简介:摘要:本文基于机器视觉识别技术识别杂草与作物根茎,将杂草等对耕深测量的影响进行量化处理,使用激光测距仪进行田地测试,实验结果表明耕深测量会因为杂草的影响而偏大 4-5mm。 Kalman滤波能够缩小测量范围,减小耕深测量标准差。通过 Kalman滤波编写相应程序,应用机器视觉技术,及时修正由于杂草等对耕深测量的影响,有利于进一步提高耕深的测量精度,对精准农业工程具有重要意义。
简介:20世纪70年代初的美国兴起了又一股教育改革热潮——小组合作学习,现逐渐形成了一种较为完整的教学理论与策略体系。作为一种崭新的教学模式,由于极大地提高了教学效率而焕发出勃勃生机,受到世界各国教育界的推崇,并成为了一种主流的教学理论与策略。美国著名教育评论家埃里斯和福茨指出:“如果让我们举出一项真正符合‘改革’这个术语的教育改革的话,那就是合作学习。”美国教育学者沃迈特认为:“合作学习是近十几年来最重要和最成功的教学改革。”小组合作学习已经在美国、加拿大、以色列、德国、澳大利亚、荷兰、日本等几十个国家的中小学中得到了非常广泛的运用。
简介:根据ES风险度量方法,拓展了马克维茨均值一方差资产组合模型,研究均值一ES准则下的资产组合问题。用APD—GARCH模型刻画风险资产收益率序列,以多元Copula函数描述风险资产间的相关结构信息,构造灵活的Copula—APDG—ARCH模型。利用该模型,借助MonteCarlo模拟,分别研究相关结构是多元正态Copula函数、多元t-Copula函数和多元ClaytonCopula函数的风险资产组合的均值-ES有效前沿,并进行比较。实证研究表明,在有效组合范围内,正态Copula函数明显高估了资产的组合风险;当期望收益较小时,t-Copula函数对应的风险值最小,但随着期望收益的增加,多元ClaytonCopula函数对应的有效前沿表现最好。