河南中医药大学：《数据库原理》课程教学资源（实验指导）实验九 数据库备份与恢复

通过金相显微镜、扫描电镜、电子探针显微分析、透射电镜及热力学计算软件研究C和N含量对铸态及时效态18Mn18Cr高氮钢析出相特征及形成机制的影响.研究发现在铸态，随C/N质量比降低，析出相依次为Cr23C6相、σ相和Cr2N相.增加C或N含量可分别促进Cr23C6相和Cr2N相析出.C和N含量影响实验钢凝固模式及不稳定铁素体相共析分解产物.18Mn18Cr0.44N钢凝固模式为AF模式，不稳定铁素体相共析分解反应为δ→σ+γ2（0.025% C）和δ→γ2+Cr23（CxNy）6（x/y>1）（0.16% C）；18Mn18Cr0.72N钢凝固模式为A模式，晶界处存在少量颗粒状Cr2N相.在固溶时效态，实验钢仅析出片层状的Cr2N0.39C0.61相.随C+N含量增加，片层状析出相体积分数和片层间隙增加，析出孕育时间减少

针对现场生产的430不锈钢冷轧板，通过高温连续退火实验研究了退火温度对材料显微组织、强度、塑性以及各向异性性能的影响.通过实验得到了合理的两段式加热连续退火工艺：选取中间温度为600℃，加热II段的加热速率为2.3℃·s-1，最高加热温度为840℃.随着退火温度的升高，薄板的屈服强度和硬度呈明显的两阶段降低趋势，延伸率呈\S\型趋势增加，平均塑性应变比基本保持不变（1.25左右），而轧制平面各向异性指数有一定的降低.针对430不锈钢冷轧板分别建立了屈服强度与退火软化率和延伸率之间的定量关系

河南中医药大学：《数据库原理》课程教学资源（实验指导）实验七 数据库安全性

公式是冷轧最常用的轧制压力模型之一,为提高模型精度,对该公式进行了分析。根据实验资料的校核和上机计算表明,影响压力分析的重要因素之一——外区的影响未予考虑,使在某范围内给出的值偏低,所用的摩擦规律未被实验证实,而且在大压下量薄轧件轧制时,给出的值偏高。分析计算结果表明公式不能在所有轧制情况下与实际相符,且作者提出的一些论点也值得商榷

为了实现微尺度辊缝形状调节，提出了辊型电磁调控技术，并自行设计制造了φ270 mm×300 mm辊型电磁调控实验平台.通过电磁-热-力耦合数理建模，并对比分析相同工况实验和仿真结果，发现两者结果十分接近，模型可靠.在此基础上，分析了不同等效电流密度和频率下轧辊凸度及轧辊凸度增长速率随加热时间的变化规律，给出了等效电流密度、频率、加热时间对辊型曲线的影响，并从避免电磁棒局部温度过高及便于轧辊凸度调节出发，给出了合理的工艺参数

河南中医药大学：《MySQL数据库管理》课程实验指导_09实验九：数据备份与数据恢复

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

基于高性能的YOLOv3目标检测算法，提出一种分阶段高效火车号识别算法。整个识别过程分为两个阶段：第一阶段在低分辨率全局图像中检测出火车号区域位置；第二阶段在局部高分辨率图像中检测出组成火车号的字符，根据字符的空间位置关系搜索得到12位火车号，并利用每个字符的识别置信度及火车号编码规则进行校验得到最终火车号。另外，本文提出一种结合批一化因子和滤波器相关度的剪枝算法，通过对两个阶段检测模型的剪枝，在保证识别准确率不降（实验中略有提升）的条件下降低了存储空间占用率和计算复杂度。在现场采集的1072幅火车号图像上的实验结果表明，本文提出的火车号识别算法达到了96.92%的整车号识别正确率，平均识别时间仅为191 ms

脏腑定位，即明确病变所在的脏腑，是中医脏腑辨证的重要阶段。本文旨在通过神经网络模型搭建中医脏腑定位模型，输入症状文本信息，输出对应的病变脏腑标签，为实现中医辅助诊疗的脏腑辨证提供支持。将中医的脏腑定位问题建模为自然语言处理中的多标签文本分类问题，基于中医的医案数据，提出一种基于预训练模型ALBERT和双向门控循环单元（Bi-GRU）的脏腑定位模型。对比实验和消融实验的结果表明，本文提出的方法在中医脏腑定位的问题上相比于多层感知机模型、决策树模型具有更高的准确性，与Word2Vec文本表示方法相比，本文使用的ALBERT预训练模型的文本表示方法有效提升了模型的准确率。在模型参数上，ALBERT预训练模型相比BERT模型降低了模型参数量，有效减小了模型大小。最终，本文提出的脏腑定位模型在测试集上F1值达到了0.8013