以硅镁型红土镍矿为原料，采用金属化焙烧-熔分工艺，通过正交试验制备金属化球团，将所得金属化球团在1500℃条件下熔融分离30 min提取镍铁合金，考察影响因素对实验结果的影响.结果表明：在选择性还原制备金属化球团过程中，对金属化率的影响程度从大到小的因素依次是C/O摩尔比、焙烧温度、焙烧时间和碱度；实验可获得镍品位19%的镍铁合金；在碱度为0.8-1.2范围内，S和P分配比随着碱度的升高而增大.利用X射线衍射和扫描电镜对金属化球团及熔融分离出的渣进行微观分析，发现加入的石灰石与复杂矿相反应可释放出简单镍氧化物和铁氧化物，促进还原反应的进行，当石灰石不足时，少量铁以Fe3+的形式存在于铁金属化率70%的金属化球团中

对金相图像进行快速精确分割是金相晶粒评级的关键步骤，利用传统Chan-Vese（CV）模型很难将晶粒精确地提取出来.为了更加精确地对金相图像进行分割，提出一种基于改进CV模型的金相图像分割方法.初始化水平集函数，对曲线内外两部分分别计算其倒数坎贝拉距离，并将该距离的大小作为拟合中心的权重系数，有效抑制了噪声点对区域拟合中心准确性的影响；引入指数熵自适应调节曲线内外能量权重，减少固定能量权重对曲线演化的影响；同时加入距离规范项以避免水平集函数的重新初始化，加速该模型的收敛.实验结果表明，与传统CV模型、测地线活动轮廓模型、距离规范项的水平集模型以及偏置场修正水平集模型相比，所提方法分割出的金相图像更加精确，分割效率较高且模型收敛性较好

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路

提出了一种面向网络长文本的话题检测方法.针对文本表示的高维稀疏性和忽略潜在语义的问题，提出了Word2vec&LDA（latent dirichlet allocation）的文本表示方法.将LDA提取的文本特征词隐含主题和Word2vec映射的特征词向量进行加权融合既能够进行降维的作用又可以较为完整的表示出文本信息.针对传统话题发现方法对长文本输入顺序敏感问题，提出了基于文本聚类的Single-Pass&HAC（hierarchical agglomerative clustering）的话题发现方法，在引入时间窗口和凝聚式层次聚类的基础上对于文本的输入顺序具有了更强的鲁棒性，同时提高了聚类的精度和效率.为了评估所提出方法的有效性，本文从某大学社交平台收集了来自真实世界的多源数据集，并基于此进行了大量的实验.实验结果证明，本文提出的方法相对于现有的方法，如VSM（state vector space model）、Single-Pass等拥有更好的效果，话题检测的精度提高了10%~20%

我国铂族金属（Platinum group metals, PGMs）储量少，消费量大，对外依存度高，PGMs二次资源的回收利用是缓解我国PGMs短缺最重要的途径。废催化剂是PGMs最主要的来源，其回收成为研究的热点。本文详细介绍了PGMs消费结构与回收现状，全球PGMs回收量约占原矿产量的20%～30%，且将保持持续增长的趋势。样品的精准分析对PGMs回收有至关重要的作用，同时还原、焙烧、机械球磨等预处理能提高PGMs回收率。相对于传统氰化法和王水溶解，近年来开发出氯化浸出法、超临界萃取法、载体溶解法等较环保的浸出工艺。尽管部分湿法浸出工艺已经产业化应用，但存在废水量大、产生有毒气体及回收率低（特别是Rh）的问题。火法富集是以铅、铜、铁、镍锍为捕集剂，与PGMs形成合金富集，载体熔化造渣。本文对上述富集方法进行了综述并总结了优缺点，基于现有技术存在的污染严重、PGMs回收率不高等问题，展望了PGMs绿色高效回收技术，如活化预处理、协同提取有价金属和载体利用、贱金属协同冶炼和铁捕集–电解等，为从事该领域的科研工作者提供了良好的参考

