因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

YOLOv2在煤岩智能识别与定位中的应用研究

综采工作面煤层走向复杂，采用“一刀切”的开采方法会加速滚轮截齿的磨损，同时开采效率也大幅降低，对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位，同时与Faster R-CNN，SSD对煤岩图像的识别结果进行了对比。结果显示YOLOv2对煤岩的识别精度达到了78%，检测速度达到了63 frame/s，与Faster R-CNN，SSD相比精度高出7.7%，4.7%，而检测速度高出763%，40%；在矿井测量坐标系中YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0%～4.5%之间，相对误差较小，不会对采煤效率产生影响。研究结果表明，YOLOv2可以对煤岩进行准确快速的识别。     

SAMSUNG NV3豪华本色

三星的数码相机在设计上常常能令人眼前一亮，比如此前的i6的突出典线诱惑。而对于NV3来说，形容它的只有两个字：豪华。NV3彻底颠覆了三星数码相机一贯的设计风格，整体颜色是凝重的黑色，而不是我们通常认为时尚的银色。本来以为这种颜色在NV3上并不讨好，但实际拿到手中才发现这种豪华感超乎想象，再配上丝幽蓝的镜头环，     

发光二极管(LED)在照明市场中的光明前景制约LED在普通照明领域被接受的几个因素

尽管发光二极管将逐渐地成为明天的普通照明光源,但仍存在一些制约其被市场接受的因素.可以预见,被市场接受的速度是多方面的,主要原因是LED并非是能一对一地去替换常用的光源.这是因为人们不仅要求LED应成为具有高发光效率和使用寿命长的光源,而且还应该具有宽范围的真实颜色复现功能和合适的色温.     

基于DTW改进算法的孤立词识别系统的仿真与分析

传统的DTW算法在进行孤立词语音识别时着重于时间规整和语音测度的计算，而没有对数据的可靠性和有效性进行分析。本文提出了一种改进的端点检测算法，并采用一种改进的DTW算法，在计算机上进行了仿真。实验结果表明采用改进后的DTW算法有效的降低了识别时间和存储数据量，提高了系统性能。     

如何巧妙定制滚动条的颜色

在应用程序的用户界面设计过程中，应使设计出来的界面更美观，更吸引人。而MFC提供的框架窗口和各种控件的颜色只有灰色，颜色比较单一，当然，可以在程序中添加代码来改变这些窗口的原有颜色，使设计出来的用户界面更美观。下面将以滚动条为例，介绍如何为没有滚动条的框架窗口添加滚动条，并设置滚动条的颜色。     

基于压电陶瓷动态信息的结构裂纹识别方法

利用压电陶瓷的动态特性和压电系统的动态信息,对铝梁的裂纹损伤进行了分析研究。随着梁裂纹尺寸的增加,压电陶瓷片的导钠幅值下降,且系统固有频率减小。利用导钠幅值的变化和系统的动态信息,可以对裂纹的位置和尺寸大小进行识别。实验证明该方法的有效性。     

基于交会图和多元统计法的神经网络技术在火山岩识别中的应用

针对火山岩储层的特殊性(复杂性、离散性和随机性),应用BP神经网络技术对火山岩测井解释中岩性识别问题进行了研究。该方法的技术关键是样本集和初始权重的建立,以及模型的优选。本文提出了一种基于交会图和多元统计法的学习样本生成方法,即根据取心岩样的地球化学和岩石学研究,用交会图技术建立样本集,采用聚类分析和距离判别法确定初始权重。将研究方法应用在松辽盆地杏山地区火山岩岩性识别问题中,取得了很好的效果,岩性解释符合率高于90%。文中通过四种岩性识别处理模式的对比研究,表明赋权重处理模式为最优处理模型。在神经网络模型预测过程中,需充分利用已有的地质经验和测井曲线信息建立典型可靠的样本文件,同时考虑神经网络方法中各种因素的影响,优选模型和计算参数才能使预测结果符合实际情况。     

RHY 4202复合剂在中东基础油中的应用

本文主要介绍了RHY 4202齿轮油通用复合剂在大庆石蜡基础油和中东基础油中的应用。试验结果表明：中东油能调制GL—5车辆齿轮油，而大庆石蜡基油不能用于调制GL—5车辆齿轮油，需针对该基础油重新进行配方研究。