【摘 要】
：
全面贯彻新发展理念以来,我国户外休闲运动产业提速发展,尤其是水上休闲运动产业规范化后,水上休闲运动成为国民经济发展的新增长点,水上国民休闲运动中心作为发展水上运动建设“五方三点”的重要焦点,有着重要的产业集聚作用。本文通过系统梳理我国水上国民休闲运动中心发展脉络,探究其创新,并通过以成都市天府新区水上国民休闲运动中心为切入点,分析其优势劣势,总结经验,对未来水上国民休闲运动中心发展提出建议,达到引
论文部分内容阅读
全面贯彻新发展理念以来,我国户外休闲运动产业提速发展,尤其是水上休闲运动产业规范化后,水上休闲运动成为国民经济发展的新增长点,水上国民休闲运动中心作为发展水上运动建设“五方三点”的重要焦点,有着重要的产业集聚作用。本文通过系统梳理我国水上国民休闲运动中心发展脉络,探究其创新,并通过以成都市天府新区水上国民休闲运动中心为切入点,分析其优势劣势,总结经验,对未来水上国民休闲运动中心发展提出建议,达到引导水上国民休闲运动中心更好发展的目的。本文主要采用文献资料法、专家访谈法、实地调查法以及案例分析法,根据水上国民休闲运动中心发展脉络,将水上国民休闲运动中心概念发展系统划分为形成阶段（2014-2016）、确立阶段（2016-2017）、实践阶段（2017-至今）,总结最早建设的天府新区水上国民休闲运动中心发展的经验与不足,为我国水上国民休闲运动中心未来发展提供借鉴。本文通过研究,得出以下结论:（1）水上国民休闲运动中心具备多种创新点,但数字技术应用少。（2）水上国民休闲运动中心布局协调性较差,华中地区缺乏布局。（3）水上国民休闲运动中心评价体系较完善,但环保制度需完善。（4）水上国民休闲运动中心社会知名度较低,缺乏专业媒体宣传。（5）水上国民休闲运动中心发展前景较广阔,赛事供给仍需丰富。根据上述研究结论,促进我国水上国民休闲运动中心发展建议如下:（1）建立数字技术研发团队,促进体工融合,对我国水上休闲运动中心进行系统调研,研发符合我国国情特点的数字技术应用,以促进创新的政策为指引,以体育消费市场需求为导向,将消费者需求的价值导向作为水上国民休闲运动中心数字技术应用研发的重要参考依据。（2）对弱势地区申报适当进行水上国民休闲运动中心落地政策倾斜,落实供给侧改革措施,充分发挥水上国民休闲运动中心焦点效应,对水上国民休闲运动中心的建设地点进行优化选择,在申报评价指标的基础上,重点开展建设实施效果评估和后期校正工作。（3）根植于中国体育消费的现状和新变化,针对水上休闲运动细分市场,注重法律条款,建立绿色市场准入规则,保证水上国民休闲运动中心申报、评价公平、公正,充分考虑税收、政府购买服务、土地、人力、技术等核心要素的重要因素,与时俱进充分完善水上国民休闲运动中心评价体系。（4）建立专业媒体团队,设立媒体运营岗位,抓住新媒体发展红利,增加水上国民休闲运动中心曝光度,利用多种宣传方式线上线下相结合,不断丰富水上国民休闲运动中心宣传内容,提升知名度。（5）加强政策引领赛事供给市场,完善赛事准入规则,构建水上运动职业制度体系,建立多层次本土化的水上运动联赛,加强水上国民休闲运动中心赛事落户规划的系统性,落实好赛事监督机制、评估机制、执行机制的组织构建,尝试引进国外优秀赛事。
其他文献
k-means算法被誉为十大经典数据挖掘算法之一,自被提出以来就因其高效的特性而被广泛应用于各个领域。但是,随着互联网的深入发展,网络上的数据呈爆发式增长,使得k-means算法的效率在大数据场景中面临挑战。为了进一步提升k-means算法的效率,本文分别针对精确k-means算法和近似k-means算法各提出了一种加速策略。本文的具体工作如下:1.本文针对精确k-means算法提出了一种基于多粒
