1.1数据、信息、信息量的含义,数据与信息的关系,信息的分类及特征。 1.2试述信息流与物流、资金流、事务流的关系

为获得一种锌电积用低成本、低析氧电位和高催化活性的阳极，在铝棒表面通过挤压复合技术包覆Pb-0.2% Ag合金得到Al棒Pb-0.2% Ag阳极.在含氟的硫酸溶液中，通过阳极氧化在Pb-0.2% Ag合金和Al棒Pb-0.2% Ag合金阳极表面形成具有高催化性能的膜层，采用显微图像分析仪和数显显微硬度计表征了膜层的厚度及硬度，并通过电子拉伸试验对比了两种阳极的极限抗拉强度.采用X射线衍射、扫描电子显微镜、循环伏安法、阳极极化和交流阻抗法等技术手段研究了Al棒Pb-0.2% Ag与Pb-0.2% Ag阳极表面氧化膜层的物相、形貌以及电化学性能.结果表明：Al棒Pb-0.2% Ag阳极相比Pb-0.2% Ag阳极表面易生成致密较厚的氧化膜层，且膜层硬度提升了41.64%，其氧化膜层主要物相均为电催化活性良好的β-PbO2.新型阳极的极限抗拉强度是传统阳极的1.3倍，大大改善了阳极材料的机械性能.阳极极化曲线数据显示Al棒Pb-0.2% Ag/PbO2阳极在电积锌体系中具有较低的析氧电位(1.35 V vs MSE，500 A·m-2)和较高的交换电流密度(7.079×10-5 A·m-2).循环伏安曲线和交流阻抗数据显示Al棒Pb-0.2% Ag/PbO2阳极具有较高的电催化活性、较大的表面粗糙度和较小的电荷传质电阻.在电积锌实验中，栅栏型Al棒Pb-0.2% Ag/PbO2阳极相比传统Pb-0.2% Ag阳极平均槽电压下降了75 mV，而且大大减少了阳极泥的产生

热轧支持辊的健康状态在带钢板形质量和轧制稳定性控制中起着关键作用，非线性、强耦合、少样本等特点使得热轧支持辊健康状态的预测复杂，目前各大钢厂仍以定期维护和事后维修为主。本文提出了一种支持辊虚拟健康指数的构建方法以及基于Copula函数的复杂工况健康状态预测模型。首先结合支持辊弯窜辊数据表征支持辊健康状态，再使用K-means聚类方法对支持辊工况进行划分，将各工况下过程数据分别构建Copula预测模型，最后根据实际轧制计划的排布顺序融合各工况模型的预测结果。提出的基于Copula函数的预测模型在某钢厂1780热连轧产线得到应用，结果表明，该模型能够准确有效的按照轧制计划实现支持辊的健康状态预测，以更科学的策略指导支持辊更换维护

指针(Pointer)是C++和C的一 种数据类型。很多其他高级语言 也有类似的数据类型。引用 (Reference)则是C+所特有的 一种数据类型。指针和引用在概 念上和使用上都有相似之处,但 是也有重要的差别

由于转炉冶炼过程中的热力学和动力学反应复杂，副枪控制模型和传统的烟气分析模型存在很大的局限性，导致了转炉冶炼终点碳含量的预测精度偏低，是实现智能炼钢的主要技术瓶颈. 针对上述问题，提出了基于烟气分析的炼钢过程函数型数字孪生模型. 首先，利用烟气分析得到连续监测的实时数据，以此来实时监控转炉熔池内钢水的碳氧反应状态; 然后，根据熔池反应所处的不同阶段，利用函数型数据分析方法建立吹炼前期和吹炼后期的函数型预测模型; 在此基础上，按照吹炼前期和吹炼后期这两个阶段来分别自动修正模型中的系数函数，从而能在复杂的实际工况条件下完成对熔池碳含量的准确预测. 通过260 t氧气转炉的工业应用实例，证实函数型数字孪生模型具有良好的自学习和自适应能力，对异常冶炼状态具有良好的鲁棒性，可以实现全过程的熔池碳含量动态预测，终点碳质量分数在± 0. 02% 范围内的命中率为95%. 利用函数型数字孪生模型在拉碳阶段对钢水中碳含量的预测值来控制终吹点. 更为重要的是，在保证入炉原料成分、温度、质量等参数稳定的前提下，采用该模型可以有望取消基于副枪的停吹取样步骤，从而降低生产成本，提高产品质量和生产效率，具有广泛的工业应用前景

一、常量和变量 二、整数类型 三、 实数类型 四、字符类型 五、表达式 六、数据的存储和类型转换

实验内容 实验1单链表的生成、插入和删除 Windows998操作系统 实验2排序二叉树的建立和查找。 实验3数据库系统及应用:实现“学生成绩”数据库的管理操作(包括输入、查询、报表、窗体)

C++语言不仅有丰富的基本数 据类型,而且允许用户自己定义数据类型

受限空间内视觉疲劳是造成事故的主要原因之一。为探究有限空间内光照对视屏显示终端（Visual display terminals，VDT）作业视觉疲劳的影响，选取24名作业人员，在搭建的受限空间平台内进行VDT打字作业1 h，在50～700 lx范围内设置7个光照梯度使用眼动仪采集瞳孔直径数据。将采集数据进行归一化和降噪处理。实验结果表明，随着照度增大，瞳孔直径总体呈减小趋势，且瞳孔?照度关系符合幂函数关系；照度400，550和700 lx环境下瞳孔直径变化率在?12%～8%之间浮动，且随着光照强度的增强，作业人员视觉疲劳发生的程度增加；在低照度50，100和200 lx环境下，瞳孔直径变化率在?8%～4%之间浮动，且随着强度的减弱，作业人员视觉疲劳发生的程度也会增加。本研究提出使用窗口化的瞳孔直径标准差σ判断视觉疲劳出现时间，低照度下的σ峰值出现时间早于高照度下σ峰值出现的时刻，300 lx照度下σ峰值出现的时刻最晚，50～300 lx弱光照下对视觉造成的疲劳程度大于300～700 lx强光照下造成的疲劳

基于面部动态表情序列，针对静态表情缺少时间信息等问题，将空间特征与时间特征融合，利用神经网络在图像分类领域良好的特征，对需要进行细节分析的表情序列进行处理，提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks, S-LRCN)的微表情识别方法。首先选取微表情数据集提取面部图像序列，引入迁移学习的方法，通过预训练的卷积神经网络模型提取表情帧的空间特征，降低网络训练中过拟合的危险，并将视频序列的提取特征输入长短期记忆网络(Long short-team memory, LSTM)处理时域特征。最后建立学习者表情序列小型数据库，将该方法用于辅助教学评价