基于K-Means算法的SSD-Mobilenet模型优化研究

SSD-Mobilenet目标检测模型是将SSD和Mobilenet进行结合衍生出的一种轻量化模型,同时具备了两模型各自的优势,即多尺度检测和模型轻量化。在原模型中特征提取层使用了人为设置的先验框,这样的设置存在一定的主观性,并不适用于对特定场景下单一类别目标的识别与定位。为解决这一问题,本文提出了使用K-Means算法对目标真实框的宽高比进行聚类分析,提升模型在特定场景下对单一类别目标的检测能力,规避了人为设置的主观先验性。使用Pascal VOC 2007数据集对该模型进行训练和评估,实验结果显示,模型的mAP值比Fast RCNN提高了4.5%,比Faster RCNN提高了1.5%,比SSD-300提高了3. 4%,比YOLOv2提高了2. 4%。     

航海类大学生职业安全素质培养路径研究

职业安全素质是船员岗位能力的重要组成内容。航海类大学生是国际船员的后备力量，因此加强航海类大学 生安全素质培养以满足新时代船舶安全航行非常必要。在论述培养航海类大学生职业安全素质的重要意义和主要内涵的 基础上，从教授安全知识、提升业务能力、强化技能评估等方面提出了培养其安全素质的路径。     

工业生产中IF钢洁净度的控制

介绍了IF钢的生产工艺过程,分析了S、P、C、N等元素在IF钢冶炼过程中各工序的含量变化规律,并提出了相应的控制措施。通过工业试验研究了RH破真空后镇静时间对钢水纯净度的影响,认为镇静时间为30～40 min可使IF钢种全氧控制到最低。     

优化GD-模糊规则的滑坡预报模型研究

为了提高滑坡灾害预报准确率，改善传统的滑坡监测和预报中存在的参数选取困难及模糊控制系统作为预报模型精确度不高的问题，首先采用山体结构稳定性分析法进行滑坡灾害参数的选取，得出降雨量、含水率、土压力及岩土表面位移增量作为预报参数的结论；其次将选取的参数作为模糊系统的输入，建立滑坡灾害发生概率模型，并引入优化的GD算法修正预报模型中的动态参数，使模糊控制模型具有自适应性；同时与未优化的模糊控制模型以及单独模糊控制模型进行仿真对比，仿真结果表明，该控制算法收敛速度快，具有很好的收敛性；最后将该模型在某滑坡重点灾区实验区进行实验测试，实验结果显示该模型具有较好的收敛性，且预报精度达到90%。     

费-托蜡裂解混合α-烯烃齐聚制备润滑油基础油

以费-托蜡裂解产物120～170℃馏分为原料,采用银离子络合萃取法进行提纯精制;以精制后的混合α-烯烃为原料,BF_3为催化剂,正丁醇为引发剂制备聚α-烯烃(PAO)合成润滑油基础油。考察了反应压力、反应温度、反应时间和引发剂用量对PAO性能的影响。实验结果表明,精制后α-烯烃纯度由63.56%(w)提高到95.25%(w);在反应压力0.4 MPa、反应温度25℃、反应时间3 h、引发剂用量0.1%(w)的条件下,PAO的收率为97.16%,100℃的运动黏度为6.05 mm~2/s,黏度指数为146,倾点为-62℃,产物中三聚体和四聚体含量为70.45%(w),支化度为0.159 5。     

复合固体酸催化剂催化合成聚甲氧基二甲醚

引入Zn、Ni、Mn和Al等第二组分对SO_4~(2-)/Fe_2O_3催化剂进行改性,考察了不同催化剂组成对合成聚甲基二甲醚反应的影响。结果表明,Zn改性的催化剂表现出最佳催化活性,甲醇转化率达到54.99%,PODE_(1-6)选择性为98.49%,PODE_(3-6)选择性为18.48%。采用X射线衍射(XRD)、氮气吸附脱附(BET)、X射线能谱(EDS)和氨程序升温脱附(NH_3-TPD)对复合固体酸催化剂进行了表征。结果表明:第二组分的引入使得催化剂形成新的晶粒,Zn和Mn的引入使得催化剂的表面积有所增加,Zn和Al的改性使得催化剂形成了有助于PODE_n链增长的强酸中心。SO_4~(2-)/Fe_2O_3-ZnO由于拥有较强酸密度的强酸中心,在所有的催化剂中表现出最佳的催化活性。     

基于K-means聚类算法优化方法的研究

针对传统K-means聚类中存在的一系列问题,文中提出了一种基于K-means聚类的改进算法。该算法首先利用K-means++聚类从数据中选择K个距离尽可能远的对象作为初始聚类中心,然后利用K-mediods聚类选择数据样本的中位数作为聚类中心的对象,最后与两步聚类结合。通过对几个常用UCI标准数据集进行仿真实验,结果表明该算法比传统算法更优。