數(shù)字經(jīng)濟與網(wǎng)絡經(jīng)濟精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的數(shù)字經(jīng)濟與網(wǎng)絡經(jīng)濟主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：數(shù)字經(jīng)濟與網(wǎng)絡經(jīng)濟范文

關鍵詞關鍵詞：MATLAB編程；數(shù)字識別；圖像處理；神經(jīng)網(wǎng)絡

DOIDOI：10.11907/rjdk.162852

中圖分類號：TP319

文獻標識碼：A文章編號文章編號：16727800（2017）005004704

0引言

圖像識別是一項利用計算機對圖像進行處理、分析和理解，以識別各種不同模式目標和對象的技術[1]。圖像識別技術目前還不能達到人類的認知水平，但在特定應用環(huán)境中，可以通過模式識別或者神經(jīng)網(wǎng)絡的方法來對圖像中的事物進行分類判斷。一般而言，一個數(shù)字字符識別系統(tǒng)主要由3個部分組成，如圖1所示。

圖1系統(tǒng)組成

其中，預處理模塊將圖片格式（例如JPG格式）轉換為計算機能識別的二進制數(shù)據(jù)流；圖像處理模塊則實現(xiàn)圖像采集與轉換、邊緣提取、歸一化等功能；字符識別模塊可以由兩種方法實現(xiàn)：模式識別或者神經(jīng)網(wǎng)絡方式，本文系統(tǒng)采用神經(jīng)網(wǎng)絡方式。

1識別目標及預期結果

此系統(tǒng)識別目標是在沒有強干擾下，系統(tǒng)能夠準確識別出圖片中的0～9這10個數(shù)字。示例圖片如圖2所示。

系統(tǒng)識別中所用到的含單個數(shù)字的圖片取自圖2，均為純色背景（不一定必須為白色背景）圖片，且圖片中數(shù)字圖像無較大噪聲干擾。系統(tǒng)經(jīng)過一系列處理后，能成功識別，給出識別結果，并且給出處理過程中各個階段的圖片，以便更好地理解圖像處理過程。

2預處理

預處理是將圖片二值化的過程。預處理的目的簡單來說就是把彩色圖片處理為計算機更好處理的二進制數(shù)據(jù)流。預處理的過程主要分兩部分：彩色圖轉灰白圖，灰白圖轉二進制矩陣形式數(shù)據(jù)。

目前用于彩色圖轉換為灰度圖的基本算法主要有：最大值法、平均值法、加權法，本文采用加權法。加權法的主要思想是設當前像素的三分量分別為R，G，B，然后利用公式（1）得到轉換后的像素分量值：

GRAY=0.3*R+0.59*G+0.11*B（1）

在MATLAB中，函數(shù)img2gray就是采用加權法實現(xiàn)的。圖像二值化就是將圖像像素點的灰度值設置為0或255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果。二值化的處理過程是將圖像中有意義的特征和需要應用的特征進行分割，利用前景和背景灰度特性的差異，低于閾值的像素設定為一個灰度值，高于閾值的像素設定為另一個灰度值。這樣可將前景色與背景色以明顯差異的灰度級區(qū)分開來[2]。閾值選取有手動選取和自適應選取兩種方法。MATLAB中圖像二值化的實現(xiàn)主要依靠im2bw函數(shù)來實現(xiàn)。圖像二值化過程中，最重要的是閾值變換。比如數(shù)組a=[120，254，0，200，99]，設定一個閾值125，并對a進行閾值變換，那么a中凡是大于125的，則變?yōu)?55，小于等于125的則變?yōu)?。具體對臨界情況處理可能不同，不過MATLAB中im2bw函數(shù)是按照上述方法處理的。a經(jīng)過閾值變換后變?yōu)閇0，255，0，255，0]。在MATLAB中使用im2bw函數(shù)進行圖像二值化處理時（將圖像轉換為二值圖像），人為設定閾值并不總是十分有效。MATLAB工具箱提供了graythresh函數(shù)[3]。該函數(shù)使用最大類間方差法得到一個閾值，利用這個閾值進行圖像二值化通常有效。

經(jīng)過預處理后得到的二值化圖像，還要經(jīng)過一系列圖像處理過程，才能用于神經(jīng)網(wǎng)絡訓練。

3圖像處理

圖像處理的目的是將圖片變?yōu)樯窠?jīng)網(wǎng)絡能處理的數(shù)據(jù)流。圖像處理流程如下：

（1）利用梯度銳化。使得圖像更加突出，以便分析。算法：當前點像素值與其下一個像素值之差的絕對值，加上當前點像素值與其下一行當前像素值之差的絕對值，如果結果大于閾值，則當前像素值置為此結果。

（2）去除離散噪聲。利用遞歸方法查找當前像素8個方向是否存在黑色像素，這里設置連續(xù)長度為15，如果用遞歸方法得到連續(xù)像素值大于15，則認為不是噪聲；相反，則認為是噪聲，則置為白色像素。

（3）字符傾斜度調(diào)整。盡量保存每個字符的位置一致。

（4）分割字符。找出每個字符的區(qū)域，用矩形記錄，記錄每個字符矩形數(shù)據(jù)。

（5）字符歸一化。根據(jù)圖像預處理準備階段設置的歸一化標準，把每個字符的區(qū)域進行歸一化，使得所有字符區(qū)域矩形一樣大，只是位置不一樣。

（6）字符緊密排列。把所有字符緊密排列，以備識別使用。

本文示例樣本圖片中只有單個數(shù)字，且無較大干擾，所以不需要去除離散噪聲、字符傾斜度調(diào)整、分割字符和字符緊密排列等步驟。經(jīng)過預處理的圖像數(shù)據(jù)，只需要進行銳化和歸一化處理，就可以用于神經(jīng)網(wǎng)絡訓練。

圖像梯度銳化的目的是使原來的模糊圖像變得清晰。MATLAB中使用的梯度函數(shù)為gradient函數(shù)。Gradient（F）函數(shù)求的是數(shù)值上的梯度，計算規(guī)則：[Fx，F(xiàn)y]=gradient（F），其中Fx為其水平方向上的梯度，F(xiàn)y為其垂直方向上的梯度，F(xiàn)x的第一列元素為原矩陣第二列與第一列元素之差，F(xiàn)x的第二列元素為原矩陣第三列與第一列元素之差除以2，以此類推，如公式（2）。

最后一列則為最后兩列之差。同理，可以得到Fy。

歸一化就是把需要處理的數(shù)據(jù)經(jīng)過處理后（通過某種算法）限制在要求范圍內(nèi)。對于圖像處理中的w一化而言，就是將所有數(shù)字圖像中的字符歸化成為一個具有同一高度、同一寬度的圖像，也即讓其中的字符具有同樣規(guī)格。MATLAB中用于實現(xiàn)圖像矩陣歸一化功能的函數(shù)是mat2gray函數(shù)[5]。該函數(shù)在數(shù)字圖像處理中經(jīng)常用到，歸一化的具體流程如圖4所示。

經(jīng)過歸一化處理之后的圖片數(shù)據(jù)，將其存儲在一個矩陣中，用于神經(jīng)網(wǎng)絡的訓練。

4神經(jīng)網(wǎng)絡訓練

人工神經(jīng)網(wǎng)絡算法主要有兩種：一種是先對待識別字符進行特征提取，然后用所獲得的特征來訓練神經(jīng)網(wǎng)絡分類器[6]；另一種方法是直接把待處理圖像輸入網(wǎng)絡，由網(wǎng)絡自動實現(xiàn)特征提取直至識別出結果。前一種方法識別結果與特征提取有關，而特征提取比較耗時。因此，特征提取是關鍵。后一種方法無需特征提取和模板匹配，隨著相關技術的進步，這種方法更實用。

神經(jīng)網(wǎng)絡有許多種，在MATLAB中已經(jīng)有集成神經(jīng)網(wǎng)絡工具箱。本文系統(tǒng)中，對數(shù)字圖像的識別采用BP神經(jīng)網(wǎng)絡來進行訓練。BP神經(jīng)網(wǎng)絡為前饋神經(jīng)網(wǎng)絡，網(wǎng)絡的學習狀態(tài)為有導師學習狀態(tài)。它是一種具有學習能力和記憶能力的神經(jīng)網(wǎng)絡，主要由輸入層、中間層、輸出層3個部分組成。輸入層、中間層和輸出層可以具有不同數(shù)量的節(jié)點，具體數(shù)量隨需求而定，沒有具體的標準。單層神經(jīng)網(wǎng)絡結構如圖6所示。

BP神經(jīng)網(wǎng)絡是誤差反傳誤差反向傳播算法的學習過程，由誤差的反向傳播和信息的正向傳播兩個過程組成[7]。輸入層各神經(jīng)元首先接收來自外界的輸入信息，然后傳遞給中間層各神經(jīng)元；輸入信息經(jīng)過中間層內(nèi)部信息處理，實現(xiàn)信息變換，按照信息變化能力需要，中間層可以布局成多隱層或者單隱層結構；最后，一個隱層傳遞把信息傳遞給輸出層，通過進一步處理，實現(xiàn)一次學習的正向傳播處理過程，輸出層把信息處理結果輸向外界。當輸出結果和預先期望效果不符時，就進行誤差反向傳播。誤差通過輸出層，根據(jù)誤差梯度下降的方式改變各層權值，由隱層向輸入層依次反傳。多次交替的信息正向傳播和誤差反向傳播過程，是各層連續(xù)修正的過程，也是神經(jīng)網(wǎng)絡學習訓練的過程，這個步驟一直執(zhí)行到最終輸出的誤差降低到能夠接受的范圍，或者預先輸入的學習次數(shù)為止。

此系統(tǒng)中所使用的神經(jīng)網(wǎng)絡在中間層設置25個節(jié)點，1個輸出節(jié)點。此系統(tǒng)采用三層神經(jīng)網(wǎng)絡來實現(xiàn)。采用s型對數(shù)函數(shù)logsig作為隱含層各神經(jīng)元的傳遞函數(shù)，并采用純線性函數(shù)purelin作為輸出層各神經(jīng)元的傳遞函數(shù)。此神經(jīng)網(wǎng)絡的訓練函數(shù)采用traingdx，學習模式函數(shù)為learngdm。訓練步數(shù)最長設為5 000，性能目標設為0.001。

神經(jīng)網(wǎng)絡模塊的部分代碼如下：

net=newff（pr，[25 1]，{'logsig' 'purelin'}，'traingdx'，'learngdm'）；

net.trainParam.epochs=5000；

net.trainParam.goal=0.001；

pr為前面圖像處理所獲得的矩陣數(shù)據(jù)。

神經(jīng)網(wǎng)絡的訓練結果如圖7所示。神經(jīng)網(wǎng)絡的性能曲線如圖8所示。

5用艚換

考慮到該系統(tǒng)具有一定交互功能，讓用戶能自主選擇需要識別的圖片，向系統(tǒng)中添加如下代碼段：

test=input（'請輸入用于測試的圖片編號：'，'s'）；

x=imread（test，'jpg'）；

開始運行時，會提醒用戶選擇需要識別的圖片編號，效果如圖9所示。

用戶輸入需要識別的圖片序號后，系統(tǒng)給出識別結果和圖像處理各階段中的圖片，此處用subplot函數(shù)來實現(xiàn)一個窗口中顯示多張圖片的效果，部分代碼如下：

6結語

通過樣本識別驗證，本文數(shù)字識別系統(tǒng)具有一定識別精度。本系統(tǒng)基本做到樣本圖片的100%識別，對于其它只有單數(shù)字的圖片，經(jīng)過訓練之后，也能準確識別。本系統(tǒng)實現(xiàn)了部分人機交互功能，能讓用戶自主選擇需要識別的圖片，并輸出識別結果和各個處理過程中的圖片。

參考文獻參考文獻：

[1]岡薩雷斯.數(shù)字圖像處理（MATLAB版）[M].阮秋琦，譯.北京：電子工業(yè)出版社，2006.

[2]梁路宏，艾海舟，徐光佑，人臉檢測研究綜述[J].計算機學報，2002，25（5）：449458.

[3]羅華飛.MATLAB GUI設計學習手記[M].北京：北京航空航天大學出版社，2009.

[4]聶影.MATLAB軟件應用研究[J].軟件導刊，2014，13（7）：102104.

[5]趙春蘭.《MATLAB軟件應用》課程教學淺析[J].科技創(chuàng)新導報，2015（22）：178179.

