北方民族大学硕士研究生导师一览表

合集下载

北方民族大学2017年专任教师岗位公开招聘计划

北方民族大学 2017 年专任教师岗位公开招聘计序号学院补充人员合计拟补充专任教师数对拟补充人员的基本要求专业（方向）马克思主义理论学历、职称博士研究生硕士研究生及以上对拟补充人员的其他要求1 1 马克思主义学院 2 1中共党员马克思主义民族理论与政策应用经济学（金融学、国际贸中共党员2经济学院11易学、税收学、财政学、证券投资、风险管理）、理论经济学（西方经济学、世界经济）博士研究生1新闻学、传播学相关专业博士研究生硕士研究生及以上博士、教授1 3 文史学院 5 2新闻学、传播学相关专业历史学1民族学博士、教授4外国语学院11法语语言文学硕士研究生及以上5数学与信息科学学院11金融学，统计学，数学，计算机相关专业博士研究生6机电工程学院11机械类相关专业博士研究生1系统工程材料科学与工程、化学相关专业材料加工工程、机械工程、冶金工程相关专业化学、物理学相关专业博士、正高级专业技术职务博士研究生1 7 材料科学与工程学院 4 1博士研究生1博士研究生8电气信息工程学院22电气工程、控制科学与工程、电子科学与技术博士研究生2 9 计算机科学与工程学院 3 1计算机类相关专业博士研究生软件工程硕士及以上有工程实践能力1 10 土木工程学院 2 1土木工程、水利工程博士研究生矿物学、岩石学、矿床学博士研究生11化学与化学工程学院11应用化学、工业催化、机械工学、热能与动力工程博士研究生1生态学、农学相关专业生态学、微生物工程、发酵工博士、教授12生物科学与工程学院31程、酿造工程、食品科学、农产品加工及贮藏工程博士、教授1动物学博士研究生工商管理（会计学、财务管理、 13 商学院 1 1 市场营销）、管理科学与工程（物流管理、电子商务）博士研究生1 14 管理学院 3 1 1 1 15 设计艺术学院 3 1 1 1 16 非物质文化遗产研究所 2 1民族学人力资源管理博士、教授硕士研究生及以上公共管理硕士研究生及以上设计学设计学、美术学中国少数民族艺术民俗学博士研究生硕士研究生及以上硕士研究生及以上硕士研究生及以上本科及以上，中级历史学及以上专业技术职务有文博、非遗工作经历17回族学研究院11民族学、社会学、历史学博士研究生18数值计算与工程应用研究所11水利工程类、数学类博士研究生19西夏研究所11中国史、语言学及应用语言学、中国少数民族语言文学博士研究生合计3838备注：除了高层次人才和有较长时间高校教学岗位工作经历者之外，其他招聘人员在入职后两年内安排在辅导员岗位、或教学担任助教，两年工作期满考核合格后，再安排教学、科研工作。

李晓宁,男,汉族,教授

李晓宁，男，汉族，教授。

硕士研究生学历。

主要研究方向为思想政治教育与管理。

公开发表论文近20篇，承担多项国家级、省级项目，多次获得自治区社科成果奖、校教学成果奖等。

高梅，女，汉族，教授。

1985年7月毕业于西北民族大学政教系思想政治教育专业，获学士学位；1999年至今，在北方民族大学思想政治理论教学部任教。

现为中国人学学会常务理事；宁夏哲学学会理事；中国民族理论学会会员。

从事思想政治教育研究。

发表学术论文32篇。

主持省部级课题3项，校级课题1项，校级教学研究项目2项，校级教学科研项目1项，参与国家社科基金项目1项，完成《吊庄村生产方式转型实践研究》调研报告，担任《宗教理论与政策》副主编，正在撰写个人专著《人学理论研究》，该项目获得学校经费支持。

2003-2004年度获得教学优秀奖。

2005年主讲的《马克思主义哲学原理》课程，获校级精品课程。

主讲的《中国民族理论与民族政策》课程于2006年被评为自治区级精品课程。

2007年主讲的《马克思主义基本原理概论》获校级精品课程。

目前负责主持校级教学研究立项2项。

2008年被评为省级“思想政治理论课”优秀教师。

成媛，女，汉族，教授。

1983年在陕西师范大学教育系学习，获学士学位，2002年在华东师范大学攻读马克思主义理论与思想政治教育硕士学位，获法学硕士学位；现任北方民族大学思想政治理论教学部教育心理学教研室主任和宁夏普通高等学校学生心理健康教育专家指导委员会委员。

