基于混沌映射的小波域数字水印算法

针对数字水印的不可感知性和鲁棒性之间的矛盾问题,提出了一种基于混沌映射的小波域数字水印算法.该算法在混沌数字水印系统的基础上,对水印增加了置乱处理,并将其初值作为私有密钥以提高安全性能.嵌入水印时,将置乱的水印图像取模运算后再嵌入混沌映射模型进行迭代,再将所选择的图像进行小波变换后的逼近子图和各级细节子图以不同的嵌入因子分别与混沌水印相加.检测时,利用相应的混沌映射模型生成混沌水印序列,并进行相关检测.计算机仿真结果表明该算法具有很好的视觉效果,并对各种图像处理攻击有较强的鲁棒性,是一种简单可行的数字水印算法.     

H型钢腹板纵向裂纹缺陷分析

H型钢腹板裂纹的主要表现形式为纵向长裂纹。采用光学显微镜、扫描电镜和能谱等手段,对津西钢厂连铸异型坯生产的H型钢腹板裂纹进行了研究。研究发现,铸坯质量是H型钢腹板纵向裂纹产生的主要原因之一,为下一步进行裂纹工艺控制指明了研究方向。     

基于5G技术在换流站中的智能应用分析

为满足电力物联网的建设需要,在换流站终端接人5G技术,提高换流站通信能力,使换流站业务更加智能化.介绍了5G技术的优势和特点,分析了 5G技术在换流站的监测、混合现实和电力巡检中的智能应用,展现5G技术在换流站中应用的优势.5G技术不仅在站内巡检和运行维护方面具有优势,也提高了换流站的智能化水平和网络品质.     

阳极帽合金表面氧化层研究

研究了实验工艺对Ni42Cr6Fe合金表面氧化膜形成的影响.实验结果表明,Ni42Cr6Fe合金表面氧化膜的主要组分为Cr2O3和FeCr2O4,材料表面打毛处理和氧化温度是影响氧化膜的主要原因,晶格缺陷层产生的微观缺陷有利于原子在氧化过程中的扩散.     

TRIP带钢轧后冷却过程温度场的有限元模拟

应用有限元模拟仿真计算，对相变诱发塑性(TRIP)带钢在连轧机精轧后由850～890℃快冷至700℃，经几秒钟短暂空冷再第2次快速水冷至卷取温度400℃的冷却过程的温度进行了分析计算。分析结果得出，3mmTRIP带钢厚度方向的温差较小，而8mmTRIP带钢厚度方向温差明显增大。因此TRIP带钢在2次快速冷却后和卷取前应有适当的空冷时间以降低TRIP带钢卷取时表面和厚度方向中心处的温度差。     

N,N,N’,N’-四丁基-3-氧-戊二酰胺辐解产物研究 Ⅰ.二丁胺的定性和定量分析

采用红外、顶空固相微萃取-气相色谱／质谱联用的方法，研究了萃取剂N，N，N'，N'-四丁基-3-氧-戊二酰胺(TBOPDA)的液相辐解产物，并通过与标准物质对照，确定TBOPDA的液相辐解产物中存在二丁胺和N，N-二正丁基甲酰胺。采用高效液相色谱、固相微萃取-气相色谱联用方法，定量分析了在辐照过程中TBOPDA的分解情况和二丁胺的产生情况，分别计算了两者的产额。提出了TBOPDA的3种可能断裂方式。     

CSP工艺热轧低碳钢板的强化机制

采用金相显微镜、H—800透射电镜和正电子湮没方法分析了CSP热轧低碳钢板金相组织、析出物形貌、尺寸、分布及位错密度。结果表明:CSP工艺热轧低碳钢板的晶粒较为细小,约为5.3μm;当累积变形量较小、变形温度较高时,析出物主要在晶界上,数量少见比较粗大,其尺寸大多大于150nm;当累积变形量较大、变形温度较低时,析出物主要在晶内,细小、弥散且数量较多,其尺寸大多为20～100nm,析出物主要为Al_2O_3、MnS或Cu_7S_4;随着累积变形量的增加,位错密度明显增加,终轧后轧件的位错密度约为6.35×10~(14)m~(-2)。晶粒细化、析出物弥散分布及位错密度增加是CSP工艺热轧低碳钢板强度高的决定因素。     

GH4169合金电化学溶解特性及表面微观形貌分析

NaCl和NaNO₃溶液是电解加工中常用的电解液,具有使用安全、便于配制与维护、经济性好、对环境污染小等优点。在实际加工中,电解液的成分、浓度、温度会对电导率和钝化机理产生较大影响,直接决定了零件的加工质量和效率。文中针对GH4169合金在不同溶液中的极化特性开展研究,测定在NaCl、NaNO₃及混合电解液下的阳极极化曲线,分析其电化学溶解特性,并对样件进行表面微观形貌检测,从加工质量、效率等方面综合评判,确定10%NaNO₃+5%NaCl+0.5%Na₄O₂P₇溶液对于GH4169合金材料具有优良的电化学加工性能。     

一种无约束凸规划多平面修正TWSVM

对支持向量机（Twin Support Vector Machine,TWSVM）的优化思想源于基于广义特征值近似支持向量机（Proximal SVM based on Generalized Eigenvalues,GEPSVM）。该算法将传统SVM问题分解为两个凸规划问题,使得训练速度缩减到原来的1/4。对TWSVM做了修正,基于新的优化准则设计了一种特殊TWSVM（GTWSVM）,在此基础上,提出了快速GTWSVM（FGTWSVM）,其将GTWSVM转换为无约束凸规划问题求解。该算法在保证得到与TWSVM相当的分类性能以及较快的计算速度的同时,还减少了输入空间的特征数以及内存占用。对于非线性问题,FGTWSVM可以减少核函数数目。     

基于QPSO-MIL算法的图像标注

在多数现有图像标注图像库中,关键字只标注在图像级而非区域级,使有监督学习方法在图像标注中难以应用.基于量子粒子群优化算法(quantum-behaved particle swarm optimization,QPSO)提出了一种新的多示例学习(multi-instance learning,MIL)算法--QPSO-MIL算法,在多示例学习的框架下将基于区域的图像标注问题描述成一个有监督的学习问题.该方法将图像当作包,分割的区域当作包中的示例,利用多样性密度(DD)函数,定义了粒子的适应度向量.在示例空间,利用QPSO方法在各个维度上同时搜索DD函数的全局极大值点,作为关键字的概念点,然后根据Bayesian后验概率最大准则(MAP)对图像进行标注.通过ECCV 2002图像库的实验结果表明,QPSO-MIL算法是有效的.