试析现阶段就业歧视问题及解决对策

我国目前的劳动力就业市场上存在的各种各样的歧视现象,已经违反了平等就业的基本原则,严重影响了公民的基本劳动权利的实现.阐述了现阶段我国解决就业歧视问题的重要意义,分析了就业歧视问题的主要表现及其影响,并提出了完善立法、加强执法,减少制度性的限制、创造更多就业机会,设立专门处理就业歧视机构等具体措施.     

金属工件内部残余应力的振动消除研究

本文针对传统的消除金属工作内部残余应力的热时效处理法的不足，从激振角度，运用材料力学、动力学中的振动理论等知识，并通过大量试验验证，研究了振动消除应力的方法－－振动时效法的原理及其有关问题。说明这种新的方法具有节能、高效等一系列优点。     

高频MOS－CV特性的界面态形变及其测量

讨论了工艺过程中产生的界面态陷阱电荷Ｑ（ｉｔ）对高频ＭＯＳ－ＣＶ特性线的形变规律，提出了一种沿电压方向形变的数据处理方法，以此算出Ｑ（ｉｔ）密度在禁带中的分布，并对常规高频ＣＶ法的测量误差作了讨论和修正，由于数据的采集和处理可以由微机完成，使这种方法变得简便、准确并易于在工艺线上推广使用。     

凹坑板式空气预热器的传热特性及多目标优化

以全焊接型凹坑板式空气预热器为对象,基于最优设计试验方案,运用Workbench Fluent软件数值模拟凹坑板片特征结构参数对传热流阻性能的影响。基于参数敏感度分析,得到单因素作用下对传热流阻性能的影响程度为凹坑的纵向间距>长轴>横向间距>深度。基于响应曲面法分析,得到多因素协同作用时,凹坑之间的结构参数横纵距对性能影响比凹坑自身的结构参数深径比大。基于遗传算法以摩擦因子f最小、努塞尔数Nu与综合换热因子J_F最大为优化目标,得到给定范围内的3组较优结构组合。     

基于降维观测器与多胞体方法的执行器故障检测

针对具有执行器故障且状态方程和输出方程同时受到外部扰动影响的离散系统,研究了降维观测器设计方法和基于多胞体理论的区间估计方法,并在此基础上提出了基于区间估计的执行器故障检测方法。首先,通过适当的状态等价变换,将原系统分解成2个降维子系统,使得一个子系统可以直接解耦干扰。然后,在无执行器故障发生的前提下,基于对干扰解耦的子系统,提出了一种降维观测器设计方法,实现了原系统状态的渐近收敛估计。其次,针对具有干扰的子系统,设计了Luenberger型观测器,并结合多胞体理论,提出了一种对可测输出的区间估计方法。之后,基于可测输出的区间估计,提出了一种残差的构造方法,以此提出了一种执行器故障检测新方法。最后,给出了仿真设计和分析,验证了方法的有效性。     

基于层次注意力机制的垃圾用户检测模型

目前基于网络的垃圾用户检测方法只考虑了简单社会关系,缺乏对更多复杂社会语义关系的利用,难以达到最优性能.针对这一挑战,提出一种基于层次注意力机制的垃圾用户检测模型(HAM-SD).模型首先使用异质信息网络对社交媒体进行建模,挖掘丰富的语义与结构信息,接着利用节点级注意力层聚合元路径邻居增强节点表示,同时利用自适应层级聚合模块选择不同层级特征提升表征能力,然后通过语义级注意力层融合不同元路径下的节点表示,最后带入分类检测模块实现垃圾用户检测.在公开数据集上的实验结果表明该模型能够有效检测垃圾用户,并在不平衡数据分布时保持较强的稳定性.     

基于电阻率层析扫描的水下抛石体内部空洞探测

为提高水下抛石体的识别精度,构建了预留有内部空洞的抛石体物理模型与电阻率层析扫描模型研究电阻率层析扫描技术在水下抛石体内部空洞探测中的成像效果,并与传统克里金插值法效果进行了对比。结果表明:电阻率层析扫描可以有效识别水下抛石体中的空洞,并且在刺激源数量为6时电阻率层析扫描模型模拟精度达到较高值;电阻率层析扫描技术在通道纵剖面上的识别能力要远高于传统克里金插值法;将数值模拟结果中电导率大于300.μS/cm的区域视为空洞区,整体反演结果略大于真实值,在 x、y、z 3个方向上的偏差分别为2.73、1.75、6.95.cm;基于反演结果对电阻率层析扫描模型进行正演,正演结果与实测数据的拟合度超过0.95,证明了电阻率层析扫描模型反演的准确性。     

小型化折叠型RFID抗金属标签天线的设计

设计一种小型化折叠型超高频射频识别标签天线.天线由开槽的辐射贴片、 4个感性短接面和两片金属接地板组成.通过改变短接面尺寸及右侧短接面与接地面的距离,可以有效地调谐标签天线的谐振频率及其阻抗,总尺寸(L×W×h)为40 mm×40 mm×1.5 mm.实验结果表明：标签天线阻抗匹配良好,|S₁₁|＜﹣10dB带宽为880～930 MHz.将标签天线放置于200 mm×200 mm的金属板上,4 W有效全向辐射功率条件下的最大实测阅读距离可达到11.2 m.该标签天线通过适当的开槽实现小型化,同时具有抗金属、识别距离远等优点,可较好地应用于工业物联网相关测量领域中.     

基于改进Mask R-CNN的露天矿边坡裂隙智能检测算法

为了预防因露天矿边坡表面恶化而产生节理、裂隙或断裂等破坏边坡完整性所引发的安全事故,同时解决传统图像处理算法以及经典的深度学习模型直接应用于露天矿边坡裂隙检测效果不甚理想的问题,提出了一种基于改进的Mask R-CNN的露天矿边坡裂隙智能检测算法,运用了Mask R-CNN在目标检测、语义分割以及目标定位方面的集成性特点,改进了其在掩膜分支的边缘不清晰以及误检等缺点,构建了一种针对露天矿边坡裂隙图像的检测分割框架。该方法在掩膜分割分支引入了空洞卷积神经网络以及分类分割迭代上采样操作,能够解决边坡裂隙分割边缘粗糙的问题,实验结果表明,与传统的裂隙分割算法相比,该算法具有更高的识别精度以及更好的分割效果。     

基于改进RPN的孪生小样本电力目标检测

为了解决当前电力系统巡检难度大、效率低、数据不足以支撑大规模训练的问题,提出一种基于孪生网络的小样本检测方法。首先,在Faster RCNN(faster region convolutional neural network)目标识别算法的框架下,搭建支持图片和查询图片共享的孪生网络模型;然后,利用改进的RPN(region proposal network)模块产生更高质量的proposals;最后,在检测头上对支持图片和查询图片的RoI(region of interest)进行关联匹配。结果表明,将算法应用于自主构建的EPD(electric power detection)数据集,在仅利用10张支持图片的情况下,就能实现对电力背景下鸟巢异物和绝缘子相关类别的检测,检测指标mAP达到18.92%。与其他算法相比,应用于电力行业目标检测的孪生网络小样本模型,在极端小样本情况下性能优良,同时具有更加轻量化的优势,可为电力检测新方法研究提供参考。