Ngày càng khẳng định được ưu điểm về tốc độ truyền, khoảng cách truyền, dung lượng truyền, mạng thông tin quang đang là sự lựa chọn hàng đầu không những cho các tuyến truyền dẫn đường trục liên tỉnh, nội tỉnh mà còn được sử dụng trong các mạng truy nhập, các sợi dây nhảy quang… trong mạng viễn thông Việt Nam. Sự tiến bộ này do ứng dụng các công nghệ ghép kênh phân chia theo thời gian (TDM), ghép kênh phân chia theo bước sóng (WDM) và ghép kênh phân chia theo mã quang (OCDMA). Bài báo tập trung nghiên cứu kỹ thuật mã hóa biên độ phổ SAC trong hệ thống OCDMA. Hệ thống được thiết kế, khảo sát và mô phỏng trên phần mềm OptiSystem với các lần thực nghiệm về: khoảng cách, số người sử dụng hệ thống. Nghiên cứu này góp phần giải quyết vấn đề nâng cao hiệu năng cho mạng truy nhập quang đa bước sóng sử dụng công nghệ đa truy nhập phân chia theo mã quang OCDMA. Trong phần này, nhóm tác giả trình bày cụ thể và chi tiết hơn về FDI tại Việt Nam sau hơn ba thập kỷ dựa trên các tiêu chí bao gồm những sự kiện nổi bật, thực trạng và triển vọng. Việc khảo sát, đánh giá về kiểu hình cũng như kiểu gen là cần thiết nhằm làm tăng hiệu quả cho quá trình nhận dạng, phát triển và chọn tạo giống mới đối với cây trồng. Nguồn gen thuộc một số dòng bơ đã qua chọn lọc để canh tác được thu thập từ một số nơi trong địa bàn tỉnh Lâm Đồng để phân tích đa dạng di truyền và nhận dạng giống. Đặc điểm sơ bộ về hình thái quả và năng suất của 11 dòng bơ tiềm năng đã được ghi nhận để hỗ trợ cho cơ sở dữ liệu nhận dạng dòng. Với đặc trưng nhận dạng DNA thu nhận được với 10 mồi ISSR, chúng tôi thu được tổng số 125 band điện di trên gel để tiến hành phân tích đa dạng di truyền tập hợp 11 mẫu khảo sát đại diện cho 11 dòng trên, kết quả cho thấy: tập hợp mẫu có mức dị hợp trông đợi (chỉ số đa dạng gene) đạt He = h = 0,3072, chỉ số Shannon đạt: I = 0,4608, tỷ lệ band đa hình: PPB = 91,84%. Cũng sử dụng 10 mồi ISSR như trên, từ đặc trưng nhận dạng DNA của 18 mẫu đại diện cho 6 dòng bơ tiềm năng (mỗi dòng 3 mẫu), dựa trên sự xuất hiện hay thiếu vắng các ... The Image Conversion Program of Music Notation being Numeric Notation is a character recognition system that accepts input in form of music notation image that produces an output of a DOCX file containing the numeric notation from the input image. Music notation has notation value, ritmic value and written with a music stave. The system consists of four main processes: preprocessing (grayscale and thresholding), notation line segmentation, notation character segmentation, and template matching. Template matching is used to recognize the music notation that obtained after segmentation. The recognition process obtained by comparing the image with the template image that has been inputted before to the database. This system has 100% success rate on segmentation of the character and success rate 38,4843% on the character recognition with template matching. Tiếp nối các bài viết “Phân tích thống kê mô tả bằng SPSS - Phần 1: Thống kê trung bình” và “Phần 2: Thống kê tần số”, bài viết này sẽ chia sẻ cách sử dụng bảng kết hợp Custom Table và đọc kết quả Output. Bảng kết hợp Custom Tables trong SPSSBảng Custom Tables cho phép bạn tóm tắt dữ liệu thống kê SPSS và hiển thị các phân tích dưới dạng bảng chất lượng trình bày. Bảng cho phép chúng ta làm việc với đầu ra và trình bày kết quả khảo sát bằng cách sử dụng lồng ghép, xếp chồng nhiều danh mục với nhau. Ngoài ra, chạy bảng Custom Tables còn giúp mô tả được đặc điểm dữ liệu của nhiều biến