手背静脉身份识别由于其非接触和不易被污染等独特的优势,已成为各种新型生物特征识别手段中的研究和应用热点.如何提取具有高鉴别性且鲁棒的手背静脉图像特征是本文的研究重点.本文简述了基于局部二值模式(local binary pattern,LBP)的特征提取方法及其改进方法的基本原理,讨论分析了其不足,并针对不足,提出了一种多尺度块中心对称局部二值模式(multi-scale block center-symmetric LBP,MB-CSLBP)算子.本文所提出的MB-CSLBP算子既考虑图像的局部宏观特征,也兼顾图像的微观特征,获取了更加全面的图像信息.在自建的2040幅近红外手背静脉图像数据库中,用MB-CSLBP方法获取图像特征并使用最近邻分类器进行识别.大量的对比实验结果表明,本文所提方法的识别率达到98.21%,优于原始LBP及其改进算子,中心对称局部二值模式(center-symmetric LBP,CS-LBP)和多尺度块局部二值模式(multi-scale block LBP,MB-LBP)等

针对人耳识别中存在姿态、光照变化等问题,提出信息融合的方法,将二维人耳和三维人耳的信息进行融合,以克服姿态、光照对人耳识别的影响.对于二维人耳,由于姿态等的变化会导致人耳图像数据在高维空间中呈现出非线性流形结构,采用等距映射这种流形学习算法进行特征提取,对三维深度人耳则采用3D局部二值模式进行特征提取,然后分别进行二维和三维人耳识别,最后在决策层进行融合识别.在79人的人耳数据库上进行了实验,每人8幅带姿态的二维人耳图像和6幅带光照的三维人耳深度图像.实验结果表明,与单独的二维人耳和三维人耳识别相比,融合之后的识别效果和认证效果均有很大的改善

月球矿物资源的原位利用技术是月球基地建立和后续深空探索的基础。由于月球特殊环境及地月运输成本的限制，现有矿冶技术难以直接应用于月球矿物的原位开发。各国的科研人员围绕月球矿物资源原位利用方向开展了卓有成效的研究工作，发展了几种极具应用潜力的技术。这些方法可分为材料化成型和提取冶金两类，其中材料化成型工艺如烧结法、3D增材制造法等，主要用于将月壤直接材料化成型以制备月球基地建材。提取冶金工艺包括碳/氢化学介质还原法、电解还原法以及真空热解法等，可生产月壤矿物对应的金属单质或其低价氧化物，并获得氧气。本文概述了已有月壤原位利用技术的一般原理、基本过程、热力学动力学基础及近期研究进展。探讨了这些方法的一些优缺点，并展望了其在月球矿物原位利用上的应用前景

针对目前铷矿提取工艺污染严重、资源综合利用率低的现状, 本文提出采用酸浸—溶剂萃取工艺提取铷云母矿中的铷.研究了浸出温度、硫酸浓度及浸出时间对铷浸出率的影响, 并借助X射线衍射、扫描电镜、能谱分析等手段, 研究了浸出过程中铷云母矿的物相转变.实验结果表明, 铷云母矿酸浸的最佳条件为浸出温度250 ℃、H2SO4质量浓度200 g·L－1、浸出时间1.5 h, 在此条件下铷浸出率达85.2%.X射线衍射图谱表明铷云母矿的主要矿物组成为石英、黑云母、白云母、正长石及钠长石.扫描电镜-能谱分析结果表明矿石中的铷主要以类质同象取代钾的位置分别存在于黑云母及白云母中.浸出过程中发生的主要反应为载铷云母的溶解.在萃取剂浓度1 mol·L－1、有机相与水相的体积比O/A = 3∶1、萃取级数为3级条件下进行逆流萃取实验, 萃余液中的铷质量浓度为0.003 g·L－1, 铷的萃取率达98%.在HCl浓度1 mol·L－1、相比O/A = 4∶1、反萃级数为2级条件下反萃负载铷的有机相, 铷反萃率达99%.以浸出渣为原料, 采用碱熔—中和沉淀工艺制备出了白炭黑产品, 实现了资源的综合利用.采用X射线衍射、红外光谱分析技术对白炭黑进行了表征, 结果表明产品成分为水合二氧化硅, 符合非晶态白炭黑的特征.化学定量分析结果表明白炭黑产品含SiO2质量分数91.65%, 所制备的白炭黑满足国家化工行业标准

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

采用无水电解法提取不锈钢中存在的典型夹杂物，通过扫描电子显微镜观察夹杂物三维形貌，并根据元素组成对夹杂物进行分类和形貌分析，对具有相同化学成分但不同三维形貌的夹杂物进行了表征和归纳。利用FactSage 7.0热力学软件，对不同夹杂物的平衡状态进行了计算，研究了温度和钢液成分对于夹杂物平衡的影响，并得到相应的平衡相图。结果表明，无水电解可以有效地将不锈钢中夹杂物完整地提取出来，避免了金相法带来的误差，可以更加清晰的观测夹杂物的三维形貌；经扫描电子显微镜观察和测量，较大的氧化铝夹杂物表面较为容易出现钛元素的富集区域，且大部分夹杂物形貌主要为球状和表面较为光滑的多面体状，直径一般不大于5 μm。通过热力学计算得到，钢中夹杂物的生成与钢中元素质量分数密切相关，在1873 K时，Mg、Ti、Si元素质量分数的不同会导致生成不同的夹杂物

一、MAX+plusl设计流程 延时网表提取、编程文件汇编编译网表提取、数据库建立、逻辑综合、逻辑分割、适配。 二、半加器 只求本位和,不考虑低位的进位。实现半加操作的电路叫做半加器

任务一 广西壮族服饰色彩的提取与应用 任务二 广西壮族服饰形制的提取与应用

采用调频连续波（Frequency modulated continuous wave, FMCW）雷达实现非接触式生理信号检测，并提出了基于小波分析和自相关计算（Wavelet analysis and autocorrelation computation, WAAC）的检测方法。首先，毫米波FMCW雷达发射电磁波信号，并接收来自身体的反射信号。然后，通过信号预处理从中频信号中提取包含呼吸和心跳的相位信息，消除直流偏置并完成相位解缠。最后，基于小波包分解（Wavelet packet decomposition, WPD）从原始信号中得到心跳和呼吸信号，利用自相关计算减小杂波对心跳信号的影响，进而提取高精度的心率参数。应用FMCW雷达对10名受试者进行实验测试，结果表明本文方法得到的呼吸和心率的平均绝对误差率平均值分别小于1.65%和1.83%

提出基于双向长短期记忆网络（bidirectional long short-term memory，BiLSTM）和前向神经网络的融合模型完成公共安全事件的触发词识别任务.首先通过BiLSTM提取整段文本的高层语义特征，避免了以往机器学习方法需要人工提取特征的问题，其次采用特征拼接并在前向神经网络中识别并分类事件触发词.实验结果表明相较于基准模型，本文方法在中文突发事件语料库（Chinese emergency corpus，CEC）上取得了更为突出的性能，Micro-F1值为78.47%.此外本文讨论了不同拼接特征在触发词识别任务中的重要性，对文本分析中3类特征（词性、句法、实体）的重要程度进行了比较和分析，得出句法特征对于事件触发词识别任务助益最大的结论