主要从事教育心理学、民族教育和思想政治教育的研究和教学。

主持、参加科研教研课题多项，发表教学、科研研究论文数篇；负责的《心理学》、《教育学》被评为校级精品课程。

曾获校级教学优秀奖、校级教学成果奖。

年7月毕业于西北大学哲学系行政管理专业，获得哲学学士学位；1999-2002年在职攻读福建师范大学教育学硕士研究生，并获得教育学硕士学位。

1992年9月-2006年10月，先后在北方民族大学政治系、政经系、经济管理系、社会科学部承担马克思主义理论课教学工作，现任北方民族大学管理学院副院长。

‘灵武长枣’果实发育过程中果肉质地与解剖结构的变化

西北农业学报 2024,33(5):851-861A c t a A gr i c u l t u r a e B o r e a l i -o c c i d e n t a l i s S i n i c a d o i :10.7606/j.i s s n .1004-1389.2024.05.008h t t p s ://d o i .o r g /10.7606/j.i s s n .1004-1389.2024.05.008 灵武长枣果实发育过程中果肉质地与解剖结构的变化收稿日期:2022-12-31 修回日期:2023-03-21基金项目:宁夏农科院农业高质量发展与生态保护科技创新示范项目(N G S B -2021-1-02);宁夏回族自治区经济林遗传改良创新团队基金(2022Q C X T D 04)㊂第一作者:院钦,男,硕士研究生,从事植物学研究㊂E -m a i l :2976181029@q q.c o m 通信作者:任玉锋,女,教授,硕士生导师,从事果实采后的生物学技术研究㊂E -m a i l :r e n _y u f e n g@163.c o m 魏天军,男,研究员,从事枣树新品种选育㊁高效栽培技术及枣果贮藏保鲜技术的研究与示范工作㊂E -m a i l :w t ju n n x @q q.c o m 院钦1,2,杨四钰1,乔帅1,任玉锋1,3,周军1,3,张欣1,3,陈卫军4,万仲武5,魏天军6,徐文娣1,3,王惠冉1(1.北方民族大学生物科学与工程学院,银川 750021;2.上海师范大学生命科学学院,上海 200234;3.宁夏经济林遗传改良创新团队,北方民族大学,银川 750021;4.灵武市自然资源局,宁夏灵武 750400;5.灵武市大泉林场,宁夏灵武 750400;6.宁夏农林科学院园艺研究所,银川 750002)摘要为探究灵武长枣发育过程中枣果质地与解剖结构的变化特征及两者间关系㊂以国家地理标志品种灵武长枣为试验材料,利用质地剖面分析法(T P A )和石蜡切片法,分析测定果实7项质地品质指标㊁10项显微结构指标,并对果实基本性状进行测定㊂结果表明, 灵武长枣果实成熟过程中,以硬核期为转折点,硬核期到半红期枣果实品质发生了显著变化,如硬核期到膨大前期单果质量增幅412.3%㊁体积增幅403.7%,且果实解剖结构与大部分质地参数显著相关㊂即随着果实成熟,果实的单果质量㊁纵横径,体积均增加;果实硬度㊁脆度和胶粘性先增大后减小,弹性㊁咀嚼性和粘附性呈上升趋势,内聚性变化不显著㊂果皮变薄,表皮细胞和薄壁细胞㊁维管束和空腔面积增大,细胞排列变疏松,成熟期口感变酥脆㊂角质层加厚,果实抗损伤性加强㊂此外,枣果表皮细胞中的质体也发生很大变化,幼果期到半红期,由叶绿体逐渐转变为有色体㊂进一步相关性分析表明,果实硬度㊁弹性㊁咀嚼性和粘附性同枣果细胞形态参数存在不同程度的相关性,粘附性与大部分果实细胞形态参数达极显著水平,如粘附性与空腔面积呈极显著正相关(r =0.979)㊂灵武长枣果实发育过程中,其果实品质发生显著变化,其中果实细胞形态的动态变化显著影响其质地品质(硬度㊁弹性㊁咀嚼性㊁粘附性)㊂关键词灵武长枣;果肉质地;解剖结构;细胞动态灵武长枣 (Z i z i p h u s j u ju b a L i n g -w u c h a n g z a o )是宁夏具有地方特色的优质鲜食枣品种,作为宁夏灵武市国家地理标志产品,其栽培历史悠久,果肉琥珀色,质地酥脆,汁液多,酸甜适口,鲜枣可溶性固形物含量34%,含糖量28%,含酸量0.44%,食味品质和营养价值高,深受人们喜爱,且经济效益明显[1-3]㊂然而灵武长枣果肉质地松脆的问题,严重影响了灵武长枣的品鉴品质,影响灵武长枣产业的快速发展,近年来,探讨灵武长枣果肉质地松脆的机制,改良枣果的果肉质地已成为灵武长枣产业亟待解决的问题㊂果实质地是评定果实品质的重要指标之一[4-7],影响到消费者对商品果实的选择[8],同时也对果实运输㊁贮藏保鲜和货架期有显著影响[9-10]㊂果实发育成熟过程中质地的形成也一直是园艺学和植物生理学领域普遍被重视的问题[11]㊂果肉质地可以用质地参数进行客观地评价[12],毛叶枣[13]㊁葡萄[14]㊁苹果[15]和梨[16]等已进行了相关的研究㊂许玲等[13]表明枣果皮强度极显著正相关于果皮脆性和韧性,显著正相于果肉硬度,果肉硬度与黏着性㊁回复性存在极显著负相关㊂王燕霞等[17]发现梨果肉硬度㊁凝聚性㊁回复力和咀嚼性之间呈显著正相关㊂此外,果实质地主要由细胞大小㊁形状和细胞壁机械强度等微观因素决定[18],还受细胞壁代谢酶及相关基因表达量的影响[19-22]㊂细胞大小㊁形状影响果蔬质地的相关研究已在葡萄[23]㊁甜瓜[8]和马铃薯[18]等中有所报道㊂贾楠等[14]发现葡萄果肉细胞面积越大,硬度㊁咀嚼性越小㊂李三培等[8]在甜瓜中发现细胞越小,排列越紧密,果肉质地越硬;细胞越圆,口感越硬㊂K o n s t a n k i e w i c z 等[18]认为马铃薯块茎组织细胞面积对其质地有着显著影响,细胞越大,则块茎硬度越小㊂目前,许多学者针对枣果裂果的原因及防治做了多方面研究[24-26],但从细胞动态变化入手研究枣果发育过程中质地变化的研究鲜见报道㊂因此,本试验利用质地剖面分析(T P A)和石蜡切片技术,研究灵武长枣从幼果期到半红期发育过程中枣果质地的变化,并对枣果细胞进行形态学观察,以期阐明不同时期枣果细胞显微结构的差异和与质地参数的相关关系㊂1材料与方法1.1材料试验所用灵武长枣材料于2021年7月7日至9月20日(幼果期到半红期)采自灵武市富成枣业(北纬38ʎ06 ,东经106ʎ36 )的露地栽培园,株行距3mˑ4m,正常水肥管理㊂分别设置3个生物学重复,每个重复选取5棵管理得当㊁树龄一致㊁生长正常的枣树㊂试验前期,在枣树同一高度的东南西北4个方向,用红线绳标记㊂采样时,随机取无机械损伤㊁发育期一致的灵武长枣果实,装入自封袋内,并置于采样箱中低温保存,于当天带回实验室,进行相关指标测定及处理㊂1.2方法每个时期随机选取200~300个果实,进行果实生长指标㊁质地及解剖结构的观测,所有样品均设3个重复㊂1.2.1 灵武长枣果实生长指标测定单果质量:随机选取100个枣果,另选10个大果㊁10个小果,分别利用电子秤(WH-B09)测其总重,用以计算单果质量㊂果实纵横径:利用电子游标卡尺测量枣果纵横径,并计算果形指数㊂果实体积:参照曹建康等[27]的排水法测定枣果体积㊂1.2.2 灵武长枣果实质地测定利用美国F T C公司-T MA-P R O食品性分析仪(质构仪)测定枣果质地指标,选用2mm的探头,参数设置:测试速度30mm㊃m i n-1,形变百分量40%,触发力0.1N,上升高度15mm㊂将枣果沿垂直赤道部位紧贴果核位置切开,将切块置于质构仪托盘上进行检测,通过电脑实时传输数据绘制曲线图[28]㊂由质地特征曲线得到表征果实质地状况的评价参数:硬度㊁脆度㊁弹性㊁粘附性㊁胶粘性㊁咀嚼性㊁内聚性㊂每个果取最大横径处阴阳面2个部位,结果取平均值㊂1.2.3 灵武长枣果实解剖结构的观察每个生物学重复随机选取10颗枣果进行果实解剖结构的观察㊂采用石蜡切片法进行研究[14],从果实赤道处垂直果皮切取大小约5mmˑ5mmˑ5mm的小块(包含果皮和果肉),立即放入70% F A A固定液,抽气后固定48h以上,送样于S e r-v i c e b i o公司制作石蜡切片㊂并用显微镜(O l y m-p u s,日本)观察果实细胞显微结构并拍照记录,每片观察10个视野,测量枣果实细胞形态学参数(角质层和表皮厚度㊁维管束面积㊁空腔面积㊁薄壁细胞纵横径等)㊂1.3数据处理利用E x c e l2010㊁S P S S S t a t i s t i c s17.0进行数据统计及分析,结果用平均值ʃ标准误差表示㊂采用单因素方差分析进行差异显著性检验,采用皮尔逊相关分析,计算质地指标和显微结构指标间的关系㊂2结果与分析2.1 灵武长枣发育过程中果实生长指标的变化由表1可知,随着灵武长枣果实的成熟,果实的单果质量㊁纵横径㊁体积均增加,果形指数先增大后减小,最后维持在1.81左右㊂从硬核期到膨大前期单果质量的变化最显著,增重3.34g,为硬核期单果质量的5.12倍㊂白熟期比膨大后期单果增重3.87g,半红期比白熟期单果增重3.56 g㊂从幼果期到膨大前期果实的纵径和横径显著增加,分别增幅23.41c m和11.6c m,但果形指数显著下降㊂从幼果期到硬核期果实的单果质量㊁体积变化不显著,而果实的纵横径㊁果形指数显著增大㊂从硬核期到半红期果实的单果质量㊁体积变化显著㊂此外,白熟期到半红期枣果的质量㊁体积㊁纵径发生显著变化,但横径变化不显著,表明该阶段主要为枣果的纵向发育㊂果实的单果质量㊁纵横径㊁体积均呈现近似 S 型增长曲线(表1)㊂综合来看, 灵武长枣果实在成熟过程中,以硬核期为转折点,硬核期到半红期枣果实外观品质发生了显著变化㊂㊃258㊃西北农业学报33卷表1 不同发育时期灵武长枣果实生长指标的比较T a b l e 1 C o m p a r i s o n o f f r u i t g r o w t h i n d e x e s o f Z i z i p h u s j u j u b a L i n g w u c h a n g z a o a t d i f f e r e n t d e v e l o p m e n t s t a ge s 发育时期D e v e l o pm e n t s t a ge 单果质量/gM a s s p e r f r u i t纵径/mmV e r t i c a l d i a m e t e r横径/mmT r a n s v e r s e d i a m e t e r体积/c m 3V o l u m e果形指数F r u i t s h a p e i n d e x幼果期Y o u n g f r u i t s t a ge 0.15ʃ0.02e10.34ʃ0.73d4.82ʃ0.24e0.16ʃ0.02e2.14ʃ0.07b硬核期H a r d c o r e s t a ge 0.81ʃ0.16e 21.24ʃ1.78c8.60ʃ0.61d0.82ʃ0.09e2.47ʃ0.11a膨大前期E a r l y s t a g e o f e x p a n s i o n 4.15ʃ0.46d33.75ʃ0.36b16.42ʃ1.26c4.13ʃ0.12d2.07ʃ0.18b c膨大后期L a t e s t a g e o f e x p a n s i o n 5.57ʃ0.78c33.02ʃ1.87b 19.95ʃ1.02b8.07ʃ0.33c1.66ʃ0.03d 白熟期W h i t e r i p e n i n g s t a ge 9.44ʃ0.48b37.12ʃ1.63b22.62ʃ0.42a 11.43ʃ0.95b1.64ʃ0.05d半红期S e m i -r e d s t a ge 13.00ʃ0.56a44.37ʃ1.05a24.55ʃ0.20a14.17ʃ0.24a 1.81ʃ0.05c d注:同一列不同小写字母表示在P <0.05差异显著㊂下同㊂N o t e :D i f f e r e n t l o w e r c a s e l e t t e r s w i t h i n t h e s a m e c o l u m n i n d i c a t e s i gn i f i c a n t d i f f e r e n c e s a t P <0.05.T h e s a m e b e l o w.2.2灵武长枣发育过程中果实质地指标的变化由图1可见, 灵武长枣果实成熟过程中,果实硬度先增大后减小,半红期枣果硬度为9.50N ㊂幼果期到膨大前期果实硬度变化显著,膨大前期达到峰值13.64N ,增幅61.4%,膨大前期至白熟期果实硬度差异不显著㊂白熟期至半红期,图中标有不同字母者表示差异显著(P <0.05),下同㊂SⅠ.幼果期;SⅡ.硬核期;SⅢ.膨大前期;SⅣ.膨大后期;SⅤ.白熟期;S Ⅵ.半红期D i f f e r e n t l o w e r c a s e l e t t e r s i n t h e f i g u r e i n d i c a t e s i g n i f i c a n t d i f f e r e n c e s (P <0.05),t h e s a m e b e l o w.S Ⅰ.Y o u n g f r u i t s t a ge ;S Ⅱ.H a r d c o r e s t a g e ;S Ⅲ.E a r l y e x p a n s i o n s t a g e ;S Ⅳ.L a t e e x p a n s i o n s t a g e ;S Ⅴ.W h i t e r i p e n i n g s t a g e ;S Ⅵ.S e m i -r e d s t a ge 图1 不同发育时期灵武长枣果实质地指标的变化F i g .1 C h a n g e s i n f r u i t t e x t u r e i n d e x s o f Z i z i p h u s j u j u b a L i n g w u c h a n g z a o a t d i f f e r e n t d e v e l o p m e n t a l s t a ge s ㊃358㊃5期院钦等: 灵武长枣果实发育过程中果肉质地与解剖结构的变化果实硬度下降显著,降幅22.8%㊂这表明,在果实白熟期后,果实开始软化㊂弹性㊁咀嚼性与粘附性变化规律一致,整体呈上升趋势,但果实粘附性变化较明显,且在膨大前期后持续显著增大,膨大前期到膨大后期增幅最大,为161.8%㊂咀嚼性参数大小是硬度㊁弹性和内聚性三者的乘积,它综合反映了果实对咀嚼的持续抵抗性,从幼果期到硬核期硬度㊁弹性显著增加占据主导,使得咀嚼性到硬核期变化显著,硬核期后变化不显著㊂弹性为样品经过第一次压缩以后能够再恢复的程度[29],硬核期㊁膨大后期㊁白熟期和半红期枣果的弹性差异不显著㊂脆度和胶粘性变化趋势一致,均在枣果膨大前期达到峰值,分别为12.18N㊁3.97N(图1)㊂内聚性为咀嚼时,果实抵抗受损,使果实保持完整的特性,能反映果实细胞间结合力的大小[14]㊂内聚性在枣果成熟过程中变化不显著,整体呈下降趋势,这表明果实细胞间结合力在果实成熟过程中变化不显著㊂2.3 灵武长枣发育过程中果肉细胞显微结构的变化2.3.1外果皮细胞显微结构的变化灵武长枣果实为核果,由外果皮㊁中果皮和果核组成,外果皮由外向内依次为角质层㊁表皮细胞和亚表皮细胞[30]㊂从果皮结构图(表皮和亚表皮)看, 灵武长枣果实的表皮和亚表皮在幼果期细胞排列较致密,细胞较小;在膨大前期细胞排列紧密,细胞大;膨大期后细胞排列较疏松,细胞较大(图2㊁表2)㊂角质层厚度随果实成熟而增厚,幼果期枣果的角质层厚度为2.26μm,半红期为9.15μm㊂膨大后期㊁白熟期㊁半红期枣果的角质层厚度差异不显著,维持在8.94~9.15μm㊂在果实成熟过程中表皮细胞层数未发生变化,为1层;而表皮细胞厚度随着果实成熟有所增加,幼果期枣果的表皮细胞厚度为73.61μm,半红期为83.48μm㊂膨大后期㊁白熟期㊁半红期枣果的表皮细胞厚度差异不显著,整体在81.53~83.48μm㊂在果实成熟过程中表皮细胞面积显著增加,幼果期枣果的表皮细胞面积为253.61μm2,而半红期为527.93μm2;亚表皮细胞面积也显著增加,由幼果期的386.41μm2,生长到半红期的735.94μm2㊂以上表明, 灵武长枣果实在成熟过程中,角质层和表皮细胞厚度增加,果实抗损伤性加强,外果皮细胞层数减少,表皮细胞变得疏松,口感变酥脆㊂由图2可见,从幼果期至半红期,枣果亚表皮细胞中的质体会发生一个转变㊂从幼果期至膨大后期,在亚表皮细胞中沿细胞壁分布着大量的㊁呈颗粒状的叶绿体,使得枣果呈现绿色;白熟期亚表皮细胞中呈颗粒状的叶绿体逐渐解体消失,枣果呈现绿白色;半红期在亚表皮细胞中沿细胞壁分布着大量的㊁呈颗粒状的有色体,使得枣果逐渐呈现红色㊂2.3.2中果皮细胞显微结构的变化中果皮是灵武长枣果实的主要食用部分,主要由薄壁细胞和维管束组成㊂薄壁细胞在幼果期排列均匀紧密,细胞较小;从膨大前期至半红期,细胞排列不均匀松散,细胞较大(图3㊁表3)㊂薄壁细胞的面积从硬核期至半红期显著增加,由578.74μm2增大至5070.04μm2;其中,硬核期到膨大前期薄壁细胞面积增长幅度最大为135.36%(表3)㊂薄壁细胞纵径与薄壁细胞面积变化趋势一致,随着果实的成熟,从硬核期到半红期也显著增加,由31.83μm至104.98μm,且在硬核期至膨大前期涨幅最多,增长了54.38%㊂薄壁细胞横径随着果实成熟也不断增加,由幼果期的20.87μm增加至半红期的61.75μm;在硬核期到膨大前期,果肉细胞横径增长幅度最大,增长了46.96%㊂薄壁细胞纵横比在硬核期最小,比值为1.39;在半红期最大,比值为1.70,细胞近长圆形;表明薄壁细胞纵径增加幅度大于横径㊂在幼果期, 灵武长枣果肉薄壁细胞排列较紧密,细胞间隙较小,空腔小而密,同一视野下,维管束分布较多;随着果实成熟,果实不断变大,同一视野内,空腔㊁维管束数量减少,面积增大㊂维管束面积和空腔面积的变化规律一致,随着果实的成熟而不断增加,从膨大前期至膨大后期增幅最大,分别为161.49%㊁992.17%㊂由图4可见,幼果期维管束外被维管束鞘,由向心的两部分组成一个圆形,原生韧皮部存在于原生木质部两侧,之间存在束中形成层;随着果实的发育,维管束逐渐呈椭圆形至不规则形,后生木质部和后生韧皮部逐渐形成㊁增多,导管数目增多,孔径增大㊂另外,在中果皮薄壁细胞中还分布着一定数量的黏液仓(图3),随果实的发育进程推进,黏液仓数量㊁大小也发生着变化㊂在同一视野下,幼果期黏液仓小而数量最多,随着果实的发育,从硬核期至白熟期,黏液仓逐渐增大而数量减少,至半红期解体消失㊂㊃458㊃西北农业学报33卷a .幼果期;b .硬核期;c .膨大前期;d .膨大后期;e .白熟期;f .