含硫胶结充填体随着养护龄期的延长会出现膨胀开裂现象，存在明显裂隙的充填体试件再进行单轴抗压强度测试其结果十分离散，已不能有效地获得充填体力学参数.在室内进行配比试验，采用数字图像处理技术对得到的充填体表面裂隙图像进行二值化、去噪等预处理，而后计算其分形维数并分析其演化规律，且将分形维数与单轴抗压强度关联分析.研究结果表明：充填体试件面表的裂隙存在自相似性，表面裂隙越发育，其分形维数越大；分形维数与单轴抗压强度存在负相关关系，分形维数越小，其单轴抗压强度越高；分形维数可判别含硫充填体试件的完整性，当充填体表面裂隙的分形维数小于某阈值时，强度试验的结果更为可靠

医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性

Ca和Sr是铸造铝硅合金中最有效的变质元素,一般在浇铸前以中间合金的形式加入.然而在废杂铝熔铸再生工业中,原料中常含有微量的Ca和Sr,预控它们在熔炼过程中的含量变化是它们再利用的前提.本文以工业A356铸锭为原料,实验研究了熔炼温度和保温时间对Ca和Sr质量分数变化规律的影响.结果表明:Ca和Sr质量分数随着保温时间延长均呈Exp3P2规律下降,且随熔炼温度升高质量分数下降速率均逐渐提高.根据热力学和动力学分析可知,在废杂铝熔炼再生过程前期主要发生[Ca]和[Sr]与熔体中的氧发生氧化反应生成CaO和SrO,这些氧化物又会与Al2O3反应生成Al2O3·6CaO和Al2O3·SrO,经扒渣操作后Ca和Sr质量分数下降.在熔炼中后期,[Ca]和[Sr]以扩散至熔体表层还原Al2O3的方式使它们的质量分数降低.计算得出在660~740℃熔炼A356合金时Ca和Sr氧化反应的表观活化能分别为182.6 kJ·mol-1和117.8 kJ·mol-1,两者均受化学反应过程控制.根据Ca和Sr质量分数的变化规律建立了它们的质量分数预报模型,经生产验证表明预报误差均小于10%,可用于预报废杂铝熔炼再生过程Ca和Sr的质量分数

提出采用煤较低温度下选择性还原选铜尾矿中的铁, 还原球团磁选回收铁的技术, 并考察了还原温度、还原剂用量、还原时间、活化剂用量对选铜尾矿选择性还原回收铁的影响, 得出最佳工艺条件: 还原温度为1200℃, 还原剂用量为原料质量25%, 还原时间为2 h, 活化剂用量为原料质量5%;在最佳工艺条件下, 磁选精矿中铁质量分数超过90%, 铁回收率大于95%.借助X射线衍射仪、光学显微镜和扫描电子显微镜等检测手段对原料、还原球团、磁选矿的矿相组成和结构进行分析, 揭示了铁矿相还原及金属相生成/融合演变规律: 升高温度促进金属相的还原、融合兼并和生长; 增加还原剂用量使金属颗粒的融合兼并变得更加普遍; 延长还原时间促进金属粒子的融合和铁橄榄石相的还原; 活化剂促进金属粒子的扩散和融合.金属颗粒的兼并生长促使其粒度增大, 粗粒金属颗粒在磁选工序裹夹带入磁选精矿的渣相量相对较少, 磁选精矿铁含量显著提高

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

首先介绍了传统的编队控制方法的定义、特点和常用方法及优缺点,并将传统编队控制时代定义为前编队控制时代.随着多智能体技术的发展,将多智能体技术引入到编队控制问题中,诞生了众多新的研究成果,称为后编队控制时代.后编队控制时代以多智能体技术为基础,随着通信技术、计算机技术、人工智能技术的发展而逐渐壮大起来,并受到了学者的广泛关注.前编队控制时代强调多机器人通过编队协作完成单个机器人无法实现的任务,提高任务完成效率且缩短任务完成时间.后编队控制时代则是在前编队控制时代的基础上,更强调低成本、同步性和协同性,但却不那么重视每个个体的任务分工,甚至是按照规则自由分配任务,不再有“不可替代冶的个体存在.最后给出了研究编队控制问题的基本思路和目前尚待解决的关键问题

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

本章是介绍与公共税收相关的问题。主要包括税收的特征；税收制度的对生产、分配、资源配置的影响，我国现行的主要税种等问题。在本章中较为重要的问题是：如何在税收的征收过程中处理好公平与效率的问题关系。征税可以增加政府收入与为公共支出税累资本，但征税过程不能一味地只考虑政府收入的增加，造成竭泽而渔的结果。 第一节 公共税收制度建立的基本原则 一、效率原则 二、公平原则 三、中性原则 第二节 公共税收制度的经济效应 一、公共税收制度的特征 二、公共税收制度对生产的作用 三、公共税收制度对分配的作用 四、公共税收制度对消费的作用 第三节 公共税收制度的内容 一、公共税收形式的分类 二、公共税收制度的结构 三、我国现行主要税种形式 四、我国现行税收制度中存在的问题

固有免疫(Innate Immunity) 个体出生时就具备的防卫机制，这种防卫机制是在物种进化过程中逐渐形成的。作用的特点是没有特异性。 适应性免疫(Adaptive Immunity) 个体在生命过程中接受抗原刺激后，主动产生针对该抗原的效应细胞、抗体或接受免疫球蛋白分子被动获得的。作用的特点是具有特异性。 1. 掌握参与固有免疫应答的组织、主要细胞（吞噬细胞、NK细胞、γδT细胞、NKT细胞、B-1B细胞等）和效应分子。 2. 熟悉固有免疫应答的作用时相。 3. 熟悉固有免疫应答的特点及其与适应性免疫应答的关系。 第一节 组织屏障及其作用 第二节 固有免疫细胞 第三节 固有体液免疫分子及其主要作用 第四节 固有免疫应答

多元分析（multivariate analyses）是多变量的统计分析方法，是数理统计中应用广泛的一个重要分支，其内容庞杂，视角独特，方法多样，深受工程技术人员的青睐和广泛使用，并在使用中不断完善和创新。由于变量的相关性，不能简单地把每个变量的结果进行汇总，这是多变量统计分析的基本出发点。 §1 聚类分析 §2 聚类分析案例—我国各地区普通高等教育发展状况分析 §3 主成分分析 §4 主成分分析案例－我国各地区普通高等教育发展水平综合评价 §5 因子分析 §6 因子分析案例 §7 判别分析 §8 典型相关分析（Canonical correlation analysis）