为了摸清棒材斜辊矫直过程中各曲率的变化规律，应用小曲率平面弯曲弹复理论以及棒材弯曲弹复的曲率方程式，实现棒材一次反弯弹复的计算模型，基于棒材每旋转半周反弯一次的规律以及上一次弹复后的残余曲率认为是下一次弯曲的原始曲率，建立棒材全流程二辊矫直过程弯曲弹复模型，获得整个矫直过程中原始曲率、弯曲曲率、弹复曲率以及残余曲率的演变过程，得到棒材最终的残余曲率.应用该理论模型对现场生产过程进行了计算，与现场结果一致，验证了理论模型的正确性.应用所建立的理论模型对不同直径、不同材料屈服强度、不同原始挠度的棒材矫直过程分别进行分析，获得了不同来料参数情况下矫直过程的变形规律.该模型可以为二辊矫直机辊型优化设计与工艺参数计算提供理论依据

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

雷州一中、徐闻中学2012年高一第二学期第二次联考语文试卷_广东省雷州一中、徐闻中学2011-2012学年高一下学期第二次联考语文试题

模块一数控机床概述 数控机床认识项目→ 项目一数控机床的产生→ 项目二数控机床特点→ 项目三数控机床的分类→ 数控机床拓展项目→ 项目一数控加工地位→ 项目二数控机床发展方向→

多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

陕西省西安铁一中、铁一中国际合作学校2014届高三一模语文试卷及答案_陕西省西安铁一中

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度

材料辐照损伤是核反应堆材料、尤其是核聚变堆材料所面临的重要问题。高能粒子（中子、离子、电子）辐照在材料中会产生大量的点缺陷，即自间隙原子和空位。这些点缺陷聚集在一起会形成自间隙原子团簇和空位团簇，从而对材料结构和性能的演化产生重要影响。空位团簇包括有空洞、层错四面体、空位型位错环，而自间隙原子团簇则只有自间隙型位错环。本文介绍了两种点缺陷团簇的性质、及其对于以材料辐照肿胀为主要内容的材料辐照损伤性能的影响。作为空位团簇，比较详细介绍了具有本课题组特色的空位型位错环的研究，同时分析了合金元素和氢同位素对空位型位错环的影响。在铁试样中形成的这种空位型位错环尺寸可达100 nm左右，该空位型位错环具有两种柏氏矢量， b =<100> 和 b =1/2<111>，前者的数密度比后者高一个数量级。对于自间隙原子团簇，则重点介绍了与其相关的一维迁移现象及其研究动态，该一维迁移性能有可能是影响高熵合金辐照性能的重要因素

超疏水表面是具有独特性能的一类表面，本身就具有广泛应用前景。石墨烯材料作为理化性质出众的一类材料，由于其高电导率、高导热系数、高比表面积、高透光率和有优异的机械性能，广泛应用于航空航天、石油化工、海洋船舶等领域。目前，基于石墨烯材料构建超疏水表面，是超疏水表面研究中一个较新的方向。本文对超疏水表面的原理进行了概述，重点总结归纳了石墨烯基超疏水材料制备技术的研究现状，包括表面修饰法、沉积改性法、激光诱导法、涂覆法、层层自组装法等，简要介绍了石墨烯超疏水材料在自清洁、油水分离、防覆冰、耐腐蚀、抗菌等领域的应用，并对石墨烯超疏水材料的下一步研究方向进行了展望

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