随着物联网技术的发展，前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实，从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题，提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先，通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优；然后，建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据，能够更多地保留原始数据信息；最后，给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR)，并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明：相比于均值方法处理双率腐蚀数据，所提方法将建模样本数量由196提升到了1834；相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法，所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963，在各项指标上均优于对比算法，说明所提模型不仅减少了信息损失还提高了建模精度，对于双率海水腐蚀数据建模具有一定现实意义

通过对LF前-LF后-中间包-连铸工艺生产40Cr钢各环节系统取样,以及电子显微镜对夹杂物的形貌、尺寸及组成的分析,发现40Cr铸坯中含有大量CaO(CaS)-Al2O3-MgO类复合夹杂.采用Factsage计算得到的CaO-CaS-Al2O3三元相图对钙处理后CaO(CaS)-Al2O3夹杂形成过程进行了理论计算;并对实际发现的CaO(CaS)-Al2O3-MgO类复合夹杂物的面扫描分布进行描边处理,探讨了该类夹杂物的组成和形成过程.经Factsage理论计算发现,CaO-CaS-Al2O3三元相图中液相区各成分质量分数为CaO 32%~58%、CaS 0%~5%以及Al2O342%~65%,钙处理后CaO含量有逐渐增加,CaS含量有逐渐减小趋势.结合夹杂物的面扫描分布发现,CaO(CaS)-Al2O3-MgO类复合夹杂物的组成为xCaO·yAl2O3+mMgO·nAl2O3+Al2O3+CaS,钙处理后Ca能够使Al2O3变性为CaO-Al2O3,但同时夹杂物中也有很高的CaS成分,随着钙处理的充分进行,CaS将由内及外向CaO-Al2O3逐渐转变

针对赤铁矿渣中存在杂质，影响其综合回收利用的问题，开展赤铁矿渣高温水热法脱杂，制备铁红的研究。研究了不同酸度、温度、时间和液固比条件，对铁红产品中铁、锌、硫含量以及锌、硫脱除率和铁溶出率的影响。实验结果表明：pH值为1，温度220 ℃，保温时间3 h，液固比6∶1，转速400 r·min?1条件下，铁红产品中铁质量分数由58.66%上升为66.83%；赤褐铁类矿物含铁由占总铁质量分数94.05%，上升为97.79%；硫质量分数由2.96%下降至0.82%；锌质量分数由1.03%下降至0.18%。经X射线衍射检测，与赤铁矿渣相比，铁红产品中氧化铁信号峰值提高，杂峰减少。通过扫描电镜/能量散射X射线分析，铁红产品表面附着的硫酸盐等杂质经高温水热法处理后明显减少；实验前后，赤铁矿渣与铁红产品颗粒形貌与大小没有发生变化。实验处理后的铁红产品经检测，满足国家标准氧化铁红含铁量C级，水溶物和水溶性氯化物及硫酸盐含量III型，筛余物2型，105 ℃挥发物V2型，来源a型标准

本书共分10章。第1章、第2章介绍当前普遍存在的10种典型水污染及其危害的原理、机制以及污水处理基本处理工艺过程和处理程度之间的关系；第3章、第4章对污水处理过程中反应器理论、物料衡算和污水的均化做了系统的介绍，有利于对后面将要介绍的处理过程反应原理的理解；第5章到第9章结合物理化学原理详细介绍了污水物理化学处理工艺的过程及设施，把现在实际应用的15种物理化学处理方法按其作用机理分为5类逐章进行阐述，编者认为这便于理论与工程实际的结合以及对国外先进技术的吸取，也有利于克服一般认为物化处理过程多，所涉及的基本原理复杂而感到较难掌握的困难；第10章对污水物化处理过程的整体组合做了简单的介绍，可作为本课程课程设计和工程设计的参考

通过观测钙处理前后夹杂物形貌和成分的变化，对钙处理效果、中间产物的形成及不同中间产物对氧化铝夹杂的改性路径进行了研究.结果表明，钙处理可将钢液中不规则固态夹杂改性为球形液态夹杂，并且各炉次夹杂物的改性程度不同.热力学分析表明，Als和S含量越高，氧化铝夹杂改性为液态的难度越大.钙处理后的短时间内，Ca S和CaO作为中间产物存在.通过建立中间产物生成的动力学模型，确定了生成不同中间产物的临界硫质量分数为11.1×10-6（钢液中溶解氧质量分数为4×10-6）.由该模型结合结果分析，推断出不同中间产物对氧化铝的改性路径

实习一 禾谷类作物（以冬小麦为例）的播种技术及播种质量检查. 1 实习二 主要大田作物的田间识别. 3 实习三 小麦生育期间的苗情调查、田间诊断和管理. 6 实习四 冬小麦产量预测和成熟期考察（室内考种）.18 实习五 玉米产量预测和室内考种.22 实习六 水稻育秧技术和秧苗诊断.24 实习七 水稻产量预测和室内考种.29 实习八 播种前棉籽质量的检验和处理.31 实习九 棉花播种技术和播种质量检查.34 实习十 棉花蕾期生育调查和田间诊断.36 实习十一 棉花产量预测和考种.38 实习十二 薯类作物产量的估测.41 附：几种主要农作物调查记载标准 .42 一、冬小麦调查记载标准.43 二、玉米调查记载标准 .45 三、水稻调查记载标准 .47 四、棉花调查记载标准 .51 五、棉花栽培试验常用的测定项目及方法 .54 六、花生调查记载标准 .57

