《人工智能导论》为计算机科学技术专业和软件工程专业的一门选修课，其目的是使学生初步了解人工智能的基本原理，初步学习和掌握人工智能的基本技术，以便拓宽知识面，并为进一步学习和应用奠定基础。本课程的具体要求为： 1. 了解人工智能的基本概念、分支领域及其发展概况； 2. 理解知识表示及其推理的基本原理，掌握其基本技术； 3. 理解基于搜索的问题求解基本原理，掌握其基本技术； 4. 理解机器学习、知识发现的基本原理；初步掌握其基本方法； 5. 学会一种人工智能程序语言，掌握简单的智能程序设计方法； 6. 能综合运用所学知识，设计实现一个小型专家系统。 教学重点、难点： 1. 搜索与问题求解； 2. 知识表示及其推理； 3. 机器学习与知识发现； 4. 专家系统原理与设计

简述了钢铁冶金尘泥现有的处理工艺，具体介绍了回转窑工艺、Oxycup工艺、转底炉工艺。钢铁冶金尘泥目前的处理工艺主要停留在尘泥资源化回收利用的前3个阶段，往往只针对含量较高的部分元素进行分离回收。钢铁产业集聚区的尘泥除了含有 Fe、Zn、Pb、K、Na 等元素，还富集了大量 In、Bi、Sn、Cd等具有高附加值的稀散元素，是宝贵的有价资源。随着国家环保法规和产业政策的要求，钢铁冶金尘泥已经到了必须100%全部回收利用的新阶段。鉴于此，提出了根据各自的成分特征进行基于产品设计的各种尘泥间的协同搭配、单元技术间的科学耦合和系统集成，实现多组分梯级分离和全量利用的技术方案，希望能够为钢铁企业冶金尘泥的全量资源化利用提供参考

西昌钢钒厂由于转炉热量不足而以转炉—LF精炼—RH精炼—连铸工艺生产IF钢，为探究RH强制脱碳与自然脱碳工艺生产IF钢精炼效果，采用生产数据统计、氧氮分析、夹杂物自动扫描、扫描电镜和能谱分析等手段，对不同脱碳工艺对顶渣氧化性以及钢的洁净度影响进行了详细研究。结果表明：（1）与自然脱碳工艺炉次相比，采用强制脱碳工艺的炉次在转炉结束与RH进站钢中的平均[O]含量更低；（2）两种工艺脱碳结束钢中的[O]含量基本在同一水平；（3）强制脱碳工艺的炉次在RH结束时渣中平均T.Fe的质量分数降低了1.3%。在能满足RH脱碳效果的前提下，尽量提高转炉终点钢液碳含量、降低钢液氧含量，后续在RH精炼时采用强制吹氧脱碳工艺，适当增大吹氧量来弥补钢中氧，可显著降低IF钢顶渣氧化性。自然脱碳工艺与强制脱碳工艺控制热轧板T.O含量均比较理想；与自然脱碳工艺相比，强制脱碳工艺可有效降低IF钢[N]含量，这与强制脱碳工艺真空室内碳氧反应更剧烈所导致的CO气泡更多和气液反应面积更大有关。脱碳工艺对IF钢热轧板中夹杂物类型、尺寸及数量没有明显影响，夹杂物主要由Al2O3夹杂、Al2O3–TiOx夹杂与其他类夹杂物组成，以夹杂物的等效圆直径表示夹杂物尺寸，以上三类夹杂物平均尺寸分别为4.5、4.4和6.5 μm，且钢中尺寸在8 μm以下的夹杂物数量占比高于75%。在RH精炼过程中，尽量降低RH脱碳结束钢中[O]含量，有利于提高钢液洁净度

为了实现地下金属矿山采掘作业计划编制的实时准确与科学有效性，针对矿山作业地点分散、生产组织复杂、矿石质量难以控制等特征，构建了基于0-1整数规划的作业计划优化模型.通过分析开采技术经济指标及空间逻辑关系，以最小品位偏差为目标，将产量均衡、出矿能力以及品位高低结合开采等转化为约束条件，考虑各采场作业工序、回采顺序、生产能力以及其他生产要素等，运用计算机技术和整数规划方法，得出地下矿山采掘作业计划最优方案.以国内某大型金矿为案例进行了模型的有效性验证，解算出矿山最优的采掘作业计划，并得出作业计划甘特图.结果表明，模型能够指导完成生产作业任务，且满足作业计划连续性和均衡性要求

