Fe-Mn-Si系形状记忆合金中热诱发εM的单元结构及生长特性研究

用透射电子显微镜观察了Fe—17Mn—10cr-5si-4Ni合金中热诱发ε马氏体(εM)的组成结构，探讨了εM生长特性．实验表明，合金中较大尺寸的热诱发εM具有由生长取向大致相同的单元以首尾相接方式组成的结构特点．层错带平行分布的体系中εM具有促发形核、接续长大的生长特性．     

SIMA制备半固态LYll合金的工艺研究

研究了应变诱发熔化激活法(SIMA)制备半固态LYll合金过程中的变形温度、变形速度、等温温度和保温时间等工艺参数对LYll合金组织演变的影响。研究结果表明，要获得均匀、细小的非枝晶组织，必须合理地匹配SIMA工艺参数。     

1Cr18Ni9Ti超高强度不锈钢丝的微观组织分析

分析了超高强度奥氏体不锈钢丝在多道次拉拔过程中的组织变化。结果表明，当拉拔变形量大于30％时，组织中开始出现形变马氏体，且变形量越大形变马氏体数量越多，尺寸越小：并分析了拉拔时产生形变马氏体的原因。     

304不锈钢应变诱发α''''马氏体相变及对力学性能的影响

借助于C射线衍射，研究了C、Mn、Cr和Ni含量对304奥氏体不锈钢拉伸力学性能和应变诱发马氏体相变倾向的影响。结果表明：C、Mn、Cr和Ni在允许的成分范围内变化，应变诱发α’马氏体相变倾向差异很大，这导致屈服强度和抗拉强度复杂的变化，尽管应变诱发α’马氏体相变使加工硬化速率提高，相变可以诱发塑性，但相变速率较快，相变倾向较大的钢塑性反而下降，此外，由于室温变形还增大热诱发马氏体相变倾向，从而限制了C、Mn、Cr和Ni下限钢在高精度和低温环境下构件的应用。     

论大学教师修养

大学教师修养是大学教师主体自主自觉长期不断地进行理想人格自我建构的社会实践活动，大学教师理想人格范型为具有德高、学高、情智高、事功高特征的人文与科学大师，是科学（学术）大师，教学大师和思想大师三者的统一体。大学教师修养过程是大学教师主体内化与外化交互作用的过程，也是大学教师主体不断超越现实我、趋向理想我的终身实践过程。进行科学（学术）研究活动、教书育人活动和社会文化批判活动是大学教师修养的根本途径和方式方法。     

AZ91D合金SIMA形变组织与共晶熔化激活能的研究

研究了SIMA法制备半固态AZ91D镁合金坯料过程中形变率对形变组织的影响, 并采用DSC技术研究了形变率与共晶熔化激活能的关系.结果表明:随着形变率的增大,合金的原始组织由树枝晶演变为碎块晶,晶粒内存在位错、孪晶缺陷;合金的共晶熔化激活能随形变率的增大而变小,当形变率达到40%时,共晶熔化激活能下降很少;共晶熔化开始温度随形变率的增大略有下降.     

基于动作识别的情绪提取方法研究

基于运动数据的动作识别技术是当今计算机视觉和模式识别研究领域的热点问题,然而根据动作识别结果进行人体情绪提取的研究却较少。为此,在现有人体行为学研究的基础上,结合计算机图形学、人工智能和机器学习等技术,得出一套关于人体情绪的数据集合,包括开心、愤怒、悲伤、恐惧4种基本情绪和惊喜、厌恶2种衍生情绪。从动作的角度分析这6种情绪得到动作,即情绪关系,按照动作识别的划分基准,将Period作为情绪提取的最小单位,确定单个Period的情绪列表,再结合动作和速率的参数,提取出在执行该动作时人体的情绪。实验结果表明,该方法能够有效地从3D运动数据中提取情绪信息。     

一种语句级细粒度情感倾向性分析算法研究

针对中文语句的细粒度情感倾向分析问题,构建一个细粒度情感词库。对所含词语进行权重值的计算,并结合中文语句的句式、情感词修饰方法等特点,提出一种基于词库权重、句式权重、修饰权重相结合的语句级细粒度情感倾向性分析算法。实验结果表明,该算法可以准确计算出评论语句的情感倾向值,为进一步研究语句级细粒度情感倾向分类提供了重要的参考依据。     

多智能体环境下的情绪决策模型?

建立一种基于情绪的Nash-Q决策模型,它由认知层和情绪层组成。认知层模型由Nash-Q算法实现,情绪层建立在情绪记忆和评价理论之上,由高兴、伤心、恐惧、厌烦组成情绪空间,建立相应刺激与情绪映射模型、情绪与行为动作映射模型、每种情绪下的动作信任度评价模型。将文中模型应用到两智能体网格决策实验中,结果表明情绪层的引入可加快收敛速度,同时能有效防止陷入局部最优,更好兼顾在线学习的“保守”和“探索”平衡。     

多维数据特征融合的用户情绪识别

针对目前基于智能手机的情绪识别研究中所用数据较为单一,不能全面反应用户行为模式,进而不能真实反应用户情绪这一问题展开研究,基于智能手机从多个维度全面收集反应用户日常行为的细粒度感知数据,采用多维数据特征融合方法,利用支持向量机(support vector machine,SVM)、随机森林(random forest)等6种分类方法,基于离散情绪模型和环状情绪模型两种情绪分类模型,对12名志愿者的混合数据和个人数据分别进行情绪识别,并进行了对比实验。实验结果表明,该全面反应用户行为的多维数据特征融合方法能够很好地对用户的情绪进行识别,其中使用个人数据进行情绪识别的准确率最高可达到79.78%,而且环状情感模型分类结果明显优于离散分类模型。