半红期㊂下同a .Y o u n g f r u i t s t a g e ;b .H a r d c o r e s t a g e ;c .E a r l y e x p a n s i o n s t a g e ;d .L a t e e x p a n s i o n s t a g e ;e .W h i t e r i p e n i n g s t a g e ;f .S e m i -r e d s t a ge .T h e s a m e b e l o w图2 灵武长枣果实外果皮显微结构F i g .2 M i c r o s t r u c t u r e o f e x o c a r p o f Z i z i p h u s j u j u b a L i n g w u c h a n g z a o f r u i t 表2 不同发育时期灵武长枣果实外果皮细胞形态的变化T a b l e 2 C h a n g e s i n e x o c a r p c e l l m o r p h o l o gi c a l p a r a m e t e r o f Z i z i p h u s j u j u b a L i n g w u c h a n g z a o f r u i t a t d i f f e r e n t d e v e l o p m e n t a l s t a ge s 发育时期D e v e l o pm e n t s t a ge 角质层厚度/μm C u t i c l e t h i c k n e s s表皮细胞厚度/μm T h i c k n e s s o f e pi d e r m a l c e l l 表皮细胞面积/μm 2A r e a o f e pi d e r m a l c e l l 亚表皮细胞面积/μm 2A r e a o f s u b -e pi d e r m i s c e l l 幼果期Y o u n g f r u i t s t a ge 2.26ʃ0.16d73.61ʃ0.69e253.61ʃ6.62e386.41ʃ5.83f硬核期H a r d c o r e s t a ge 3.03ʃ0.22c78.53ʃ2.41d313.70ʃ5.94d477.97ʃ3.26e膨大前期E a r l y s t a g e o f e x p a n s i o n 8.20ʃ0.61b80.77ʃ0.51c d351.98ʃ19.09c586.65ʃ15.83d膨大后期L a t e s t a g e o f e x p a n s i o n 8.94ʃ0.47a 81.53ʃ0.56b c359.73ʃ23.68c 636.08ʃ5.75c白熟期W h i t e r i p e n i n g s t a ge 9.00ʃ0.21a82.17ʃ0.31a b c447.12ʃ3.72b686.77ʃ9.18b半红期S e m i -r e d s t a ge 9.15ʃ0.05a83.48ʃ0.94a b 527.93ʃ6.69a765.94ʃ7.22a图3 灵武长枣果实中果皮显微结构F i g .3 M i c r o s t r u c t u r e o f m e s o c a r p o f Z i z i p h u s j u j u b a L i n g w u c h a n gz a o f r u i t ㊃558㊃5期院钦等: 灵武长枣果实发育过程中果肉质地与解剖结构的变化表3 不同发育时期灵武长枣果实中果皮细胞形态的变化T a b l e 3 C h a n g e s i n m e s o c a r p c e l l m o r p h o l o g i c a l pa r a m e t e r o f Z i z i p h u s j u j ub a L i n g w uc h a n g z a o f r u i t a td i f fe r e n t d e v e l o p m e n t a l s t a ge s 发育时期D e v e l o pm e n t s t a ge 薄壁细胞纵径/μm V e r t i c a l d i a m e t e r of p a r e n c h y m a c e l l 薄壁细胞横径/μm H o r i z o n t a l d i a m e t e r o f p a r e n c h y m a c e l l 薄壁细胞纵横比A s p e c t r a t i o o f p a r e n c h y m a c e l l 薄壁细胞面积/μm 2A r e a o fp a r e n c h ym a c e l l 维管束面积/μm 2A r e a o f v a s c u l a r b u n d l e空腔面积/μm 2A r e a o f c a v i t y幼果期Y o u n g f r u i t s t a ge 30.23ʃ0.93e20.87ʃ1.14d1.45ʃ0.04a b557.40ʃ16.14e 4926.86ʃ286.75d 1944.69ʃ57.03d硬核期H a r d c o r e s t a ge 31.83ʃ0.97e22.85ʃ0.86d1.39ʃ0.01b578.74ʃ13.58e 6267.80ʃ437.43d 2055.019ʃ73.72d膨大前期E a r l y s t a g e o f e x pa n s i o n 49.14ʃ3.87d33.58ʃ0.27c1.46ʃ0.11a b 1362.10ʃ56.09d 7318.06ʃ250.94d 3193.00ʃ138.58d 膨大后期L a t e s t a g e o f e x pa n s i o n 66.90ʃ3.21c45.00ʃ2.90b1.49ʃ0.03a b 2622.53ʃ74.52c19136.11ʃ505.44c34872.87ʃ2557.48c白熟期W h i t e r i p e n i n g s t a ge 78.84ʃ3.59b48.40ʃ3.81b1.63ʃ0.19a b 3209.19ʃ18.92b22825.17ʃ1493.72b64268.71ʃ1050.57b半红期S e m i -r e d s t a ge 104.98ʃ2.18a61.75ʃ0.52a1.70ʃ0.02a 5070.04ʃ119.11a 27243.20ʃ1361.58a 71976.57ʃ2384.20a图4 灵武长枣果实中果皮维管束显微结构F i g .4 M i c r o s t r u c t u r e o f m e s o c a r p v a s c u l a r b u n d l e o f Z i z i p h u s j u j u b a L i n g w u c h a n gz a o f r u i t 2.4 灵武长枣果实质地和显微结构指标的相关性由相关性分析可知(表4),果实硬度与角质层厚度呈极显著正相关,与表皮细胞厚度呈显著正相关(硬度的相关系数分别为0.593和0.491)㊂果实弹性与表皮细胞厚度㊁表皮细胞面积㊁亚表皮细胞面积㊁薄壁细胞纵径㊁薄壁细胞横径㊁薄壁细胞面积㊁维管束面积㊁空腔面积呈极显著正相关(弹性的相关系数分别为0.688㊁0.701㊁0.669㊁0.618㊁0.651㊁0.627㊁0.661和0.632),与角质层厚度呈显著正相关(弹性的相关系数为0.479)㊂果实脆度和胶黏性与表皮细胞面积㊁薄壁细胞纵径㊁薄壁细胞纵横比㊁薄壁细胞面积㊁维管束面积㊁空腔面积呈负相关(P >0.05)㊂果实咀嚼性与角质层厚度㊁表皮细胞厚度㊁亚表皮细胞面积呈极显著正相关(咀嚼性的相关系数分别为0.660㊁0.684和0.635),与表皮细胞面积㊁薄壁细胞纵径㊁薄壁细胞横径㊁维管束面积呈显著正相关(咀嚼性的相关系数分别为0.502㊁0.475㊁0.555和0.479)㊂果实内聚性与表皮细胞厚度呈显著负相关(相关系数为-0.504)㊂果实粘附性与角质层厚度㊁表皮细胞厚度㊁表皮细胞面积㊁亚表皮细胞面积㊁薄壁细胞纵径㊁薄壁细胞横径㊁薄壁细胞纵横比㊁薄壁细胞面积㊁维管束面积㊁空腔面积呈极显著正相关(粘附性的相关系数分别为0.759㊁0.750㊁0.945㊁0.915㊁0.966㊁0.958㊁0.702㊁0.973㊁0.968和0.979)㊂果实质地指标中,果实硬度㊁弹性㊁咀嚼性和粘附性同枣果解剖结构指标存在不同程度的相关性㊂综上所述, 灵武长枣果实成熟过程中,果实解剖结构对果实质地(硬度㊁弹性㊁咀嚼性及粘附性)有显著影响㊂㊃658㊃西北农业学报33卷表4 灵武长枣果实成熟过程中质地和显微结构指标的相关性T a b l e 4 C o r r e l a t i o n b e t w e e n t e x t u r e a n d m i c r o s t r u c t u r e i n d e x e s o f Z i z i p h u s j u ju b a L i n g w u c h a n g z a o d u r i n g r i p e n i n g指标I n d e x硬度H a r d n e s s 弹性S p r i n gi n e s s 脆度F r a c t u r e 胶粘性G u mm i n e s s 咀嚼性C h e w i n e s s 内聚性C o h e s i v e n e s s 粘附性A d h e s i v e n e s s 角质层厚度C u t i c l e t h i c k n e s s0.593**0.479*0.4350.3330.660**-0.3450.759**表皮细胞厚度T h i c k n e s s o f e pi d e r m a l c e l l 0.491*0.668**0.260.1390.684**-0.504*0.750**表皮细胞面积A r e a o f e pi d e r m a l c e l l 0.0880.701**-0.081-0.150.502*-0.3970.945**亚表皮细胞面积A r e a o f s u b -e pi d e r m i s c e l l 0.3390.669**0.1690.0360.635**-0.4370.915**薄壁细胞纵径V e r t i c a l d i a m e t e r o f p a r e n c h y m a c e l l 0.1000.618**-0.042-0.150.475*-0.3430.966**薄壁细胞横径H o r i z o n t a l d i a m e t e r o f p a r e n c h ym a c e l l 0.1730.651**0-0.0820.555*-0.3610.958**薄壁细胞纵横比A s p e c t r a t i o o f p a r e n c h ym a c e l l -0.0360.279-0.049-0.2620.083-0.1810.702**薄壁细胞面积A r e a o f p a r e n c h ym a c e l l 0.0350.627**-0.117-0.210.454-0.3260.973**维管束面积A r e a o f V a s c u l a r b u n d l e0.1120.661**-0.122-0.2820.479*-0.4250.968**空腔面积A r e a o f c a v i t y0.0290.632**-0.189-0.3330.411-0.3950.979**注**表示在0.01水平极显著相关;*表示在0.05水平上显著相关㊂N o t e **i n d i c a t e s a s i g n i f i c a n t c o r r e l a t i o n a t P <0.01;*i n d i c a t e s a s i gn i f i c a n t c o r r e l a t i o n a t P <0.05.3 讨论随着灵武长枣果实的成熟,果实的单果质量㊁纵横径㊁体积均增加,符合灵武长枣果实发育规律[31]㊂果实的发育伴随着其质地品质的变化,而果实质地是评价果实品质的重要指标㊂采用T P A 法进行质地分析,数据精确,可克服传统感官评价主观性强的缺点[32]㊂本试验发现, 灵武长枣果实成熟过程中,果实硬度㊁脆度和胶粘性呈先上升后下降及总体呈下降趋势,而果实弹性㊁咀嚼性和粘附性呈上升趋势,果实内聚性变化不显著㊂表明灵武长枣果实成熟过程中,其果实质地发生了显著变化,与前人在苹果[20]㊁脆肉梨[16]上研究结果一致,与葡萄果实质地有所差异,可能是浆果与核果发育存在差别[14]㊂此外,与其他枣果实T P A 分析结果相比存在一定差异,可能是不同品种枣果实在成熟发育过程中细胞壁物质降解特性存在差异的原因[33]㊂此外,本试验研究结果表明, 灵武长枣果实质地发生变化转折点为硬核期,硬核期后,果实硬度㊁脆度㊁胶粘性和粘附性发生显著变化,而咀嚼性㊁内聚性变化趋于平缓㊂可能存在的原因:一方面,在硬核期后随着灵武长枣果实内一系列生理㊁生化指标的不断变化,其中包括酸㊁可溶性固形物㊁淀粉㊁果胶等物质含量的变化[14,34],可能影响枣果T P A分析㊂且有研究表明红枣微观结构变化与纤维成分和糖类(蔗糖和还原糖)的浓度有关[35]㊂另一方面, 灵武长枣果实成熟过程中,其果实细胞形态和分布发生很大变化㊂角质层和表皮细胞厚度增加,表皮细胞排列变疏松,细胞面积变大,细胞层数减少,在硬核期变化显著且幅度大㊂相关性分析表明,果实硬度㊁弹性㊁咀嚼性和粘附性与角质层厚度㊁表皮细胞厚度呈不同程度的显著正相关;果实弹性㊁咀嚼性与粘附性与果皮细胞(表皮㊁亚表皮)面积呈不同程度的显著正相关,其中果实粘附性与表皮细胞㊁亚表皮细胞面积的相关系数分别为0.945㊁0.915㊂在幼果期灵武长枣中果皮果肉薄壁细胞排列紧密,细胞间隙较小,空腔小而密,同一视野下,维管束分布较多;随着果实成熟,果实不断变大,果肉薄壁细胞排列变疏松,同一视野内,空腔㊁维管束数量减少,面积增大,这与前人的研究结果一致[30]㊂薄壁细胞的纵径㊁横径及面积在硬核期也发生显著变化,而维管束㊁空腔面积在膨大前期发生显著变化㊂进一步相关分析表明,果实弹性㊁咀嚼性和粘附性与薄壁细胞的纵径㊁横径存在不同程度的显著正相关,果实弹性㊁粘附性与薄壁细胞面积㊁维管束面积和空腔面积存在极显著正相关关系㊂其中果实粘附性与角质层厚度㊁表皮细胞厚度㊁表皮细胞面积㊁亚表皮细胞面积㊁薄壁细胞纵径㊁薄壁细胞横径㊁薄壁细胞纵横比㊁薄壁细胞面积㊁维管束面积㊁空腔面积呈极显著正相关,相关系数的绝对值在0.702以上㊂㊃758㊃5期院钦等: 灵武长枣果实发育过程中果肉质地与解剖结构的变化这表明外果皮厚度㊁薄壁细胞形状和大小㊁细胞疏松程度以及空腔和维管束大小对枣果实质地有显著影响㊂本试验表明,随着果实进入成熟期果实质地变软,而果实软化通常是由硬度的降低引起的,在葡萄[23]㊁甜瓜[8]上发现表皮细胞排列越疏松㊁细胞越大的果实果肉质地越软,这与本研究结果相似㊂此外,在灵武长枣果实成熟过程中,其果肉薄壁细胞变化与表皮细胞变化相一致,细胞变大,排列变疏松,这与在葡萄[14]㊁苹果[15]和桃[36]上研究结果一致㊂此外,在马铃薯中同样发现,细胞越大其块茎硬度越小[18]㊂已有研究表明在果实解剖结构中,细胞大小㊁细胞形状㊁细胞壁和细胞膜的化学成分以及细胞膨大的作用都会影响果实的坚实度[37]㊂而本试验发现灵武长枣果实硬度仅与角质层厚度㊁表皮细胞厚度显著相关㊂因此,在灵武长枣中可能存在其他因素影响枣果实的坚实度,如细胞壁代谢情况㊁细胞膨大作用等,其差异性需进一步探究㊂相关性分析结果表明,外果皮细胞形态参数(角质层厚度㊁表皮细胞厚度㊁表皮细胞面积及亚表皮细胞面积)与果实质地参数(硬度㊁弹性㊁咀嚼性㊁内聚性和粘附性)呈不同程度显著相关,而中果皮细胞形态参数(薄壁细胞纵径㊁薄壁细胞横径㊁薄壁细胞纵横比㊁薄壁细胞面积㊁维管束面积㊁空腔面积)与果实质地参数(弹性㊁咀嚼性和粘附性)呈不同程度显著相关㊂这表明灵武长枣外果皮结构对枣果实硬度影响较大,而且果实粘附性与所有细胞形态参数达显著或极显著水平㊂在葡萄上发现果实细胞形态学参数与质地参数显著相关,其中大部分果实细胞形态学参数与其质地参数达到显著或极显著水平[14],在有关甜瓜[8]的试验中发现,只有粘着性㊁脆性与果肉细胞形态参数相关性较好,而马铃薯[18]块茎细胞形状与其绝大部分质地参数不相关,这与本试验研究结果不一致㊂这可能与测样方法和果实品种不同有关,有必要在以后研究中增加其他枣品种做参考㊂4结论综上所述, 灵武长枣果实成熟过程中,以硬核期为转折点,硬核期到半红期果实品质发生了显著变化,且果实解剖结构与大部分质地参数显著相关㊂即随着果实成熟,果实的单果质量㊁纵横径㊁体积均增加;果实硬度㊁脆度和胶粘性先增大后减小,弹性㊁咀嚼性和粘附性总体呈上升趋势,内聚性变化不显著㊂果皮变薄,表皮细胞和薄壁细胞㊁维管束和空腔面积增大,细胞排列变疏松,成熟期口感变酥脆㊂角质层加厚,果实抗损伤性加强㊂此外,枣果表皮细胞中的质体也发生很大变化,幼果期到半红期,先由叶绿体转变为白色体,最终形成有色体(红色),粘液仓数量也不断减少㊂进一步相关性分析表明,果实质地指标中,果实硬度㊁弹性㊁咀嚼性和粘附性同枣果解剖结构指标存在不同程度的相关性,其中粘附性与大部分果实细胞形态参数达极显著水平㊂因此,在今后灵武长枣育种中,可结合果实细胞解剖形态对果实质地进行综合评价㊂此外,针对目前有关果实质地的研究,除细胞解剖结构外,加入了细胞壁代谢相关内容,这也与果实质地的变化息息相关㊂参考文献R e f e r e n c e:[1]张振荣,谢志强,夏湛河,等.灵武市长枣生产现状及对策[J].现代农业科技,2015(1):330,338.Z H A N G Z H R,X I E Z H Q,X I A Z H H,e t a l.C u r r e n t s i t u a-t i o n a n d c o u n t e r m e a s u r e s o f j u j u b e p r o d u c t i o n i n L i n g w uc i t y[J].M ode r n A g r i c u l t u r a l S c i e n c e a n d T e c h n o l o g y,2015(1):330,338.[2]马亚平,曹兵,王艳. 灵武长枣土壤养分与果实品质间的相关性分析[J].经济林研究,2017,35(4):105-111.MA Y P,C A O B,WA N G Y.C o r r e l a t i o n a n a l y s i s b e t w e e n s o i l n u t r i e n t s a n d f r u i t q u a l i t y i n Z i z i p h u s j u j u b a L i n g-w u c h a n g z a o [J].N o n w o o d F o r e s t R e s e a r c h,2017,35(4): 105-111.[3]MA Y,WA N G Z,S O N G L,e t a l.F r u i t m o r p h o l o g y m e a s-u r e m e n t s o f j u j u b e c u l t i v a r L i n g w u C h a n g z a o (Z i z i p h u s j u j u b a M i l l.c v.L i n g w u c h a n g z a o)d u r i n g f r u i t d e v e l o p-m e n t[J].H o r t i c u l t u r a e,2021,7(2):1-7.[4]S A L A D IÉM,MA T A S J A,I S A A C S O N T,e t a l.A r e e v a l-u a t i o n o f t h e k e y f a c t o r s t h a t i n f l u e n c e t o m a t o f r u i t s o f t e n-i n g a n d i n t e g r i t y[J].P l a n t P h y s i o l o g y,2007,144(2):1012-1028.[5]G U N N E S S P,K R A V C HU K O,N O T T I N G H AM S,e t a l.S e n s o r y a n a l y s i s o f i n d i v i d u a l s t r a w b e r r y f r u i t a n d c o m p a r i-s o n w i t h i n s t r u m e n t a l a n a l y s i s[J].P o s t h a r v e s t B i o l o g y a n dT e c h n o l o g y,2009,52(2):164-172.[6]C O S T A F,C A P P E L L I N L,L O N G H I S,e t a l.A s s e s s m e n to f a p p l e(M a l u sˑd o m e s t i c a B o r k h.)f r u i t t e x t u r e b y ac o m b i n ed a c o u s t i c-me c h a n i c a l p r of i l i ng s t r a t e g y[J].P o s t-h a r v e s t B i o l o g y a n d T e c h n o l o g y,2011,61(1),21-28.[7]刘莉,高星,华德平,等.不同的质构检测方法对甜瓜果肉质构的评价[J].天津大学学报(自然科学与工程技术版),2016,49(8):875-881.L I U L,G A O X,HU A D P,e t a l.E v a l u a t i o n o f t h e t e x t u r a l㊃858㊃西北农业学报33卷。

