粉煤灰基矿物聚合材料抗压强度与其物相关系研究

本文以粉煤灰、矿渣、铁尾矿为原料制备矿物聚合材料,以7d抗压强度为指标,对主要影响因素进行了四因素三水平正交试验,表明当粉煤灰/矿渣=80％/20％,尾矿掺量=20％,液固比=0.22,NaOH/水玻璃=60％/40％时,所得粉煤灰基矿物聚合材料制品7d抗压强度可达100.67 MPa,并以试验验证之.在此基础上,利用扫描电镜和X射线分析方法,对不同抗压强度的制品进行了微观结构和物相分析,结果表明,制品中非晶相的含量与粉煤灰基矿物聚合材料的抗压强度关系密切,随着制品中菲晶相物质含量增加,制品7d的抗压强度也在逐步增加.该研究为粉煤灰基矿物聚合材料的材料设计提供了基础数据.     

代价敏感学习中的损失函数设计

一般的学习算法通过最小化分类损失使分类错误率最小化,而代价敏感学习则以最小化分类代价为目标,需构造代价敏感损失.本文探讨代价敏感损失的设计准则,首先介绍基于代价敏感风险优化的代价敏感学习方法,然后在Bayes最优分类理论框架下,提出两条代价敏感损失设计准则.接着采用两种常用代价敏感损失生成方法构造平方损失、指数损失、对数损失、支持向量机损失等经典损失函数的代价敏感扩展形式.根据所提出的设计准则,从理论上分析这些代价敏感损失的性能.最后通过实验表明,同时满足两条设计准则的代价敏感损失能有效降低分类代价,从而证明了本文提出的代价敏感损失设计准则的合理性.     

LiDAR强度校正方法研究综述

激光雷达（Light Detection And Ranging,LiDAR）通过扫描物体目标能够获取海量的离散点云。而强度作为点云最重要的特征之一,在一定程度上反映了物体表面的辐射特性。但受多种因素影响,原始强度信息变异性较大,通常需要被校正才能更好地应用到各个领域。首先详细综述了强度在林业遥感、测绘工程、地物分类和海洋环境勘测等领域的应用,分析了强度校正的必要性;其次,从大气衰减效应、扫描仪特性、目标表面参数和数据采集几何等角度深入阐述了影响强度的主要因素;接着,探讨了强度校正基本理论,对常用的理论和经验校正方法进行了总结,并把强度校正分为两个层次：正规化和辐射校准;最后,指出了强度校正技术亟待解决的一些问题。