分类： 数字出版 >> 新媒体 提交时间： 2023-10-08 合作期刊: 《中国传媒科技》
摘要： 【目的】信息化时代的到来对新闻行业的发展具有积极促进作用。新闻行业已经逐渐从传统新闻的采集模式转变成了互联网时代的新闻采集模式。在这一背景下，如何快速准确地获取到所需要的新闻素材已经成为当前新闻行业所面临的一个重要问题。【方法】文章结合信息化时代背景，分析新闻素材挖掘技术在新闻行业中的应用场景与应用优势，剖析新闻素材挖掘技术的关键技术，从信息获取、素材处理、媒体监测、舆情分析和事件报道五个方面论述新闻素材挖掘技术的具体应用。【结果】利用相关技术来对海量信息进行挖掘处理，快速准确地获取所需要的新闻素材，提升工作效率。【结论】随着技术的不断进步和创新，新闻素材挖掘技术将会有更多的应用场景得到开发和实现，有效促进我国媒体行业更加健康快速的发展。
分类： 统计学 >> 社会统计学 提交时间： 2023-12-04 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］不同类型的小麦倒伏（根部倒伏、茎部倒伏）对产量和质量会产生不同影响。本研究旨在 通过无人机图像对小麦倒伏类型进行分类，并探究无人机飞行高度对分类性能的影响。［方法］研究设置3个无人 机飞行高度（15、45、91 m） 来获取小麦试验田的图像，并利用自动分割算法生成不同高度的数据集，提出一种 EfficientNetV2-C改进模型对其进行分类识别。模型通过引入CA（Coordinate Attention） 注意力机制来提升网络特 征提取能力，并结合CB-Focal Loss （ClassBalanced Focal Loss） 来解决数据不均衡对模型分类准确度的影响。 ［结果和讨论］改进的EfficientNetV2-C表现最佳，平均准确率达到93.58%。对比未改进的4种机器学习分类模型 （支持向量机（Support Vector Machine，SVM）、K 最近邻（K Nearest Neighbor，KNN）、决策树（Decision Tree， DT） 和朴素贝叶斯（Naive Bayes，NB）） 与两种深度学习分类模型（ResNet101和EfficientNetV2），其中Efficient⁃ NetV2在各个高度下表现最优，平均准确率达到82.67%。无人机飞行高度对4种机器学习分类器性能无显著影响， 但随飞行高度上升，由于图像特征信息损失，深度学习模型的分类性能下降。［结论］改进的EfficientNetV2-C在 小麦倒伏类型检测方面取得了较高的准确率，为小麦倒伏预警和农作物管理提供了新的解决方案。
点击量
点击量
下载量
评论