北方民族大学2019年硕士研究生考试一志愿进入复试学生名单

李宇杰马璐马洁茹毛丹马丽张轩石新悦吕芳芳关雪婷刘宁宁黄薇黄颖韩琳琳葛梦瑜赵嘉晋刘佳
114079000000389 114079000000399 114079000000421 114079000000424 114079000000429 114079000000436 114079000000438 114079000000439 114079000000445 114079000000Байду номын сангаас47 114079000000452 114079000000453 114079000000455 114079000000457 114079000000458 114079000000460
孙浩轩东洋魏云娇曾铭月赵纳康佳李东晓崔林林李依芳冯雨婷丁小清陈宁马羚胡倩吴浩黄晓
114079000000462 114079000000472 114079000000474 114079000000475 114079000000483 114079000000503 114079000000509 114079000000511 114079000000518 114079000000529 114079000000532 114079000000534 114079000000535 114079000000536 114079000000539 114079000000555
王瑜闫扬梁娜梁艳敏文修叶马佩博陈轲买小娟王瑞敏李帆撒彦山曹亚楠张逸乌晨雪张琪琪龙怡君
114079000000082 114079000000089 114079000000101 114079000000106 114079000000073 114079000000076 114079000000092 114079000000108 114079000000574 114079000000584 114079000000587 114079000000591 114079000000603 114079000000021 114079000000024 114079000000621