第2篇：數(shù)字經(jīng)濟與網(wǎng)絡經(jīng)濟范文

關鍵詞：數(shù)字農(nóng)業(yè)；信息系統(tǒng)；管理決策

中圖分類號：S126

數(shù)字化農(nóng)業(yè)的主要目標是建成融數(shù)據(jù)采集、數(shù)字傳輸網(wǎng)絡、數(shù)據(jù)分析處理和數(shù)控農(nóng)業(yè)為一體的數(shù)字驅(qū)動的農(nóng)業(yè)產(chǎn)前、產(chǎn)中和產(chǎn)后的管理體系，實現(xiàn)農(nóng)業(yè)產(chǎn)前、產(chǎn)中和產(chǎn)后的數(shù)字化、網(wǎng)絡化和自動化?！皵?shù)字農(nóng)業(yè)”的根本目的是以最節(jié)省的投入。獲得農(nóng)業(yè)各個方面運作效率的提高，減少天災的約束，提高農(nóng)業(yè)的經(jīng)濟效益、社會效益和生態(tài)效益。數(shù)字化研究已經(jīng)初步建立了我國數(shù)字農(nóng)業(yè)技術體系。加速農(nóng)業(yè)生產(chǎn)由傳統(tǒng)、粗放、經(jīng)驗型向智能、精準、數(shù)字化方向的轉變，為墾區(qū)農(nóng)業(yè)信息化的發(fā)展起到示范、引導和推進作用。

1互聯(lián)網(wǎng)的農(nóng)場經(jīng)濟統(tǒng)計數(shù)字化系統(tǒng)構建

農(nóng)場經(jīng)濟統(tǒng)計數(shù)字化系統(tǒng)數(shù)據(jù)庫的研究，是在數(shù)字農(nóng)業(yè)網(wǎng)的信息系統(tǒng)框架內(nèi)的探索和實踐。設計的用戶界面清晰，操作簡易方便，可以直接為農(nóng)業(yè)生產(chǎn)提供數(shù)據(jù)查詢、統(tǒng)計分析等功能服務。

1.1系統(tǒng)目標

系統(tǒng)目標是明確系統(tǒng)應該完成的主要功能，并確定這些功能由哪些業(yè)務對象完成。經(jīng)過反復的示范基地調(diào)查與探討，結合墾區(qū)各農(nóng)場數(shù)據(jù)統(tǒng)計的現(xiàn)狀及發(fā)展，以建邊農(nóng)場為依托，確定農(nóng)業(yè)管理信息系統(tǒng)的系統(tǒng)目標：①統(tǒng)計資料多終端輸入到數(shù)據(jù)庫中，表間相關聯(lián)的字段的統(tǒng)計自動生成，以防止數(shù)據(jù)的出錯及冗余，可進行數(shù)據(jù)的上報；② 農(nóng)業(yè)經(jīng)濟統(tǒng)計各種指標數(shù)據(jù)填報后，系統(tǒng)能實現(xiàn)數(shù)據(jù)查詢與分析；③通過下載選擇的指標數(shù)據(jù)，基于主成分分析等方法獲得一些綜合指標，結合基本數(shù)據(jù)統(tǒng)計分析，明確各指標的相關關系和綜合指標的增長狀況，以此來優(yōu)化資源配置，服務于我場各級領導進行分析評價和決策。

1.2信息系統(tǒng)開發(fā)語言的選擇

系統(tǒng)開發(fā)語言采用ASP腳本語言。ASP語言是一種服務器端基于Web腳本語言，可以視為HTML、SCRIPT和CGI結合體，其程序編寫較HTML更為方便靈活，程序的安全保密性比SCRIPT好，運行效率也比CGI高。

1.3系統(tǒng)功能

（1）數(shù)據(jù)顯示模塊：主要方便用戶查看瀏覽數(shù)據(jù)，當數(shù)據(jù)記錄較多時，提供翻頁顯示，用戶可通過滾動條查看數(shù)據(jù)。

（2）數(shù)據(jù)修改模塊：主要完成數(shù)據(jù)的編輯修改。

（3）數(shù)據(jù)統(tǒng)計分析模塊：通過主要完成數(shù)據(jù)的統(tǒng)計與分析工作，數(shù)據(jù)統(tǒng)計方面要求表間的合計字段自動生成，數(shù)據(jù)上報后，可進行有關數(shù)據(jù)分析工作，如，得出不同統(tǒng)計指標按年度的統(tǒng)計散點圖、柱形圖和縱向各指標的發(fā)展趨勢，以及不同指標某年度的增長率，從而進行橫向的比較。

1.4數(shù)據(jù)庫構建

系統(tǒng)中采用微軟公司推出的Access數(shù)據(jù)庫，該數(shù)據(jù)庫是基于Windows的桌面關系數(shù)據(jù)庫管理系統(tǒng)，它提供了表、查詢、窗體、報表、頁、宏、模塊用來建立數(shù)據(jù)庫系統(tǒng)的對象；提供了多種向?qū)А⑸善?、模板，把?shù)據(jù)存儲、數(shù)據(jù)查詢、界面設計、報表生成等操作規(guī)范化；通過表間關系和建立查詢范圍的設置，就可以實現(xiàn)各表同步工作，把搜索指定范圍的全部表中所得到的統(tǒng)計資料呈現(xiàn)在界面。此數(shù)據(jù)庫的優(yōu)點在于它可擴充修正和便捷的查詢功能，在數(shù)據(jù)輸入后如果發(fā)現(xiàn)錯誤或者需要添加數(shù)據(jù)，操作簡易，為建立功能完善的數(shù)據(jù)庫管理系統(tǒng)提供了方便，也使得普通用戶無需了解太多的編程語言就可以完成大部分數(shù)據(jù)管理的任務，有利于在示范區(qū)大面積推廣。

2農(nóng)場經(jīng)濟統(tǒng)計數(shù)字化系統(tǒng)的功能實現(xiàn)

2.1 系統(tǒng)主界面

本系統(tǒng)是為農(nóng)場相應管理部門和農(nóng)場主提供服務的平臺系統(tǒng)。界面主要是從部分信息的保密性和數(shù)據(jù)庫的安全性方面考慮，禁止非授權用戶進入后臺管理，從而防止非授權用戶對系統(tǒng)數(shù)據(jù)庫的破壞。系統(tǒng)的人口界面決定了該操作人員是否有權使用該系統(tǒng)進行操作以及該用戶在操作過程中可以使用哪些功能。該模塊的主要功能是對整個農(nóng)場所有經(jīng)濟統(tǒng)計信息進行瀏覽以及通過用戶登錄功能模塊進行系統(tǒng)的管理，并記錄下系統(tǒng)的訪問量。

2.2 系統(tǒng)顯示功能實現(xiàn)

系統(tǒng)使用者在系統(tǒng)主頁點擊鏈接就可以瀏覽相關的信息。

農(nóng)場經(jīng)濟統(tǒng)計數(shù)字化系統(tǒng)數(shù)據(jù)包含各方面的信息，種類繁多，這些信息在整個系統(tǒng)運行過程中是在不斷的變化，因而對這些信息的管理（包括增加、修改和刪除）是必不可少的。各種信息在進行增加、修改、刪除操作時須進行審核，信息審核主要檢查用戶的權限是否有此權利對數(shù)據(jù)庫進行操作。有此權限才給予通過，否則不能賦予信息的增加、刪除和修改的權利，在審核通過之后才把數(shù)據(jù)寫入數(shù)據(jù)庫中或從數(shù)據(jù)庫中刪除。同時系統(tǒng)把用戶的操作過程信息寫入系統(tǒng)日志中。

2.4 系統(tǒng)數(shù)據(jù)分析功能實現(xiàn)

統(tǒng)計與分析是農(nóng)場的一個重要的管理內(nèi)容，要求系統(tǒng)能對各年度指標的統(tǒng)計量進行統(tǒng)計與分析，可以點擊超鏈接實現(xiàn)這一功能，得到用戶基本統(tǒng)計分析的數(shù)據(jù)和圖表通過服務端口實現(xiàn)。通過下載用戶所選擇的一些統(tǒng)計指標數(shù)據(jù)。利用單機版統(tǒng)計分析軟件，獲得綜合分析指標數(shù)據(jù)傳給用戶，實現(xiàn)基于用戶的綜合分析功能。

3農(nóng)場經(jīng)濟統(tǒng)計數(shù)字化系統(tǒng)的推廣運用

通過調(diào)查、報表獲得農(nóng)場經(jīng)濟發(fā)展的各項經(jīng)濟統(tǒng)計指標，本文利用Access技術創(chuàng)建數(shù)據(jù)庫實現(xiàn)數(shù)據(jù)存儲，利用基于ASP技術開發(fā)的動態(tài)網(wǎng)站系統(tǒng)，實現(xiàn)經(jīng)濟統(tǒng)計數(shù)據(jù)的網(wǎng)上查詢、創(chuàng)新性的采用散點圖、求出經(jīng)濟增長率等方法以直觀、具體的效果展示農(nóng)業(yè)經(jīng)濟投入和經(jīng)濟增長的比例關系，基于主成分分析等方法獲得一些綜合指標，該系統(tǒng)集成現(xiàn)有技術，突破了農(nóng)業(yè)數(shù)字化研究中單機版系統(tǒng)現(xiàn)狀，實現(xiàn)了網(wǎng)絡下多終端指標共享。

農(nóng)場經(jīng)濟統(tǒng)計數(shù)字化系統(tǒng)的推廣應用將成為農(nóng)場經(jīng)濟的“劑”。通過農(nóng)業(yè)推廣人員對此系統(tǒng)的推廣，為農(nóng)場主和管理者提供了先進的獲得信息渠道方式，使其對建邊農(nóng)場的農(nóng)業(yè)經(jīng)濟現(xiàn)狀有客觀、正確的認識。輔助生產(chǎn)經(jīng)營者選擇合理的種植業(yè)結構，優(yōu)化生產(chǎn)要素的投入，適應農(nóng)產(chǎn)品市場競爭，提高種植業(yè)經(jīng)濟效益，同時，可以進一步了解農(nóng)場主和管理者的需求，為該系統(tǒng)的進一步開發(fā)提供合理的目標。

今后的農(nóng)場經(jīng)濟統(tǒng)計數(shù)字化系統(tǒng)研究中，將對各農(nóng)場的其他系統(tǒng)進行全面覆蓋連接。逐步形成一些標準的農(nóng)業(yè)經(jīng)濟統(tǒng)計信息資源倉庫。并能實現(xiàn)資源共享，為決策部門安排農(nóng)業(yè)投資，及時、準確、經(jīng)濟、全面地搜集所需信息，調(diào)整農(nóng)業(yè)經(jīng)濟活動提供進一步的支持，在系統(tǒng)推廣中幫助農(nóng)場管理者提高科學文化知識和實際生產(chǎn)技能，促進職工自我發(fā)展能力的提高。增加農(nóng)場職工的經(jīng)濟收入。

參考文獻：

[1]劉向忠.應完善農(nóng)場會計報賬制[J].中國農(nóng)業(yè)會計，2012.5

[2]張莉萍.完善會計集中核算制的探討[J].林業(yè)財務與會計，2011.12

[3] 宋兆杰，張金良. 數(shù)字農(nóng)業(yè)研究進展及發(fā)展趨勢[J]. 現(xiàn)代化農(nóng)業(yè)，2007，（5）：1-4

[4] 張偉 .數(shù)字農(nóng)業(yè)空間信息管理平臺的研究[D]. 華東師范大學，2004

第3篇：數(shù)字經(jīng)濟與網(wǎng)絡經(jīng)濟范文

關鍵詞 小波包變換；神經(jīng)網(wǎng)絡；數(shù)字水??；離散余弦變換

中圖分類號TP309 文獻標識碼A 文章編號 1674-6708（2011）47-0236-02

數(shù)字水印技術是目前信息安全技術領域的一個新方向，是一種可以在開放的網(wǎng)絡環(huán)境下保護數(shù)字作品版權和認證來源及完整性的新型技術。本文根據(jù)小波分析和神經(jīng)網(wǎng)絡的特點，提出了一種基于小波包變換及Hopfield網(wǎng)絡的變換域水印算法。該水印算法利用小波包變換，選擇中低頻嵌入水印信息，實現(xiàn)了特定頻帶的水印嵌入，以此來抵抗濾波攻擊；利用離散余弦變換使子圖像能量更加集中，以此來有效抵抗旋轉攻擊；利用Hopfield神經(jīng)網(wǎng)絡進行了水印的檢測，不僅提高了水印檢測的正確率，而且增強了水印的提取效果。實驗結果表明該算法能較好的抵抗裁剪攻擊、壓縮攻擊；能抵抗一定量的噪聲攻擊和縮放攻擊；對于濾波攻擊和旋轉攻擊具有較強的魯棒性[1-13]。

1 水印嵌入算法

1）水印序列的生成

本文將大小為90×58的二值水印圖像wa進行離散余弦變換DCT，然后按列重排得到一維水印序列dwap，大小為5220。

2）對原始宿主圖像作變換

先對宿主圖像I做一級離散小波變換，得近似分量CA，水平細節(jié)分量CH，垂直細節(jié)分量CV，對角細節(jié)分量CD，這四個子圖拼圖為圖1中的（b）；再分別對CH和CV這兩個分量做一級離散小波變換，對CH做一級離散小波變換，得近似分量CHA，水平細節(jié)分量CHH，垂直細節(jié)分量CHV，對角細節(jié)分量CHD；對CV做一級離散小波換，得近似分量CVA，水平細節(jié)分量CVH，垂直細節(jié)分量CVV，對角細節(jié)分量CVD，這些子圖拼圖為圖1中的（c）；最后對CA，CHH，CVV分別作離散余弦變換DCT，拼圖為圖1中的（d）；圖1中的（a）為原始宿主圖。

