连续法沉积热解碳提高碳纤维拉伸强度研究 ，孙景峰，赵峰，碳纤维复合材料的综合力学性能取决于碳纤维拉伸强度和碳纤维/树脂界面粘结强度，目前大部分碳纤维表面改性研究都集中在碳纤维表�

为提高屯兰矿综采面工作效率,减少工人劳动强度,增大工作面的安全系数,拟采用顺槽超前液压支护技术对18401工作面进行支护技术改进,在现有超前液压支护理论的基础上,计算出18401工作面顺槽回转角和合理支护强度值,选用型号为ZTC30000/25/50的液压支架。探讨超前液压支架支护技术的效果,并对液压支架出现的"压死"问题提出了解决方案,对超前液压支架的日常维护提供合理的建议,以期为屯兰矿支护技术改造作参考。

淮南张集煤矿1112(3)工作面受两侧沿空及超前支承压力,工作面上下顺槽超前段矿压显现剧烈,巷道变形严重。传统的套棚、回棚和单体液压支柱配合铰接顶梁或工字钢梁挑棚超前支护仍存在劳动强度大、劳动效率低等缺点。采用锚索钢梁代替圆木套棚和四排挑棚进行超前支护的新工艺时,支护强度明显提高,两巷顶底板及两帮位移明显减小,支护成本大大降低。

Simulink绘制光伏在不同温度、不同光照强度下UI和PU特性曲线 简单易上手，可以根据自己的需要调整参数，并且代码注释很多

适用于大学生期末课程设计： 混凝土强度是指混凝土在特定条件下的抗压强度，通常用来评估混凝土的质量和可靠性。在工程建设中，混凝土强度的预测非常重要，可以帮助工程师和建筑师更好地评估结构的稳定性和安全性。 Python是一种流行的编程语言，可以用于开发各种类型的应用程序，包括科学计算、数据分析和机器学习等。在本项目中，我们将使用Python开发一个混凝土强度预测工具，以帮助工程师和建筑师更好地评估结构的稳定性和安全性。 本项目的基本思路是：首先，我们需要收集一些混凝土强度数据，包括混凝土的配比、龄期、强度等信息。其次，我们将使用Python的数据分析库来分析和处理这些数据，以便更好地理解和预测混凝土强度。最后，我们将使用Python的机器学习库来建立一个混凝土强度预测模型，以便更好地进行预测和评估。 以下是本项目的主要步骤： 1. 数据收集：首先，我们需要收集一些混凝土强度数据，包括混凝土的配比、龄期、强度等信息。可以从相关文献、数据库或实验室中获取这些数据。 2. 数据处理：接下来，我们将使用Python的数据分析库（例如Pandas）来处理这些数据，包括数据清洗、数据转换、数

针对基于信号接收强度指示（Received Signal Strength Indicator， RSSI）的无线传感器网络室内定位易受到复杂环境的影响、不稳定等问题，提出一种自适应的动态测距室内定位算法（self-adaptively dynamic ranging，SADR），采用节点RSSI建立动态测距模型，实时更新模型中环境参数，利用改进的代价参考粒子滤波进行测距，运用最小二乘法计算目标位置。仿真和实验结果表明，算法适应复杂环境，提高了定位精度，满足无线传感器网室内定位需求。

提出了一种DCT域自适应图像水印算法。嵌入水印的过程中不断地搜索合适的强度因子，根据JPEG亮度量化表来确定中频系数嵌入强度的比例关系，并引入了一个优于PSNR和MSE的方法来评价含水印图像失真。若图像质量不满足所期望接近的失真度，用二分法不断地调整强度因子的值，以达到水印的最优嵌入，从而水印图像信息分别以不同的强度嵌入到各中频系数中。实验结果表明该水印算法对常见的信号处理具有较好的稳健性。

通过对同步采集的点焊焊接过程动态电阻、电极位移信号的特征分析,提取出若干特征参量,依据所提取特征参量与焊点接头抗剪强度之间的相关性分析结果,选取相关系数较大的6个特征参量建立数据集作为SVM的输入,分别利用线兴函数、多项式核函数、RBF核函数实现监测参量与焊点强度之间的映射.采用交叉有效性检验对不同核函数下预测结果进行比较,结果表明,RBF核函数支持向量机各项预测误差最小,有较好的应用前景.

随机森林图像matlab代码步步森林 StepForest：使用局部强度和纹理特征分割结肠组织学图像中腺体的机器学习方法 为在结肠组织学图像中进行腺体分割而创建的基于机器学习的图像分割算法，可以针对其他图像分割问题进行修改。 该算法使用一种新颖的分层随机森林方法，其中使用3个级别的随机森林beeen来进行更好的分割。 为了测试该算法，使用了GlaS @ MICCAI'2015：腺体分割挑战赛（）的数据集。 可在上述网站的“下载”标签下下载。 使用的第三方工具箱/代码（由相应作者提供的许可控制）：- haralickTextureFeatures由Rune Monzel（） Matlab的污点归一化工具箱，作者是Warwick大学的Nicholas Trahearn和Adnan Khan（），这些第三方工具箱/代码的源代码已上传到“工具箱”文件夹下。 可以下载最新版本，并可以从给定的网站获取许可证信息 这项研究是由Rupali Khatun进行的。 这项工作最初是在加尔各答的印度统计研究所（ISI）的电子和通信科学部门（ECSU）以及印度统计研究所（ISI）的印度模式识别和人工智能部门（

实现偏振图像的偏振度和偏振相角的融合，并实现融合后的图像与强度图像融合，比较梯度等信息