随着汽车行业的快速发展，轻量化汽车用钢的研发和应用越来越广泛。抗拉强度超过1000 MPa的第二、三代汽车用钢往往是复相组织，通过固溶、析出、变形、细晶强化等各种强化方式，在基体中形成大量缺陷，导致钢材服役过程中对氢更加敏感，容易在很小的氢溶解条件下发生氢脆。Fe?Mn?C系、Fe?Mn?Al?C系等含Mn量高的汽车结构用钢因层错能较高，不仅直接决定了其强韧性机制，还对其服役性能有重要影响。在Fe?Mn?C系TWIP钢的成分基础上，添加少量Al元素，形成Fe?Mn?(Al)?C钢，不仅能降低钢材密度，提高钢材的强韧性，也因Al元素改变了钢材的微观组织构成，一定程度上令氢脆得到缓解。但当Al含量较高时，形成低密度钢，其组织构成更加复杂，析出物更多，导致氢脆敏感性更显著。本文从Fe?Mn?(Al)?C高强韧性钢的组织构成、第二相、晶体缺陷等特征出发，综述了H在Fe?Mn?(Al)?C钢中的渗透、溶解和扩散行为，H与基体组织、析出相、晶格缺陷的交互作用，H在钢中的作用模型、氢脆机制、氢脆评价手段和方法等。并评述了Fe?Mn?(Al)?C高强韧性钢氢脆问题开展的相关研究工作和最新发展动态，指出通过第一性原理计算、分子动力学模拟和借助氢原子微印技术、三维原子探针等物理实验相结合的方法是从微观层面揭示高强韧性钢氢脆机制的未来发展方向

通过简单的水热反应原位合成了具有核壳结构的FeS2微米球与多壁碳纳米管复合的介孔材料(C-S-FeS2@ MWCNT).FeS2微米球表面由纳米片状颗粒堆叠形成的厚度为~350 nm壳层, 以及以化学键的形式吸附在微球表面的碳纳米管共同构成了材料保护层.保护层具有丰富的官能团和大量的孔隙结构, 保证了锂离子扩散通道, 并有效抑制了体积膨胀.C-S-FeS2@ MWCNT在200 mA·g-1的电流密度下, 250次循环可逆容量达到638 mA·h·g-1, 倍率性能也得到明显改善, 为过渡金属硫化物电极材料的微米化设计和体积能量密度的提升提供了可能

前列腺核磁超声图像配准融合有助于实现前列腺肿瘤的靶向穿刺。传统的配准方法主要是针对手动分割的前列腺核磁（Magnetic resonance, MR）和经直肠超声（Trans-rectal ultrasound, TRUS）图像上对应的生理特征点作为参考点，进行刚体或非刚体配准。针对超声图像因成像质量低导致手动分割配准效率低下的问题，提出一种基于监督学习的前列腺MR/TRUS图像自动分割方法，与术前核磁图像进行非刚体配准。首先，针对图像分割任务训练前列腺超声图像的活动表观模型（Active appearance model, AAM），并基于随机森林建立边界驱动的数学模型，实现超声图像自动分割。接着，提取术前分割的核磁图像与自动分割的超声图像建立轮廓的形状特征矢量，进行特征匹配与图像配准。实验结果表明，本文方法能准确实现前列腺超声图像自动分割与配准融合，9组配准结果的戴斯相似性系数（Dice similarity coefficient, DSC）均大于0.98，同时尿道口处特征点的平均定位精度达1.64 mm，相比传统方法具有更高的配准精度

采用数学模拟方法研究钢轨钢连铸坯脱氢退火行为，分析不同退火温度、退火时间条件下连铸坯脱氢效果，优化了脱氢退火工艺.在脱氢退火过程中，连铸坯角部和边部的氢含量快速降低，而连铸坯中心氢含量在加热段后期开始降低；随着退火温度的升高，连铸坯中心脱氢的起始点明显提前，最大脱氢速率显著增加.随着均热段时间逐渐延长，连铸坯中心氢含量明显降低，但脱氢速率的增加幅度逐渐减小.通过优化脱氢退火工艺参数，连铸坯中心氢的质量分数能够降低至0.6×10−6，脱氢效果显著

研究了Co掺杂对还原氧化石墨烯(RGO)/Fe3O4复合材料结构、形貌和吸波性能的影响规律.采用一步水热法分别制备RGO/Fe3O4和Co掺杂的RGO/Fe3O4复合材料,通过扫描电子显微镜、X射线衍射仪和X射线光电子能谱分析Co掺杂对复合材料的微观形貌、相组成及表面元素价态的影响;利用矢量网络分析仪测定两种复合材料在2~18 GHz频率范围内的相对复介电常数和复磁导率,模拟计算了Co掺杂对RGO/Fe3O4复合吸波性能的影响规律.结果表明:部分Co参与了水热反应生成了CoCO3、Co3O4和Co2O3,还有部分Co以单质形式存在,其通过正负电荷吸引机制,影响Fe3+在氧化石墨烯(GO)表面的配位,使得负载在还原氧化石墨烯(RGO)表面的Fe3O4纳米颗粒部分迁移至RGO片层间;Co掺杂改善了复合材料的导电能力和磁损耗能力,使复合材料的吸波能力显著增强.反射率模拟结果表明:掺杂后与掺杂前相比,当匹配厚度d=2.00 mm时,最大反射损耗提高3.44 dB,有效吸收频带拓宽2.88 GHz;当匹配厚度d=2.50 mm时,最大反射损耗提高8.45 dB,有效吸收频带拓宽2.73 GHz.Co掺杂对RGO/Fe3O4复合材料的结构和形貌有显著影响,并有效改善复合材料的吸波性能

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