3）水印嵌入位置的選取

本算法選擇小波子帶CA，CHH，CVV作為水印的嵌入頻帶，嵌入時先分別CA，CHH，CVV作DCT變換，再分別將各自的DCT系數(shù)按從大到小排列；再將水印信息的DCT系數(shù)按從大到小排列，前3220個DCT系數(shù)嵌入子圖CA的DCT的前3220個系數(shù)中；中間1000個DCT系數(shù)嵌入子圖CHH的DCT的前1000個系數(shù)中；最后1000個DCT系數(shù)嵌入子圖CVV的DCT的前1000個系數(shù)中。

4）利用水印嵌入公式進行水印的嵌入

水印的嵌入分三個階段進行：

第一階段將水印信息的前3220個DCT系數(shù)嵌入子圖CA的DCT的前3220個系數(shù)中，嵌入公式如下：

（1）

其中，vk為CA子圖像DCT的第k大系數(shù)，sk為水印圖像DCT的第k大系數(shù)，嵌入強度，。

第二階段將水印信息的中間1000個DCT系數(shù)嵌入子圖CHH的DCT的前1000個系數(shù)中，嵌入公式如下：

（2）

其中，vk為CHH子圖像DCT的第k大系數(shù)，sk+3220為水印圖像DCT的第k+3220大系數(shù)，嵌入強度，。

第三階段將水印信息的最后1000個DCT系數(shù)嵌入子圖CVV的DCT的前1000個系數(shù)中，嵌入公式如下：

（3）

其中，vk為CVV子圖像DCT的第k大系數(shù)，sk+4220為水印圖像DCT的第k+4220大系數(shù)，嵌入強度，。

5）在水印位全部嵌入后，進行反離散余弦變換IDCT及反離散小波變換IDWT，得到嵌入水印圖像nI。

6）建立Hopfield網(wǎng)絡，以二值水印圖像wa為目標向量，調(diào)用函數(shù)newhop便返回反饋網(wǎng)絡的權值和閾值，網(wǎng)絡一定會在目標向量點上得到穩(wěn)定的平衡點。

2 水印提取算法

1）將含水印圖像nI進行圖像變換，如圖1；

2）將原始宿主圖像I進行圖像變換，如圖1；

3）利用水印提取公式進行水印提?。?/p>

水印的提取分三個階段進行

第一階段是在含水印圖像的子圖CA的DCT中前3220個系數(shù)中提取水印信息的前3220個DCT系數(shù)，提取公式如下：

（4）

其中，vk為原始宿主圖像I的CA子圖像DCT的第k大系數(shù)，為含水印圖像nI的CA子圖像DCT的第k大系數(shù)，sk為水印圖像DCT的第k大系數(shù)，嵌入強度，。

第二階段是在含水印圖像的子圖CHH的DCT的前1000個系數(shù)中提取水印信息的中間1000個DCT系數(shù)，提取公式如下：

（5）

其中，vk為原始宿主圖像I的CHH子圖像DCT的第k大系數(shù)，為含水印圖像nI的CHH子圖像DCT的第k大系數(shù)，sk+3220為水印圖像DCT的第k+3220大系數(shù)，嵌入強度，。

第三階段是在含水印圖像的子圖CVV的DCT的前1000個系數(shù)中提取水印信息的最后1000個DCT系數(shù)，提取公式如下：

（6）

其中，vk為原始宿主圖像I的CVV子圖像DCT的第k大系數(shù)，為含水印圖像nI的CVV子圖像DCT的第k大系數(shù)，sk+4220為水印圖像DCT的第k+4220大系數(shù)，嵌入強度，。

4）將提取的水印序列按密鑰進行重排，進行反離散余弦變換得水印圖像。

5）由Hopfield網(wǎng)絡聯(lián)想記憶出水印圖像。

3 實驗結果

實驗環(huán)境MATLAB7.0，用于實驗的原始宿主圖像I40_256.bmp為數(shù)字圖像庫中大小為的灰度圖像，水印圖xuet9.bmp為繪圖軟件中自制圖片，大小為的彩色圖像。實驗前先將原始宿主圖像變?yōu)殡p精度浮點型，水印圖像變?yōu)槎邓D像，再變?yōu)殡p精度浮點型。圖2和圖3分別是原始宿主圖和原水印，圖4是含水印圖像，圖5是提取出的水印圖像，圖6是經(jīng)過Hopfield網(wǎng)絡聯(lián)想記憶的水印。

由實驗結果可以看出，宿主圖像和含水印圖像有一些細微差別，但并沒有影響圖像質(zhì)量，從視覺上說是可以接受的，水印的不可感知性較好。計算峰值信噪比PSNR=20.8978，提取出的水印與原水印的相似度系數(shù)NC=0.9908。

參考文獻

[1]郝文化，等.MATLAB圖形圖像處理應用教程[M].北京：中國水力水電出版社，2003.

[2]胡學龍，等.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2006，9.

[3]劉衛(wèi)國.MATLAB程序設計與應用[M].北京：高等教育出版社，2006，7.

[4]汪國有，楊永祥.數(shù)字水印技術研究進展[J].網(wǎng)絡安全技術與應用，2004，11：45-48.

[5]鈕心忻.信息隱藏與數(shù)字水印[M].北京：北京郵電學院出版社，2004.

[6]王穎，肖俊，王蘊紅.數(shù)字水印原理與技術[M].北京：科學出版社，2007.

[7]李京兵.抗幾何攻擊數(shù)字水印技術[M].北京：知識產(chǎn)權出版社，2007.

[8]鐘誠，趙躍華.信息安全概論[M].武漢：武漢理工大學出版社，2003.

[9]孫圣和，陸哲明.數(shù)字水印處理技術[J].電子學報，2000，28(8)：85-90.

[10]楊福生.小波變換的工程分析與應用[M].北京：科學出版社，1999.

[11]成禮智.小波與離散變換理論及工程實踐[M].北京：清華大學校內(nèi)出版社， 2004.

第4篇：數(shù)字經(jīng)濟與網(wǎng)絡經(jīng)濟范文

虛擬化網(wǎng)絡經(jīng)過不斷發(fā)展，現(xiàn)今已經(jīng)成為了各個領域均比較重視的先進技術。虛擬化網(wǎng)絡能夠通過較抽象的分配和隔離，建立多個虛擬的地理運行網(wǎng)絡平臺，將公共網(wǎng)絡上的資源進行更加合理和具有選擇性的分配，真正實現(xiàn)資源共享。本文為了對云計算環(huán)境下基于收益優(yōu)化的數(shù)字圖書館網(wǎng)絡虛擬化進行研究，首先分析了云計算環(huán)境下數(shù)字圖書館網(wǎng)絡虛擬化的特點，其次分析了云計算環(huán)境下數(shù)字圖書館網(wǎng)絡虛擬化的需求，最后提出了幾點策略，以提升虛擬化網(wǎng)絡的安全性和可靠性。

【關鍵詞】云計算 數(shù)字圖書館 虛擬化網(wǎng)絡

在科學與技術不斷發(fā)展的同時，云計算技術亦不斷成熟。利用云計算技術實現(xiàn)對圖書資源的管理與共享，建立先進的數(shù)字圖書館已經(jīng)逐漸被廣大群眾所接受和推崇。云計算環(huán)境下實現(xiàn)的虛擬化網(wǎng)絡能夠使數(shù)字圖書館更加安全、便捷、高效和經(jīng)濟。因此，對云計算環(huán)境下基于收益優(yōu)化的數(shù)字圖書館網(wǎng)絡虛擬化進行研究，具有重要的積極意義。

1 云計算環(huán)境下數(shù)字圖書館網(wǎng)絡虛擬化特點

1.1 虛擬化網(wǎng)絡具有可管理性

云計算的傳輸和服務具有一定的區(qū)域性，對傳輸?shù)膶ο竽軌蜻M行劃分，從而使得云計算環(huán)境下的數(shù)字圖書館能夠建立成為以云數(shù)據(jù)為中心的內(nèi)部網(wǎng)絡以及用戶傳輸網(wǎng)絡。同時能夠建立多個用戶端網(wǎng)絡，使得云計算技術傳輸?shù)臄?shù)據(jù)更加安全、有效、可靠和經(jīng)濟。通過云計算技術的特性更能夠判斷整個網(wǎng)絡運行的質(zhì)量。為了使云計算技術能夠在建立成功的數(shù)據(jù)網(wǎng)絡平臺真正發(fā)揮效用，云計算技術提供者應該對其進行恰當?shù)墓芾?，制定科學的數(shù)據(jù)傳輸策略。便于保證云計算技術能夠?qū)⒊晒Φ奶摂M化網(wǎng)絡進行進一步配置優(yōu)化。另外，云計算技術的提供者可以在此基礎上對虛擬化網(wǎng)絡進行節(jié)點遷移或者分裂等，以便提高整個網(wǎng)絡的安全性與靈活性。

1.2 虛擬化網(wǎng)絡環(huán)境具有分布性

云計算環(huán)境下的數(shù)字圖書館在建立虛擬化網(wǎng)絡平臺方面，常常需要向云計算技術提供商租賃設備以及服務方案等。在建立虛擬化網(wǎng)絡圖書館時，需要對得這的分布特點進行了解，并根據(jù)云計算和服務的要求進行更加合理的規(guī)劃。凡是建立成功的云計算環(huán)境下數(shù)字圖書館，其云數(shù)據(jù)中心以及備份的云數(shù)據(jù)中心一般分布于不同的地點。在不同的地點延伸出更多的云計算服務提供商。在此情況下，云計算環(huán)境下的數(shù)字圖書館虛擬化網(wǎng)絡不僅僅需要將各個地方的資源進行重新整理，更需要對讀者的需求進行了解后將虛擬資源重新組合和分布。由此能夠方便圖書館虛擬化網(wǎng)絡對資源進行統(tǒng)一的配置、劃分和調(diào)度。

1.3 虛擬化網(wǎng)絡具有動態(tài)和可用性

與計算環(huán)境下的數(shù)字圖書館虛擬化網(wǎng)絡一般情況下是由多種有限或者無線的通信接入網(wǎng)絡而組成。讀者在通過虛擬化網(wǎng)絡選擇自己所需要的資源時，能夠根據(jù)實際的需求和所處的閱讀環(huán)境選擇最適合的資源終端。云計算環(huán)境下的數(shù)字圖書館虛擬化網(wǎng)絡能夠為讀者提供十分安全和便捷的閱讀服務。在讀者使用閱讀終端時，能夠自動對讀者的使用位置、行為進行辨別，從而為其配備最為恰當?shù)拈喿x方式，使得云計算技術的數(shù)據(jù)傳輸能力最適合讀者閱讀的特點。另外，云計算環(huán)境下數(shù)字圖書館中具有計算功能和儲存功能十分強大的數(shù)據(jù)傳輸中心。在整個虛擬化網(wǎng)絡運行的過程中，數(shù)字圖書館的閱讀終端能夠?qū)⑺凶x者的閱讀任務和資源傳輸方式交由數(shù)據(jù)傳輸中心進行優(yōu)化和整合。最終能提高虛擬化網(wǎng)絡數(shù)據(jù)中心的服務質(zhì)量，實現(xiàn)虛擬化網(wǎng)絡的動態(tài)性和可用性。

2 云計算環(huán)境下數(shù)字圖書館網(wǎng)絡虛擬化需求

2.1 提高圖書館虛擬化網(wǎng)絡智能水平的需求

通過對目前大部分云計算環(huán)境下的虛擬化網(wǎng)絡負荷評估的結果進行分析可以發(fā)現(xiàn)，在云計算技術不斷發(fā)展成熟的過程中，儲存技術亦得到了不斷的發(fā)展。虛擬化網(wǎng)絡中的數(shù)據(jù)處理需要更加快速。虛擬化網(wǎng)絡中的海量儲存已經(jīng)不能夠成為吸引用戶的關鍵因素。此時，需要重視提高云計算環(huán)境下數(shù)字圖書館虛擬網(wǎng)絡中的傳輸網(wǎng)絡智能水平。該智能水平中包含了數(shù)據(jù)傳輸?shù)陌踩?、高效率性、?jīng)濟性以及數(shù)據(jù)傳輸?shù)目煽啃?。通過提高虛擬網(wǎng)絡的傳輸智能水平，方能夠不斷增強用戶感受。決定虛擬化網(wǎng)絡傳輸智能水平是否能夠提高的重要影響因素之一便是云計算環(huán)境下數(shù)字圖書館用戶端綜合數(shù)據(jù)傳輸性能。該綜合數(shù)據(jù)傳輸性能對云計算環(huán)境下網(wǎng)絡的節(jié)點交換能力，以及云計算環(huán)境下的網(wǎng)路傳輸寬帶具有極高要求。因襲，需要確保節(jié)點交換和寬帶傳輸?shù)乃俣群唾|(zhì)量達到最高標準。