针对现行鼓风炉挥发(熔炼)-反射炉还原炼锑工艺存在的流程长、能耗高、低浓度SO2烟气污染等问题,提出了一种基于选冶联合过程的锑提取新工艺——硫化锑精矿还原固硫焙烧直产金属锑.分别以ZnO和碳粉作为固硫剂和还原剂实现对硫化锑矿的固硫还原转化,直接产出金属锑,同时生成硫化锌,再分别分离得到金属锑粉和硫化锌精矿.本文采用控制变量法,分别考察了焙烧温度、碳粉粒度、ZnO配入量、焙烧时间对锑生成率和ZnO固硫率的影响.得到最佳条件如下:焙烧温度800℃、碳粉粒度100~150目、ZnO量为固硫所需理论量、焙烧时间2 h,在此条件下,锑生成率为90.4%,ZnO固硫率为94.8%,其中温度和ZnO加入量对焙烧效果有较大影响;同时对反应产物的分析和过程热力学计算表明焙烧过程分两步进行,即首先发生Sb2S3与ZnO的交互固硫反应生成Sb2O3,其后在高于700℃温度下Sb2O3被大量还原成金属锑.在不同品位的锑精矿综合实验中,均获得了90%左右的锑生成率和88%的固硫率,验证了工艺的可行性.新工艺低温低碳、清洁环保,易于开展工业化生产

以经典工艺矿物学研究方法为基础，结合化学物相分析、矿物解离分析(MLA)、X射线衍射、光学显微镜、扫描电镜-X射线能谱仪(SEM-EDS)等手段对印尼典型海砂矿的矿物学及其固态还原特征进行了系统研究。结果表明：印尼海砂矿的矿物组成主要为钛磁铁矿、次为少量假象赤铁矿、赤铁矿、钛铁矿以及辉石等。绝大部分钛磁铁矿呈致密单体或铁的富连生体产出，偶有由固熔体分离析出形成的微细钛铁矿片晶。赋存于钛磁铁矿中的铁占总铁的89.79%、钛为85.42%、钒则高达97.97%。海砂矿在C/Fe摩尔比1.2、温度1300 ℃条件下还原60 min可较好实现金属化。其还原历程遵循：Fe2.75Ti0.25O4 → FeTiO3, (Fe, Mg)Ti2O5 → (Fe, Mg)Ti2O5 → Fe，稳定的黑钛石相是影响金属化程度的主要因素。经固态还原处理Fe元素最终富集于金属相，V、Ti则赋存于渣中富钛相，为后续的分离提取创造了有利条件

为解决RNN–T语音识别时预测错误率高、收敛速度慢的问题，本文提出了一种基于DL–T的声学建模方法。首先介绍了RNN–T声学模型；其次结合DenseNet与LSTM网络提出了一种新的声学建模方法— —DL–T，该方法可提取原始语音的高维信息从而加强特征信息重用、减轻梯度问题便于深层信息传递，使其兼具预测错误率低及收敛速度快的优点；然后，为进一步提高声学模型的准确率，提出了一种适合DL–T的迁移学习方法；最后为验证上述方法，采用DL–T声学模型，基于Aishell–1数据集开展了语音识别研究。研究结果表明：DL–T相较于RNN–T预测错误率相对降低了12.52%，模型最终错误率可达10.34%。因此，DL–T可显著改善RNN–T的预测错误率和收敛速度

多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

同步定位与地图构建技术（SLAM）是当前机器人领域的重要研究热点，传统的SLAM技术虽然在实时性方面已经达到较高的水平，但在定位精度和鲁棒性等方面还存在较大缺陷，所构建的环境地图虽然一定程度上满足了机器人的定位需要，但不足以支撑机器人自主完成导航、避障等任务，交互性能不足。随着深度学习技术的发展，利用深度学习方法提取环境语义信息，并与SLAM技术结合，越来越受到学者的关注。本文综述了环境语义信息应用到同步定位与地图构建领域的最新研究进展，重点介绍和总结了语义信息与传统视觉SLAM在系统定位和地图构建方面结合的突出研究成果，并对传统视觉SLAM算法与语义SLAM算法做了深入的对比研究。最后，展望了语义SLAM研究的发展方向