排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
为探讨不同饵料对青蛤(Cyclina sinensis)与文蛤(Meretrix meretrix)生长和存活的影响,本实验选用紫菜(Pyropia)、浒苔(Enteromorpha prolifera)、海带(Laminaria japonica)、小球藻(Chlorella vulgaris)和人工配合饲料5种饵料,采用单一饵料投喂方式进行饲养.结果表明:小球藻组中特定生长率、存活率及饲料转换率与各饵料组均有显著性差异(P<0.05),青蛤的增质量率显著低于紫菜组、海带组及人工配合饲料组(P>0.05).在人工配合饲料组中青蛤与文蛤的特定生长率与各饵料组均有显著性差异(P<0.05),青蛤的增质量率与各饵料组无显著性差异(P>0.05),文蛤的增质量率显著高于紫菜组、浒苔组及人工配合饲料组(P<0.05).在3组大型藻中,海带组中青蛤的特定生长率为0.07％,增质量率为4.59％,饵料转换率为7.09％,存活率为74％;文蛤的特定生长率0.13％,增质量率为8.36％,饵料转换率为1.41％,存活率为55.6％.综上,小球藻和人工配合饲料有利于青蛤和文蛤的生长,在3组大型藻中,投喂海带有利于文蛤和青蛤的生长和存活. 相似文献
2.
视觉平衡是影响地图信息传输效果的重要因素之一。由于泛在制图的非专业性,泛在地图图像的视觉平衡效果往往取决于制图者自身美学素养的高低,不具有可控性。因此,迫切需要发展泛在地图图像的视觉平衡度计算方法。现有的地图视觉平衡度计算方法存在因子不全、判别结果主观依赖性强等问题。针对这些问题,本文提出了一种结合地图图像计算特征与专家评价知识的泛在地图图像视觉平衡度计算框架。通过丰富地图视觉密度影响因子,并引入概率模型学习专家对泛在地图图像的评价知识,实现对泛在地图图像视觉平衡度复杂分布的有效判别。本文以专家问卷的方式搜集了30名地图制图专家对1 730幅泛在地图图像的视觉平衡评价数据,构建了一个泛在地图图像视觉平衡度评价数据集。将计算得到的地图视觉平衡指标作为贝叶斯决策器的地图特征属性输入,将地图视觉平衡的专家评价数据作为贝叶斯决策器的分类结果,利用最小错误率贝叶斯决策方法对泛在地图图像的视觉平衡度进行判别,有效解决了人为主观判别地图视觉平衡度存在的不确定性问题。经实验验证,该框架在本文构建的泛在地图图像视觉平衡度评价数据集上能取得82.85%的评价准确率。 相似文献
1