局部颜色特征与工艺参数融合的铜浮选入矿类型识别

针对铜浮选过程中矿源变化频繁而造成的浮选工况难以识别、生产过程不稳定等问题,在分析铜浮选流程特点的基础上,提出了一种局部颜色特征与关键工艺参数融合的铜浮选入矿类型识别方法.首先采用多元图像处理方法提取泡沫图像局部颜色特征,然后采用混合滤波、时间配准算法将其与关键工艺参数进行数据融合,最后用融合后的混合特征进行模糊聚类,得到隶属度矩阵和聚类中心.工业数据仿真结果验证了本文所提方法的有效性.     

硅烷交联聚乙烯电缆料抗预交联添加剂的研究

研究了抑制硅烷交联聚乙烯电缆料预交联反应的方法。测试不同储存时间下的硅烷接枝聚乙烯的熔体流动速率和硅烷交联聚乙烯电缆料在挤出机中停留不同时间后挤出物的表面状况、凝胶含量等。实验结果表明,抗预交联添加剂SRA能有效地抑制硅烷接枝聚乙烯在储存和挤出加工过程中的预交联反应,提高硅烷交联聚乙烯电缆料的挤出加工性。     

基于威布尔分布和支持向量机的滚动轴承故障诊断方法

提出了一种基于威布尔分布模型和支持向量机的滚动轴承故障诊断方法。首先对滚动轴承原始振动信号建立威布尔分布模型,提取其形态参数和尺度参数构建表征轴承运行状态的特征向量,然后将提取的特征向量输入支持向量机分类器进行故障诊断和识别。分别与基于小波分解和小波包分解特征提取的支持向量机诊断方法进行滚动轴承故障试验仿真比较,结果表明,基于威布尔分布模型特征提取的支持向量机诊断方法具有更高的故障识别准确率。     

基于视觉注意力模型的红外人体图像兴趣区域提取*

由于红外人体图像所处背景的复杂性,使用阈值分割定位红外人体图像往往把大量的非人体图像一起分离出来,这给后续工作带来了巨大的计算量.研究了红外人体图像的典型特点和人眼视觉判断人体轮廓图像的敏感特征,使用该特征建立了简单的人眼视觉对人体的注意力模型,并构建特征判别概率函数,对待定目标进行概率的估算,最终使用该模型快速地剔除非人体红外图像的干扰,并准确地定位人体兴趣区域.     

基于深度学习的语言模型研究进展

语言模型旨在对语言的内隐知识进行表示,作为自然语言处理的基本问题,一直广受关注．基于深度学习的语言模型是目前自然语言处理领域的研究热点,通过预训练-微调技术展现了内在强大的表示能力,并能够大幅提升下游任务性能．本文围绕语言模型基本原理和不同应用方向,以神经概率语言模型与预训练语言模型作为深度学习与自然语言处理结合的切入点,从语言模型的基本概念和理论出发,介绍了神经概率与预训练模型的应用情况和当前面临的挑战,对现有神经概率、预训练语言模型及方法进行对比和分析．我们又从新型训练任务和改进网络结构两方面对预训练语言模型训练方法进行详细阐述,并对目前预训练模型在规模压缩、知识融合、多模态和跨语言等研究方向进行概述和评价．最后总结语言模型在当前自然语言处理应用中的瓶颈,对未来可能的研究重点做出展望．     

关于建设工程安全监理工作的思考

监理单位和监理人员,在履行工程质量监理的同时,必须履行好安全监理的职能,掌握好国家的有关安全质量监理的职责、程序与内容,严格按规范标准实施安全监理,并把安全监理工作贯穿于施工的全过程。具体在施工安全监理工作中做到四个注重:1、注重监理工作的超前性;2、注重监理工作的及时性;3、注重监理工作的原则性;4、注重监理工作的主动性。     

熔滴过渡小型光谱传感器

光谱信息是目前所发现的反映焊接熔滴过渡的最佳信息源，但是基于光谱仪的熔滴过渡信号检测系统不能用于在线实时控制。基于光谱信息检测思想，开发了小型实用的光谱传感器。章详细介绍了该熔滴过渡小型光谱传感器的设计思想和具体设计结构，并进行了理论探索，给出了小型光谱传感器的实际结构和在线应用情况。     

高钒高速钢碳化钒形态的数值化分析

针对碳化钒的不同形态,设计出定量分析软件,并利用形状因子K,实现了高钒高速钢不同碳化物形态数值化处理,当K介于0.785～1.000之间碳化钒形态为团球状;K≤0.223,碳化钒呈开花状.高钒高速钢当碳含量达到4.2%时,K为0.86和当量直径D为0.78μm,碳化物呈团球状均匀分布.     

基于人工免疫算法的增量式用户兴趣挖掘

了解用户兴趣是为用户提供个性化服务的关键.用户兴趣有短期兴趣和长期兴趣之分,且具有不稳定性.受人工免疫系统的启发,巧妙地将免疫应答过程应用于用户兴趣挖掘.首先将概率与时间相结合,提出“概念时序动态”的概念,以更好地刻画用户在一段时间内对同一兴趣的关注程度;然后基于人工免疫原理,建立抽取兴趣标签的分类器来提取用户兴趣标签;最后针对增量式学习,建立兴趣标签的“概念时序动态”,刻画出用户兴趣自首次出现以来受关注的程度,以此为依据来判断兴趣是否存在迁移及遗忘现象,并为每个兴趣标签附上权重.其主要贡献是创造性地将人工免疫原理应用于用户短期兴趣和长期兴趣的挖掘,并具有增量特性,可以很好地体现用户兴趣迁移特征,是一种自然完整的用户兴趣模型.实验结果表明,该学习模型能够很好地发现用户关注的领域,其平均精度和召回率分别达到79.5％和74.4％,是目前最贴近用户的兴趣挖掘模型.