2.2 確保圖書館虛擬化網(wǎng)絡結構多樣性的需求

在未來科技越來越發(fā)達的環(huán)境下，各行業(yè)中連接到互諒網(wǎng)上的設備將會逐漸增多，將會有更多的數(shù)據(jù)通過云計算技術進行傳輸。在此情況下，網(wǎng)絡的結構將會越來復雜，使網(wǎng)絡的管理難度逐漸加大。同時，網(wǎng)絡需要傳輸?shù)臄?shù)據(jù)負荷逐漸加大，尤其是突發(fā)數(shù)據(jù)的傳輸量，更會打破現(xiàn)有的傳輸狀態(tài)。云計算環(huán)境下的數(shù)字圖書館隨著虛擬化網(wǎng)絡規(guī)模的逐漸擴大和虛擬化網(wǎng)絡管理難度的逐漸加大，需要更加優(yōu)質(zhì)的職能配置，對資源進行分配和管理，以提高管理水平。云計算環(huán)境下的數(shù)字圖書館只有建立比較安全、便捷、快速、經(jīng)濟的寬帶網(wǎng)絡數(shù)據(jù)傳輸后，能夠利用比較公平的寬帶資源分配機制對數(shù)據(jù)傳輸能力進行恰當?shù)奶嵘纱舜_保數(shù)字圖書館虛擬化網(wǎng)絡結構具有多樣性和靈活性。

3 云計算環(huán)境下數(shù)字圖書館網(wǎng)絡虛擬化策略

3.1 重視虛擬化網(wǎng)絡的管理與監(jiān)控

云計算環(huán)境下的數(shù)字圖書館需要為用戶提供云服務，包括利用資源傳輸?shù)男问教峁┮曨l、語音、圖像等較大的信息數(shù)據(jù)傳輸服務。使用戶通過云服務的過程中能夠滿足視覺、聽覺、感覺等多方面的享受。使用云計算技術下的云數(shù)據(jù)網(wǎng)絡資源應該能夠根據(jù)數(shù)字圖書館用戶的業(yè)務要求進行自動化的檢測和調(diào)整，以提高整個虛擬化網(wǎng)絡的服務效率，滿足用戶的真正需求。云計算環(huán)境下數(shù)字圖書館數(shù)據(jù)傳輸?shù)淖儎泳哂兄芷谛?，需要設置自動且智能化的用戶端口進行數(shù)據(jù)和資源的發(fā)送。

3.2 加強虛擬化網(wǎng)絡流量的均衡與傳輸能力

未來云計算技術會得到更加廣泛的應用，網(wǎng)絡技術發(fā)展速度會越來越快。云計算環(huán)境下的網(wǎng)絡發(fā)展應該更加多元化，規(guī)模更大，性能更高，問題卻更加不容易檢測。因此在虛擬化技術的數(shù)字圖書館數(shù)據(jù)中心資源傳輸中，應該盡量保持虛擬化網(wǎng)絡流量均衡，使各個用戶端均能夠在均衡流量的情況下有效運行。同時，需要強化圖書館資源數(shù)據(jù)的傳輸、遷移能力，保證數(shù)據(jù)傳輸可控、經(jīng)濟、安全且高效。

3.3 提高虛擬化網(wǎng)絡虛擬設備支撐能力

云計算環(huán)境下數(shù)字圖書館中對數(shù)據(jù)進行及時處理、存儲和傳輸?shù)暮诵膽撌菙?shù)據(jù)中心，能夠?qū)μ摂M化網(wǎng)絡中的動態(tài)資源進行恰當分類和調(diào)配。由此使得云計算環(huán)境下的數(shù)據(jù)中心能夠提高對資源的整合度、利用率和資源閱讀服務能力，更能夠降低云計算環(huán)境下好各項系統(tǒng)的運行成本。云計算環(huán)境下的數(shù)據(jù)中心由整個網(wǎng)虛擬化網(wǎng)絡系統(tǒng)的計算、存儲、傳輸、變換、接口等部分組成，構成了比較多樣化的虛擬化網(wǎng)絡結構與設備。多樣化的網(wǎng)絡與設備使得云計算環(huán)境下的數(shù)據(jù)中心設備性能存在較大差異，需要的接口標準并不統(tǒng)一。同時，可執(zhí)行的虛擬化網(wǎng)絡進行管理策略亦不相同，需要對傳輸性能、數(shù)據(jù)傳輸環(huán)境、數(shù)據(jù)傳輸需求等進行恰當?shù)姆治?，以提高虛擬化網(wǎng)絡運行中虛擬設備的支撐能力。

3.4 確保虛擬化網(wǎng)絡具有安全性

虛擬化網(wǎng)絡具有基礎設施結構十分復雜的特點，面臨著隨時受到安全威脅或者惡意性攻擊的情況。運用云計算技術建立數(shù)字圖書館虛擬化網(wǎng)絡，應該重視選用符合國家制定技術標準、具有安全保障的虛擬化網(wǎng)絡設備。在設備連接成功后，應該進行恰當?shù)脑囘\行。試運行過程中觀察數(shù)據(jù)的傳輸是否具有安全保障，其數(shù)據(jù)傳輸特點是否能夠滿足云計劃環(huán)境下數(shù)字圖書館虛擬化網(wǎng)絡的實際需求。

另外，不同運行環(huán)境、不同用戶端、不同傳輸途徑的虛擬化網(wǎng)絡設備和系統(tǒng)制定應該存在差異。在云計算環(huán)境下應該制定更加具有針對性的動態(tài)安全保障策略。首先應該對虛擬化網(wǎng)絡中的所有網(wǎng)絡性能、特點進行嚴格編輯和管理。保證數(shù)據(jù)傳輸具有獨立途徑的同時能夠進行統(tǒng)一的部署和分配。其次，根據(jù)安全標準，對各個數(shù)據(jù)傳輸路徑之間進行安全隔離。最后，在數(shù)據(jù)傳輸中心，利用一臺安全保障設備進行分化，延伸出多個安全保障設備，加強安全保障與可控性。

4 結論

綜上所述，在云計算環(huán)境下建設的數(shù)字圖書館，能夠使得原本十分復雜的圖書網(wǎng)絡資源變得更加有條理性，并且能夠提高服務于讀者的圖書資源服務質(zhì)量，既高效，又安全。云計算技術在數(shù)字圖書館中的應用，亦會滿足用戶需求，提升用戶的滿意度。未來只有重視虛擬化網(wǎng)絡的管理與監(jiān)控、加強虛擬化網(wǎng)絡流量的均衡與傳輸能力，并且致力于提高虛擬化網(wǎng)絡虛擬設備支撐能力，方能夠使云計算環(huán)境下數(shù)字圖書館虛擬化網(wǎng)絡真正得到優(yōu)化，為用戶提供更加優(yōu)質(zhì)的云服務。

參考文獻

[1]付佳，閆實.基于云計算環(huán)境的數(shù)字圖書館云服務模式構建[J].圖書館學刊，2014，14（11）：85-87.

[2]張晉華.低碳的云計算環(huán)境下數(shù)字圖書館的創(chuàng)新研究[J].河南圖書館學刊，2015，05（01）：130-131.

[3]葉文偉，張紅琳.數(shù)字圖書館中云計算虛擬化建設分析[J].圖書館工作與研究，2015，21（01）：37-39.

[4]陶銳，蛟平.云計算環(huán)境下數(shù)字圖書館安全服務研究[J].蘭臺世界，2015，23（05）：100-101.

[5]趙蓓.云計算環(huán)境下數(shù)字圖書館高性能虛擬化資源管理與調(diào)度策略探索[J].科技創(chuàng)業(yè)家，2014，19（02）：252-253.

第5篇：數(shù)字經(jīng)濟與網(wǎng)絡經(jīng)濟范文

在英語語言學習過程中，如果學生對老師過分依賴，勢必會影響英語學習的效果以及學習能力的培養(yǎng)。而自主學習卻是主動的學習過程，學生自己主動的確定學習目標，學習方向，以及主動調(diào)節(jié)控制自己、監(jiān)督自己完成目標。近年來，大部分高等院校的英語學習都在不同程度上采用學生自主學習策略，那么現(xiàn)階段自主學習現(xiàn)狀如何呢？

1.自主學習愿望不強

英語語言的學習，學習者的情況因素起著很重要的作用。自主學習成功與否在很大意義上取決于學生的學習態(tài)度及他們的學習愿望。現(xiàn)階段大學生學習英語都缺少作為學習主體所應有的意識，他們的自主學習積極性及主動性不強。通過調(diào)查，結果顯示只有45％的學生在平時會主動的通過網(wǎng)絡收集英語資料，只有20％的學生會在課前預習；30％的學生會在考試之前主動的復習；80％的學生學習英語的方式是以課堂教學為主的。

2.自主學習缺少計劃

自我計劃是自主學習中的一個重要環(huán)節(jié)，學生合理的、科學的制定學習計劃，安排好學習內(nèi)容、學習時間、學習地點和學習進度，是學生實現(xiàn)自主學習的前提。通過對學生的訪談，筆者了解到56％的學生能夠有計劃的自主學習，能夠按計劃進行自主學習的人數(shù)為33％。學生通常只是按照老師的要求以及布置的任務進行學習，他們很少主動地、自覺地、有選擇性地學習。學生自主學習計劃的制定及計劃的落實有待加強。

3.適應網(wǎng)絡環(huán)境的能力有待提高

多媒體網(wǎng)絡技術使得英語教學能夠做到“教”與“學”的有機結合，在英語教學中凸顯優(yōu)勢。多媒體網(wǎng)絡技術給自主學習提供了便利的途徑，提高了學生的學習積極性。但是在多媒體網(wǎng)絡技術環(huán)境下的自主學習也存在一定的弊端，如一些學生受應試教育影響，過分依賴老師，而對功能強大，信息容量大的網(wǎng)絡環(huán)境，不知如何取舍，無從下手；部分學生學習自我控制能力不強，在網(wǎng)絡環(huán)境中邊聽音樂，邊聊天，邊看新聞，邊學習，使得學習精力分散，學習效果不佳；另外，部分學生，尤其從農(nóng)村來的學生，他們?nèi)鄙傧鄳挠嬎銠C知識，對網(wǎng)絡的應用不靈活，適用網(wǎng)絡能力不強，動手能力及解決網(wǎng)絡中出現(xiàn)的計算機方面的問題的能力不夠，影響了他們學習英語的興趣及學習英語的效果。

4.教師監(jiān)控不到位

學生在網(wǎng)絡環(huán)境下進行自主學習，教師應該通過適當?shù)姆绞?，進行監(jiān)督、監(jiān)控，對學生的學習效果進行適當?shù)脑u價。但是現(xiàn)實中部分教師只是利用網(wǎng)絡布置作用，批改試卷，并沒有對學生的學習進行監(jiān)督管理，影響了學生自主學習效果。

二、網(wǎng)絡環(huán)境下英語自主學習策略

學生自主學習表明學生能夠按照個體的實際情況確定學習目標，制定相應的計劃，選擇學習方式，完成學習任務，監(jiān)控學習效果，并監(jiān)督計劃的實施以及學習技能的發(fā)展與應用。網(wǎng)絡環(huán)境為自主學習提供了個性化的學習環(huán)境，有利于實現(xiàn)以“學生為中心”的教學，有助于展示真實的語言情景，符合認知規(guī)律和英語學習規(guī)律。筆者依據(jù)自主學習的目標，以及多年的英語教學的經(jīng)驗，總結出網(wǎng)絡環(huán)境下英語自主學習的三種策略：

1.任務式學習

英語教師布置學生學習任務，學生自主的安排時間，安排學習地點，利用網(wǎng)絡環(huán)境下提供的多媒體課件、網(wǎng)絡資源等進行學習，通過網(wǎng)絡平臺搜索信息，并對搜集到的信息進行加工處理，自由地選擇學習資源，對教師布置的任務，提出自己的解決方案，從而完成任務。通過任務式的自主學習方式，學生可以學會自己解決問題，提高自主選擇學習資源，自主加工信息，獨立思考問題的能力。

2.合作式學習

教師根據(jù)授課計劃的進度以及教學安排，將學生劃分成若干小組，給每個小組提出不同的需要決定的問題，要求學生登錄相關的網(wǎng)站，查找所需要的信息，小組成員通過網(wǎng)絡平臺相互討論。教師引導學生對所提出的問題進行網(wǎng)上探究，圍繞所討論的主題及疑難問題，通過網(wǎng)絡平臺，進行討論交流，提出自己的看法，見解，以及解決問題的思路，相互討論，相互答疑，相互爭辯，以現(xiàn)實合作式學習以解決問題。合作式的自主學習方式，可提高學生團隊合作意識，提高團隊的協(xié)調(diào)性，使得自主學習效果更佳。

