针对传统医疗手段无法有效量化评估手术中不同硅油加注量对于视网膜裂孔贴附效果的问题，本文提出一种面向视网膜脱离手术的硅油填充模拟方法，基于物理建模与计算机数值离散化技术对眼内受力、硅油填充状态进行分析，并对填充模拟过程进行三维模型构建与可视化，实现医疗过程决策辅助目的。首先对人类眼球与手术器具进行基础建模与模型采样，模拟手术流程中眼球状态；然后，根据水与硅油的密度、黏滞系数、表面张力等不同物理性质，对水?硅油两相流动及交互进行模拟；最后，构建固液交互模型，实现多相液体在眼球中的运动与填充。实验结果表明，本文方法能够较好地呈现眼球内多相流体运动交互效果，实现了诸如表面张力、固液耦合、液体分层、连通器效应等效果，实现了对眼内腔中通过导管注入硅油与排出水分流程的模拟，为预测硅油填充后的眼内状态提供了一种有效的方式，辅助医生进行手术流程规划与效果预测

针对电化学修复技术导致修复后结构内钢筋混凝土黏结性能退化问题，通过中心拉拔实验获取电化学修复后钢筋混凝土黏结滑移曲线，研究电化学修复参数（电流密度和通电时间）对钢筋混凝土黏结性能的影响规律，通过实验结果进行模型参数分析，建立基于电流密度和通电时间两个控制变量的黏结强度劣化模型。研究结果表明：电通量较小的情况下，钢筋混凝土黏结性能损失较小；不控制通电参数的电化学修复技术导致黏结强度下降明显，采用5 A·m–2的电流开展28 d的恒电流通电，试件的最大黏结力损失量高达56.9%；本文提出的劣化模型可以定量表征电化学修复后试件黏结强度折减情况，模型的数值模拟结果与本文及其他文献的实验结果均有较好的一致性，相关系数分别为0.9606和0.9745

超疏水表面是具有独特性能的一类表面，本身就具有广泛应用前景。石墨烯材料作为理化性质出众的一类材料，由于其高电导率、高导热系数、高比表面积、高透光率和有优异的机械性能，广泛应用于航空航天、石油化工、海洋船舶等领域。目前，基于石墨烯材料构建超疏水表面，是超疏水表面研究中一个较新的方向。本文对超疏水表面的原理进行了概述，重点总结归纳了石墨烯基超疏水材料制备技术的研究现状，包括表面修饰法、沉积改性法、激光诱导法、涂覆法、层层自组装法等，简要介绍了石墨烯超疏水材料在自清洁、油水分离、防覆冰、耐腐蚀、抗菌等领域的应用，并对石墨烯超疏水材料的下一步研究方向进行了展望

7.1 创建视图 7.1.1 什么是视图 7.1.2 使用向导创建本地视图 7.1.3 使用视图设计器创建本地视图 7.1.4 创建远程视图 7.1.5 使用CREATE SQL VIEW命令创建视图 7.2 利用视图访问和更新数据 7.2.1 数据库视图的操作 7.2.2 利用视图更新数据

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

本书旨在用简明的方式，向人们提供有关管理学的系统知识，内容不仅浓缩了哈佛商学院管理学的精华，而且特别为自学者实际运用这些知识作了专门设计。本书共有十章

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

植物修复是土壤重金属污染修复的重要手段。为了探明南水北调工程中线水源地土壤污染状况并对其进行修复，本研究以湖北省朝北河和典型钒矿冶炼厂为对象，按季节采集该区域土壤（样本量n = 14）和当地优势陆生植物（样本量n = 113），使用微波消解?电感耦合等离子体质谱(ICP?MS)测定V、Cr、As和Cd重金属含量，根据内梅罗指数法综合评价了土壤污染程度，评估了各种植物对四种重金属的富集能力。结果表明，朝北河采样点中排污口与河水交汇处土壤中重金属Cd含量较高；钒矿冶炼厂原矿堆放区V超标近83倍，Cr、As和Cd重金属超标两倍以上，土壤受到严重污染；其他采样点均受到不同程度的重金属污染。植物重金属富集能力和耐受性评价结果表明，鼠麴草、密叶飞蓬、一年蓬对四种重金属耐受性极强，小蓬草、白茅、少花龙葵、野菊、白车轴草、稗是V、Cr和Cd的超富集植物，蜈蚣草、构树对As的富集能力极强，野艾蒿对Cr和Cd的富集能力较强，丁香蓼和日本毛连菜分别对Cr和V具有较强的耐受性和富集特异性，委陵菜和垂序商陆对Cd具有较强的富集能力和特异性。五种优势植物盆栽实验表明，苎麻在复合金属污染条件下耐受性最强，委陵菜富集能力最强

针对标准无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法本身存在着因状态误差协方差矩阵无法实现Cholesky分解而导致滤波发散的隐患，以及在电池状态估计过程中由离线标定的电池等效模型参数而造成的累积误差的问题，本文发展了一种平方根无迹卡尔曼滤波(Square-root unscented Kalman filter, SR-UKF)算法，并设计了一种电池状态联合估计策略。首先快速SR-UKF算法通过对观测方程进行准线性化处理，降低了每次无迹变换时的计算开销；然后在迭代过程中，用状态误差协方差矩阵的平方根代替状态误差协方差矩阵，该平方根是由QR分解与 Cholesky因子的一阶更新得到，解决了UKF 算法迭代过程中可能由计算累积误差引起状态误差协方差矩阵负定而导致滤波结果发散的问题，保证了电池荷电状态(State of charge，SOC)在线滚动估计的数值稳定性；最后采用联合估计策略，对电池等效模型参数进行实时辨识，保证了电池等效模型的准确性与有效性，从而提高了电池SOC的估计精度。仿真对比结果验证了快速SR-UKF算法以及电池状态联合估计策略的可行性与鲁棒性

黏度是冶金熔渣的基本物理性质，其大小直接影响到反应速率、熔渣分离效果等冶炼过程。通过深入探索熔渣黏度与其结构的关系，在分析熔渣黏度与其(NBO/T)比值（即单个聚合物粒子所拥有的非桥氧数量）相互关系的基础上，本文提出基于（NBO/T）比值的多元熔渣黏度计算模型。首先建立SiO2–∑MxO简单渣系的黏度计算模型，通过拟合纯氧化物和SiO2–MxO二元渣系的黏度数据得到模型参数，拟合平均误差在9%～18.5%之间；随后将该模型扩展至SiO2–Al2O3–∑MxO多元渣系的黏度计算，针对Al2O3在熔渣中同时表现出酸性氧化物和碱性氧化物的特点，在计算SiO2–Al2O3–MxO三元渣系黏度时，将其中的Al2O3拆分为酸性物质和碱性物质来计算（NBO/T）比值和黏度活化能。在SiO2–MxO二元系模型参数的基础上，通过拟合SiO2–Al2O3–MxO三元渣系的黏度数据得到含Al2O3渣系的模型参数，拟合平均误差在10%～25%之间。利用该模型计算了SiO2–Al2O3–CaO–MgO–FeO–Na2O–K2O–Li2O–BaO–SrO–MnO多元复杂渣系及其子体系的黏度值，计算平均误差在25%以内，取得了较好的预报效果。本模型基于熔渣结构理论，并借鉴了经验模型的数据处理方式，在预报效果和适用范围上都优于传统经验模型，在计算方式上比结构模型要简单