非光滑带钢在粗糙轧辊平整轧制过程中表面微观形貌的转印行为与演变规律

针对平整轧制过程不同用途带钢对表面微观形貌的特殊要求,在批量跟踪电火花毛化轧辊、磨削轧辊和冷轧后带钢表面微观形貌的基础上,建立工作辊与带钢都可考虑真实表面粗糙峰的带钢表面微观形貌轧制转印生成模型,采用工业实验验证了仿真模型的准确性,并据此模型分析轧制前带钢已经具有表面粗糙度分别大于、等于、小于轧辊表面粗糙度时,带钢表面微观形貌的轧制转印行为与遗传演变规律。提出了负转印和转印饱和的概念,定义了两种极限轧制转印状态的描述指标— —负转印最大和转印饱和,研究发现当带钢表面粗糙度小于或等于轧辊表面粗糙度时,存在负转印最大点和转印饱和点;当带钢表面粗糙度大于轧辊表面粗糙度时,负转印最大点和转印饱和点重合。在此基础上,采用负转印最大点与转印饱和点对应的临界板宽轧制力,描述带钢表面微观形貌的遗传及演变规律,并系统仿真分析带钢屈服强度、带钢轧前表面粗糙度、轧辊表面粗糙度等工艺条件参数对于负转印最大点与转印饱和点对应的临界单位板宽轧制力的影响规律,发现随着带钢屈服强度增大和轧辊表面粗糙度增加,该临界单位板宽轧制力均增大;随着带钢表面粗糙度增大,负转印最大点对应的临界单位板宽轧制力增大,但转印饱和点对应的临界单位板宽轧制力却减小。      

氮化硅反应烧结的研究进展

氮化硅作为高温功能陶瓷性能优越，但将其制备成陶瓷零件比较困难，目前一般用反应烧结法制备氮化硅陶瓷零件。此外，反应烧结制备氮化硅陶瓷还具有成本低、烧结温度低、产品成型好、陶瓷高温性能好等优点。综述了氮化硅陶瓷反应烧结工艺流程和工艺的优缺点，着重介绍了氮化硅反应烧结在成型工艺、烧结工艺、原材料影响、后处理和陶瓷增韧等方面所取得的进展。     

降维技术与方法综述

为了更好地对数据实现降维,讨论了特征选择与特征变换两种技术。对于特征选择,按照特征子集的形成方法可分为穷举法、启发式方法、随机方法、智能优化方法等;按照评价函数的类别可分为筛选式、封装式、嵌入式。对于特征变换,传统的方法采用线性降维方法,主要有非负矩阵分解、因子分析、主成份分析、奇异值分解、独立成分分析等;目前的方法是非线性降维方法,以流形学习为代表。对各种不同方法详细探讨其原理与流程,并进行了性能比较。     

多态细菌趋药性优化

在细菌群趋药性规则与细菌趋药性算法的基础上,提出一种新的函数优化算法——多态细菌趋药性算法。该算法克服了细菌趋药性算法收敛较慢、易陷入局部最优的不足,利用菌群之间的交互信息来修正其觅食过程。对不同函数优化结果表明该算法性能优于遗传算法、粒子群算法、细菌趋药性算法,是一种具有进一步研究价值的集群函数优化方法。     

最大模糊互信息用于图像分割

为了更好地选取图像阈值,将最大模糊熵(MFE)准则与最大互信息(MMI)准则结合,提出最大模糊互信息(MFMI)准则。同时为了有效确定最佳分割类数,提出根据模糊互信息差(dFMI)来判别的准则。综合上述的两点改进,提出一种新的多阈值分割算法——最大模糊互信息量分割算法(MFMI)。对合成图像、无损检测图像、标准测试图像进行仿真,同时对比结合前的MFE与MMI,经典的阈值分割法如OTSU和MET,以及流行的模糊C均值算法(FCM),可以发现MFMI误判率最小,代价是运行时间较长。综上,MFMI是一个有效的图像分割方法。     

基于分割的彩色图像编码

文中基于第二代图像编码思想,提出一种新的静止图像编码方式:首先利用脉冲耦合神经网络对图像进行分割;接着对图像的边缘区,采用改进的链式编码来记录边缘形状信息,采用二维DCT编码记录边缘彩色信息,同时对图像的同质区与纹理区,则结合第二代小波采用一种改进的零树小波编码;然后采用零树关系重排量化系数;最后根据接收方的主观心理,给出算法相应的变型.实验表明,在不考虑信道噪声与接收方主观心理的情况下,文中算法优于流行的JPEG,CMP,EZW与JPEG2000.     

基于SPCNN和Nagao滤波的图像去噪

为了更好地滤除椒盐噪声,提出如下方法:首先借鉴非线性模板和模板匹配的思想,改进了Nagao滤波器;再利用简化脉冲耦合神经网络模型,提出一种定位噪声点的方法;最后将两者结合用于恢复被椒盐噪声污染的图像.实验证实,采用本文算法恢复图像的主客观效果均优于标准中值滤波、自适应中值滤波、中子集型中值滤波、简化脉冲耦合神经网络滤波,且当噪声密度大范围变化时仍然具有较好效果.     

一种径向基函数神经网络的参数求解方法

为了求解径向基函数神经网络的权值,首先分析了传统基于训练误差的方法,发现该方法容易造成数据过拟合,原因在于训练误差是风险函数的下偏估计;因此,文中提出采用缺一交叉验证得分代替训练误差,来实现无偏估计风险函数;实验对摩托数据与玻璃数据进行拟合,证实了基于缺一交叉验证的方法优于传统基于训练误差的方法,且所得到的径向基函数网络能够较光滑地拟合数据,不会造成过拟合.     

深度置信网络模型及应用研究综述

介绍深度置信网络（DBN）理论基础的发展,对比分析深层结构DBN与浅层网络结构的差异,最后引用多篇文献分析研究DBN在文字检测、人脸及表情识别领域和遥感图像领域的应用效果。全面介绍了深度学习模型DBN,深入分析DBN的构建与实际应用,为研究人员提供改进DBN的思路,以期在未来将其运用到更宽广的新兴领域中。     

基于影像的病脑检测方法综述

脑部疾病严重威胁着人类的健康,而随着计算机技术的发展,CT、MRI、PET-CT等医学图像越来越多地被应用到医疗诊断工作当中,这将计算机可视化技术推向了一个新的高度。脑部疾病的病情各异,有的甚至直接危及生命,因此,脑疾病的早期诊断对疾病治疗具有十分重要的意义。目前,深度学习的火热,及其自动学习特征的优势,使得基于深度学习的计算机辅助医疗诊断成为了研究热点。将简单介绍病脑成像技术,并针对传统的病脑检测方法和基于深度学习的病脑检测方法进行比较、分析和总结,研究其发展现状和趋势,并针对不同的诊断方法对其检测性能等方面进行分析与比较。