《专业实践》 《超密集无线组网》 《创新创业活动》 《多抽样率信号处理》 《多域感知与信息融合》 《分数域信号与信息处理及其应用》 《复杂系统与复杂网络》 《高等工程电磁场》 《高分辨率遥感图像理解》 《光纤宽带网络技术》 《行业前沿讲座》 《基于 FPGA 的通信系统设计》 《集成电路科学与工程》 《集成光电子芯片原理与应用》 《计算机视觉》 《近代光信息处理与应用》 《卡尔曼滤波及其在导航系统中的应用》 《空天地智能信息网络》 《空天信息通信技术》 《空天信息网络安全技术》 《雷达目标智能识别》 《雷达信号处理》 《绿色网络通信技术》 《模式识别与机器学习》 《嵌入式信息处理系统设计》 《人工智能导论》 《人工智能中的矩阵方法》 《认知无线电与认知网络》 《射频识别协议架构与安全认证》 《深度强化学习与信息处理》 《水中机器人实训》 《通信网理论与应用》 《通信系统软硬件协同设计》 《图像处理与图像理解》 《图像理解与识别》 《网络协议工程与算法》 《微波射频测量技术》 《微纳米信息系统与智能硬件》 《卫星通信智能抗干扰技术》 《文献阅读与学术写作》 《无线通信先进技术》 《无线通信原理与应用》 《现代数字通信》 《现代天线理论与技术》 《现代信号处理》 《信号检测与估计》 《信息论与编码理论》 《虚拟现实仿真系统实践》 《学科前沿讲座》 《遥感技术原理与应用》 《移动通信网络与系统》 《语义通信技术》 《智慧城市与物联网》 《智能网络协同计算实践》 《专业英语》 《最优化理论与方法》

第一节 粮油食品加工 • 粮油食品加工原料及其品质 • 米制食品加工 • 小麦制粉 • 面制食品加工 • 豆制食品加工 • 玉米深加工与利用 • 植物油脂加工技术 第二节 畜产品加工 肉与肉制品概述 肉制品加工基础 屠宰、分割与卫生检验 肉制品加工技术 乳及乳制品概述 原料乳验收与处理 乳制品加工 蛋的基础知识 蛋制品加工 第三节 果品蔬菜加工 果品蔬菜加工前处理及用水的处理 果品蔬菜罐头 果品蔬菜汁加工 果品蔬菜糖制 蔬菜的腌制 果酒的酿制 果品蔬菜干制 第四节 软饮料加工 软饮料用水及水处理 软饮料常用的原辅材料 碳酸饮料 果蔬汁饮料 茶饮料 蛋白饮料 瓶装饮用水 固体饮料 功能性饮料 第五节 果品蔬菜贮藏保鲜 果品蔬菜的品质 果品蔬菜采后生理 果品蔬菜的采收和采后处理 果品蔬菜贮藏保鲜方式 果品蔬菜采后病害 果品蔬菜贮藏保鲜技术方案 第六节 食品微生物与发酵 食品微生物概述 发酵技术 发酵产品及生产工艺

理论课程教学大纲 平面设计课程教学大纲 教育技术学导论课程教学大纲 计算机网络课程教学大纲 多媒体画面艺术设计课程教学大纲 摄影技术课程教学大纲 教育传播学课程教学大纲 现代远程教育课程教学大纲 C 语言程序设计课程教学大纲 教育技术学专业英语课程教学大纲 Java 语言程序设计课程教学大纲 虚拟现实交互技术课程教学大纲 教育视频设计与制作课程教学大纲 三维建模与动画课程教学大纲 教学系统设计课程教学大纲 学习科学与技术课程教学大纲 教育技术学研究方法课程教学大纲 信息技术课程教学论课程教学大纲 学科课程标准与教材分析课程教学大纲 影视后期处理课程教学大纲 前端开发技术课程教学大纲 教育技术学前沿讲座课程教学大纲 VR/AR 项目开发课程教学大纲 文献检索与科技写作课程教学大纲 数据库应用技术课程教学大纲 图形设计课程教学大纲 Python 程序设计课程教学大纲 教育大数据与学习分析课程教学大纲 中外教育史课程教学大纲 教师专业发展与评价课程教学大纲 设计思维与创新教育课程教学大纲 教育技术学经典著作选读课程教学大纲 中小学创客教育课程教学大纲 IT 行业创新创业专题课程教学大纲 实践课程教学大纲 教育见习大纲 教学技能训练 1 教学实习大纲 教学技能训练 2 教学实习大纲 教学技能训练 3 教学实习大纲 微格教学实习大纲 教育实习大纲 摄影、摄像拍摄与编辑教学实习大纲 课程设计与微课制作教学实习大纲 虚拟现实项目开发教学大纲 教育软件与资源开发教学实习（实训）大纲 专业劳动实践（实训）大纲 企业实训（实训）大纲 生产实习（实训）大纲 毕业论文实习（实训）大纲

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