通过浮选试验、DLVO理论计算、聚焦光束反射测量（FBRM）等研究了油酸钠浮选体系下粒度大小对赤铁矿和石英浮选分离的影响。人工混合矿浮选试验表明，窄粒级粗粒或中等粒级的赤铁矿?石英混合矿（CH&CQ和MH&CQ）的浮选效果较好，其中CH&CQ和MH&CQ的分选效率分别为85.49%和84.26%，明显高于全粒级混合矿（RH&RQ）的分选效率74.94%；但窄粒级的细粒赤铁矿?石英混合矿（FH&FQ）的浮选效果则较差，其分选效率只有54.98%。浮选动力学试验表明，赤铁矿的浮选速率和回收率不仅与赤铁矿的粒度有关，还受石英粒度的影响，细粒脉石矿物石英会降低赤铁矿的浮选速率和回收率。DLVO理论计算表明，当矿浆pH值为9.0时，石英与赤铁矿颗粒间的相互作用力为斥力，此时细粒石英很难“罩盖”在赤铁矿表面并通过这种“直接作用”的方式抑制赤铁矿浮选，这也与聚焦光束反射测量（FBRM）的测定结果基本一致；颗粒?气泡碰撞分析表明，在浮选过程中细粒石英可能通过“边界层效应”的方式跟随气泡升浮（夹带作用），影响赤铁矿颗粒与气泡间的碰撞及黏附，从而降低了赤铁矿的浮选速率和回收率

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

基于建立的连铸中间包及结晶器内钢液混合过程的物理模型，开发了板坯连铸异钢种连浇过程混浇坯长度及成分变化模型。以某钢厂单流板坯连铸机220 mm×1560 mm断面Q235与Q335Ti钢的混浇过程为研究对象，采用水模型试验结合数值模拟确定模型的关键参数，并通过开展现场试验对混浇坯取样验证模型的准确性。结果证明：混浇坯成分取样与模型预测的成分偏差小于5%，且模型预测的混浇坯长度与人工确定的一致。故采用该模型可跟踪不同混浇工况下中间包内及铸流上钢液的混合行为，准确预测混浇坯的长度以及成分变化规律。采用该模型研究了拉速及中间包内剩余钢液质量对混交坯长度及不同浇注长度铸坯C元素质量分数变化的影响规律。发现当拉速保持不变时，中间包内剩余钢液越多，混浇坯越长；当中间包内剩余钢液质量保持不变时，拉速越大混浇坯越短。相比而言，中间包内剩余钢液质量比拉速对混浇坯长度的影响更大。另外当拉速不变时，随着中间包内剩余钢液质量的增加，C元素质量分数由0.16%变化到0.18%的速率减慢；当中间包内剩余钢液质量不变时，随着拉速的增加，C元素质量分数由0.16%变化到0.18%的速率增加。因此异钢种连浇过程，适当提高拉速以及减少中间包内剩余钢液质量，可有效减少混浇坯长度，成分变化速率降低

针对镍黄铁矿和蛇纹石浮选难分离,提出采用磁罩盖法进行磁分离.结果表明,控制一定的矿浆物化条件,随着磁种磁铁矿的添加,镍黄铁矿的磁选回收率随之升高,而蛇纹石的回收率基本保持很低,可实现两者的良好分离.人工混合矿分离结果表明,磁种质量分数为5%时,获得的精矿Ni品位为19.89%,回收率为92.46%,MgO质量分数为4.72%;X射线衍射和扫描电镜分析结果显示磁铁矿在镍黄铁矿表面产生了罩盖,在蛇纹石表面未产生明显的罩盖;Zeta电位测试和DLVO理论计算结果表明,添加六偏磷酸钠后,蛇纹石表面电性由正变负,而对镍黄铁矿和磁铁矿表面电性未产生显著影响,从而使磁铁矿与蛇纹石间的相互作用变为排斥,而与镍黄铁矿之间仍为吸引,因而磁铁矿选择性罩盖在镍黄铁矿表面,增强其磁性,实现与蛇纹石的磁分离

油箱壳外形复杂,拉深成形过程中容易出现侧壁起皱和圆角处破裂的缺陷,成形工艺参数的确定非常重要.结合分类与回归决策树(classification and regression tree,CART)的人工智能技术和模型交叉验证方法,通过调用Python平台开源库Scikit-Learn对油箱壳拉深成形数值模拟结果进行知识挖掘,筛选出对油箱壳拉深成形影响大的工艺参数;以基尼指数(Gini index)最小化作为最优特征值及最优切分点选择的依据,构建了工艺参数与性能指标关系的CART决策树,提取出了可靠的工艺设计规则.油箱壳拉深实例表明,CART决策树理论的知识发现技术是实现板料成形过程数值模拟结果潜在知识挖掘的可行途径

针对漏钢时结晶器铜板温度呈现出的“时间滞后”和“空间倒置”等典型特征，本文通过引入动态时间弯曲(DTW)和机器学习中的密度聚类(DBSCAN)方法，提取、汇集并区分结晶器温度的典型变化模式，在此基础上开发出一种新型的漏钢预报方法。借助动态时间弯曲度量不同拉速、钢种或工艺操作条件下结晶器热电偶温度的相似性，并运用密度聚类方法聚集和分离正常工况、黏结漏钢状况下的温度样本，在此基础上检测和预报结晶器漏钢。结果证实，相较于传统的逻辑判断和人工神经元网络预报结晶器漏钢的方法，基于聚类的漏钢预报方法无需人为设置阈值或参数，能够依据漏钢历史样本中温度变化的共性规律，提取并融合热电偶温度在时间、空间上典型的变化特征，准确区分和预报结晶器漏钢，具有较好的自适应性和鲁棒性

结合影像学和人工智能技术对病灶进行无创性定量分析是目前智慧医疗的一个重要研究方向。针对肝细胞癌（Hepatocellular carcinoma, HCC）分化程度的无创性定量估测方法研究，结合放射科医师的临床读片经验，提出了一种基于自注意力指导的多序列融合肝细胞癌组织学分化程度无创判别计算模型。以动态对比增强核磁共振成像（Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）的多个序列为输入，学习各时序序列及各序列的多层扫描切片在分化程度判别任务的权重，加权序列中具有的良好判别性能的时间和空间特征，以提升分化程度判别性能。模型的训练和测试在三甲医院的临床数据集上进行，实验结果表明，本文所提出的肝细胞癌分化程度判别模型取得相比几种基准和主流模型最高的分类计算性能，在WHO组织学分级任务中，判别准确度、灵敏度、精确度分别达到80%，82%和82%

《工程科学学报》：一种改进的人工蜂群算法——粒子蜂群算法

9.1 智能网 9.2 网络的智能化管理与控制 9.3 网上信息的智能化检索

8.1 Agent的概念 8.2 Agent的结构 8.3 Agent实例─Web Agent 8.4 多Agent系统 8.5 Agent的实现工具 8.6 Agent技术的发展与应用