北理研究生导师名单

学科1 力学兵器科学与技术力学航空宇航科学与技术航空宇航科学与技术航空宇航科学与技术航空宇航科学与技术力学航空宇航科学与技术航空宇航科学与技术兵器科学与技术航空宇航科学与技术航空宇航科学与技术力学航空宇航科学与技术力学力学力学力学力学航空宇航科学与技术航空宇航科学与技术航空宇航科学与技术
96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119
宇航宇航机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电
120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143
机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电机电
周萧明朱圣英安二峰白春华才德陈放陈慧敏陈朗陈利陈鹏万陈曦陈晓鹏谌德荣丛晓民崔庆忠戴开达邓宏彬邓甲昊董海平董永香杜志明段星光段卓平朵英贤
力学航空宇航科学与技术力学安全科学与工程兵器科学与技术兵器科学与技术兵器科学与技术兵器科学与技术力学力学兵器科学与技术机械工程兵器科学与技术安全科学与工程兵器科学与技术力学兵器科学与技术机械工程兵器科学与技术兵器科学与技术安全科学与工程机械工程兵器科学与技术兵器科学与技术力学机械工程兵器科学与技术化学工程与技术兵器科学与技术兵器工程兵器工程兵器工程兵器工程安全工程机械工程兵器工程兵器工程机械工程兵器工程化学工程力学机械工程兵器工程机械工程兵器工程安全工程兵器工程机械工程化学工程与技术力学力学兵器科学与技术安全工程兵器工程兵器工程兵器工程兵器工程化学工程兵器工程航天工程

人大考研-历史学院研究生导师简介-马利清

爱考机构-人大考研-历史学院研究生导师简介-马利清马利清（1969年——）,女,内蒙古呼和浩特市人。

主要研究方向为秦汉历史与考古、北方民族历史与考古。

1987—1991年，西北大学历史系本科，获学士学位；1991—1994年，西北大学文博学院研究生，获硕士学位；1994—2001年，内蒙古大学人文学院任教，副教授；2001－2004年，郑州大学历史与考古系研究生，获博士学位；2004年至今，中国人民大学历史学院副教授。

主要科研成果：著作：1、《古代货币》合著西北大学出版社，1994年11月，ISBN：7-5604-0473-1/G·672、《古代瓦当》合著（笔名：戈父）中国书店，1997年9月，ISBN：7-80568-773-0/G·573、《古代货币》合著中国书店，1999年1月，ISBN：7-80568-917-2/G·874、《蒙古学百科全书·文物考古》编委内蒙古人民出版社，2004年12月，ISBN：7－204－07745－8／Z·4255、《原匈奴、匈奴历史与文化的考古学探索》专著内蒙古大学出版社，2005年3月出版号ISBN7-81074-796-76、《中国古代货币》百花文艺出版社，2007-01-01，ISBN978-7-5306-4567-37、《考古学概论》中国人民大学出版社，2010年11月，ISBN978-7-300-12829-08、《酒史与酒文化研究》第一辑合编社科文献出版社，2012年7月，ISBN97875097335479、《莱州文史要览》编委，齐鲁书社，2013年。

论文：1、《夏家店下层文化源流考》，《内蒙古大学学报》1996年6期；《新华文摘》1997年1期题录。

2、《夏家店下层文化的渊源及其与周邻文化的关系》，《文物与考古研究》三秦出版社1997年1月。

3、《夏家店下层文化分布范围的研究》，《史苑新论》内蒙古大学出版社1997年8月。

硕士研究生导师简介

商学院硕士研究生导师简介西方经济学专业孙新雷，男，中共党员，教授，经济学博士，博导。

研究方向主要为西方经济学，发展经济学，国际经济学。

主讲《西方经济学》，《国外经济学名著选读》等课程，先后在学术刊物上发表论文60余篇，出版和参与编写学术性著作15部，承担省部级科研课题8项，获得省部级以上科研奖10多项。

孙学敏，男，教授，博士，硕导。

西方经济学学科带头人，郑州大学企业研究中心主任。

主要讲授的课程有：西方经济学、管理经济学、西方企业理论、西方经济学流派、经济预测与决策方法和中小企业管理研究。

曾在《经济日报》、《中国物价》等报刊发表学术论文120余篇，出版《开放架构下的中小企业管理论丛》（1－6卷）、《豫商发展史与豫商案例研究》等学术著作20余部，主持“国有中小企业改制后的管理问题研究”、“河南省骨干企业国际竞争力研究”、“河南省科技型企业国际竞争力研究”、“企业竞争方式研究”、“豫商发展史与豫商案例研究”、“农村企业家的生成与中国传统农业的改变”等国家和省级科研课题和横向课题20余项，获省级科研奖励8次，获郑州大学及郑州大学商学院科研及教学奖励15次。

其主讲的《微观经济学》课程荣获郑州大学“2004年精品课程”。

孙学敏教授是郑州大学三育人先进工作者，教学优秀奖二等奖获得者，“郑州大学最满意授课教师”称号获得者，郑州大学科研奖获得者，郑州大学优秀中青年学术带头人。

国民经济学专业杜书云，女，教授，经济学博士，硕导。

河南省中青年骨干教师。

河南省经济学会副会长，郑州市房地产业协会常务理事，郑州市住房公积金管理委员会委员。

主要从事《政治经济学》、《社会主义经济理论与实践》、《房地产经济学》等课程的教学工作。

先后获得郑州大学“三育人”、郑州市“三育人”、河南省“优秀教师”荣誉称号。

多年致力于土地制度、地产市场尤其是房地产开发问题的研究，主编有＜中国三农问题报告＞学术著作；在《经济地理》、《中国农村经济》、《农业经济问题》、《中国房地产报》等刊物公开发表学术论文40多篇；主持完成国家社科基金项目有＂土地农转非规律及其应用研究＂（１９９７）和＂农村劳动力转移的问题和对策研究－－农村劳动力转移的成本－收益视角分析＂（２００５），主持省级和厅级项目７项；成果获省级奖励多项，2000年获郑州大学“科研优秀奖”，因辅导学生参加“挑战杯”论文竞赛本人获得国家“园丁奖”。

北方民族大学硕士研究生导师一览表

北方民族大学硕士研究生导师一览表
姓名
性别
学历
职称
所在硕士点
主要研究方向
李伟
男
硕士
教授
中国少数民族史
回族历史与文化
闵文义
男
硕士
教授
中国少数民族史
民族经济与民族地区可持续发展
丁明俊
男
学士
教授
中国少数民族史
回族历史与伊斯兰文化
束锡红
女
博士
教授
中国少数民族史
民族学、社会学
武宇林
女
博士
教授
专门史
民族学、民俗学
副研究员
计算机应用技术
信息系统工程、软件工程
冒东奎
男
学士
教授
计算机应用技术
Web技术、管理信息系统
冯祖洪
男
学士
教授
计算机应用技术
数据库技术
何丰
男
在读博士
教授
计算机应用技术
数据库技术、网络技术
石奋苏
男
学士
副研究员
计算机应用技术
多媒体信息处理、计算机系统
张春梅
女
硕士
副教授
计算机应用技术
信号与信息处理、图像处理
社会主义理论与现实问题研究
成媛
女
硕士
教授
思想政治教育
民族教育
冯雪红
女
在读博士
副教授
思想政治教育
民族教育
马惠兰
女
硕士
副教授
思想政治教育
马克思主义民族理论
王建伟
女
硕士
副教授
思想政治教育
政治学、民族教育
张琳

北方民族大学硕士研究生导师一览表

刘炜
男
学士
教授
电路与系统
智能仪器
蔡静之
女
学士
教授
电路与系统
测控技术、机电控制
王福平
男
学士
教授
电路与系统
信号检测与信息处理
楚栓成
男
学士
高级工程师
电路与系统
无线电技术、信息处理
虎恩典
男
学士
教授
电路与系统
机电控制、计算机控制
赵海燕
女
博士
教授
生态学
植物种群与生理生态
任贤
男
硕士
研究员
生态学
荒漠药用植物资源研究及利用
丁万录
男
学士
副教授
专门史
回族历史与文化、北方民族史
东·华尔丹
男
硕士
副教授
专门史
哲学、藏学和少数民族文化
陈旭
男
博士
副教授
专门史
中国民族史、中国政治思想史
杨蕤
男
博士
副教授
专门史
边疆历史地理学、西夏学
纪振奇
男
在读博士
副教授
专门史
中国近现代史
李小宁
男
硕士
教授
思想政治教育
思想政治教育与管理
高梅
女
学士
教授
思想政治教育
北方民族大学硕士研究生导师一览表
姓名
性别
学历
职称
所在硕士点
主要研究方向
李伟
男ቤተ መጻሕፍቲ ባይዱ
硕士
教授
中国少数民族史
回族历史与文化
闵文义
男
硕士
教授
中国少数民族史

北方民族大学2020年硕士研究生招生入学考试参考范围

同等学力加试科目及参考书目：概率论与数理统计复变函数近世代数常微分方程
《数学分析简明教程》（第二版），邓东皋、尹小玲编，高等教育出版社，2006 年。《高等代数》（第三版），北京大学数学系编，高等教育出版社，2003 年。
《数学分析简明教程》（第二版），邓东皋、尹小玲编，高等教育出版社，2006 年。《高等代数》（第三版），北京大学数学系编，高等教育出版社，2003 年。《常微分方程》（第三版），王高雄等著，高等教育出版社，2006 年。
《C 程序设计》（第三版）谭浩强主编，清华大学出版社，2000 年《数据结构》（C 语言版）严蔚敏等编，清华大学出版社，1997 年《运筹学》（第四版），甘应爱主编，清华大学出版社，2005 年。《计算机网络》（第五版），谢希仁，电子工业出版社，2013 年。数学二参照国家统考大纲。
《微机原理与接口技术》，何小海，严华著，科学出版社，2011 年。《数据库系统概论》（第四版）王珊、萨师煊主编，高等教育出版社，2006 年。《数字图像处理》（MATLAB 版），冈萨雷斯（美），电子工业出版社，2006 年。《软件工程》，郑人杰主编，人民邮电出版社，2009。
081203 计算机系统结构应用技术
《C 程序设计》（第三版）谭浩强主编，清华大学出版社，2000 年《数据结构》（C 语言版）严蔚敏等编，清华大学出版社，1997 年《微机原理与接口技术》，何小海，严华著，科学出版社，2011 年《运筹学》（第四版），甘应爱主编，清华大学出版社，2005 年《计算机网络》（第五版），谢希仁，电子工业出版社，2013 年数学一参照国家统考大纲
北方民族大学 2020 年硕士研究生招生入学考试参考范围
001 文学与新闻传播学院

基于特征矩阵的高效数字识别算法

基于特征矩阵的高效数字识别算法作者：徐敬刘炜来源：《软件导刊》2014年第01期摘要：传统的数字识别算法存在识别速度、识别准确率和识别方法复杂度三者无法兼顾的问题，为解决该问题，提出了基于特征矩阵的高效数字识别算法。

