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

对含磷高强IF钢中MnS夹杂物控制进行了分析。通过对含磷高强IF钢中添加稀土进行对比试验，借助扫描电镜等设备对铸坯1/8、1/2、7/8厚度方向的试样以及热轧、冷轧、连退工序的带钢试样进行了夹杂物统计及二维形貌的观测对比，并对铸坯试样中小样电解的夹杂物及轧制各工序试样中原貌提取的夹杂物进行三维形貌的观测对比。结果表明：铸坯中心MnS夹杂物数量分布明显大于铸坯近表面，稀土的加入，先与钢中S相结合，并在凝固过程中较MnS提前析出，生成了小尺寸的球状夹杂物，可明显降低铸坯各位置MnS夹杂物的尺寸及数量；未加稀土钢在带钢轧制各工序中MnS夹杂物尺寸为10 μm左右，且具有遗传性，在轧制过程中压延变长，但没有碎化弥散。加入稀土后形成了S–O–Ce类夹杂物，形态呈球形，尺寸为2～5 μm，且独立弥散分布，不会对带钢组织连续性造成影响，有利于产品各相关性能

油箱壳外形复杂,拉深成形过程中容易出现侧壁起皱和圆角处破裂的缺陷,成形工艺参数的确定非常重要.结合分类与回归决策树(classification and regression tree,CART)的人工智能技术和模型交叉验证方法,通过调用Python平台开源库Scikit-Learn对油箱壳拉深成形数值模拟结果进行知识挖掘,筛选出对油箱壳拉深成形影响大的工艺参数;以基尼指数(Gini index)最小化作为最优特征值及最优切分点选择的依据,构建了工艺参数与性能指标关系的CART决策树,提取出了可靠的工艺设计规则.油箱壳拉深实例表明,CART决策树理论的知识发现技术是实现板料成形过程数值模拟结果潜在知识挖掘的可行途径

综述了土壤中铬的来源,土壤中铬的赋存形式及其提取方法,国内外铬污染土壤修复技术研究动态,探讨了铬污染土壤修复的发展方向,并对现阶段主要的修复技术,诸如客土法、稀释法、固定化和稳定化、化学还原、土壤淋洗、电动修复、生物修复等进行了详细介绍,进而对各种修复方法的优缺点进行了对比、归纳和评价,针对不同特点、性质的铬污染土壤给出修复方法的建议,为清洁高效修复铬污染土壤提供参考

在介绍了铅元素污染背景、现状与危害的基础上，对土壤中铅的来源、赋存形式及其提取方法进行了详细介绍。结合土壤修复技术研究现状，对三大修复方法如物理、化学及生物修复法进行了系统综述，并从效率、适用性、经济性等方面评估了3种修复方法的优势与劣势，发现化学修复最适合重毒性铅污染治理。随之对化学淋洗法和固定化/稳定法作了详细介绍，探讨并评价了不同种类淋洗剂和固化剂的修复机制、修复效果、适用性和应用前景等。最后对未来重毒性铅污染土壤清洁高效修复提出了展望，修复方法应尽量减少对土壤的破坏；对高铅污染土壤来说联合修复技术的发展是土壤修复富有潜力的发展方向；应当尽可能地确定铅污染土壤修复机制，实现定向修复；同时应加强多功能复合材料的研发

通过有限空间100 min极限载人实验,提出了基于光电容积脉搏波(PPG)的客观疲劳测量方法并开发了光电容积脉搏波信号特征参数提取算法用来掌握生理疲劳的血液动力学与循环系统变化特征.研究结果表明,人体出现生理疲劳时,光电容积脉搏波信号平均周期显著大于未疲劳状态(p<0.001),血管阻力增大,每搏射血量明显下降;计算了未疲劳与疲劳状态下光电容积脉搏波信号的两种复杂度(KC复杂度和高阶KC复杂度)发现,两种复杂度计算结果一致,均为未疲劳时波形比疲劳时波形更平稳.因此表明光电容积脉搏波信号能够捕捉到疲劳状态的生理变化,解决了生理疲劳的客观测量与快速判断问题

主要介绍了稀土资源的重要作用及利用现状，对我国的稀土矿分布及特征进行概述，并提出稀土开采存在的问题及微生物采矿的优势。回顾利用微生物进行稀土矿开采的发展进程，总结其研究进展，介绍微生物采矿作用机理的研究，主要包括微生物浸出、吸附和积累稀土元素机理的相关研究，以及稀土矿采矿微生物的分离方法及种属分布等。以中国白云鄂博矿床和澳大利亚Mount Weld矿床中的矿石为例，说明微生物对矿石中稀土元素的提取作用。简述微生物对废弃物中稀土元素的回收作用，及微生物利用稀土元素技术将面临的挑战，并对其未来进行了展望

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

提出了一种联合多种边缘检测算子的无参考质量评价算法，同时考虑一阶和二阶边缘算子，避免了单一算子的局限性.该方法首先将彩色图像转换为灰度图像，然后计算灰度图像的梯度，相对梯度以及LOG特征.本文所使用的特征分为两部分，一部分提取相对梯度方向的标准差，另一部分利用条件熵来量化不同特征之间的相似性和相互关系，并且考虑到人眼特性进行多尺度计算，最后使用自适应增强（AdaBoost）神经网络进行训练和预测.在公共数据库LIVE和TID2008上进行实验，结果表明新方法对失真图像的预测评分与主观评分有较高的一致性，能很好地反映图像质量的视觉感知效果，仅使用10维特征，性能优于现有的主流无参考质量评价算法

微震能级随时间发生变化，高能级微震事件与冲击地压有良好的对应关系，为预测矿山微震能量时序变化，基于一维卷积神经网络（Convolutional neural networks，CNN），建立微震能级时间序列预测模型；通过模型训练，实现以前十次微震事件的能量级别作为输入来预测下一次微震事件的能量级别。由于微震样本数据类间不平衡问题，导致模型测试时将106能量级别的微震事件全部判断为105能量级别的微震事件，为进一步提高模型对106能级微震事件预测的准确率，对模型进行改进并使用混合采样方法训练改进后的模型；利用砚北煤矿250202工作面微震能级实测部分数据，改进后模型的总体测试正确率达到98.4%，其中106能量级别的微震事件测试正确率提升到99%。将模型应用于砚北煤矿250202工作面进行微震能级时序预测，模型的预测正确率整体达到93.5%，且对高能级微震事件的预测正确率接近100%