

【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?。≒D）的運動癥狀，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］，但其機制卻尚未闡明。最近一些研究表明束旁核（PF）參與運動的調(diào)節(jié)。PF是丘腦髓板內(nèi)核群后群的一組核團，與基底神經(jīng)節(jié)的不同核團之間有著廣泛的聯(lián)系，對基底節(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的運動癥狀，是否有PF神經(jīng)元的參與還尚未見報道。本實驗用電刺激方法研究大鼠STN對PF神經(jīng)元放電的影響，有助于闡明高頻電刺激STN治療PD的作用機制。

1 材料和方法

1.1 實驗動物及儀器

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

1.2 實驗方法

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（AP -3.8 mm，LR 2.2～2.8 mm，H 7.8～8.0 mm），PF坐標(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，刺激強度0.4 mA，波寬0.06 ms，刺激時程5 s。

細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)元進行記錄。在進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

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（-20 μA，15 min）標記記錄部位，刺激部位采用直流電損毀法標記。大鼠用含4%多聚甲醛的0.1 mol/L磷酸緩沖液經(jīng)頸動脈灌流固定后，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行統(tǒng)計學(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。每個神經(jīng)元ISIH的生成至少包含300個動作電位，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呈對稱性分布；(2)不規(guī)則放電，ISIH呈隨機分布；(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±標準誤（±s）表示，顯著性檢驗用t檢驗，P

2 結(jié)果

2.1 丘腦束旁核神經(jīng)元的自發(fā)放電活動

共記錄了53個正常大鼠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PF神經(jīng)元放電的影響

共觀察了57個正常大鼠PF神經(jīng)元對高頻刺激（頻率130 Hz，強度0.4 mA，波寬0.06 ms， 時程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PF神經(jīng)元放電的影響（略）

3 討論

本實驗觀察到以不同頻率刺激STN，刺激頻率低于100 Hz時，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， 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)濟的影響范文

關(guān)鍵詞：新規(guī)則；跆拳道；電子護具；技戰(zhàn)術(shù)運用

一、研究對象與方法

1.研究對象。本文的研究對象為2014年山東省第23屆省運會跆拳道女子51Kg4名和2015年山東省錦標賽女子跆拳道51Kg4名隊員。

2.研究方法。（1）文獻資料法。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態(tài)和發(fā)展趨勢。（2）錄像分析法。觀看2014年山東省第23屆省運會女子跆拳道51Kg和2015年山東省錦標賽跆拳道51Kg的現(xiàn)場錄像，統(tǒng)計和比較運動員在不同的情況下所采用的技戰(zhàn)術(shù)。（3）比較分析法。主要是針對新規(guī)則和舊規(guī)則進行比較。

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、級別分值、判罰等方面有較大變化：（1）難度動作分值的改變：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，三個邊裁；新規(guī)則休息30秒，四個邊裁。（4）允許攻擊的部位：舊規(guī)則頭部除后腦外的整個頭部，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）出界運動員一腳出警戒線，判罰警告，背逃警告；新規(guī)則運動員雙腳越出警戒線，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）級別的變化：舊規(guī)則8個級別，新規(guī)則7個級別。（9）平分時舊規(guī)則普通護具按警告判罰，電子護具按力量值判罰。

2.2014年山東省第23屆和2014年省錦標賽女子51Kg比賽中技戰(zhàn)術(shù)運用的變化分析。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，因為規(guī)則變化后推踢可以使用。

三、新規(guī)則下山東省跆拳道運動技戰(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)則要求運動員有較高的防守及反攻能力，攻防平衡，鼓勵運動員積極使用轉(zhuǎn)身及擊頭大動作，并鼓勵其穿插在其他動作訓(xùn)練中。堅持“兩人配合交替進行攻防”訓(xùn)練時帶入比賽的意識。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)。在比賽中以進攻為主，推踢控制住對手，最終贏得比賽。