3.自助式學習

教師引導學生根據(jù)自己的實際情況，利用網(wǎng)絡平臺自主的選擇學習資源，采用適合自己的學習方式，自主的安排學習時間及學習地點，安排學習進度，主動的實現(xiàn)知識意義建構。這種英語學習方式，打破了傳統(tǒng)的英語學習方式，將課堂延伸到了課外，通過網(wǎng)絡平臺的自助式學習有利于學生個性化發(fā)展，使學生獲得了更大的自由發(fā)揮的空間，符合新時期英語學習的發(fā)展趨勢。

網(wǎng)絡環(huán)境下英語學習并不是盲目的，自由散漫的學習過程，而是由英語教師精心策劃，學生積極主動參與的一個學習過程。在自主學習過程中，教師應對學生的自主學習各個環(huán)節(jié)均進行網(wǎng)絡監(jiān)控，并為學生的自主學習提供幫助，通過網(wǎng)絡監(jiān)督學習過程，及時評價學習結果，幫助學生適時的調(diào)整，改進學習方法，逐步形成高效的個性化學習方式，提高英語綜合應用能力。

三、網(wǎng)絡環(huán)境下英語自主學習能力的培養(yǎng)及提升

網(wǎng)絡學習環(huán)境為自主學習提供了豐富的資源，提供了逼真的情景，學生可以充分利用網(wǎng)絡環(huán)境自主學習，但是學生的自主學習能力不是與生俱來的，需要培養(yǎng)與提升。

1.激發(fā)學生的內(nèi)在動機

動機引發(fā)個體朝著某一目標進行活動的內(nèi)部動力，學生的學習動機則是影響學生學習積極性的重要心理因素。大量的研究表明，內(nèi)在動力比外在動力更具影響力和持久性。英語教師在教學的過程中要不斷的想辦法激發(fā)學生的學習動機，變“被動學”為“主動學”，變“要我學”為“我要學”。教師要根據(jù)具體實際情況，對學生在網(wǎng)絡環(huán)境下的自主學習進行指導，正確評價學習效果，鼓勵學生積極地學習，充分激發(fā)他們的自主學習的內(nèi)在動機。只有這樣學生才會堅持在網(wǎng)絡環(huán)境確立學習目標，堅持實施學習過程并進行自己監(jiān)控和自我評估，促進自主學習效果。

2.充分發(fā)揮學生的主體作用

在英語學習中，充分落實學生的主體性地位，充分發(fā)揮學生的主動性和自主性，讓他們借助網(wǎng)絡資料，根據(jù)自身的實際情況制定切實可行的學習計劃，并要求學生按照學習計劃完成學習任務。在計劃制定與完成的過程中，他們學會了自我決策及自我管理，自主學習能力得到提高。

3.采用個性化教學

教師在教學中應該采取個性化教學，以彌補學生之間的個體差異。在網(wǎng)絡教學環(huán)境下，教師為學生提供學習指導，幫助每個學生選擇適合自己的、高效的學習方法，根據(jù)他們自己的實際情況，有針對性地選擇學習材料，自主地安排學習時間及地點，隨時提出學習中的問題，通過網(wǎng)絡的幫助或者教師的指點隨時解決問題，以期達到良好的學習效果。

4.整合優(yōu)化網(wǎng)絡教學資源

首先教師將網(wǎng)絡上收集的學習資料進行匯總，并選擇質(zhì)量較高且適合學生使用的資料提供給學生。其次，教師對匯總后的資料進行分類，即將聽、說、讀、寫以及單詞、語法等分類，可以使學生有目的、有選擇地進行學習。再次，教師要將網(wǎng)絡資源根據(jù)內(nèi)容的難易程度劃分成一定的層次，這樣有利于學生根據(jù)自己的水平選擇難度適當?shù)馁Y料。

5.樹立終身學習的理念

終身學習是21世紀的生存理念，是一個人適應職業(yè)可持續(xù)發(fā)展的必備條件。自主學習是教育的終極目標，是語言教與學的目標，是促進學生各項能力發(fā)展的保證。教師指導學生進行自主學習的過程，就是培養(yǎng)學生學會學習的能力，培養(yǎng)學生終身學習的理念的一個過程。英語教師在教學過程中，應該充分利用網(wǎng)絡技術為學生創(chuàng)造逼真的情況，全方位調(diào)動學生的學習積極性，產(chǎn)生強烈的求知欲，引導學生形成探索性思維，培養(yǎng)他們發(fā)現(xiàn)問題，提出問題，利用網(wǎng)絡及書籍獨立解決問題的能力，培養(yǎng)他們終身學習的能力。

參考文獻

[1] 易斌.改革開放30年中國基礎教育英語課程變革研究（1978～2008）.湖南師范大學，2010.

第6篇：數(shù)字經(jīng)濟與網(wǎng)絡經(jīng)濟范文

doi：10.11772/j.issn.10019081.2013.07.1976

摘 要：

針對基于碼書模型的圖像分類方法忽略圖像的拓撲信息及增量學習導致分類精度有限的問題，提出了基于自組織增量神經(jīng)網(wǎng)絡（SOINN）的碼書產(chǎn)生方法。首先回顧了常見的碼書編碼方式；其次改進了基本的碼書模型，利用SOINN自動產(chǎn)生聚類數(shù)目和保留數(shù)據(jù)拓撲結構的兩項能力，尋找更有效的單詞和設計更有效的編碼方式，產(chǎn)生更合適的碼書。實驗結果顯示在不同樣本數(shù)和不同規(guī)模碼書下分類精確度相對同類算法有最高將近1%的提升。該結果表明基于SOINN的碼書產(chǎn)生方法顯著提高了圖像分類算法的精度，該方法還可以更高效、更準確地運用于各種圖像分類任務。

關鍵詞：

碼書；圖像分類；空間金字塔；SOINN

中圖分類號：

TP311

文獻標志碼：A

英文標題

Codebook generation based on selforganizing incremental neural network for image classification

Combination of SOINN and codebook technology for image classification

英文作者名

YUAN Feiyun*

英文地址（

College of Information Engineering，Yulin University，Yulin Shaanxi 719000，China

英文摘要）

Abstract：

To solve the problem of ignoring topological information in incremental learning in traditional image classification， a new codebook generation method was proposed to improve the accuracy of image classification. After reviewing several codebook methods， the detailed method was discussed. Based on the SelfOrganizing Incremental Neural Network （SOINN） which can automatically generate clusters while conserving topological structures， the method produced a more effective way for representing words and coding. The experimental results show that the new method has at most nearly 1% precision increase over other similar algorithms in different scale of samples as well as different kind of codebook models. The results reveal that the new method has more appropriate and more accurate classifications for images. Also， it can be widely used in all kinds of image classification tasks with higher precision and efficiency.

To solve the problem of ignoring topological information in incremental learning in traditional image classification，A new codebook generation method was presented to improve the accuracy of image classification. After reviewing several coodbook methods， the detailed method was discussed. Based on the SOINN which can automatically generate clusters while conserving topological structures， the method produced a more effective way for representing words and coding. The experimental results show that the new method has at most some 1% precise increase than other similar algorithms in different scales of samples as well as different kinds of codebook models. The results reveal that the new method has more appropriate and more accurate classifications for images. Also， it can be widely used in all kinds of image classification tasks with higher precise and efficiency.

英文關鍵詞Key words：

codebook； image classification； spatial pyramid； SelfOrganizing Incremental Neural Network （SOINN）

0 引言

圖像場景分類是圖像檢索中的一個重要應用，其目的就是要將一幅圖像按其所描述的場景或者包含的物體進行分類。由于圖像數(shù)目巨大，種類繁多，且圖像存在光照、角度、量級等各種變化，這導致分類任務的困難。近年來，隨著視覺詞袋模型（Bag of visual Words，BoW）即碼書模型的提出，圖像分類的準確度在標準數(shù)據(jù)集上有了很大的提高，所以吸引了大批研究者投身于碼書模型的研究。其主要思想是：將圖像劃分為很多子區(qū)域，對每個子區(qū)域提取相應的底層視覺特征，然后按照某種原則（通常是非監(jiān)督的聚類或者稀疏編碼）來產(chǎn)生碼書；然后通過一定的編碼方式，將圖像用這些碼字的分布信息來描述；最后劃分訓練集和測試集，訓練分類器，并進行測試。

目前的研究熱點在于編碼的方式及碼書的創(chuàng)建。編碼的方式比較多樣化，最基本的方式是最近鄰編碼，即將特征編碼為距離其最近的碼字。Yang等[1]提出了稀疏編碼的方式對圖像特征編碼，將圖像的編碼問題轉化為一個稀疏編碼的問題，并產(chǎn)生稀疏的碼字，但忽略了圖像的局部特征。Wang等[2]提出了一種局部線性約束的編碼方式，是對傳統(tǒng)矢量量化編碼的一種改進，引入了局部信息，將與特征距離最近的幾個相鄰碼字作為匹配結果。這兩種方法均忽視了可視單詞的模糊性和無序性。van Gemert等[3]考慮到視覺內(nèi)容描述本身的模糊性，提出了不確定性和模糊編碼兩種編碼來處理他們指出的兩種模糊問題。Lazebnik等[4]針對碼書模型的無序性進行改進，提出了一種空間金字塔匹配（Spatial Pyramid Matching，SPM）的方法，將圖像描述為多級金字塔串聯(lián)的特征向量。針對碼書模型中常見的直方圖描述這句話未結束，請補充或調(diào)整。

碼書的創(chuàng)建是另一大研究熱點。創(chuàng)建碼書的第一步是確定圖像的子區(qū)域劃分。這有很多種方式，比如：稠密抽樣、隨機抽樣或者感興趣區(qū)域、關鍵點區(qū)域等。一般的方法實驗設置：對一幅圖片按步長為8個像素產(chǎn)生稠密取樣的網(wǎng)格，在每個取樣點以16×16個像素的塊來提取底層特征?？商崛〉膱D像底層特征又有很多種，最常見的有Lowe[5]提出的恒規(guī)模特征變化（Scale Invariant Feature Transform，SIFT）特征描述符和Wu等[6]提出的普查變換圖（Census Transform histogram，CENTRIST）。特征提取完畢后，第二步是依照特定方式產(chǎn)生碼書。最常見的是通過聚類方式生成碼書，如Kmeans、Kmeans++[7]、基于半徑的聚類、隨機樹等。將這些聚類中心視為視覺單詞。另外Yang等[1]以稀疏編碼的方式來產(chǎn)生碼書（具體產(chǎn)生過程見其3.2部分）。

碼書模型將底層特征編碼為可視單詞，一定程度上保留了圖像的語義信息，相比傳統(tǒng)的分類方法，可以避免位置、角度、光照、物體形狀等變化因素的影響。這種基于高層的語義信息的圖像分類問題有很重要的作用。然而目前研究方法忽略了圖像的拓撲信息，且無法進行增量學習，從而影響圖像的分類效果。因此尋找一種方法利用這些拓撲信息進行增量學習成為提高分類準確性的一個重要研究目標。

自組織增量神經(jīng)網(wǎng)絡（SelfOrganizing Incremental Neural Network， SOINN）[8-9]是一種自組織的、能夠進行增量學習的神經(jīng)網(wǎng)絡，它的用途廣泛，將其用于非監(jiān)督學習時，可以自動發(fā)現(xiàn)合適的類別數(shù)目，產(chǎn)生聚類結果時，還能保留數(shù)據(jù)的拓撲信息，能更好地反映數(shù)據(jù)的特性，非常適合在未知類別數(shù)目時的聚類任務。本文提出的方法將SOINN結合到碼書的創(chuàng)建技術中，以產(chǎn)生更好的碼書。

第7期

袁飛云：基于自組織增量神經(jīng)網(wǎng)絡的碼書產(chǎn)生方法在圖像分類中的應用

計算機應用 第33卷

1 主要編碼方式

本章介紹3種目前主要的編碼方式：最近鄰編碼、稀疏編碼以及局部線性編碼。

首先約定好編碼中出現(xiàn)的一些通用記號，特殊記號在各自編碼方式中聲明。X表示D維特征空間中的一些SIFT特征的集合，可以表示一幅圖像中提取的特征集合，也可以表示金字塔法中的子圖像塊的特征集合。記X=[x1，…，xM]T∈RM×D。V表示碼書，如果有K個碼字，則V=[v1，…，vK]T∈RK×D。

