不锈钢板热处理过程温度测定及模拟计算

根据不锈钢板热处理过程的温度变化测定，考察了钢板头部横向和厚度方向的温度差别，采用有限元法拟合计算了炉内热交换参数，模拟计算了不同厚度的钢板升温至固溶温度所需时间。     

非连续增强铝基复合材料的环境行为

综述了国内外对非连续增强铝基复合材料的环境行为的研究,包括腐蚀形貌和机理、腐蚀电化学、应力腐蚀断裂和氢脆.     

组织状态对循环冲击及非冲击载荷下裂纹扩展的影响

本文对10~#钢和45CrNi合金钢的几种组织状态分别进行了冲击疲劳及非冲击疲劳裂纹扩展试验,结果表明:45CrNi的组织状态对冲击疲劳裂纹扩展的影响较对非冲击疲劳的大;10~#钢的组织状态对两种载荷下的裂纹扩展基本上无影响。结合微观机制和载荷特性,讨论了组织因素对冲击、非冲击疲劳裂纹扩展的影响。     

基于SPI双机通信的弧光保护系统

针对弧光保护系统的实际需要,设计了一种基于SPI的双机通信系统。简要阐述了该系统的设计思路,并给出了具体的实现方法。实验表明,采用该方法能够满足实际工程中的需求,对于其他SPI的应用也有很好的借鉴价值。     

基于结构组稀疏表示的遥感图像融合

目的 稀疏表示在遥感图像融合上取得引人注目的良好效果,但由于经典稀疏表示没有考虑图像块与块之间的相似性,导致求解出的稀疏系数不够准确及字典学习的计算复杂度高。为提高稀疏表示遥感图像融合算法的效果和快速性,提出一种基于结构组稀疏表示的遥感图像融合方法。方法 首先,将相似图像块组成结构组,再通过组稀疏表示算法分别计算亮度分量和全色图像的自适应组字典和组稀疏系数;然后,根据绝对值最大规则进行全色图像稀疏系数的部分替换得到新的稀疏系数,利用全色图像的组字典和新的稀疏系数重构出高空间分辨率亮度图像;最后,应用通用分量替换（GCOS）框架计算融合后的高分辨率多光谱图像。结果 针对3组不同类型遥感图像的全色图像和多光谱图像分别进行了退化和未退化遥感融合实验,实验结果表明：在退化融合实验中,本文方法的相关系数、均方根误差、相对全局融合误差、通用图像质量评价指标和光谱角等评价指标比传统的融合算法更优越,其中相对全局融合误差分别是2.326 1、1.888 5和1.816 8均远低于传统融合算法;在未退化融合实验中,除了在绿色植物融合效果上略差于AWLP（additive wavelet luminance proportional）方法外,其他融合结果仍占有优势。与经典稀疏表示方法相比,由于字典学习的优越性,计算复杂度上要远低于经典稀疏表示的遥感图像融合算法。结论 本文算法更能保持图像的光谱特性和空间信息,适用于不同类型遥感图像的全色图像和多光谱图像融合。     

用能量法分析体外预压力对简支梁动力性能的二阶效应

精细地考虑了体外筋变形中的二阶项,用能量法推导了体外预应力梁的自振频率,阐明了体外预压力对梁自振频率的效应.计算结果表明:体外预压力压缩软化效应的影响系数,主要取决于转向座的数量.无转向座时,体外筋偏心距损失为最大,影响系数为1,体外预压力的效应与外轴力的效应相同.随着转向座数量的增加,偏心距损失减小,体外筋接近于无粘结筋,影响系数降低至接近于0,即接近于无粘结筋预压力的零效应.当梁转向座的数量≥2时,由于影响系数显著地小于1,可以忽略体外预压力的压缩软化效应.随着体外筋面积和偏心距的增加,梁的第1自振频率增大.不过,体外筋对其他阶自振频率的影响很小,可以忽略.     

聚类算法在高脂血症辨证分型研究中的应用

高脂血症的辨证分型标准化研究是中医基础研究的热点与难点,利用计算机挖掘技术中的聚类算法对高脂血症临床中医症状数据进行分析,得到具有统计学意义的分类结果,同时寻找其与中医证候相对应的关系具有重要研究价值.通过编写适用于中医证候分类的聚类算法并提供设置相似度阈值等交互界面,实现了大规模样本的自适应分类,从而使聚类结果更加科学客观.将得到的每个类别中所对应样本的病症特征与所属中医的证候类别联系起来,为辨证分型标准化奠定了基础.     

超球体多类支持向量机理论

目前的多类分类器大多是经二分类器组合而成的,存在训练速度较慢的问题,在分类类别多的时候,会遇到很大困难,超球体多类支持向量机将超球体单类支持向量机扩展到多类问题,由于每类样本只参与一个超球体支持向量机的训练.因此,这是一种直接多类分类器,训练效率明显提高.为了有效训练超球体多类支持向量机,利用SMO算法思想,提出了超球体支持向量机的快速训练算法.同时对超球体多类支持向量机的推广能力进行了理论上的估计.数值实验表明,在分类类别较多的情况,这种分类器的训练速度有很大提高,非常适合解决类别数较多的分类问题.超球体多类支持向量机为研究快速直接多类分类器提供了新的思路.     

遥感图像非监督计算机分类方法的研究

通过对几种常用的非监督计算机遥感图像分类方法,如k-means、层次聚类和神经网络的分析研究发现,由于这些方法不能克服数据噪声点的影响,输出结果对输入参数依赖性较大,使其对图像的分类效果受到影响。为了提高图像的非监督分类效果。本文提出了一种基于密度和自适应密度可达聚类算法。实验分析表明,与常用的分类方法相比,该算法具有良好的分类效果。