2.技戰(zhàn)術(shù)方面應(yīng)注意的問題。教練員及運動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。加強電子護具佩戴訓(xùn)練，提高擊打有效部位的準確性，豐富運動員的打法，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)則鼓勵隊員使用大分值技術(shù)，積極進攻和使用高難度動作，山東省跆拳道運動員基本功技術(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；臨場判斷能力較弱；主動進攻少，連接能力差，高難度動作不敢用，得分領(lǐng)先時消極保分，最終輸?shù)舯荣?。?guī)則的修改及電子護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，我國跆拳道運動員訓(xùn)練技術(shù)應(yīng)多樣化，加強訓(xùn)練連貫技術(shù)。應(yīng)注意加大對推踢技術(shù)、橫踢技術(shù)、下劈技術(shù)、邊線技術(shù)、主動進攻等技術(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，同時注重關(guān)節(jié)力量的加強，比賽中鼓勵隊員積極主動打出自己的特色。

參考文獻：

第9篇：數(shù)字經(jīng)濟的影響范文

doi：10.11772/j.issn.10019081.2013.07.1976

摘 要：

針對基于碼書模型的圖像分類方法忽略圖像的拓撲信息及增量學(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；其次改進了基本的碼書模型，利用SOINN自動產(chǎn)生聚類數(shù)目和保留數(shù)據(jù)拓撲結(jié)構(gòu)的兩項能力，尋找更有效的單詞和設(shè)計更有效的編碼方式，產(chǎn)生更合適的碼書。實驗結(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、更準確地運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：

TP311

文獻標志碼：A

英文標題

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

圖像場景分類是圖像檢索中的一個重要應(yīng)用，其目的就是要將一幅圖像按其所描述的場景或者包含的物體進行分類。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，圖像分類的準確度在標準數(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，對每個子區(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)練集和測試集，訓(xùn)練分類器，并進行測試。

目前的研究熱點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圖像特征編碼，將圖像的編碼問題轉(zhuǎn)化為一個稀疏編碼的問題，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，是對傳統(tǒng)矢量量化編碼的一種改進，引入了局部信息，將與特征距離最近的幾個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]針對碼書模型的無序性進行改進，提出了一種空間金字塔匹配（Spatial Pyramid Matching，SPM）的方法，將圖像描述為多級金字塔串聯(lián)的特征向量。針對碼書模型中常見的直方圖描述這句話未結(jié)束，請補充或調(diào)整。

碼書的創(chuàng)建是另一大研究熱點。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、隨機抽樣或者感興趣區(qū)域、關(guān)鍵點區(qū)域等。一般的方法實驗設(shè)置：對一幅圖片按步長為8個像素產(chǎn)生稠密取樣的網(wǎng)格，在每個取樣點以16×16個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撲信息，且無法進行增量學(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撲信息進行增量學(xué)習(xí)成為提高分類準確性的一個重要研究目標。

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，可以自動發(fā)現(xiàn)合適的類別數(shù)目，產(chǎn)生聚類結(jié)果時，還能保留數(shù)據(jù)的拓撲信息，能更好地反映數(shù)據(jù)的特性，非常適合在未知類別數(shù)目時的聚類任務(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

計算機應(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，特殊記號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嗎？是否應(yīng)該是“Nearest Neighbor Encoding， NNE”，請明確。）是目前最簡單的也是應(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表示一個特征，vk表示碼書的一個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？請明確。

s.t. m， Card（um）=1；|um|=1，um≥0

以上約束表示u只有一個不為0的維度值，且其值為1，對應(yīng)編碼。產(chǎn)生碼書的階段是在同時考慮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）對其進行了改進。稀疏編碼時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）更為恰當些，請明確。這是時間復(fù)雜度的一種表示方法，表示復(fù)雜度的級別。如O（n2），O（n3）表示平方級和立方級，所以這個不能改。，測試復(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），測試復(fù)雜度為O（1），能有效處理大數(shù)據(jù)集，同時在分類的準確度上也有所提高。

由于最近鄰編碼中要求Card（um）=1，也就是說只找一個碼字與特征匹配，這顯得太嚴格了。稀疏編碼放寬這個約束，用對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。因為可以通過對um