1.1 最近鄰編碼

最近鄰編碼（Nearest Neighbor Encoding， NNE最近鄰編碼的英文名稱是這個嗎？是否應該是“Nearest Neighbor Encoding， NNE”，請明確。）是目前最簡單的也是應用最多的編碼，其將特征編碼為距離其最近的碼字。編碼階段是利用Kmeans解決下面優(yōu)化問題：

minV∑Mm=1mink=1，…，Kxm-vk22（1）

其中：xm表示一個特征，vk表示碼書的一個碼字通過引入類別成員指示矩陣，U=[u1，…，uM]T∈RM×K，um反應了將特征xm編碼的碼字?？梢詫⒆罱従幋a看成如下矩陣分解問題：

minU，V ∑Mm=1xm-umV22（2）u1，u2，um是矢量、向量或矩陣嗎？后面式（6）中的um是矢量、向量或矩陣嗎？請明確。

s.t. m， Card（um）=1；|um|=1，um≥0

以上約束表示u只有一個不為0的維度值，且其值為1，對應編碼。產(chǎn)生碼書的階段是在同時考慮U、V來優(yōu)化式（2）的，而編碼階段，V已經(jīng)確定，只需要考慮U來優(yōu)化式（2）產(chǎn)生相應特征的編碼。

1.2 稀疏編碼

最近鄰編碼只考慮了一個最近的碼字信息，在很多情況下這導致一些信息的丟失。稀疏編碼（Sparse Coding， SC）對其進行了改進。稀疏編碼時從矩陣分解的角度來分析碼書創(chuàng)建和編碼過程的，在矩陣分解的過程中運用了稀疏編碼的方式，導致特征編碼的稀疏性。Yang等[1]提出的基于稀疏編碼的線性金字塔匹配方法不僅在計算速度上有較大提升（原先基于矢量量化（Vector Quantization， VQ）的非線性SPM方法訓練階段的復雜度為O（n2～n3）此處是否應該寫為O（n2）～O（n3）更為恰當些，請明確。這是時間復雜度的一種表示方法，表示復雜度的級別。如O（n2），O（n3）表示平方級和立方級，所以這個不能改。，測試復雜度為O（n），n為訓練集大小。而基于稀疏編碼的線性SPM方法訓練復雜度為O（n），測試復雜度為O（1），能有效處理大數(shù)據(jù)集，同時在分類的準確度上也有所提高。

由于最近鄰編碼中要求Card（um）=1，也就是說只找一個碼字與特征匹配，這顯得太嚴格了。稀疏編碼放寬這個約束，用對u的L1norm正則化約束來代替，此約束要求um只有很少數(shù)目的非零元素。于是問題可以表示如下：

minU，V ∑Mm=1xm-umV22+λum （3）

s.t. vk2≤1； k=1，…，K

這里沒有約束um≥0。因為可以通過對um

因為固定U，只考慮V，式（3）變成凸問題；固定V，只考慮U，式（3）同樣是凸問題。最自然的實現(xiàn)便是交替優(yōu)化原問題。

首先固定V，式（3）可以分解為對每個um獨立優(yōu)化下式：

minumxm-Vum22+λ|um|（4）

這在統(tǒng)計學習中被稱為Lasso問題，可以用Lee等[11]提出的featuresign搜索算法高效解決。

固定U，式（3）變?yōu)橐粋€帶二次約束的最小均方誤差問題：

minVX-VU2F（5）

s.t. vk≤1； k=1，…，K

這可以用Lagrange dual方法高效解決。

通過交替迭代式（4）與（5），當達到結束條件時，可以獲得碼書V。那么測試階段就只要對抽取圖像的特征集X進行式（4）的優(yōu)化，便可得到圖像的稀疏編碼，然后通過空間金字塔匹配（SPM）來產(chǎn)生圖像的最后特征向量描述。SPM原理如圖1（a）所示，即將圖像進行多級空間劃分，將每一級上的特征匹配信息串聯(lián)起來形成最后的特征向量?；谙∈杈幋a的線性SPM的圖像特征表示過程如圖1（b）。

圖1 空間金字塔技術SPM原理

最后，Yang等[1]還指出在稀疏編碼的基礎上采用線性的支持向量機（Supporting Vector Machine，SVM）就能獲得很好的效果，并且速度上有很大提升。

1.3 局部線性編碼

不像稀疏編碼引入對um的L1norm正則化約束，局部線性編碼（Localityconstrained Linear Coding，LLC）用局部約束代替稀疏約束，其背后思想來源于LCC[12]展現(xiàn)的局部性比稀疏性更能表現(xiàn)特征的本質(zhì)。局部線性編碼利用局部約束將特征投影到局部坐標系統(tǒng)，然后利用這些局部碼字上的投影值來構造SPM的圖像特征描述。局部線性編碼可描述為如下問題：

minU ∑Mm=1xm-Vum22+λdm-um22 （6）

s.t. 1Tum=1； m=1，…，M

其中dm∈RK是通過計算特征與每個碼字的相似度來調(diào)節(jié)局部性的一個向量，通常如下計算：

dm=expdist（xm，V）σ（7）

其中：dist（xm，V）=「dist（xm，v1），…，dist（xm，vK）T， dist（xm，vK） 是xm與vk之間的歐氏距離；σ調(diào)節(jié)局部性擴散速度的權值。按照式（6）產(chǎn)生的碼字還不具有稀疏的特性，可以設定一個閾值，是小于這個閾值的系數(shù)設為0。

局部線性編碼具有一些良好的性質(zhì)：所選擇的匹配碼字更好地重構了特征的信息；保持局部平滑稀疏特性；具有解析解。這幾種性質(zhì)與矢量量化、稀疏編碼的比較如圖2。

圖2 三種編碼方式的比較

Wang等提出了一種基于K近鄰的局部線性編碼的快速近似算法，并且對Kmeans產(chǎn)生的碼書利用局部線性約束進行了改進。

2 SOINN原理

SOINN是一個兩層的競爭網(wǎng)絡。第一層是輸入數(shù)據(jù)的競爭，第二層是第一層輸出數(shù)據(jù)的競爭，然后輸出拓撲結構和第二層的權向量。SOINN中有兩個自動調(diào)節(jié)的閾值來控制類內(nèi)和類間的相似性。本文提出的方法中只應用單層SOINN產(chǎn)生初次聚類的結果，單層的SOINN的原理如圖3所示。

圖3 單層SOINN的算法流程是否有箭頭，請明確。

利用SOINN可以實現(xiàn)對輸入的訓練集進行增量學習，每一個特征向量轉化為網(wǎng)絡中的一個節(jié)點。在學習的過程中，會刪除噪聲節(jié)點和離分類邊界較遠的無用節(jié)點，以最小的代價實現(xiàn)最好的分類效果。

3 結合SOINN的碼書創(chuàng)建

目前創(chuàng)建碼書的方法，不管是基于非監(jiān)督的聚類還是矩陣分解的編碼方法，都需要在碼書創(chuàng)建之前確定碼書的大小。顯然這在不了解數(shù)據(jù)集特點的前提下是不妥的，對于所有數(shù)據(jù)集設置同樣大小的碼書也是不合適的，那么根據(jù)數(shù)據(jù)集的大小自動確定聚類類別數(shù)的技術便有了用武之地。由于SOINN正好能滿足此類問題的需求，可以自動確定合適碼書的大小，對于各種新數(shù)據(jù)集的處理更有把握，對于實際應用也有很大的意義。

本文提出的方法就是將SOINN用于對訓練集的增量學習，將學出來的結果作為Kmeans聚類的初始數(shù)據(jù)中心，然后根據(jù)SOINN學出的類別數(shù)目進行聚類形成合適大小的碼書，再結合現(xiàn)有的編碼技術，對從圖像中抽取的特征進行編碼，形成最終的碼字，并利用SPM形成圖像的最終描述，用于分類器的訓練。碼書創(chuàng)建算法的大體思想如圖4所示，碼書創(chuàng)建算法具體流程見Algorithm 1。

圖4 碼書創(chuàng)建算法流程下標是1，2，…，k？嗎，以便與正文表述一致。

Algorithm 1： Codebook Generation。

1）輸入={一組多種場景下的圖像數(shù)據(jù)集Ω={I1，…，IN}，其中每張圖像Ii的場景類別已經(jīng)確定且只能對應場景類別集合Δ={1，…，S}中的一種；初始碼書大小K；類內(nèi)區(qū)域塊數(shù)α；聚類的誤差控制ε}。

2）輸出={任意圖像Ii對應的最終編碼后的SPM特征向量}。

3）對圖像數(shù)據(jù)集Ω中的每幅圖像抽取SIFT特征描述符，得到特征描述集X={x1，…，xM}。

4）利用SOINN對特征描述集X進行非監(jiān)督的聚類，產(chǎn)生初始的聚類結果InitCenter={iv1，…，ivK}。

5）利用誤差控制ε和Kmeans聚類方法對初始中心集InitCenter產(chǎn)生最終聚類中心，也即碼字集合V={v1，…，vK}。

6）對特征描述集中的每個特征xi進行編碼：（xi此處的xi，是否應該改為xj？請明確。）{1，…，K}。

7）對圖像數(shù)據(jù)集中任意圖像Ii進行SPM，產(chǎn)生其最終特征向量。

通過Algorithm 1，可以對特定的圖像數(shù)據(jù)集產(chǎn)生相應的碼書。同樣，將圖像數(shù)據(jù)集劃分為訓練集和測試集之后，可以通過圖像編碼部分（5）、6）、7）步）進行訓練集和測試集的圖像編碼描述，然后通過訓練相應的分類器來分類測試圖像。

4 實驗分析

4.1 實驗設置

為了驗證本文提出的算法的分類性能，將該算法與兩種基準算法：Wang等[2]算法和ScSPM （Sparcecoding based Spatial Pyramid Matching）算法在Caltech101（http：//vision.caltech.edu/Image Datasets/Caltech101/）和15Scene（http：//cs.unc.edu/？lazebnik/research/scene_categories.zip/）數(shù)據(jù)集上進行分類精度的對比。其中的SIFT描述符從16×16 像素塊中抽取并且從8步長的網(wǎng)格中采樣。字典的大小設為1024。另外，為了在算法第一輪中選取簡單的樣例，需要一個簡單的初始字典，所以本文對比了兩個初始字典的實現(xiàn)，其中之一通過Kmeans聚類，另一個通過在全局數(shù)據(jù)上運行5次稀疏編碼迭代和字典更新。從經(jīng)驗上看，它們之間在分類精度上有細微差別，因此本文中初始字典選用Kmeans聚類。設置參數(shù)λ=0.15，c=1。 采用線性SVM進行分類。為了獲得較可靠的結果，本文將實驗重復10次，每次對訓練集和測試機有不同的隨機劃分，最終得到一個分類精度的結果。繼續(xù)Caltech101數(shù)據(jù)集的實驗設置， 對每個類別分別訓練5，10，15，20，25，30個樣本，用其余的測試，所得的分類結果如表1所示。

表1 在Caltech101數(shù)據(jù)集上算法的分類精度比較

%

算法

樣本數(shù)

51015202530

Wang等算法[2]51.159.765.467.770.173.4

ScSPM算法[1]52.461.966.669.671.573.2

本文算法53.162.167.169.872.373.7

此外，對每個類別選取30個圖片作為訓練數(shù)據(jù)，將本文的方法選取不同的字典大小（256，512，1024）運用在分類上。將平均分類精度與ScSPM算法進行對比，結果如圖5所示。

圖5 不同字典大小下的性能對比

4.2 實驗結果

從表1所示的實驗結果可以看到，本文算法的分類準確率在不同的樣本數(shù)上始終超過其他基準算法，顯示出SOINN與碼書結合對準確率的極大提升。

從圖5中對不同字典大小下的對比結果可見，本文提出的方法無論在小規(guī)模還是大規(guī)模碼書上分類精度均優(yōu)于ScSPM算法。

另外本文也在15個自然場景數(shù)據(jù)集上對比了本文提出的算法和ScSPM，以此驗證算法的分類性能，在每個算法的字節(jié)數(shù)都最優(yōu)的情況下，本文算法的平均分類精度是81.6%，比ScSPM算法的80.7%略高。由此顯示本文的算法在自然場景下的分類準確度依然優(yōu)于ScSPM。

5 結語

碼書模型充分利用圖像的高層語義信息對圖像進行分類，相比之前的直接利用圖像底層特征的圖像分類方法性能上有了很大幅度的提升，然而當前的研究方法均忽略圖像的拓撲信息及增量學習效果。本文在傳統(tǒng)基于碼書模型的圖像分類上提出基于SOINN的碼書創(chuàng)建方法，利用SOINN的特性幫助尋找合適的初始聚類中心以及聚類數(shù)目，更好地反映數(shù)據(jù)的特性。實驗結果表明該方法顯著地提高了圖像分類精度，從而有效說明該算法的有效性和優(yōu)越性。

參考文獻：

第7篇：數(shù)字經(jīng)濟與網(wǎng)絡經(jīng)濟范文

巨大的中美數(shù)字鴻溝

眾所周知，中美之間存在著巨大的數(shù)字鴻溝。美國《僑報》發(fā)表文章，對“世界上最大的發(fā)展中國家”中國和“當今惟一超級大國”美國的“數(shù)字化”程度作了對比。文章說，截至2000年年中，中國的電腦擁有量為1590萬臺，平均每萬人88臺。美國的電腦擁有量為1．6億臺，平均每萬人擁有近5000臺，是中國每萬人擁有量的57倍。1995年底，美國網(wǎng)民數(shù)量為600多萬人。2000年7月，美國上網(wǎng)人數(shù)已經(jīng)達到1．37億人，占全美總人口的一半。1995年底中國網(wǎng)民數(shù)量為8萬人，2000年7月中國CNNIC的數(shù)據(jù)稱，中國網(wǎng)民數(shù)量為1690萬，略高于全國人口的八十分之一。

