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

在局部腐蚀微区中,金属离子水解而造成PH下降的事实虽已由不少研究工作证实,但因研究技术上的困难,这方面原位的、定量的测量数据尚不充分,现在的数据多为模拟实验提供。本文把生理学上曾得到应用的钨电极引入局部腐蚀中来,较为系统地究究了钨电极的电位与溶液pH值的线性关系,钨电极的电位随温度、时间的变化,以及腐蚀介质和某些腐蚀研究中常见的离子对钨电极的电位的影响。证明:在PH值为0.5~5.0的范围内,钨电极的电位与溶液PH值有良好的线性关系:EP=+a×pH。式中a、b为与电极表面状态有关的常数,但a的数值一般在f0mv/pH左右。温度系数<2mv/度。Cl-、SO42-、NH4+、Na+、Mg2+、Mn2+、Zn2+、Al2+、Ni2+对测定干扰很少,Cr3+及Fe3+在浓度不大时干扰也较小,因此钨电极与微参比电极配合,可以应用在局部腐蚀的微区测量中

通过对低碳含铝钢20Mn2精炼过程的取样分析,得出精炼渣的熔化温度偏高,渣中存在大量固相CaO,并导致钢中含有CaO类夹杂物,精炼渣吸附夹杂物能力差.利用Fact Sage热力学计算,从渣的低熔点区域控制和渣-钢反应这两个方面对渣系进行研究与优化.结果表明,CaO/Al2O3质量比在1.5左右添加质量分数为3% CaF2可以有效降低渣的熔化温度,渣的熔化温度随着CaF2含量的升高呈现先降低后升高的趋势,MgO的质量分数控制5%左右低熔点区域面积达到最大.在SiO2质量分数大于30%区域,钢中氧含量大体上随着CaO/Al2O3质量比的增加而降低,在SiO2的质量分数低于30%区域随着CaO含量的升高而降低,钢中酸溶铝含量在SiO2含量高的区域随着Al2O3/SiO2质量比的增加而升高,在SiO2含量低的区域随着CaO/SiO2质量比的增加而增加.根据热力学分析结果得出合理的渣系范围：CaO 50%-60%,Al2O320%-35%,SiO25%-10%,MgO 5%-8%,CaF20-5%.优化渣系的实验结果表明,优化后渣系熔化温度降低,钢中夹杂物数量、面积和平均尺寸均有明显下降

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断

研究了红格钒钛磁铁矿(HCVTM)球团等温氧化动力学及其矿物学特征. 在不同的温度(1073~1373 K)和不同的时间(10~60 min)范围内,对HCVTM球团矿进行了等温氧化动力学实验. 首先分析了球团在不同温度和时间下的微观结构和矿物组成规律. 然后根据定义的氧化率,计算和分析了氧化率及其变化规律,以及矿相结构对氧化率的影响. 最后结合缩核模型、修正的氧化率函数和阿伦尼乌斯公式,计算了反应速度常数、修正系数和反应活化能,并判断了反应限制性环节. 研究表明:随温度的提高,低熔点液相增加,赤铁矿晶粒的生成、长大和再结晶,形成连续的黏结相,空隙数量减少. 随时间的增加,生成的液相促进了赤铁矿晶粒间的黏结和长大,但是晶粒间硅酸盐相和钙钛矿类物相恶化了球团结构. 同时,钙钛矿和铁板钛矿相生成. HCVTM球团矿空隙数量的减少和黏结相的生成,表现在氧化速率随时间增加而减慢. HCVTM球团氧化反应主要受扩散控制,球团氧化前期的反应活化能为13.74 kJ·mol-1,氧化后期的活化能为3.58 kJ·mol-1,氧化率函数的修正参数u2=0.03

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

针对轧钢生产中大批过程数据没有被用于提高厚度质量的现象,提出了一种基于减法聚类的带钢厚度数据驱动在线建模方法.首先通过减法聚类将输入空间划分为一些小的局部空间,在每个局部空间中用最小二乘支持向量机建立子模型,子模型加权输出作为带钢厚度的离线模型;然后当在线数据不断增加时,通过在线减法聚类算法实时调整局部空间,子模型的参数采用最小二乘支持向量机的递推算法进行相应的在线辨识,子模型的预测输出作为模型的最后输出.实验结果表明,该方法具有良好的预测精度和较强的在线学习能力

通过模拟高炉实际条件，研究了温度、富碱条件等对五种捣固焦气化反应的影响，并结合光学组织和微观气孔结构分析了捣固焦在高温下的碳溶反应规律。实验结果表明，反应温度升高和富碱均能较大地提高捣固焦气化反应失碳率。不富碱时，捣固焦气化反应失碳率随温度升高先缓慢增长而后急剧升高，在1000℃以下时反应较少；富碱后，四种捣固焦失碳率随温度升高先急剧升高而后趋于平稳，在1100℃时已达到最大值。捣固焦内部闭气孔比例较大，大气孔较少，微小气孔较多，局部存在盲肠状气孔，反应后大气孔和贯穿孔数量增加。除反应性最低的捣固焦A外，其他四种捣固焦以基础各向异性和粗粒镶嵌结构为主，在1000℃和1100℃时抗碱金属侵蚀能力较差

采用1:4的比例建立水力学模型模拟210 t多功能RH浸渍管内钢液流动装置,对钢液流态进行分析,并考察吹氩量、浸渍管插入深度及吹氩孔个数对钢液流场和混匀时间的影响.结果表明:钢包内存在一主回流和大量小回流,并且来自下降管的下降液流和其周围液体形成了液-液两相流,这种流动状态对钢包内的混合及传质起着决定性的作用;本文得到的关于RH钢包内液体的这种流动状态,否定了RH过程的早期研究中关于下降管和上升管间存在\短流\现象的结论.吹氩量、浸渍管插入深度、上层和下层吹氩孔个数对钢液混匀时间的影响都非常明显,其中吹氩量及下层吹氩孔个数的变化对钢液混匀时间的影响趋势较为强烈

通过测量大庆地区区域土壤的理化性质以及碳钢的短期腐蚀数据,分析土壤传质过程的逻辑关系,构建了碳钢短期土壤腐蚀预测模型.通过用该模型在BP人工神经网络中进行学习、训练及模拟,并与现场碳钢埋片腐蚀实验结果对比,进一步验证了腐蚀模型的合理性.结果表明:含水量、空气容量、pH、Cl-含量、SO42-含量和可溶盐总量六种土壤环境参数为影响区域土壤中碳钢腐蚀的主要因素;运用基于Matlab平台的人工神经网络,通过不断地积累土壤腐蚀信息,多次训练后可以建立起稳定性好、泛化能力强的土壤腐蚀预测模型,能较好地预测了大庆地区碳钢在土壤中的腐蚀速率