胀断连杆是汽车精密传动用高端产品，需具高强高韧和裂解加工脆性解理断裂特性。连铸化生产高碳易切削胀断连杆用微合金非调质钢是当前的发展方向。基于大方坯连铸生产典型工艺及其铸态组织、成分均匀性分析，研究了胀断连杆加工过程常见断口形貌不合的钢坯遗传性因素。以常用德系C70S6钢为例，采用250 mm×280 mm断面弧形连铸机，解析其在一定结晶器电磁搅拌条件下所浇铸大方坯的铸态低倍结构和枝晶形貌，并分析其不同晶区的成分分布特点。结果表明，当前连铸条件下大方坯中心缩孔和后续热轧棒材探伤合格率可控，但铸坯初凝坯壳凝固前沿发生明显的C、S负偏析白亮带区及其柱状晶偏转现象。金相试样图像分析和相场法凝固模拟表明，铸坯中柱状晶具有逆流生长特征，其偏转角是一次枝晶尖端向旋流方向逆向生长的结果。自铸坯角部至宽、窄面中心，实测柱状晶区的一次枝晶偏转角约在?7°到27°之间。利用X射线能谱分析（EDS）进一步检测了钢中主要合金元素Si、Mn、Mo在铸坯不同晶区的分布，揭示了其铸态偏析特征与差异性。据此，探讨了这种铸态组织和成分偏析对后续热轧棒材和连杆成品组织的遗传性，以及对其胀断加工断口不合的影响，可为源头铸态质量的控制提供依据

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性

浅层黄土滑坡是黄土高原广泛分布和频繁发生的地质灾害,造成了巨大的人员伤亡和财产损失.尽管二维确定性模型已被广泛用于浅层滑坡稳定性预测,但不能充分考虑岩土性质、地层结构、地下水等条件的三维空间变化,这可能与实际的斜坡稳定性不相符.因此,利用能考虑复杂斜坡环境的三维确定性模型评价滑坡稳定性,对获取更真实的评价结果以及指导滑坡防治工作具有重要意义.本文利用Scoops3D三维确定性模型评价了在浅层黄土滑坡稳定性预测中的适应性和可靠性.首先,模型计算参数敏感性的分析发现黏聚力、滑动视倾角和栅格单元重量对安全系数准确度影响较大,并用于指导获取详细的关键参数.然后,选取不同分辨率的数字高程模型(DEM)数据,利用Scoops3D模型对典型黄土沟壑中的浅层黄土滑坡稳定性进行预测,并通过详细的点状和面状滑坡分布图与预测结果的对比发现,该模型对黄土沟壑区的浅层滑坡稳定性预测准确度较高,且点状滑坡分布图可能更适合模型适应性的检验.最后,混淆矩阵法和成功率曲线法对不同分辨率数字高程模型预测结果可靠性的检验显示,该模型能够有效地预测黄土浅层滑坡的稳定性,且在高分辨率数字高程模型数据下可以获得可靠的预测精度

这本集子中的感想和看法,是没有什么次序的,而且差不多是不 连贯的,它开始是为了使一位善于思考的贤良的母亲看了高兴而 写的。最初,我的计划只是写一篇短文但是我所论述的问 题却不由我不一直写下去,所以在不知不觉中这篇论文就变 成了一本书,当然,就内容来说,这本书的分量是太大了,然 而就它论述的事情来说,还是太小了

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题，提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor，CABON）。CABON算法首先对数据对象进行初始聚类，通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合；并给出一种类别待定集的动态调整机制，利用近邻思想实现此集合中数据对象所属类别的重新划分，按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中，得到最终的聚类结果，以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers，MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data，CVCN）在人工数据集和真实数据集上分别进行实验对比，结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”，聚类效果明显优于K–means、MC_IK和CVCN算法

保证数据一致性是对数据库的最基本的要求。数据库 的重要特征是它能为多个用户提供数据共享。因此 DBMS必须提供并发控制机制来保证数据库的一致性。 数据库的并发控制以事务为单位通常使用封锁技 术实现并发控制。 本章介绍两类最常用的封锁和三级封锁协议。不同 的封锁和不同级别的封锁协议所提供的系统一致性保证 是不同的,提供数据共享度也是不同的

3.10不含独立源的单口网络 一、不含独立源的单口网络

在畜牧业生产以农户小规模饲养为主的时期粗放散养的小规模畜牧场饲养家畜头数不多,其粪尿 大多数作肥料就地施用,对周围环境污染不大。集约化工厂化规模化的畜牧业生产一方面大幅度地提高 了畜牧业生产水平,增加了畜产品的数量,另一方面产生了大量畜禽粪尿、污水等畜牧业生产废弃物,不 仅给家畜环境控制、改善以及家畜疫病的预防带来新的困难,而且,这些废弃物如不经处理,还会危害 家畜健康和生产,污染周围环境,形成畜产公害

图像分割是计算机视觉领域中的重要分支，旨在将图像分成若干个特定的、具有独特性质的区域。随着计算机硬件计算能力的提高和计算方法的进步，大量基于不同理论的图像分割算法获得了长足的发展。因而选择合适的评估方法对分割结果的准确性和适用性进行综合评估，从而选择最优分割算法，成为图像分割研究中的必要环节。在综述14种图像分割评估指标的基础上，将其分成基于像素的评估方法、基于类内重合度的评估方法、基于边界的评估方法、基于聚类的评估方法和基于实例的评估方法五大类。在材料显微图像分析的应用背景下，通过实验讨论了不同分割方法和不同典型噪声在不同评估方法中的表现。最终，讨论了各种评估方法的优势和适用性

选择题] 容易题1-36,中等题37-87,难题88-99。 x+3y+2z+1=0 1.设有直线L 及平面x:4x-2 2=0,则直线L 2x-y-10+3=0 (A)平行于丌。(B)在上丌。(C)垂直于x。(D)与丌斜交 2.二元函数∫(x,y)= (x.(09在点0处() (x,y)=(0,0) (A)连续,偏导数存在 (B)连续,偏导数不存在 (C)不连续,偏导数存在 (D)不连续,偏导数不存在 设函数n=Mx9)1=x由方程组{=2+”。确定,则当n一时, y=u +l (C)-l (D) 答:B