该算法首先在预处理的基础上获取字符的特征矩阵，然后用特征矩阵对字符的特征横线、竖线等特征进行提取，最后利用结构语句识别的方法实现数字识别。

实验结果表明，基于特征矩阵的高效数字识别算法思路简单、速度快，且识别率达97% 以上。

关键词：特征矩阵；数字识别；图像处理；识别率中图分类号：TP312 文献标识码：A 文章编号文章编号：16727800（2014）001005903作者简介作者简介：徐敬（1989-），女，北方民族大学电信学院硕士研究生，研究方向为嵌入式与信息处理；刘炜（1963-），男，北方民族大学电信学院副教授、硕士生导师，研究方向为智能仪器。

0 引言数字识别技术是图像处理领域中的一个研究热点，在食品、化妆品、药品等外包装生产日期提取上具有重要的实用价值。

近年来，随着人们对数字图像识别算法的不断研究，数字图像识别方法也越来越多，主要有基于神经网络数字图像识别[1]、基于最小距离法的数字图像识别，以及基于模板匹配的数字图像识别[2]。

在实际应用中，人们发现数字识别算法的识别率一般较低，个别识别率较高的算法比较复杂，且收敛速度普遍较慢，缺少两方面性能皆优的方法。

针对目前存在的问题，结合印刷体数字的特点，笔者提出了一种基于特征矩阵的高效数字图像识别算法。

该算法首先在预处理的基础上提取字符的特征矩阵，利用特征矩阵对简单的特征[34]（横线）进行提取，然后应用结构语句识别方法将数字中的多数识别出来。

再采用排除法缩小识别数字的范围，并对其中的数字特征凹陷区域进行分析和比较，同时采用上述同样的方法对数字进行识别使算法简单，识别速度快且识别效果好。

1 数字图像预处理图像预处理是对采集到的图像画面在进行数字识别之前所做的一些相关工作，主要包括图像灰度化、二值化、梯度锐化、中值滤波、分割、归一化、细化等步骤，具体流程如图 1 所示。

2018年北方民族大学硕士研究生招生拟录取名单

王恒
生态学
360.18
120
102008212008887
姜牧炎
生态学
333.52
121
102468210011137
董冬
生态学
313.08
122
102008211507514
张肖冲
生态学
306.40
123
107308021002644
王兴东
生态学
306.28
124
100288130900053
梁昕昕
109
107188612201297
黄小利
数学
295.55
110
101438214500584
林琳
数学
294.85
111
102168004900027
邬小清
数学
293.60
112
101658000003689
赵旭
数学
292.60
113
107108161331822
刘航宇
数学
292.05
114
107098161172084
100088210002523
陈碧
材料科学与工程
307.17
135
102808210008843
许满足
材料科学与工程
307.11
136
102928210100096
潘仲谋
材料科学与工程
303.77
137
102858211511567
刘淑玉
材料科学与工程
300.44
138
105908765407065
李靖
思想政治教育
373.00

北方民族大学2013年专任教师

聘用制博士、高级职称者正式录用/硕士聘用制博士、高级职称者正式录用/硕士聘用制
2
会计学
有实际工作经验的优先
2
财务管理
有实际工作经验的优先 985院校毕业生，有实际工作经验的优先
2
商学院
8
2
物流管理
联系人：杨保军副院长电话：0951-2066585 博士、高级职称者正 13995477588 式录用/硕士聘用制 Email:nxybjun@ yangxc@ 正式录用
正式录用
2
通信工程
Байду номын сангаас
博士研究生
正式录用联系人：毛建东院长电话：0951-2067930 Email:mao_jiandong@
9
电气信息工程学院
6
1
自动化
博士研究生
正式录用
1
测控技术与仪器或光学
博士研究生
正式录用
1
电气工程及其自动化
数学（基础数学、应用数学、计算数学、运筹学与控制论、概率论和数理统计）和统计学
1
工商管理
1
电子商务
博士研究生
本科为计算机专业的优先
正式录用
第 1 页，共 7 页
1
语言学及应用语言学
博士研究生
正式录用
1
古典文献学
博士研究生
正式录用
1 3 文史学院 7 2
世界文学与比较文学
博士研究生
正式录用
新闻传播学
博士研究生
正式录用博士正式录用/硕士聘用制正式录用
联系人：左宏阁院长电话：0951-2066610 18809583322 Email:zuohongge@

贵州黄平s村婚姻伦理失范探析

贵州黄平S村婚姻伦理失范探析龙寸英，李军(北方民族大学民族学学院，宁夏银川750021)摘要：我国正处于社会转型期，很多文化制度都面临着新旧交替，旧的制度正在转型，新的尚未定型，导致社会问题不断出现.同样，媚闌家庭问题作为社会问题的一种，也出现失范的现象.本文以S村作为田野点、，对该村婚姻伦理失范问题进行探讨，通过对婚姻失范类型分析，探析其背后的原因.关键词：婚姻伦理失范；社会环境；贵州黄平中图分类号：K892.22文献标识码：A -XJ--1—刖弓失范(anomie)作为社会学研究概念最早是由法国社会学家埃米尔•涂尔干(Emile Durkheim)提出，并引用到社会研究领域中⑴。

该词在不同历史时期、不同历史环境有着不同的含义。

迪奥(Jean Marie Guyau)指出，"把失范理解为是一种有创作力的新生事物，是对僵死的观念的一种挑战。

他认为anomie不是一种邪恶的东西，也不是当代社会中的一种疾病，而是一种非常好的性质。

在宗教领域,理想的宗教应该是一种失范状态，也就是个人的自由解放。

”⑴他强调失范的作用是一个正向功能。

埃米尔•涂尔干(Emile Durkheim)的失范概念与迪奥是相反的，他指出失范是道德的对立，他在《社会分工论》中强调“现代经济生活存在着法律和道德的失范状态，这些失范状态造成了经济世界中极端悲惨的景象，各种各样的冲突和混乱频繁产生出来。

涂尔干认为无政府状态明显是一种病态现象，因为它是与社会的整个目标反向而行”。

⑶涂尔干给出自己对失范的理解，失范并不是正功能的表现，而是对社会秩序起到负作用的一种力量，规范是对个人行为约束尺度，并不是无线放大对自由的追求。

社会学家默顿(Robert Merton)提出，"文化目标——制度手段”的行为失范形式，在他看来，研究失范的目的，就是要将具有偏离正常轨道的社会行为以及其失范的文化根源揭露展示。

其失范的根文章编号:1003-1332(2020)01-0035-06源是由文化、社会结构的作用功能失调，使文化目标和制度手段处于不平衡形式，使得社会成员在具体行动中无法使目标和手段和谐调整，促使各种行为的偏差出现。

笔墨如何体现筑牢中华民族共同体意识的研究李润芝

新玉文艺311中华民族具有非常久远的发展历史和民族传统文化，中国画在中华民族漫长久远的发展总体历程里，具备经典性作用。

从历史文化的发展层面分析，笔墨元素是具备显著体现意境的。

一般来讲，笔墨不只是中国画的主要构成组分，更加是中国画艺术的确定特点表现，它不单单对我国古时候历史文化的形成和发展具备关键影响作用，与此同时也继承传播着中华民族历史文化的艺术性。

借用笔墨画家能够展示出中华历史文化的特征和国人的特殊精神，这同时也是其继承传播2000多年来逐渐发展的核心展示模式。

笔墨是中国画的风骨和精神全面集中表现，承袭并且宣扬笔墨历史文化，能够推进中国画创作的长久的发展，所以，现代人需要在了解掌握笔墨历史文化特征的基础上，去有效运用它，传承并创新它。

2021年8月，中央民族工作大会在北京市举办，习主席对外公开发表了讲话，重点提出“以铸牢中华民族共同体意识为主线，坚定不移走中国特色解决民族问题的正确道路，构筑中华民族共有精神家园，促进各民族交往交流交融”。

而以铸牢中华民族共同体认识为发展核心主线的学术分析研究，是要求有历史分布维度的。

恩格斯曾经也提出：“历史从哪里开始，思想进程也应当从哪里开始，而思想进程的进一步发展不过是历史过程在抽象的、理论上前后一贯的形式上的反映。

”从统一多民族理论思想发展历史中能够发现，以铸牢中华民族共同体认识为发展核心主线的理论研究和应用综合实践，是具备历史基础的，是从多民族我国发展历程过程里归纳总结出的，也就是分析研究多民族我国历史上的民族共同体理论思想和中华民族共同体认识孕育发展的内在分析逻辑思维。

我们在分析历史参考数据文献的基础之上，研究民族共同体理论思想对中华民族共同体认识孕育和发展的作用影响，来丰富以铸牢中华民族共同体认识为发展核心主线的学术研究，都是非常关键的。

