首钢200m~3氮气球型储罐水压后裂纹起因

通过现场对球罐下极环上水压后出现的裂纹分布、走向及金相组织形貌的观察和相应的位置硬度的实测结果,分析确认裂纹为焊接冷裂纹·产生的原因:①由于焊接质量欠佳致使熔合线处含有断续的夹渣;②焊接工艺不当,预热和后热温度不足;③由于分带组装且下极环为最后一道焊缝故造成处此组装应力过大易导致裂纹的产生·     

对平遥旅游品牌形象定位的思考

在分析目前平遥旅游形象定位存在的问题,根据旅游者体验心理分析了"唯一完整古城,全面明清文化"这一品牌形象定位的必要性,从而为以后平遥旅游形象的设计提供了方向.     

基于蚁群算法的Web站点导航

提出了一种Web站点的导航方法.首先利用蚁群算法对已经存在的Web日志进行训练,构造一个有向图,该有向图的节点和边保存了网页与网页间的链接概率和用户行为规则.利用训练结果,预测访问网站的用户行为,根据其行为推荐网页,最后的测试结果表明该方法比单纯的概率分析和关联规则具有更高的精度.     

PBC:一种基于路径的XML文档聚类方法

提出了一种基于路径的XML文档结构聚类方法(PBC).与其他方法直接计算XML文档结构距离不同,该方法通过对文档包含的路径聚类,间接完成文档的聚类.首先,包含某一路径的文档集合形成初始类,并用该路径作为初始类的标识.然后,用层次聚类方法根据设定的标准,合并初始类,直至结束.类的标识信息是类中文档包含的路径,结果直观,容易理解.算法的复杂度是O(n),其中n是文档的大小.相关实验证明该算法不但能保证聚类结果准确,而且能大幅度提高计算的速度.     

各种正交频分复用码分多址方法的通用结构

比较了各种正交频分复用码分多址方法在原始数据流“分解”操作上的差异,描述了它们的系统参数,并构筑了能表示各种正交频分复用码分多址方法的通用结构,适当改变该通用结构的有关系统参数,即可得本研究领域中5种典型方法的简化实现,借助该通用结构,可进一步得到其数字基带等效实现模型。     

机械合金化制备Fe—Ni系纳米粉末的马氏体相变

采用机械合金化技术制备了Fe-Ni系纳米分末,利用X射线衍射仪分析了不同含Ni量的Fe-Ni粉经不同球磨时间机械合金化后的相组成。研究表明,Ni含量对机械合金化过程中相转变趋势有重要影响,对Ni含量低于30%的Fe-Ni粉末,机械合金化过程中发生了马氏体相变。当Ni含量高于35%,随球磨时间的延长,在球磨初期产生的马氏体会向奥氏体转变,发生逆转变。     

不以规矩，不成方圆——寻找随笔作文的有效途径

随笔,更类似于自由作文。但对初中学生。尤其是刚进入初一的学生,随笔不能“随便”。“随笔”不仅仅是让学生想写什么就写什么,教师要给学生的随笔上点“规矩”。可以从以下三方面提高随笔作文的有效性：其一,运用词汇,语段控削随笔写作过程;其二,用仿写与改写影响学生的随笔写作。其三,用适时指导与积极反馈促进学生写作随笔的兴趣。     

基于修剪树的优化聚类中心算法

针对传统聚类算法存在样本形状及孤立点敏感的问题,提出基于修剪树的优化聚类中心(Optimized Clustering Center Based on Trimmed Tree,OCT)算法.该算法自适应地寻找裁剪尺寸来修剪并分割最小生成树为森林,获取森林全部叶子结点并再次构造最小生成树,根据预设簇数n,修剪最小生成树...     

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

基于注意力机制的细粒度图像分类

针对细粒度图像分类中数据分布具有小型、非均匀和不易察觉类间差异的特征,提出一种基于注意力机制的细粒度图像分类模型.首先通过引入双路通道注意力与残差网络融合对图像进行初步特征提取,然后应用多头自注意力机制,达到提取深度特征数据之间细粒度关系的目的,再结合交叉熵损失和中心损失设计损失函数度量模型的训练.实验结果表明,该模型在两个标准数据集102 Category Flower和CUB200-2011上的测试准确率分别达94.42%和89.43%,与其他主流分类模型相比分类效果更好.