超像素分割算法研究综述

超像素能够捕获图像冗余信息, 降低后续处理任务复杂度, 已受到了国内外研究者的日益关注。首先分析了超像素分割领域的发展现状, 以基于图论的方法和基于梯度下降的方法为视角, 对现有超像素分割方法进行归纳和论述。在此基础上, 就目前常用的超像素分割算法进行了实验对比, 分析各自的优势和不足。最后, 对超像素分割技术的最新应用进行了介绍和展望。     

2005年2月份平板玻璃企业产、销、存、价情况

2005年2月汇总平板玻璃企业42家。生产平板玻璃2091．87万重量箱，比上年同期增长11．71％；累计生产平板玻璃4189．27万重量箱，比上年同期增长13．06％；本月销售平板玻璃1612．01万重量箱，比上年同期下降10．68％；累计销售平板玻璃3364．24万重量箱，比上年同期增长3．08％；本月平板玻璃销售率为77．06％，比上月下降6．51个百分点。累计销售率为80．31％。月末平板玻璃库存1576．12万重量箱，比上年同期增长30．31％。     

河北实施农药减量控害行动计划

河北省农业厅印发了《关于组织实施河北省农药减量控害行动计划的通知》，决定实施农药减量控害行动计划。通知要求，高毒、高残留农药的使用量由目前占农药年消费量的50％下降到5oA以下，农药使用量同比下降10％，农药利用率提高5％以上，农产品农药残留超标率整体降低到5％以下。     

各有特色 笔记本的拆解与清洁

目前笔记本电脑已经成为市场主流．尽管它们的结构比台式机更加紧密．配件也选用低功耗产品．但经过几年的使用后．内部积尘、风扇效率下降、散热膏老化等问题还是会让笔记本电脑出现不稳定的问题．其中比较明显的仍然是散热不良。尽管目前的设计趋向于类似化．但各品牌笔记本各型号电脑的不同设计思想,让它们在盖板设计和内部元件的连接方式方面还是有比较明显的差别。希望这些例子能给大家带来启示。     

基于多信息融合的双进双出磨煤机料位检测

针对双进双出磨煤机料位检测难题,提出了一种基于多信息数据融合的双进双出磨煤机料位检测方法.该方法将粗糙集（RST）和径向基（RBF）神经网络相结合,利用粗糙集数据简约和规则抽取特性,有效地去除大量冗余数据.利用RBF神经网络函数逼近能力更强和收敛速度更快等优点,引入带遗忘因子的梯度下降算法来整定RBF神经网络参数,简化了神经网络结构,提高了神经网络的学习效率,同时拥有自学习和容错能力,从而有效地保证了数据融合的快速收敛性和稳定性.实验结果表明,在料位检测过程中,将两种智能算法相结合所构成的融合系统,能使双进双出磨煤机准确地完成复杂环境的料位检测任务.     

2004年中国农药使用情况稳定

根据30个省的作物保护中心得出的结论，2004年中国农药需求量预计达到26万t，杀虫剂的使用量会有所下降，而杀菌剂、除草剂和植物生长调节剂的需求将增加，与上年相比，总用量变化不大。     

变换系统设备改造小结

河北宣化化肥厂年产合成氨100kt、尿素140kt，1996年6月利用大修机会，将变换系统中串低变工艺改造为全低变工艺。改造后，变换系统吨氨蒸汽消耗由1．1t下降到0．5t，系统阻力下降0．1MPa左右，腐蚀明显减轻，操作弹性变大。但随着生产负荷逐渐加大，部分设备出现了“小马拉大车”的现象，     

德士古气化炉支撑板温度高的原因及解决办法

对造成德士古水煤浆气化装置频繁发生支撑板温度高的原因——炉温控制不当、下降管结渣、激冷水水膜分布不均、灰水硬度高和变换冷凝液pH高等进行了认真分析，提出了相应解决办法。采取提温操作、控制激冷水流量及激冷水环下加导流板等措施，大大降低了支撑板温度高发生的频率。     

黏度对锥阀空化动态特性的影响机制北大核心CSCD

针对黏度对锥阀空化特性的作用机理尚未明确的问题,对水压锥阀及油压锥阀空化射流进行三维动态数值模拟,分析造成其动态行为差异的流场行为,研究黏度对锥阀空化动态特性的影响机制。结果表明,油压锥阀与水压锥阀均同时存在漩涡空化及附着型空化,并且空化诱发机制基本一致。油压锥阀的转捩过程较为缓慢,其漩涡空化结构具有明显的拟序性;而水压锥阀则具有明显的三维特性。水压锥阀空化射流的剪切层厚度仅为0.01 mm左右,阀芯表面的片状漩涡结构源于近壁面剪切效应;而油液射流的剪切层厚度则大10倍以上,油压锥阀近壁面链状漩涡空化与射流核的局部分离流现象有关。在阀芯后沿处,水压射流的近壁面剪切强度是油压射流的3倍,水压锥阀附着型空化卷入部分漩涡空化,而油压锥阀附着型空化则被卷进漩涡空化。     

对抗样本三元组约束的度量学习算法

针对已有三元组约束的度量学习算法大多利用先验知识构建约束,一定程度上制约了度量学习算法性能的问题,本文借鉴对抗训练中样本扰动的思想,在原始样本附近学习对抗样本以构造对抗三元组约束,基于对抗三元组和原始三元组约束构建了度量学习模型,提出了对抗样本三元组约束的度量学习算法(metric learning algorithm with adversarial sample triples constraints,ASTCML)。实验结果表明,提出的算法既克服了已有固定约束方法受先验知识影响大的问题,也提高了分类精度,说明区分更加难以区分的三元组约束能够提升算法的性能。