笔墨作为文化元素，在国画创作中的重要地位，是优秀精神、审美价值的沉淀，同时也是画面中的点晴之笔。

笔墨成就国画的过程中，通过运用形与色的变化来点染出国画所要表达的意境美。

VW-SAE

㊀第53卷第2期郑州大学学报(理学版)Vol.53No.2㊀2021年6月J.Zhengzhou Univ.(Nat.Sci.Ed.)Jun.2021收稿日期:2020-08-26基金项目:自治区重点研发计划(引才专项)项目(2018BEB04002);国家级创新创业项目(2019-11407-032);北方民族大学校级重点科研项目(2019KJ26)㊂作者简介:胡晓勇(1995 ),男,硕士研究生,主要从事图形图像与智能信息处理研究,E-mail:1031279395@;通信作者:王海荣(1977 ),女,副教授,主要从事大数据知识工程研究,E-mail:bmdwhr@㊂VW-SAE :一种改进的光谱数据特征表示方法胡晓勇,㊀王海荣,㊀刘午杨(北方民族大学计算机科学与工程学院㊀宁夏银川750021)摘要:针对高光谱图像维度高㊁目标特征提取不准确的问题,提出了一种可变加权堆叠式自编码器(variable-wiseweighted stacked autoencoder,VW-SAE)的光谱数据特征表示方法㊂VW-SAE 方法在堆叠式自编码器(SAE)的基础上,从每个AE 的输入层中识别出重要的变量,通过对输出变量的相关性分析,将输出信息映射在AE 目标函数的不同变量,引入不同的权值进行训练,逐层提取获得与输出相关的特征,并将其堆叠形成深网络㊂通过对每层网络权重的调控,在降低光谱数据维度的过程中,更好地提取光谱数据中的特征信息,进而提高了预测模型的精度㊂为验证方法的有效性,使用已采集的10248张水稻图像,在堆叠式自编码器结合全连接神经网络(SAE-FNN)的基础上,搭建了VW-SAE-FNN 模型对水稻氮元素进行检测,实验结果表明该方法与SAE 方法相比准确率明显提升㊂关键词:高光谱图像;可变加权;堆叠式自编码器;权重;氮元素中图分类号:TP751.1㊀㊀㊀㊀㊀文献标志码:A㊀㊀㊀㊀㊀文章编号:1671-6841(2021)02-0034-07DOI :10.13705/j.issn.1671-6841.20202780㊀引言高光谱遥感具有光谱分辨率高㊁波段连续性强㊁光谱信息量大等特点[1]㊂高光谱图像与普通图像相比,其维度更高㊁包含的特征信息更多,而传统的图像处理技术无法充分挖掘其中的光谱信息[2-3]㊂因此如何有效地对光谱图像降维㊁提取特征信息是该研究领域的主要难题之一㊂近年来,深度神经网络技术在图像特征提取方面的强大优势被证实,利用深度学习解决上述问题成为可能,其中自编码器被广泛应用于无监督特征学习中[4]㊂堆叠自动编码器(stacked autoencoder,SAE)是一种常用的深度学习模型[5]㊂SAE 由多层自动编码器组成,已有的一些研究成果表明SAE 在提取高阶特征方面具有较好的有效性㊂文献[6]利用堆叠降噪自编码器进行遥感图像特征提取和描述,在油库目标检测应用中取得较好效果㊂文献[7]使用堆叠式降噪自动编码器(SDA)从补丁中提取深层特征表示,然后对这些特征表示执行无监督和分层K 均值聚类,并构建一个索引树结构,从而提高了图像分类的结果㊂文献[8]最早提出利用自编码器实现高维数据的降维处理,并利用神经网络对降维后的数据进行回归训练㊂文献[9]利用自编码器对光谱数据进行了降维分析,实验结果发现自编码器有效地重构了原始数据的特征,更好地进行分类㊂文献[10]通过自编码器无监督训练,实现了光谱图像的无监督分类,与传统方法相比,大大提升了分类精度㊂文献[11]针对软传感器引入了深度堆叠的自动编码器,并用于逐层输出相关的特征表示,通过与输出变量的相关分析可知,重要变量是从每个自动编码器的输入层中的其他变量中识别出来的㊂与传统的多层NN 和SAE 相比,提出的VW-SAE 可以提供更好的预测性能㊂文献[12]结合自编码器和深度学习的方法,实现了菠菜叶片的氮素预测㊂综上可知,自编码器在高光谱数据的特征提取及表示方面具有优势㊂因此,本文基于自编码器与全连接神经网络组成的模糊神经网络,提出一种将可变加权的堆叠式自编码器与全连接神经网络相结合的方法,通过对高维数据降维㊁重构,逐层提取与输出相关的特征,从而获取高光谱数据中的深光谱特征,解决了传统神经网络在光谱数据训练过程中特征提取不准确,损失率高的问题㊂最后利用模糊神经网络FNN 来预测目标浓度,从而为农业生产者提供生长状况信息,实现精准施肥㊂㊀第2期胡晓勇,等:VW-SAE:一种改进的光谱数据特征表示方法1㊀自编码器相关理论堆叠自动编码器是一种经典的深度学习算法,是深度学习领域常用的一个深度学习模型,由多个自动编码器串联堆叠构成㊂自动编码器(autoencoder,AE)是一种前馈无返回的神经网络,如图1所示是AE模型的基本结构,其包含一个输入层,一个隐含层,一个输出层[13]㊂堆叠多层自动编码器的目的是逐层提取输入数据的高阶特征,在此过程中逐层降低输入数据的维度,将一个复杂的输入数据转化成一个简单的高阶特征,然后再把这些高阶特征输入到一个分类器或者聚类器中进行分类或聚类㊂假设AE的输入是X=[X1,X2, ,X d x]TɪR d x,其中d x是输入的维数㊂编码器X将从输入层投影到隐含层,h=[h1,h2, ,h d h]TɪR dh通过映射函数f实现,h=f(x)=S f(W x+b),其中:d表示隐含层变量的维度;W是d h∗d x的权值矩阵,b是偏置向量㊂在解码层,h表示从隐含层映射到输出层的X,通过激活数f来映射㊂ x=f(h)=Sf( wh+ b)其中: w是输出层的权值矩阵; b是它的偏差;激活函数可以是sigmoid或者其他㊂因此AE层的参数集合为θ={W, w, b, b},AE通过函数g(θ)=f(f(x))ʈx完成重构,并且通过限制隐含层单元数量防止重构输出 x与输入X 相似㊂在输入层将训练样本数据表示为X={X1,X2, ,X N},每个输入样本X i先被投影到隐含层,将其表示为h i,然后隐射到输出层进行重构得到输出 x㊂通过计算重构误差的均方值,使重构损失函数最小化,得到模型参数㊂其损失函数定义为J(W,b, w, b)=ðN i=1 x i-X i 2/2N=ðN i=1 g o(x i)-x i 2/2N㊂最后利用梯度下降法对AE的参数进行更新㊂在每层的训练结束后,保存AE的训练权重和偏差㊂堆叠式自编码器就是将多个AE进行堆叠组成一个深层次的网络结构㊂如图2所示为SAE模型结构㊂图1㊀AE的模型结构Figure1㊀Model structure ofAE图2㊀SAE结构模型Figure2㊀SAE structure model㊀㊀对SAE模型的训练分为两步:第一步逐层无监督预训练,AE通过最小化重构误差将原始输入数据映射到第一个隐含层;第二步在AE进行训练后,将第一个隐含层的输出作为第二个AE的输入,然后对第二个AE进行训练,得到训练参数{W2,b2}㊂然后进行多层迭代训练得到最后的AE㊂在无监督的预训练之后,将AE的输出层添加到SAE的顶部,进行权重和偏差的微调㊂预训练的权值{W k,b k}k=1,2, ,K为各隐层权值的初始化,输出层的参数{W O,b O}可以随机初始化,然后整个网络由反向传播调整获得改进的权重{Wᶄk, bᶄk}k=1,2, ,K㊂最小化目标变量的预测误差函数为J o=ðNt j=1 y j-y^j /2Nt,(1)式(1)中的y i和 y i分别是标记和预测价值j的输出数据样本㊂其训练过程如图3所示㊂在对SAE模型的训练过程中,分别选取10㊁20㊁30㊁40㊁50㊁60㊁70㊁80㊁90作为初始输入维度,对模型进行训练,训练包含138560个参数,模型预测准确率达95%,但是损失率为0.28㊂因此为了降低模型的损失率,进一步提高预测准确率,对模型进行了改进㊂53郑州大学学报(理学版)第53卷图3㊀SAE 的训练过程Figure 3㊀SAE trainingprocess 图4㊀VW-SAE 结构模型Figure 4㊀VW-SAE structure model2㊀可变加权的堆叠式自编码器针对高光谱数据无监督训练方法存在大量与目标输出无关的信息,VW-SAE 模型分层的预训练可以帮助深度学习从低级特征中提取高级特征,通过逐层提取相关特征,使模型能够在更高的层次结构中学习复杂和抽象的特征㊂在VW-SAE 模型中可变权值都是通过标记数据进行额外计算,然后利用加权损失函数对AE 进行训练,使隐藏特征与目标变量更加相关㊂其结构如图4所示㊂图4所示的分层预训练为SAE 提供良好的初始权重,通过最小化训练样本在整个输入空间上的重构误差来实现㊂在原始AE 中,目标是重建输出层的输入数据,构建 x 需要原始x 尽可能多㊂因此,应该重建误差函数 x - x 2=ðd x d =1(X d -X d )2㊂尽管变量的某些维度可能与输出变量关系不大,但它们在AE 重构中仍与其他维变量发挥着同样的作用㊂因此,这个变量的维数也应该被准确地重构㊂因此,需要对重构对象中不同维度的变量赋予不同的权值㊂在此基础上,计算AE 基本模型的变权值㊂为了训练VW-AE,首先应该使用带标签的数据来获得可变权重㊂假设标记的训练数据为{X l ,Y l }={(x 1,y 1),(x 2,y 2), ,(x j ,y j ), ,(x N l ,y N l )},其中,N l 为标记样本的数量㊂变量的重要性由它们与目标变量的相关性决定㊂因此,第d 个变量的相关系数计算公式为ρ(d )=cov(X l(d ),Y l )/(var(X l(d ))var(Y l )),协方差和方差项计算为cov(X l (d ),Y l )=(ðN t j =1(x j (d )- x (d ))(y j - y ))/N t -1,var(X l (d ))=(ðN t j =1(x j (d )- x (d ))(y j (d )- y ))/N t -1,var(Y l )=(ðN tj =1(y j - y )(y j - y ))/N t -1,第d 个输入变量的权值应为与其相关系数绝对值的单调递增函数㊂其变权公式为λd =ρd /ðd x i =1ρ(i ),最小化标记数据的变权重构误差函数为J λ=(W ,W ,b , b )=(ðN t n =1ðd x d =1λ(d ) x n (d )- x n (d ) 2)/2N t =(ðN t n =1(x n - x n )ΤΔ(x n - x n ))/2N t ,式中Δ是d x ˑd x 的对角矩阵㊂6373㊀第2期胡晓勇,等:VW-SAE:一种改进的光谱数据特征表示方法本文的核心算法如下㊂Data:ramdonpixel_train.pkl,ramdonpixel_val.pklProcess:#Load data.1:x_train=train_set1[0],y_train=train_set1;x_valid=train_set2[0],y_valid=train_set22:while SAE model do3:㊀save pre-train SAE model weights14:end while5:load data6:while rebuild SAE model do7:㊀if weights1ʂ∅then8:㊀load weights1as rebuild SAE model input9:㊀loss=new loss10:㊀new loss(Xn,Xn1)11:㊀㊀a=Xn-Xn112:㊀㊀N=k.int_shape(a)13:㊀㊀b=k.dot(a,k.eye(N))14:㊀㊀a=k.transpose(a)15:㊀㊀result=k.dot(a,b)16:㊀㊀result=result/(2∗N)17:㊀㊀result=k.sum(result)18:㊀㊀return result19:save pile(optimizer=ᶄAdamᶄ,loss=SAE_loss,metrics=[ᶄaccuracyᶄ])20:save weight221:load rebuild SAE22:while rebuild SAE model do23:load weight224:save VW-SAE model25:end利用VW-SAE算法,可以更好地初始化深度神经网络的权值㊂对于每一层,根据其与目标输出变量的相关性,赋予不同的权值,然后利用权重设计新的加权损失函数,使得不相关信息被VW-AE约束㊂由于整个网络是逐层预训练的,因此信息将进一步从低级特征加强到高级特征㊂同时,不相关信息从低层次逐渐被抑制甚至消除㊂基于VW-SAE算法,本文搭建了可变加权堆叠式自编码器结合全连接神经网络(VW-SAE-FNN)模型,用来预测水稻叶片氮元素含量,模型框架如图5所示㊂利用有标签数据以半监督的方式对VW-SAE进行训练,提取标记和未标记输入数据的深层输出相关特征,利用与输出相关的深层特征和标记的输出数据,建立它们之间的回归模型㊂3㊀VW-SAE-FNN模型验证为了验证本文提出的改进算法,使用从高光谱图像中提取的50000多条平均光谱值对VW-SAE-FNN算法进行验证,用190多份样本进行微调,采用Pycharm㊁Python等语言工具搭建基于Windows环境下的可视化验证系统,同时使用决定系数(R2)㊁均方根误差(RMSE)和剩余预测偏差(RPD)来评估模型的性能㊂两种评价指标公式为郑州大学学报(理学版)第53卷图5㊀VW-SAE-FNN模型框架Figure5㊀VW-SAE-FNN model frameworkR2=1-(ðn i=1(y i-yΛi)2)/(ðn i=1(y i- y i)2),RMSE=1n-1ðn i=1(y i-yΛi)2,其中:拟合决定系数(R2)表示实测值与预测值之间密切程度;均方根误差(RMSE)表示实测值与预测值之间离散程度㊂R2越大,RMSE越小,说明估测效果越精确㊂建立模型首先是确定模型的设置,模型的一些超参数,如隐含层的数量和每个隐含层中神经元的数量,可能会对模型的性能产生巨大影响㊂经过反复实验,最终确定本实验的回归模型由3个自编码器堆叠而成,总共训练276462个参数,将初始数据输入模型,经过第一次的训练,将其训练的权重保存,作为第二层变权自编码器的输入,最后再进行一次训练,通过多次堆叠最终形成可变加权的自编码器㊂一旦自编码器逐层预训练完成,FNN将连接到自编码器的顶层输出对网络进行微调,选定网络结构为(512,100),SAE的顶层是输出相关特征的最高层次,是回归网络的输入层㊂因此,在训练步骤中使用训练数据训练一个VW-SAE模型和一个回归模型㊂对于测试步骤,首先将测试样本的输入数据应用到训练好的VW-SAE模型中,得到深度特征㊂然后将深度特征代入训练后的回归模型中,对测试样本的输出进行预测㊂这里,回归模型是一个FNN神经网络,最后生成VW-SAE-FNN模型㊂在本文的实验中,对VW-SAEs进行了批量值为100㊁历元值为100的预训练,并对VW-SAE-FNN模型进行了微调,批量值为100,历元值为11000㊂并且使用不同深度光谱特征对VW-SAE-FNN回归模型进行调优(表示为VW-SAE-FNN10㊁VW-SAE-FNN20㊁VW-SAE-FNN30㊁VW-SAE-FNN40㊁VW-SAE-FNN50㊁VW-SAE-FNN60㊁VW-SAE-FNN70㊁VW-SAE-FNN80㊁VW-SAE-FNN90),通过实验发现在光谱特征维度为30时,模型预测结果最好,因此选择将光谱特征维度30为最终模型的光谱参数㊂SAE-FNN和VW-SAE-FNN两种模型的预测结果如表1所示㊂表1㊀预测结果Table1㊀Prediction results模型校正预测R2RMSE RPD R2RMSE RPDSAE-FNN0.9520.225 4.5960.9030.331 3.238 VW-SAE-FNN0.9640.180 4.6330.9130.307 2.730㊀㊀从表1可以看出,通过变量加权技术,利用逐层提取输入数据的高级抽象特征,在SAE的最顶层之后添加一层FNN以微调权重,最后在全连接的网络中使用预先训练好的权重和偏置值,提高决定系数的同时,降低了模型的均方根误差值,模型预测准确率有了很大的提升㊂如图6㊁7所示,VW-SAE-FNN和SAE-FNN模型的实测值与预测值的高相关系数也证实了VW-SAE-FNN方法的优越性㊂通过分析,图6㊁图7的回归系数分别为0.975㊁0.934,可以看出变量加权技术提高了预测值与实测值的相关系数,使回归曲线更加紧致,提高了回归和泛化的性能,氮元素预测结果更加准确㊂83㊀第2期胡晓勇,等:VW-SAE :一种改进的光谱数据特征表示方法图6㊀VW-SAE-FNN 预测值与实测值Figure 6㊀Predicted value and measured value ofVW-SAE-FNN 图7㊀SAE-FNN 预测值与实测值Figure 7㊀Predicted value and measured value of SAE-FNN4㊀结论本文结合农业领域需求,研究了深度学习与高光谱技术相结合的方法,分析了目前深度学习在对高光谱信息挖掘过程中存在的不足,通过改进损失函数,挖掘更多的高光谱特征,提出了将变量加权技术与深度学习相结合的改进算法VW-SAE-FNN,该算法可以更好地初始化深度神经网络的权值㊂为了验证该算法的有效性,本文面向水稻领域,搭建实验环境,对预处理的50000多条真实应用场景下的高能光谱数据进行了训练,并对比分析了算法的性能㊂通过实验结果可以看出,本文方法的预测结果准确性更高㊂参考文献:[1]㊀方红亮,田庆久.高光谱遥感在植被监测中的研究综述[J].遥感技术与应用,1998,13(1):3-5.FANG H L,TIAN Q J.A review of hyperspectral remote sensing in vegetation monitoring[J].Remote sensing technology andapplication,1998,13(1):3-5.[2]㊀张号逵,李映,姜晔楠.深度学习在高光谱图像分类领域的研究现状与展望[J].自动化学报,2018,44(6):961-977.ZHANG H K,LI Y,JIANG Y N.Deep learning for hyperspectral imagery classification:the state of the art and prospects[J].Acta automatica sinica,2018,44(6):961-977.[3]㊀赵小敏,孙小香,王芳东,等.水稻高光谱遥感监测研究综述[J].江西农业大学学报,2019,41(1):1-12.ZHAO X M,SUN X X,WANG F D,et al.A summary of the researches on hyperspectral remote sensing monitoring of rice[J].Acta agriculturae universitatis jiangxiensis,2019,41(1):1-12.[4]㊀马建红,杨浩,姚爽.基于自动编码器的句子语义特征提取及相似度计算[J].郑州大学学报(理学版),2018,50(2):86-91.MA J H,YANG H,YAO S.Semantic feature extraction and similarity computation of sentences based on auto-encoder[J].Journal of Zhengzhou university (natural science edition),2018,50(2):86-91.[5]㊀VINCENT P,LAROCHELLE H,LAJOIE I,et al.Stacked denoising autoencoders:learning useful representations in a deep network with a local denoising criterion[J].Journal of machine learning research,2010,11:3371-3408.[6]㊀FORTUNA L,GIANNONE P,GRAZIANI S,et al.Virtual instruments based on stacked neural networks to improve product quality monitoring in a refinery[J].IEEE transactions on instrumentation and measurement,2007,56(1):95-101.[7]㊀YU J,HUANG D,WEI Z L.Unsupervised image segmentation via Stacked Denoising Auto-encoder and hierarchical patch in-dexing[J].Signal processing,2018,143:346-353.[8]㊀GENT C R,SHEPPARD C P.Special Feature.Predicting time series by a fully connected neural network trained by back prop-agation[J].Computing &control engineering journal,1992,3(3):109.[9]㊀ZABALZA J,REN J,ZHENG J,et al.Novel segmented stacked autoencoder for effective dimensionality reduction and feature extraction in hyperspectral imaging[J].Neurocomputing,2016,185:1-10.9304郑州大学学报(理学版)第53卷[10]TAO C,PAN H B,LI Y S,et al.Unsupervised spectral-spatial feature learning with stacked sparse autoencoder for hyperspec-tral imagery classification[J].IEEE geoscience and remote sensing letters,2015,12(12):2438-2442.[11]YUAN X F,HUANG B,WANG Y L,et al.Deep learning-based feature representation and its application for soft sensor model-ing with variable-wise weighted SAE[J].IEEE transactions on industrial informatics,2018,14(7):3235-3243. [12]YU X J,TANG L,WU X F,et al.Nondestructive freshness discriminating of shrimp using visible/near-infrared hyperspectralimaging technique and deep learning algorithm[J].Food analytical methods,2018,11(3):768-780.[13]刘欢,徐健,李寿山.基于变分自编码器的情感回归半监督领域适应方法[J].郑州大学学报(理学版),2019,51(2):47-51.LIU H,XU J,LI S S.A semi-supervised domain adaptation method of sentiment regression on variational autoencoder[J].Journal of Zhengzhou university(natural science edition),2019,51(2):47-51.VW-SAE:an Improved Method of Spectral Data RepresentationHU Xiaoyong,WANG Hairong,LIU Wuyang(School of Computer Science and Engineering North Minzu University,Yinchuan750021,China) Abstract:Aiming at the problems of the high dimensionality of hyperspectral images and inaccurate tar-get feature extraction,a variable-Wise Weighted Stacked Autoencoder(VW-SAE)spectral data feature representation method was proposed.Based on the stacked autoencoder(SAE),the VW-SAE method identified important variables from the input layer of each AE,and maped the output information in the AE objective function through the correlation analysis of the output variables.Different variables intro-duced different weights for training,extracted the features related to the output layer by layer,and stacked them to form a deep network.By adjusting the weight of each layer of the network,in the process of reducing the dimensionality of the spectral data,the feature information in the spectral data was better extracted at the same time,thereby improving the accuracy of the prediction model.To verify the effec-tiveness of the method,using more than10248rice images that had been collected was used.A VW-SAE-FNN model was built based on the stacked autoencoder combined with the fully connected gods net-work(SAE-FNN).The test results showed that the accuracy of this method was significantly improved compared to the SAE method.Key words:hyperspectral image;variable weighting;stacked autoencoder;weight;nitrogen element(责任编辑:方惠敏㊀孔㊀薇)。