自改革开放以来,人们生活水平得到极大改善,对机动车的需求量逐年递增。机动车虽然能够方便人们出行,但是其数量的快速增长加剧了城市道路交通拥堵。交通流量预测是智能交通系统中必不可少的一部分,它不仅能帮助出行者做出更好的出行决策,还能辅助交通管理部门制定更有效的管理措施。因此,准确有效的交通流量预测是提高交通管理服务质量的重要基础。交通流量预测是通过挖掘历史交通流量数据的时间特征或空间特征进行预测,其研
人们在感知世界时,视觉是最重要的一部分,而视觉又是基于图像的。对于一副包含了丰富信息的图像,研究学者们的关注重点是如何从众多图像信息中提取出那些对计算机视觉任务最有用的特征。因此,图像特征提取就成为了计算机视觉任务中极为关键的环节。基于手工设计的方法和基于深度学习的方法是特征提取中的两大分支领域。其中,手工方法通过人类的视觉特性去探索图像中的规律,并设计出具有特殊含义的特征。本论文主要针对手工方法
深度神经网络作为深度学习领域中的关键技术,现已被广泛应用于各种人工智能系统以实现不同的任务需求,如图像分类、人体姿态检测、人脸识别等。然而近几年的研究表明深度神经网络是脆弱的,其极易受到对抗样本的攻击。所谓对抗样本是指添加了对抗扰动后的图像,其中扰动是精心制作且人眼难以察觉的。对抗样本能够使深度神经网络在推理时给出错误结果,这导致研究人员开始关注深度神经网络的安全性问题。因此,如何提高网络的鲁棒性
随着移动互联网的蓬勃发展,大数据给机器学习的应用提出了新的挑战。稀疏多元逻辑回归（Sparse Multinomial Logistic Regression,SMLR）被广泛应用于文本分类、图像分类和多目标识别等领域。7)1正则化的引入让SMLR具备了特征选择的能力,这在处理图像和文本等具有稀疏性的分类任务时具有很好的分类性能,但也导致其目标函数无法直接求得解析解,因此SMLR通常采用迭代的方法
目前生物医学文本数据增长迅速,但其中的有效信息难以提取,生物医学文本命名实体识别（Named Entity Recognition,NER）的目的就是快速有效地从文本中提取相关实体名称。作为自然语言处理的一个重要分支,同时也是关系提取和构建知识图谱的关键子任务,命名实体识别技术具有重要的意义和价值。当前一些主流先进的命名实体识别方法在普通文本中已经能取得较好的识别性能,例如GPT（Generati
在如今这样一个大数据时代,仅依靠人工方式对文本数据进行处理是效率低下、成本高昂的。随着计算机硬件与计算能力的蓬勃发展,使用机器通过文本分类算法来处理文本数据逐渐成为一类主流方法,受到了各行各业广泛地关注与应用。文本分类是自然语言处理领域中的一个热门的基础任务,其目的是为各式各样的文档指定预定义的类别标签。现有的文本分类算法面临的主要挑战,包括但不限于以下三个方面:1)如何提高算法模型对文本特征的提
偏标记学习是一种弱监督学习框架,它试图从样本的多个候选标签中选择唯一正确的标签。在偏标记学习框架中,一个样本对应一个候选标记集合,且只有一个是真实标记,在这样的训练样本下进行学习无法直接应用传统的监督学习算法,学者们在长期的研究中发现了非消歧、平均消歧和辨识消歧三种策略来优化算法使其适应于偏标记学习框架。其中,消歧的策略被广泛认为是实现偏标记学习的有效途径,但是这类策略存在两大问题:首先,研究人员