因為固定U，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）可以分解為對每個um獨立優(yōu)化下式：

minumxm-Vum22+λ|um|（4）

這在統(tǒng)計學(xué)習(xí)中被稱為Lasso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€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），當達到結(jié)束條件時，可以獲得碼書V。那么測試階段就只要對抽取圖像的特征集X進行式（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，即將圖像進行多級空間劃分，將每一級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（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是通過計算特征與每個碼字的相似度來調(diào)節(jié)局部性的一個向量，通常如下計算：

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)定一個閾值，是小于這個閾值的系數(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Kmeans產(chǎn)生的碼書利用局部線性約束進行了改進。

2 SOINN原理

SOINN是一個兩層的競爭網(wǎng)絡(luò)。第一層是輸入數(shù)據(jù)的競爭，第二層是第一層輸出數(shù)據(jù)的競爭，然后輸出拓撲結(jié)構(gòu)和第二層的權(quán)向量。SOINN中有兩個自動調(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，請明確。

利用SOINN可以實現(xiàn)對輸入的訓(xùn)練集進行增量學(xué)習(xí)，每一個特征向量轉(zhuǎn)化為網(wǎng)絡(luò)中的一個節(jié)點。在學(xué)習(xí)的過程中，會刪除噪聲節(jié)點和離分類邊界較遠的無用節(jié)點，以最小的代價實現(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)集特點的前提下是不妥的，對于所有數(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，可以自動確定合適碼書的大小，對于各種新數(shù)據(jù)集的處理更有把握，對于實際應(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)，對從圖像中抽取的特征進行編碼，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={一組多種場景下的圖像數(shù)據(jù)集Ω={I1，…，IN}，其中每張圖像Ii的場景類別已經(jīng)確定且只能對應(yīng)場景類別集合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對應(yīng)的最終編碼后的SPM特征向量}。

3）對圖像數(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對特征描述集X進行非監(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）對特征描述集中的每個特征xi進行編碼：（xi此處的xi，是否應(yīng)該改為xj？請明確。）{1，…，K}。

7）對圖像數(shù)據(jù)集中任意圖像Ii進行SPM，產(chǎn)生其最終特征向量。

通過Algorithm 1，可以對特定的圖像數(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)練集和測試集之后，可以通過圖像編碼部分（5）、6）、7）步）進行訓(xùn)練集和測試集的圖像編碼描述，然后通過訓(xùn)練相應(yīng)的分類器來分類測試圖像。

4 實驗分析

4.1 實驗設(shè)置

為了驗證本文提出的算法的分類性能，將該算法與兩種基準算法：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)集上進行分類精度的對比。其中的SIFT描述符從16×16 像素塊中抽取并且從8步長的網(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單的樣例，需要一個簡單的初始字典，所以本文對比了兩個初始字典的實現(xiàn)，其中之一通過Kmeans聚類，另一個通過在全局數(shù)據(jù)上運行5次稀疏編碼迭代和字典更新。從經(jīng)驗上看，它們之間在分類精度上有細微差別，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進行分類。為了獲得較可靠的結(jié)果，本文將實驗重復(fù)10次，每次對訓(xùn)練集和測試機有不同的隨機劃分，最終得到一個分類精度的結(jié)果。繼續(xù)Caltech101數(shù)據(jù)集的實驗設(shè)置， 對每個類別分別訓(xùn)練5，10，15，20，25，30個樣本，用其余的測試，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，對每個類別選取30個圖片作為訓(xùn)練數(shù)據(jù)，將本文的方法選取不同的字典大小（256，512，1024）運用在分類上。將平均分類精度與ScSPM算法進行對比，結(jié)果如圖5所示。

圖5 不同字典大小下的性能對比

4.2 實驗結(jié)果

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

從圖5中對不同字典大小下的對比結(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個自然場景數(shù)據(jù)集上對比了本文提出的算法和ScSPM，以此驗證算法的分類性能，在每個算法的字節(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景下的分類準確度依然優(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圖像進行分類，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，然而當前的研究方法均忽略圖像的拓撲信息及增量學(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。實驗結(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：