《旅游资源与开发》是高等院校旅游专业的一门专业基础课。本课的教学目的是：要求学生能较全面的认识有关旅游资源的基本概念和思想，明确旅游资源在旅游业中所处的重要地位和作用，了解旅游资源欣赏的理论和方法，掌握主要旅游资源类型的特征、成因和分布规律，初步了解开展旅游资源调查的方法和步骤，以及旅游资源开发与保护的基本理论和方法，旅游规划的基本原理、内容、方法步骤

法国物理学家德布罗意 (Louis Victor de broglie 1892- 1987) 思想方法自然界在许多方 面都是明显地对称的,他采用类 比的方法提出物质波的假设 “整个世纪以来,在辐射理论上,比起波动的研 究方法来,是过于忽略了粒子的研究方法;在实物 理论上,是否发生了相反的错误呢?是不是我们关 于‘粒子’的图象想得太多,而过分地忽略了波的 图象呢?

前面介绍的各种统计假设的检验方法,几乎都假定了总 体服从正态分布,然后再由样本对分布参数进行检验。 但在实际问题中,有时不能预知总体服从什么分布,这 里就需要根据样本来检验关于总体分布的各种假设,这 就是分布的假设检验问题。在数理统计学中把不依赖于 分布的统计方法称为非参数统计方法

4.1 非线性电路的基本概念与非线性元件 4.1.1 非线性电路的基本概念 4.1.2 非线性元件 4.2 非线性电路的分析方法 4.2.1 非线性电路与线性电路分析方法的异同点 4.2.2 非线性电阻电路的近似解析分析

一、结构化生命周期方法 二、快速原型方法 三、面向对象设计方法 四、客户/服务器应用规划综述

针对地磁导航方向适配性分析时人工提取的特征主观性较强且难以表达深层的结构性特征的问题,提出一种基于深度卷积神经网络(convolutional neural network,CNN)的地磁导航方向适配性分析方法.首先,利用Gabor滤波器的方向选择特性建立了6个典型方向的适配特征图;然后,设计了卷积神经网络对深层次的方向适配特征进行提取,并通过混和粒子群算法(hybrid particle swarm optimization,HPSO)对卷积神经网络的训练参数进行优选;最后,通过仿真实验对所提方法进行了验证.结果表明,该方法可有效避免复杂的计算以及人工特征提取的盲目性,实现了地磁导航方向适配性分析的自动化,且所提方法的准确率高于传统的BP网络和支持向量机,对地磁导航和航迹规划具有指导意义

下面的内容将主要介绍几种最流行、最常用的接发方法。我 们要时刻关注行业出版物,学习一些不断发展的新方法 头皮外编辫,散发束/纤维 头皮外编辫使用的是标准的三股辫技术来吸纳松散的发束 或纤维。方法是将头发或纤维混合到自然头发中一起编辫子。既 可在辫子的一股头发中使用额外的头发或纤维,也可在两股中使 基面的大小取决于所需辫子的厚度。将基面划分为三个分 区,然后决定接发用的头发的长度和密度

㶲平衡是㶲分析方法的基本手段,本文介绍了工业炉（窑）㶲平衡所用的重要概念和基本思想,以及可能遇到的主要理论性问题,并给出进行连续加热㶲平衡所采用的实用计算公式。 本文针对工业炉（窑）内部㶲损分布的计算问题,对于内部存在燃烧与传热两大环节的炉型,将能质引入㶲平衡计算,提出了可逆传热物理模型。该模型运用㶲分析方法基本原理,结合炉子热工特点,利用热力学状态函数方法,建立衡量实际传热不可逆程度的可逆传热样板。模型的物理意义明确,可求得传热不可逆㶲损的分配。最后,作者根据在热平衡与㶲平衡计算中所遇到的问题,提出将热平衡计算基准温度统一于㶲平衡基准的建议

手背静脉身份识别由于其非接触和不易被污染等独特的优势,已成为各种新型生物特征识别手段中的研究和应用热点.如何提取具有高鉴别性且鲁棒的手背静脉图像特征是本文的研究重点.本文简述了基于局部二值模式(local binary pattern,LBP)的特征提取方法及其改进方法的基本原理,讨论分析了其不足,并针对不足,提出了一种多尺度块中心对称局部二值模式(multi-scale block center-symmetric LBP,MB-CSLBP)算子.本文所提出的MB-CSLBP算子既考虑图像的局部宏观特征,也兼顾图像的微观特征,获取了更加全面的图像信息.在自建的2040幅近红外手背静脉图像数据库中,用MB-CSLBP方法获取图像特征并使用最近邻分类器进行识别.大量的对比实验结果表明,本文所提方法的识别率达到98.21%,优于原始LBP及其改进算子,中心对称局部二值模式(center-symmetric LBP,CS-LBP)和多尺度块局部二值模式(multi-scale block LBP,MB-LBP)等

作为图像局部特征区域的有效描述方法,局部二值模式是目前对二维图像最有效的纹理分析特征之一.本文提出了基于局部二值模式特征的稀疏表示人耳识别方法.该识别算法首先提取训练人耳图像的局部二值模式特征描述子作为稀疏表示的字典,然后将测试样本的局部二值模式特征描述子表示为字典中所有局部二值模式原子的稀疏线性组合,最后通过求解稀疏表示模型得到稀疏编码系数,根据测试人耳图像的重建误差进行识别.在UND-J2人耳库和USTB人耳库上的实验结果表明,基于局部二值模式特征的稀疏表示人耳识别方法对人耳图像光照变化、姿态变化以及人耳遮挡具有更好的鲁棒性,实现了更高的识别率