và sự tương quan giữa các biến mà thống kê trung bình và thống kê tần số không thể hiện được. Điều này giúp người nghiên cứu phân tích hành vi, thái độ, đặc điểm của đối tượng nghiên cứu một cách sâu sắc hơn, tùy theo mục đích của nhà nghiên cứu hoặc người cần phân tích thông tin. Cách thực hiện bảng kết hợp Custom Tables trong SPSSSau khi kiểm tra các thông tin định tính về: giới tính, độ tuổi, học vấn….tiếp theo tiến hành tạo bảng Custom Tables trên SPSS. Bước 1: Mở bảng Custom Tables trên SPSS bằng cách vào Analyze -> Tables -> Custom Tables bấm mở bảng (Hình 1)  Hình 1. Các bước mở bảng Custom Tables Khi chọn Custom Tables sẽ xuất hiện bảng như Hình 2. Chọn OK để mở bảng. Hình 2. Xác định mở bảng Custom Tables Sau khi mở Custom Tables, chúng ta sẽ chọn các biến muốn kết hợp với nhau để tiến hành phân tích, mô tả. Trong bài này sử dụng biến Giới tính và Độ tuổi để phân tích số lượng và tỷ lệ % nhân viên Nam/Nữ theo từng độ tuổi đang làm việc trong cơ quan X. Bắt đầu thực hiện bằng cách kéo biến Giới tính (Gioitinh) vào cột Colums và Độ tuổi (Dotuoi) vào Rows (Hình 3). Hình 3. Khai báo các biến kết hợp Tiếp tục bấm vào cột Gioitinh (khi đó cột giới tính trong bảng sẽ chuyển sang màu vàng), nhìn xuống góc trái cuối bảng trong mục Define chọn Summary Statistics. Mở bảng Summary Statistics chọn Row N%. Bấm vào mũi tên (hoặc kéo Row N%) vào Display, sau đó chọn Apply to Selection (Hình 4). Hình 4. Khai báo tỉ lệ Row N% Trở về bảng Custom Tables cột phần trăm (%) sẽ được đưa vào như Hình 5. Bấm OK sẽ xuất hiện bảng Output. Hình 5. Cột tỉ lệ % đã được đưa vào Custom Tables theo các biến Bảng Output sẽ thể hiện kết quả phân tích số lượng Nam/Nữ theo từng độ tuổi đang làm việc ở cơ quan X với tỉ lệ % tương ứng. Ví dụ: với Nam và Nữ ở độ tuổi dưới 25, kết quả cho thấy có 3 nam (tỷ lệ 37,5%) và 5 nữ (tỷ lệ 62,5%) làm việc tại cơ quan này. Tức là ở độ tuổi này, số lượng nhân viên nữ cao gần gấp 2 lần số lượng nam nhân viên đang làm việc tại cơ quan X (Hình 6). Hình 6. Đặc điểm nhân viên đang làm việc tại cơ quan X theo độ tuổi và giới tính Ngoài ra, chúng ta có thể thêm vào mục Total để xem tổng quát số liệu và kiểm tra lại với số liệu ban đầu. Trong bảng Custom Tables chọn Giới tính, tiếp theo chọn mục Categories and Totals (bên dưới mục Sumary Statictics trong thao tác mở bảng đã thực hiện ở trên) và chọn Total bên góc phải, bấm Apply. Hình 7. Khai báo xem xét số liệu tổng quát về nhân viên đang làm việc tại cơ quan X theo độ tuổi và giới tính Thực hiện tương tự cho biến Độ tuổi. Trở về bảng Custom Tables bấm OK. Sau khi bấm OK, bảng Output sẽ hiển thị đầy đủ thông tin như Hình 8. Hình 8. Tổng quan về nhân viên đang làm việc tại cơ quan X theo độ tuổi và giới tính Khi muốn so sánh nhiều biến hơn, chúng ta thực hiện các thao tác tương tự (đưa các biến cần so sánh vào cột Colum hoặc Row, tùy theo mục đích nghiên cứu cần thiết. Hình 9 cho thấy việc kết hợp nhiều biến với nhau. Hình 9. Kết hợp nhiều biến (độ tuổi, học vấn, thời gian công tác) liên quan đến nhân viên đang làm việc tại cơ quan X theo giới tính Kết quả tại bảng Output (Hình 10). Hình 10. Tổng quan về nhân viên đang làm việc tại cơ quan X theo nhiều biến (độ tuổi, học vấn, thời gian công tác) và giới tính Từ bảng Output, chúng ta có thể dễ dàng nhận thấy: tại cơ quan X, số lượng nam giới chỉ chiếm 37,9%, ít hơn so với nữ (62,1%). Ở tất cả các độ tuổi, nữ nhân viên đều nhiều hơn so với nam giới. Phân tích tương tự cho các biến Học vấn (Hocvan) và Thời gian công tác (Tgcongtac). |
