因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受

对利用高炉处理烧结烟气同时脱硫脱硝脱二噁英技术的可行性进行了理论探讨,分析高炉内部还原二氧化硫和氮氧化物,以及分解二噁英的热力学条件,探讨烧结烟气代替空气鼓风对理论燃烧温度、风量、炉缸煤气、炉顶煤气和铁水硫含量的影响.结果表明:二氧化硫、一氧化氮和二氧化氮的最低平衡体积分数分别为1.84×10-13%、3.08×10-11%和3.72×10-21%,高炉内部还原二氧化硫和氮氧化物是可行的;高炉具有分解二噁英的有利热力学条件;烟气中二氧化硫和一氧化碳对理论燃烧温度的影响可忽略,氮氧化物能略微提高理论燃烧温度,二氧化碳体积分数增加1%,理论燃烧温度降低大约40.5℃,但通过降低鼓风湿度和提高富氧率等措施,能达到高炉正常生产时的炉缸热状态水平;随着烟气中二氧化碳含量的增加,风量、炉缸和炉顶煤气量都逐渐降低,炉缸煤气一氧化碳和氢气含量增加,炉顶煤气中一氧化碳、氢气、二氧化碳和水含量都增加,氮气含量显著降低;铁水硫含量与烟气二氧化硫含量成正比,但当二氧化硫质量浓度达到2000 mg·m-3,铁水中硫质量分数仅为0.025%,铁水质量仍合格.通过综合调节高炉操作参数,也可以实现烧结烟气代替空气鼓风进行高炉炼铁生产,达到脱硫脱硝脱二恶英的目的

压强低于一个标准大气压的稀薄气体空间称为真空．在真空状态下，由于气体稀薄， 分子之间或分子与其它质点之间的碰撞次数减少，分子在一定时间内碰撞于固体表面上的 次数亦相对减少，这导致其有一系列新的物化特性，诸如热传导与对流小，氧化作用少， 气体污染小，汽化点低，高真空的绝缘性能好等等．真空技术是基本实验技术之一，真空 技术在近代尖端科学技术，如表面科学、薄膜技术、空间科学、高能粒子加速器、微电子 学、材料科学等工作中都占有关键的地位，在工业生产中也有日益广泛的应用． 薄膜技术在现代科学技术和工业生产中有着广泛的应用．

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

首先介绍了氧气高炉的发展历程，早期的研究工作主要着眼于解决由于氧气代替空气鼓风而引起的“上冷下热”问题，并总结了各国研究者提出的氧气高炉流程及其主要特点。随后系统阐述了北京科技大学科研人员在氧气高炉工艺基础研究与工程技术开发方面所取得的主要进展。这些研究包括氧气高炉流程设计，含铁炉料还原与软熔，氧气鼓风及循环煤气喷吹条件下的煤粉燃烧，循环煤气加热过程中的物理化学变化等炉内反应与变化，以及在此基础上开展的回旋区及全炉数值模拟研究，为氧气高炉的工程化实施奠定理论基础。最后对氧气高炉的碳素流及节碳潜力进行了分析，并提出富氢碳氢循环氧气高炉将成为炼铁低碳化的重要发展方向

在650、680和710 ℃不同温度条件下对碳质量分数为0.66%的淬火高碳钢进行了石墨化处理，并利用场发射扫描电子显微镜、电子探针、X-射线衍射仪和透射电子显微镜对其石墨化过程的组织进行金相分析，以及利用组织转变动力学理论，绘制了其石墨化过程的动力学曲线，并建立了相应的动力学方程。研究结果显示：在石墨化过程中，淬火马氏体首先向析出碳化物的稳定状态转变，且在碳化物为渗碳体Fe3C时，石墨粒子析出速度开始明显增加；基体组织中针叶状α-Fe发生再结晶，由等轴状铁素体逐步代替针叶状的α-Fe；铁素体中的碳含量随着石墨化时间的延长而逐步降低，即由过饱和状态转变为稳定态，碳含量在石墨粒子中突变增为峰值，而铁含量则突变降为谷值，由此表明，渗碳体分解的碳向石墨核心扩散，铁自石墨核心处扩散出来，而形成石墨粒子；石墨粒子面积分数随时间变化的曲线呈S形状，即该动力学过程符合动力学模型JMAK（Johnson-Mehl-Avrami-Kolmogorov）方程，且该方程中的n值为1.5～1.7

采用溶胶-凝胶法制备TiO2、ZrO2和不同比例TiO2-ZrO2等载体，超声波浸渍负载一定量的Ce-Mn活性组分.通过扫描电镜、X射线衍射、X射线光电子能谱、傅里叶变换红外光谱和比表面积（BET）法对催化剂进行表征，并考察催化剂的氨气低温催化还原NOx的活性.结果表明，TiO2-ZrO2（3：1，摩尔比）载体为介孔材料，颗粒粒径较小且高度分散，比表面积高达151 m2·g-1.由于Zr4＋取代Ti4＋掺杂进入TiO2晶格内，导致其晶格畸变，抑制TiO2晶型转变，获得了良好的热稳定性，加之活性组分以无定形态存在，催化剂表面存在Ce3＋/Ce4＋氧化还原电对，从而提高催化剂的低温催化还原活性.在550℃下焙烧的催化剂10% Ce（0.4）-Mn/TiO2-ZrO2（3：1）的活性最高，其在140℃、体积空速67000 h-1的条件下，NOx的转化率达到99.28%.140℃时单独通入体积分数为10%的H2O以及同时通入体积分数为10% H2O和2×10-4 SO2，催化剂显示出较强的抗H2O和SO2中毒能力

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度