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

以316Ti奥氏体不锈钢为基础，设计不同Cr和Si元素含量的合金成分，结合Thermal-Calc热力学模拟计算与合金铸锭凝固组织形貌、成分分析，研究了Cr和Si元素对合金凝固组织构成的影响。研究结果表明，热力学计算能够获得奥氏体不锈钢中析出δ相的临界Cr和Si含量。合金凝固时的元素偏析和冷却过程中的“δ→γ”相变可对δ相析出预测产生一定影响。此外，本工作还针对δ相析出评价了两种凝固路线判据

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

第三章流水线技术 流水线技术是提高CPU性能和运算部 结件性能的一类主要技术,也是现代计算 机系统设计中的一项关键技术。 即现代CPU设计的关键是高性能的流 水线

第十七章 管理信息系统的开发方法 • 主要内容 – 概述 – 一般公用阶段的说明 – 结构化系统开发方法 – 原型方法 – 面向对象的开发方法 – 计算机辅助开发方法

1.理解多釜串联组合的全混流反应器容积的图解计算法 2.掌握多釜串联组合的全混流反应器容积的计算方法;

周期性非均质复合材料具有微观结构特征，需要均匀化理论进行宏观和微观的多尺度分析来研究其性能表现。针对其耐久强度性能，应用塑性极限安定下限定理，特别分析了其在长期交变载荷下的安定状态。结合工程应用目标，提出一种全新的代表性单元边界条件，结合圆锥二次优化算法进行数值计算，可以从材料微结构和组分性能出发，经过弹性应力场求解确定位移边界载荷数值，最终由优化求解得到复合材料板材的面内塑性性能容许域。所求得的应力域以单向应力为基，可根据结构宏观的单向应力状态变化幅值直接进行安定状态与否的判定。通过文中的多个算例，验证了所编写的软件及计算流程的可行性及数值准确性，展示了该方法在工程模型中的应用场合和工程实践意义

针对裂隙性储层水力压裂行为中出现的围岩维护、增透效率与地下水害防治等实际问题，本文对多场多相耦合作用下起裂压力控制机制，以及压裂性评价展开了深入研究。首先分析了射孔集中力对原始应力场的改造作用；其次，考虑压裂液在储层原生裂隙中的渗透作用；最后，基于断裂力学强度准则建立了水平井起裂压力计算模型。根据模型分析了储层裂隙场几何参数对起裂压力的控制作用，提出了裂隙场特征参数的概念。研究结果表明，水平井水力压裂是流固多相在射孔应力场、压裂液渗流场以及储层裂隙场耦合空间内相互作用过程，裂隙场特征参数对起裂压力的大小起着主导控制作用，其中最大控制因素为储层隙宽，且当储层隙宽在200～700 μm区间内时，水力压裂对改善其渗透性能才有实际意义，从而解决了裂隙性储层起裂压力的定量化与压裂性评判问题。经实例计算与对比发现，苏里格气田东区H8段的砂岩储层，起裂压力的理论值与实测值契合度较高，压裂后的产能也十分理想，从而验证了模型的正确性，可以为水平井压裂施工提供理论依据

1.掌握平推流反应器的设计方程、操作方程的推导方法及其应用: 2.掌握平推流反应器有效容积的计算方法,非等分子气相反应空间时间t和停留时间τ的区别和计算方法

结合影像学和人工智能技术对病灶进行无创性定量分析是目前智慧医疗的一个重要研究方向。针对肝细胞癌（Hepatocellular carcinoma, HCC）分化程度的无创性定量估测方法研究，结合放射科医师的临床读片经验，提出了一种基于自注意力指导的多序列融合肝细胞癌组织学分化程度无创判别计算模型。以动态对比增强核磁共振成像（Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）的多个序列为输入，学习各时序序列及各序列的多层扫描切片在分化程度判别任务的权重，加权序列中具有的良好判别性能的时间和空间特征，以提升分化程度判别性能。模型的训练和测试在三甲医院的临床数据集上进行，实验结果表明，本文所提出的肝细胞癌分化程度判别模型取得相比几种基准和主流模型最高的分类计算性能，在WHO组织学分级任务中，判别准确度、灵敏度、精确度分别达到80%，82%和82%