一些學者嘗試建立信息化指數(shù)模型來對信息化進行社會測度。據(jù)相關計算，1985年中國的信息化指數(shù)為37．88，預計2000年達到145．3，而美國1977年的指數(shù)已經(jīng)是1006．9。

數(shù)字鴻溝帶來的危害是顯而易見的。著名IT評論家胡泳認為，數(shù)字化經(jīng)濟本身造成一些輸家也造就一些贏家，這種輸贏的差距表現(xiàn)在一個國家之外，就是國與國之間的技術進步與發(fā)展方面的鴻溝。如果新技術造就贏家和輸家，發(fā)展中國家可能會在新的秩序中輸?shù)羲械臇|西。還有論者認為，數(shù)字化生存我們已到被淘汰邊緣。數(shù)字鴻溝的問題非常嚴重，嚴重到90％多比1％多的差距，甚至可以說存在一個“溝籍”的問題，不是球籍，是溝籍。事實表明，中美之間由于對信息、網(wǎng)絡技術應用程度的不同以及創(chuàng)新能力的差別造成的“信息落差”、“知識分隔”和“貧富分化”現(xiàn)象日趨嚴重。如果我們對此重視不夠，將會使中美之間已經(jīng)存在的科技、工業(yè)、農(nóng)業(yè)之間的差距進一步擴大，中國在21世紀中葉成為中等發(fā)達國家的宏偉戰(zhàn)略目標有可能成為水中之月、鏡中之花。

在網(wǎng)絡經(jīng)濟中，中國的起步并不算晚。早在7年前，當美國政府大力倡導“信息高速公路”計劃的時候，我們就已迅速跟進。那么，在不到10年的時期內(nèi)，中美之間為何會產(chǎn)生如此驚人的數(shù)字鴻溝？對此，學術界和IT業(yè)界眾說紛壇。概括起來，主要有以下幾種觀點：

第一、由國家、社會之間整體實力的差距所形成。

天極網(wǎng)總裁李志高認為，數(shù)字鴻溝和數(shù)字方面的差距，不僅僅是一個技術問題，或者是信息技術的問題，也是一個社會問題。它牽扯到包括整個社會的貧富差距，信息資源不足和資金、文化，還有就業(yè)、生活質(zhì)量等與整體社會水平相關的問題。

第二、企業(yè)層次的信息化水平太低。

方正公司副總經(jīng)理宋建東認為，利用網(wǎng)絡技術不是取決于企業(yè)的意愿，而是取決于企業(yè)的內(nèi)功，尤其是企業(yè)的組織架構、崗位分析和業(yè)務流程。在這些問題沒有解決的情況下，不太可能跨越數(shù)字鴻溝。

第三、資本市場對于消除或者擴張鴻溝起著重要作用。

中國互聯(lián)網(wǎng)實驗室方興東認為，目前中國的資本市場對中國互聯(lián)網(wǎng)發(fā)展的支持還遠遠不夠?；ヂ?lián)網(wǎng)最需要的是風險投資的支持。美國風險資金投入互聯(lián)網(wǎng)的有400多億美元，中國投入互聯(lián)網(wǎng)的所有資本加起來估計還不到40億人民幣。中國目前沒有真正的風險投資公司。美國1999年互聯(lián)網(wǎng)上市公司的價值是1．3萬億美元。加上風險投資的400億美元，這就是美國推動互聯(lián)網(wǎng)發(fā)展的根本。中國如果沒有這兩塊投入的話，根本就沒法進行。

第四、缺少從事電子商務的基本條件。

著名經(jīng)濟學家樊綱認為，在發(fā)展網(wǎng)絡經(jīng)濟上，我們面臨比發(fā)達國家更多的制約，從“軟件”上看，我們的信用卡體系還不發(fā)達，持卡人還很少，相關的金融服務保障和法律保障還非常欠缺；從“硬件”上看，我們的批發(fā)、零售業(yè)本身的現(xiàn)代化程度還不高，郵購、“目錄購物”還非常不發(fā)達，因此能在網(wǎng)上交易的種類、規(guī)模就會非常有限，如何保證送貨就更是問題。

第五、制度上的障礙。

北京大家教授周其仁認為，目前我國關于網(wǎng)絡經(jīng)濟缺乏清楚、明確和簡明的規(guī)制框架，這是發(fā)展網(wǎng)絡經(jīng)濟的主要障礙。一些行政部門在沒有法律根據(jù)的情況下，任意擴大規(guī)制權限，導致混亂、多部門無明確規(guī)則的管制，這將使中國失去發(fā)展網(wǎng)絡經(jīng)濟最可貴的時機，在亞洲和全球競爭中落伍。

上述觀點各自從不同角度和不同層面對中美數(shù)字鴻溝的產(chǎn)生根源進行了剖析，充分揭示了中美數(shù)字鴻溝形勢的嚴峻性。但是，它們沒有解決這樣一個問題：哪一種因素具有統(tǒng)率全局的作用，哪一種因素是消除中美數(shù)字鴻溝的最佳突破口？

根據(jù)第一種觀點，數(shù)字鴻溝的產(chǎn)生，是由于中美兩國在國家之間和社會之間的整體實力存在著巨大差距，而整體實力之間的差距是難以在較短時間內(nèi)得以縮短的。這是否意味著，中美數(shù)字鴻溝將會經(jīng)歷很長時間才能消除？果真如此的話，現(xiàn)有的數(shù)字鴻溝將會進一步擴大兩國的整體差距，形成一種惡性循環(huán)。其余幾種觀點，無論是企業(yè)的信息化問題、資本市場問題、電子商務的基本條件問題，還是制度性障礙問題，最終都要歸結到這樣一個問題：怎樣才能在最短時間內(nèi)解決這些問題？是等待呢，還是積極行動起來？是等待條件成熟呢，還是積極創(chuàng)造條件？這些，都與人們的思想觀念有關。網(wǎng)絡經(jīng)濟是一場革命，是一種新的生產(chǎn)方式。任何一場革命的起點，都是新的思想觀念對傳統(tǒng)思想觀念的沖擊。沒有牛頓的科學思想的流行，就不會有產(chǎn)業(yè)革命；沒有“實踐是檢驗真理的標準”的大討論，就不會有改革開放。當新的思想觀念逐步取得領導地位時，人民群眾中蘊含著的巨大潛力就會爆發(fā)出來，一切障礙和限制就會在人們的積極努力下迅速地被沖跨。

筆者認為，美國在網(wǎng)絡經(jīng)濟上的國際領先地位，首先來自觀念上的領先。政府、國會和美國民眾，都對新經(jīng)濟持歡迎態(tài)度，都對其革命性意義予以充分肯定。中國與美國目前的最大差距，其實還是觀念上的差距。如果中國從政府到民眾都對網(wǎng)絡經(jīng)濟在觀念上有了革命性的突破，由政府牽頭，從制度創(chuàng)新開始，對發(fā)展網(wǎng)絡經(jīng)濟的各種限制條件予以堅決、徹底的消除，中國的網(wǎng)絡經(jīng)濟就能更快、更健康地發(fā)展，中國成為世界強國的目標就能在更短時間內(nèi)實現(xiàn)。

中國面臨觀念革命

持有什么樣的思想觀念，才能與網(wǎng)絡經(jīng)濟的革命性要求相適應？中美兩國在思想觀念上主要存在哪些差異？這些，就是我們需要進行深入探討的問題。我認為，數(shù)字觀念、時間觀念、創(chuàng)新觀念、風險觀念、動態(tài)觀念、人才觀念等六個方面的觀念革命，應是消除中美數(shù)字鴻溝的邏輯起點。

■數(shù)字觀念：我們應該充分認識到網(wǎng)絡經(jīng)濟的革命性意義。對于未來任何一個傳統(tǒng)領域，互聯(lián)網(wǎng)都將成為核心競爭力的核心要素。如果我們在網(wǎng)絡經(jīng)濟上仍然處于被動地位，我們失去的將不僅僅是一個產(chǎn)業(yè)，而且是中國未來的命運。

網(wǎng)絡經(jīng)濟的根本特征是互聯(lián)性?；ヂ?lián)性大大提高了市場的交易效率，使社會分工水平產(chǎn)生了飛躍，給市場和經(jīng)濟活動帶來革命性的變化，我們可將之稱作網(wǎng)絡效應。網(wǎng)絡效應將隨著網(wǎng)絡的擴張而日益顯示出更大的威力?；ヂ?lián)性和網(wǎng)絡效應對網(wǎng)絡經(jīng)濟的運行產(chǎn)生了深遠影響，使之形成了有別于傳統(tǒng)經(jīng)濟的一系列基本特征，它們包括快捷性、全球性、對稱性、虛擬性、模糊性、知識性、復雜性、壟斷性和公平性等。我們必須迅速改變自己的思想觀念與思維方式，以適應網(wǎng)絡經(jīng)濟的發(fā)展需要。

■時間觀念：由于網(wǎng)絡經(jīng)濟的快捷性特征，使得時間具有特別重要的意義。產(chǎn)品生命周期迅速縮短，一種產(chǎn)品可以在幾個月甚至幾天內(nèi)變成主流化的產(chǎn)品，又可能在幾個月內(nèi)消失得無影無蹤。因此，網(wǎng)絡經(jīng)濟中強調(diào)要快速反應、搶占先機。從企業(yè)角度來說，不是大企業(yè)吃掉小企業(yè)，而是反應敏捷的企業(yè)吃掉反應遲鈍的企業(yè)。從國家角度來說，不是大國吃掉小國、強國吃掉弱國，而是反應敏捷的國家吃掉反應遲鈍的國家。

例如，美國政府率先建設“信息高速公路”，使80年代處于競爭劣勢的美國，在90年代一躍成為世界經(jīng)濟增長的明星。北歐和日本在移動通信上先于美國一步，在未來的移動商務經(jīng)濟中將占據(jù)領導地位。又如，從經(jīng)濟、社會等各方面的實力上說，印度均不如中國。但由于印度政府搶先一步對網(wǎng)絡經(jīng)濟采取積極扶持政策，使得印度無論在高速計算機和軟件開發(fā)等關鍵領域上都領先于中國。印度已成為僅次于美國的世界第二軟件大國，國內(nèi)軟件業(yè)以每年50％的速度增長。印度IT出口已占全國出口總額的35％，占國內(nèi)生產(chǎn)總值的7.5％?！哆h東經(jīng)濟評論》甚至暗示，如果中印之間在IT產(chǎn)業(yè)上的差距繼續(xù)擴大下去，未來亞太地區(qū)將不是以中國為中心，而很可能會是以印度為中心。

■創(chuàng)新觀念：在市場變化迅速的情況下，企業(yè)要不斷創(chuàng)新、不斷推出新產(chǎn)品，并不斷主動淘汰自己的產(chǎn)品。創(chuàng)新與靈活性成為企業(yè)的生命線。有了創(chuàng)新和靈活性，一個小企業(yè)可以迅速成長為大企業(yè)。失去了創(chuàng)新和靈活性，一個大企業(yè)可能會迅速走向衰敗。

在美國，創(chuàng)新觀念早已深入人心。人人以能夠獨樹一幟、充分表現(xiàn)自己而自豪，新思想、新理論、新技術層出不窮。美國在知識產(chǎn)權法規(guī)的制訂方面和執(zhí)行方面的嚴格程度是有目共睹的。政府、企業(yè)和大學也積極為激發(fā)人們的創(chuàng)新能力營造一個良好的環(huán)境。歷屆政府都在科研開發(fā)方面給予企業(yè)和技術研究部門較多的資助，在制訂經(jīng)濟政策方面也更多地向那些教育部門和科研機構傾斜。美國巴爾蒂莫大學經(jīng)濟學家ZoltanAcs一針見血地指出：“什么是我們的比較優(yōu)勢？是我們的創(chuàng)新能力”。

中國與美國形成鮮明對照。中國在創(chuàng)新方面的阻力較大，特別是長期推行的計劃經(jīng)濟體制，帶來了穩(wěn)定的收入、較大的安全感和僵化的管理方式。在這種環(huán)境下，人們的創(chuàng)新觀念大為削弱，人們的創(chuàng)新能力不可能被充分激發(fā)出來。至今為止，中國的經(jīng)濟成就主要來自對國外先進技術的引進與模仿，網(wǎng)絡經(jīng)濟的發(fā)展也不例外。有人將中國的互聯(lián)網(wǎng)稱作“互抄網(wǎng)”，成千上萬個網(wǎng)站提供的內(nèi)容大同小異。中國電腦市場國有品牌的占有率在提高，但技術含量并未提高，大多數(shù)電腦公司從事的是散件裝配。如果長此下去，中國的網(wǎng)絡經(jīng)濟如何能繁榮？