郝苏民教授（个人主页）

郝苏民教授（个人主页）郝苏民教授 (个人主页)作者：录入：扈永辰来源：浏览次数：12496 发布时间：2017-8-31郝苏民,回族，教授、博士研究生导师、享受国务院政府津贴（1992年）、民族学与社会学学院（西北民族研究院）名誉院长、西北民族大学西北民族非物质文化遗产保护研究中心（甘肃省民俗学研究建设基地）主任、《西北民族研究》主编；《话说中国·中华民族》系列丛书特聘总编，西北地区总顾问、《东乡族-保安族卷》主编。

文化部民族民间文艺发展成中心国家社科基金特别委托项目《中国节日志》全委会委员。

主要从事民俗学、人类学、民间文化遗产、蒙古学研究。

主要学术职务有：中国申报“世界人类口头和非物质遗产代表作”评审委员会委员，文化部中国民间文化遗产保护工程专家委员会委员，中国民间文化遗产抢救工程专家委员会委员，中国人类学民族学研究会常委。

北师大、宁夏大学、内蒙古师范大学、青海民大等高校客座教授。

主要获奖有：1.中国社科院、文化部、国家民委、中国民研会联合颁发的英雄史诗发掘工作中做出优异成绩荣誉证书（1986）；2.中国民间文艺家协会第五届理事会颁发的，多年来在开拓、发展我国民间文艺事业中辛勤耕耘，贡献卓著荣誉证书（1991）；3.国务院授予的“为发展高等教育事业做出突出贡献者”荣誉证书，享受政府特殊津贴（1992）；4.甘肃省民族团结进步先进个人、西北民族学院“三育人”先进个人；5.国家教委、人事部颁发的全国优秀教师奖章和荣誉证书（1993）；6.省教育厅、省团委、省科学技术学会等授予第五届、第六届“挑战杯”甘肃省大学生课外学术科技作品竞赛“优秀指导教师”称号（2004/4，2006/4）；7.获国家人事部、国家文化部授予“全国非物质文化遗产保护先进工作者称号”（2007）；8.中国文联、中国民间文艺家协会授予第八届“中国民间文艺山花奖·民间文艺成就奖”（2007/11）；9.获国家民委“突出贡献奖”（2009）。

北方民族大学硕士研究生导师一览表

北方民族大学2017年专任教师岗位公开招聘计划

李晓宁,男,汉族,教授

‘灵武长枣’果实发育过程中果肉质地与解剖结构的变化

北方民族大学2019年硕士研究生考试一志愿进入复试学生名单

北理研究生导师名单

人大考研-历史学院研究生导师简介-马利清

硕士研究生导师简介

北方民族大学硕士研究生导师一览表

北方民族大学硕士研究生导师一览表

北方民族大学2020年硕士研究生招生入学考试参考范围

基于特征矩阵的高效数字识别算法

2018年北方民族大学硕士研究生招生拟录取名单

北方民族大学2013年专任教师

贵州黄平s村婚姻伦理失范探析

笔墨如何体现筑牢中华民族共同体意识的研究 李润芝

VW-SAE

郝苏民教授（个人主页）

笔墨如何体现筑牢中华民族共同体意识的研究李润芝