轻量化的增量式集成学习算法设计

常规的分类与回归树算法(classification and regression tree, CART)只能通过重新训练来增加对新类别的认知, 导致样本类别数量较多时训练成本大幅增加。针对这一问题, 提出一种轻量化的增量式集成学习算法: 当新的类别进入到训练集中, 只需在原有集成学习算法中添加具有开集识别能力的CART基分类器, 就可以实现对新类别样本的分类, 而不需要重新训练, 从而降低计算复杂度, 简化学习过程。以辐射源分类为背景的仿真实验表明, 该算法在信噪比大于等于-4 dB的环境中, 可以保持90%以上的分类准确率; 在类别数量较多的情况下, 相比常规CART, 该算法可以大幅度降低新增分类类别所需的训练成本。     

钛合金TA7在醇溶液中的应力腐蚀敏感性

采用慢应变速率实验研究了钛合金TA7在醇类溶液等介质中的应力腐蚀敏感性，结果表明：钛合金TA7在醇类溶液中有明显的应力腐蚀敏感性；在含有Cl^-离子的醇类溶液中有强烈的应力腐蚀敏感性；钛合金的应力腐蚀开裂通常源自点蚀孔底部。