基于信息熵的RVM-AdaBoost组合分类器

针对AdaBoost算法不能有效提高RVM分类性能的问题,提出一种基于信息熵的RVM与AdaBoost组合分类器。依据RVM输出的后验概率来定义样本的信息熵,信息熵越高的样本越容易错分。提出使用自适应信息熵阈值对数据进行筛选,筛选出的数据使用基于AdaBoost算法的集成分类器进行分类,样本的分类结果由RVM与集成分类器组合给出。把未筛选出且分类错误的极少样本作为噪声对待,增强了组合分类器的稳定性,避免了随着AdaBoost算法迭代次数增加集成分类器出现退化的现象。使用UCI数据集从分类正确率、分类效率和稳定性三方面对提出的组合分类器进行验证,实验结果表明了此分类器的有效性。     

历史的延续Neya Porto酒店

Neya Porto酒店坐落于葡萄牙蒙希克(Monchique),它由Madre Deus修道院和建于16世纪的旧工业仓库改造而成.整个建筑毗邻圣方济各堂(Church of Sao Francisco),步行15分钟即可抵达自由广场(Liberdade Square),距离波尔图历史中心阿尔凡德加(Alfandega...     

高端海洋油气装备制造“5G智能工厂”解决方案

<正>1目标和概述传统海洋油气装备制造属于劳动密集型产业,具有产品类型多、制造工序长、定制化比例大、标准化程度低等显著特点,其各生产环节的数据碎片化现象严重,实现数字化、智能化难度极大,这成为制约行业质量效率提升的重要瓶颈。海洋石油工程股份有限公司(以下简称海工)的传统生产车间多采用人工装配工艺和传统工业以太网通讯模式,生产过程中占用大量人力资源和固定网络通讯手段,产品品质一定程度上依赖工人的主观责任心和技术水平。在疫情冲击下,海工在生产制造过程中的问题越发突出,成为海工提质增效的关键瓶颈。     

不同工艺参数对微弧氧化医用纯锌表面微观组织和性能的影响

目的 通过控制微弧氧化工艺参数来优化纯锌的耐蚀性,以实现临床降解的可控性.方法 通过设置正向电压、反应时间、占空比、负向电压和分段处理等,在纯锌表面制备微弧氧化膜层.利用扫描电镜(SEM)观察膜层的表面形貌和截面厚度,结合能谱仪(EDS)和X射线衍射仪(XRD)分析膜层元素和相结构,采用表面张力测量仪和电化学极化曲线分...     

球团焙烧过程工艺模拟研究及应用——料层热质传输模型

为了进一步探明球团焙烧过程中料层内部的热质传输特征以及反应进程，本文基于质量与热量传输定律，建立包括静止料层和滚动料层的热质传输模型，并对料层中发生的水分蒸发、磁铁矿与硫的氧化、结晶水及碳酸盐的分解、固定碳燃烧等物理化学现象分别建立动力学模型。结果表明：利用嵌入了反应动力学模型的静料层热质传输模型可以较好地模拟链箅机、环冷机和带式焙烧机等静料层的焙烧过程，利用嵌入了反应动力学模型、物料运动和燃烧模型的回转窑一维传热模型可以较真实地模拟回转窑内滚动料层的传热过程。     

废弃复材树脂高值化利用：超级电容器电极应用

近年来，废弃碳纤维复合材料数量急剧增加，对人类的生存环境造成了严重破坏。为了实现废弃复材中树脂的高值化利用，本研究采用一步碳化法制备了废弃树脂基碳材料，研究了碳化温度对碳材料结构与性能的影响，并将碳材料制备成超级电容器电极，研究电极的电化学性能。分别采用扫描电子显微镜(SEM)、比表面积测试仪、傅里叶红外光谱仪(FTIR)、X射线光电子能谱(XPS)、拉曼测试仪(Raman)、差示扫描量热仪(DSC)和热重分析仪(TGA)对碳材料的表面形貌、孔性能、化学组分、石墨化程度以及形成原理进行了分析。结果表明：当碳化温度为800℃时制备的碳材料具有分级多孔的结构，孔性能和石墨化程度达到最佳，所制备的超级电容器电极表现出优异的电化学性能，在1 A/g电流密度下比电容高达299 F/g,经10 000次充放电循环后，比电容仍高达296.6 F/g,循环稳定性优异。     

冷热气流混合容腔温控系统建模及特性分析

面向高超声速飞行器总温模拟装置的冷热气流混合容腔温控系统主要由等离子加热器、电-气伺服阀、混合容腔等组成，存在难以建立精确数学模型、系统特性复杂等问题，从而导致开展气流温度控制方法研究难度较大。首先基于机理建模法建立混合容腔、电-气伺服阀数学模型，然后利用受控自回归滑动平均模型对等离子加热器进行开环离线辨识，从而得到系统的数学模型，并基于MATLAB/Simulink搭建仿真模型，通过PID控制策略分析了混合容腔内冷热气流混合过程其出口气流温度的动、静态特性。同时通过实验与仿真结果对比，验证了冷热气流混合容腔温控系统数学模型的准确性，为气流温度控制方法的研究提供理论基础。     

基于解的空间约束的超声前列腺图像分割算法

超声前列腺图像分割是一项极具挑战的任务，目前传统检测算子面对灰度对比不显著的部位难以去辨别，神经网络则忽视了超声图像信噪比低的影响且消耗大量算力。为解决以上问题提出一种高效的基于解的空间约束的超声前列腺图像分割算法，将分割问题转化为求边界点问题，首先对法向量算子改进，改善其检测能力；然后使用降噪自编码器根据形状约束克服噪声优化解的空间；最后引入迭代算子将解的范围限制在极小的区域实现精准分割。实验表明，模型交并比型(IoU)达94.4%,DSC值约97.05%,精度高于当前热门的神经网络算法，且更轻量化。