■風險觀念：在網(wǎng)絡經(jīng)濟中，正反饋起著重要作用。由于互聯(lián)性、由于信息傳遞的快捷性，人們之間產(chǎn)生了頻繁、迅速、劇烈的交互作用，從而形成不斷強化的正反饋機制。最初發(fā)生的一件偶然事件，會由于正反饋作用而不斷擴大其影響，使細微的差別最終演變成巨大的鴻溝，甚至會導致系統(tǒng)的崩潰。這就是網(wǎng)絡經(jīng)濟大起大落的主要根源之一，這就使網(wǎng)絡經(jīng)濟既存在巨大的收益，又存在巨大的風險。

中國網(wǎng)絡經(jīng)濟興盛時，熱浪鋪天蓋地；網(wǎng)絡經(jīng)濟低落時，處處寒氣逼人。人們剛剛為巨大的收益而陶醉，隨即就被巨大的風險所擊倒。美國的情況卻完全不同，無論網(wǎng)絡經(jīng)濟是冷是熱，美國投資者的反應都比較冷靜，沒有出現(xiàn)極度狂熱或極度恐懼的狀態(tài)。正是中國在風險觀念上的巨大落差，導致資本市場對互聯(lián)網(wǎng)發(fā)展的支持程度遠遠落后于美國。

■人才觀念：如果說以蒸汽機為代表的產(chǎn)業(yè)革命，使資本第一次成為生產(chǎn)中的關鍵性要素的話，計算機和互聯(lián)網(wǎng)則第一次使信息和知識成為生產(chǎn)中的關鍵性要素。

這一點，不僅反映在產(chǎn)品的價值構成上，也反映在企業(yè)的資產(chǎn)結構上一無形資產(chǎn)價值的重要性與日俱增。從某種意義上說，無形資產(chǎn)甚至比有形資產(chǎn)更重要。由快捷性帶來的產(chǎn)品生命周期的縮短，使得有形資產(chǎn)迅速貶值，甚至會變得毫無用處。相反，無形資產(chǎn)在越來越多的商務中成為主體，它由品牌、良好的客戶關系、雇員的才能、業(yè)務流程與系統(tǒng)的內(nèi)在經(jīng)驗等組成，對企業(yè)附加價值的生產(chǎn)起著舉足輕重的作用。

因此，無論是對企業(yè)還是對國家來說，人才和教育都具有極其重要的意義。要使網(wǎng)絡經(jīng)濟更好、更快地發(fā)展，我們必須全力以赴，為人力資本創(chuàng)造性的發(fā)揮建立起必要的組織制度和其他社會文化條件。

第8篇：數(shù)字經(jīng)濟與網(wǎng)絡經(jīng)濟范文

1.網(wǎng)絡經(jīng)濟的理論內(nèi)涵

從20世紀90年代初期，巨大的信息量，低成本、高效率的信息流動等等，這些都使人類社會的生產(chǎn)和生活方式開始發(fā)生變化，新形式和新特點的經(jīng)濟活動在社會中涌現(xiàn)，人們把這種經(jīng)濟狀況稱為網(wǎng)絡經(jīng)濟。網(wǎng)絡經(jīng)濟最初是指網(wǎng)絡產(chǎn)業(yè)經(jīng)濟，包括電信、電力、交通（公路、鐵路、航空）等基礎設施行業(yè)。由于這些行業(yè)共同具有“網(wǎng)絡”式的結構特征和由此引發(fā)的經(jīng)濟特征，所以被稱為“網(wǎng)絡經(jīng)濟”。關于“網(wǎng)絡經(jīng)濟”的定義，不同的經(jīng)濟學者有不同的看法。本文采用的是我國經(jīng)濟學家烏家培給網(wǎng)絡經(jīng)濟所下的定義。他認為“：網(wǎng)絡經(jīng)濟就是通過網(wǎng)絡進行的經(jīng)濟活動”他還指出“對網(wǎng)絡經(jīng)濟可以從不同層面去認識它。從經(jīng)濟形態(tài)這一層面來看，網(wǎng)絡經(jīng)濟就是有別于游牧經(jīng)濟、農(nóng)業(yè)經(jīng)濟、工業(yè)經(jīng)濟的信息經(jīng)濟或知識經(jīng)濟，由于所說的是數(shù)字網(wǎng)絡，所以它又是數(shù)字經(jīng)濟。“”從產(chǎn)業(yè)發(fā)展的中觀層面來看，網(wǎng)絡經(jīng)濟就是與電子商務緊密相連的網(wǎng)絡產(chǎn)業(yè)，既包括網(wǎng)絡貿(mào)易又包括網(wǎng)絡銀行、網(wǎng)絡企業(yè)、以及其他商務性網(wǎng)絡活動，還包括網(wǎng)絡基礎設施、網(wǎng)絡設備和產(chǎn)品以及網(wǎng)絡服務的建設、生產(chǎn)和提供等經(jīng)濟活動。“”從企業(yè)營銷、居民消費或投資的微觀層面來看，網(wǎng)絡經(jīng)濟則是一個網(wǎng)絡大市場或大型的虛擬市場。”

2.網(wǎng)絡經(jīng)濟的理論特征

網(wǎng)絡經(jīng)濟階段表現(xiàn)出更多的、新的特征。這些特征包括（:1）開放互連性。網(wǎng)絡經(jīng)濟的出現(xiàn)，使各種經(jīng)貿(mào)往來都是雙向互動。（2）效率高效性。信息技術令任何信息都可以轉化為數(shù)字形式以接近光速的速度進行傳輸。（3）經(jīng)濟資源全球共享化。世界互聯(lián)網(wǎng)絡的快速發(fā)展，網(wǎng)絡經(jīng)濟使市場空間加大，不僅局限于某個市場領域，甚至超越國界，深入到世界的每一個角落進行交流和相互依存。（4）經(jīng)濟活動虛擬化。經(jīng)濟活動打破傳統(tǒng)的物理市場，在物理市場進行交易的同時也在虛擬市場也進行交易活動。虛擬商場、虛擬銀行等紛紛涌現(xiàn)更加大了經(jīng)濟活動的虛擬化。

二、網(wǎng)絡經(jīng)濟環(huán)境對現(xiàn)代企業(yè)生存的影響分析

1.企業(yè)組織結構網(wǎng)絡化

網(wǎng)絡經(jīng)濟的出現(xiàn)，使企業(yè)可以將員工、經(jīng)銷商和客戶聯(lián)系起來，共同構成一個相關的網(wǎng)絡系統(tǒng)。網(wǎng)絡讓企業(yè)基層員工也可以聽到董事長的安排，可以從任何地方立即得到很多信息，信息可及時地傳播到各處。同時，隨著網(wǎng)絡經(jīng)濟的發(fā)展，企業(yè)的另外一個轉型就是企業(yè)組織結構的虛擬化和組織決策分散化。網(wǎng)絡經(jīng)濟時代的到來，改變了企業(yè)生產(chǎn)經(jīng)營方面，主要表現(xiàn)為：縮短企業(yè)生產(chǎn)周期，交易成本的降低，擴大市場范圍。

2.企業(yè)產(chǎn)品消費個性化

網(wǎng)絡經(jīng)濟時代市場競爭的突破傳統(tǒng)的規(guī)模生產(chǎn)，個性化需求出現(xiàn)在網(wǎng)絡經(jīng)濟時代。在整個市場交易中，市場消費由被動接受轉型為私人訂制，消費者的需求成為市場的主導，這是網(wǎng)絡經(jīng)濟時代企業(yè)扭轉的一個必然趨勢。當然，發(fā)展科技同樣重要，但是發(fā)展科技的前提就是要滿足消費者定制需求，這樣才會占有市場。

3.企業(yè)競爭合作常態(tài)化

社會上各個產(chǎn)業(yè)因為網(wǎng)絡經(jīng)濟而發(fā)生改變，它不僅是新興產(chǎn)業(yè)的孕育基地，更是傳統(tǒng)產(chǎn)業(yè)轉型的空間。隨著互聯(lián)網(wǎng)應用的全員化，企業(yè)的商業(yè)活動逐漸由線下轉為線上，企業(yè)間的競爭方式也發(fā)生了改變。首先是企業(yè)間競爭范圍擴大化。網(wǎng)絡經(jīng)濟環(huán)境使企業(yè)間價值創(chuàng)造能力出現(xiàn)融合現(xiàn)象，同行業(yè)同領域間的競爭已不在于此。其次是企業(yè)競爭要素上的改變。企業(yè)的競爭在成本和質(zhì)量等要素同等的前提下，拼的就是時間和技術，網(wǎng)絡經(jīng)濟的發(fā)展在銷售渠道上產(chǎn)生了多元化，同時也及時更新產(chǎn)品在市場上的銷售業(yè)績，因此時間競爭變得越來越重要。

三、小結

第9篇：數(shù)字經(jīng)濟與網(wǎng)絡經(jīng)濟范文

所謂數(shù)字鴻溝，指的是個人、企業(yè)或國家之間在信息技術上的差距，以及由此帶來的收入上的差距?！皵?shù)字鴻溝”已經(jīng)成為網(wǎng)絡經(jīng)濟時代凸顯出來的社會問題和全球性難題。2000年以來，聯(lián)合國、歐盟、經(jīng)合組織、APEC、8國首腦峰會等紛紛圍繞數(shù)字鴻溝問題展開討論，認為這是數(shù)字化浪潮以來全球范圍內(nèi)迫切需要解決的難題之一。

《2001年全球經(jīng)濟展望》指出，各國的互聯(lián)網(wǎng)上網(wǎng)率有很大不同，這個因素使得不能有效利用互聯(lián)網(wǎng)的國家日益面臨經(jīng)濟上孤立的危險。在美國有30%的人口上網(wǎng)，而發(fā)展中國家只有0.6%的人口上網(wǎng)。發(fā)展中國家的企業(yè)上網(wǎng)率會有顯著增加，但最貧困的發(fā)展中國家由于缺乏有效參與電子商務所需要的人力資本和輔助服務，使得他們的競爭力受到損害。一份聯(lián)合國報告指出：新經(jīng)濟仍然是一種富國現(xiàn)象，多數(shù)發(fā)展中國家仍處在信息貧困中。據(jù)聯(lián)合國的資料，非洲國家上網(wǎng)費每小時10.5美元，而人均年收入不到200美元，每百人只有1部電話。對于這些國家來說，面臨的不僅是“數(shù)字鴻溝”，已經(jīng)是“數(shù)字深淵”。在這些國家，主要面臨的是生存需要、資源緊缺，是信息與食品、醫(yī)院之間的選擇。如何利用信息技術，來滿足人們在醫(yī)療、飲用水等方面的問題。

數(shù)字鴻溝不但存在國家與國家之間，而且存在于一個國家的內(nèi)部。

數(shù)字鴻溝擴大了發(fā)達國家國內(nèi)的貧富差距，使富者益富、貧者益貧。在美國國內(nèi)，大公司的首席招執(zhí)行官或董事長的年平均收入過去只有工人工資的40倍， 90年代中期卻是250倍。美國10%的高收入者擁有的資產(chǎn)，比剩下的90%的人擁有的資產(chǎn)總和還要多。

一個不容回避的現(xiàn)實是：中國國內(nèi)的數(shù)字鴻溝也正在出現(xiàn)。據(jù)調(diào)查，北京注冊的互聯(lián)網(wǎng)域名占全國37.87%，大多數(shù)中西部省份還不到1%。北京、上海、廣州三地上網(wǎng)用戶數(shù)占全國的62.33%，排在最后的10個省市的總數(shù)只占4.36%。從整體信息化程度看，西部地區(qū)明顯落后于東部沿海地區(qū)。如果以萬人口域名數(shù)來衡量，東部地區(qū)相當于中西部地區(qū)的8倍。中國網(wǎng)絡用戶雖然持續(xù)增長，但其普及和應用主要發(fā)生在城市，網(wǎng)絡用戶中只有0.3%是農(nóng)民，城市普及率為農(nóng)村的740倍。中國城鄉(xiāng)間的巨大“數(shù)字鴻溝”，也是導致中國與世界、中國各地區(qū)間“數(shù)字鴻溝”的重要原因。

二、數(shù)字鴻溝的危害

數(shù)字鴻溝帶來的危害，可以概括為以下幾個方面：

第一，由于經(jīng)濟發(fā)展中知識投入的重要程度逐步上升，發(fā)展中國家在勞動、土地等要素稟賦上的傳統(tǒng)比較優(yōu)勢，已漸漸變得無足輕重。信息和知識的貧乏、利用互聯(lián)網(wǎng)能力的低下、發(fā)展中國家人才的流失，使得知識要素的稀缺變得越來越嚴重，越來越難以逆轉。