实习一 学习使用《构造地质学》CAI 课件 实习二 简单剪切的卡片模拟 实习三 极射赤平投影原理 实习四 读地质图，作剖面图（水平、倾斜岩层） 实习五 读褶皱区地质图 实习六 编制和分析构造等高线图 实习七 编制节理极点图和等密图 实习八 分析断层地区地质图 实习九 分析岩浆岩发育地区地质图 实习十 构造地质综合实习

采用真空感应熔炼法制备了医用Ti-50. 7%Ni合金(原子数分数), 测试了铸态合金的成分、相变点、微观组织和硬度, 并采用Gleeble-3800热模拟实验机在变形温度750~950℃、应变速率0. 001~1 s-1, 应变量为0. 5的条件下对Ni-Ti合金进行高温压缩变形, 分析其流动应力变化规律, 建立了高温塑性变形本构关系和热加工图.结果表明: 当变形温度减小或应变速率增大时, Ni-Ti合金的流动应力会随之增大.应变速率为1 s-1时, 合金的真应力-真应变曲线呈现出锯齿状特征.根据热加工图, 获得了Ni-Ti合金的加工安全区和流变失稳区, 进而确定其合理的热变形温度范围为820~880℃, 真应变速率低于0. 1 s-1.从而为制定镍钛合金的锻造工艺参数提供理论和数据基础

提出了基于免疫遗传算法的形态学自适应结构元素生成算法，并将其用于光学相干断层成像(optical coherence tomography，OCT) 图像中视网膜组织边缘检测. 首先将图像进行去噪和粗分割的预处理，并将图像划分为若干子图像; 其次对每一子图利用免疫遗传算法求取自适应结构元，初始随机生成固定长度的二进制数串作为抗体，并将其转化为结构元素格式，以图像二维熵定义抗体适应度，根据子图像本身结构特征信息，寻找最优抗体结构元素; 最后利用寻优得到的各结构元素对子图进行形态学边缘检测，合并各子图的分割结果，实现整体图像目标边界提取. 实验结果表明了该方法在图像目标边界提取的有效性

第一节 图的基本概念 第二节 网络分析

采用旋转柱体法对不同类型的含氟连铸保护渣黏度进行检测，并基于Arrhenius方程通过非线性回归分析建立了新的黏度预测模型，分析了组分变化对黏度的影响。结合模型计算和实验检测，建立了CaF2?Na2O?Al2O3?CaO?SiO2?MgO渣系的等黏度图。结果表明，与传统的含氟连铸保护渣黏度预测模型相比，该模型计算的偏差在10%以内，当渣中w（CaF2）超过20%时，偏差逐渐增大，主要由于氟化物挥发造成炉渣成分变化，最终黏度实测值与炉渣初始成分不符，造成模型无法对黏度有效预测。此外，研究发现，CaF2的增加能显著降低炉渣黏度，而Al2O3和Na2O对黏度的影响受CaF2含量的限制。当w(CaF2)>17%，炉渣黏度随Al2O3含量增加而减小，当w(CaF2)<17%，Al2O3的增加使炉渣黏度显著增大；当w(CaF2)>11.5%，炉渣黏度随Na2O含量增加显著下降，当w(CaF2)<11.5%，Na2O含量变化对黏度的影响并不明显。此外，该等黏度图表明低黏度区w(CaF2)接近14%。通过调整等黏度图中各组分比例，可以改善保护渣的黏度和流动性，供钢铁工业应用

为了进一步研究热压缩及热处理过程对组织及取向变化的关联性, 通过对TC17进行热压缩变形及后续热处理, 利用光学显微镜和背散射电子衍射等分析方法, 结合晶粒尺寸、织构分布图、极图以及反极图, 研究变形后及热处理后的TC17的组织结构、晶粒尺寸的变化和取向的演变规律以及两者之间的关联性.结果表明: 随着变形温度升高, 初生α相含量大幅减小, 尺寸减小, 大部分α相晶粒分散分布, 且位于高温β相晶粒的三叉晶界上; 热处理后, α相和β相组织特征清晰, 界限明显, 初生α相依旧存在, 且趋于等轴化, 亚稳定β相发生转变, 形成片层状β转变组织; 热变形使α相织构极密度值减小, 且随之温度增加, α相织构极密度值也变小; 热变形后的α相已不存在明显的强织构, 热变形对α相晶粒的取向影响较大, 很明显的改善了其取向的均匀性; 热变形同样使β相织构极密度值减小, 但效果不明显.β相仍存在取向集中现象, 取向均匀性相对较差

3.1 图的基本概念 3.2 网络分析

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

一、关键路径分析技术与 计划评审技术 一项工程包括若干工序，完成每道工 序需要一定的时间，工序之间存在先后顺 序关系，那么如果安排各工序的开工时间 和顺序，才能使工程尽可能早完成？ 关键路径分析就是借助图的技术来求解此 问题的一个方法。它告诉我们哪些工序是 影响工程的关键，它们的提前或推后完工， 都必然影响工程的完工

一.图论与网络介绍 二.网络最大流问题