基于优化初始聚类中心的K中心点算法

针对K中心点算法的初始聚类中心可能过于临近、代表性不足、稳定性差等问题，提出一种改进的K中心点算法。将样本集间的平均距离与样本间的平均距离的比值作为样本的密度参数，精简了高密度点集合中候选代表点的数量，采用最大距离乘积法选择密度较大且距离较远的K个样本作为初始聚类中心，兼顾聚类中心的代表性和分散性。在UCI数据集上的实验结果表明，与传统K中心点算法和其他2种改进聚类算法相比，新提出的算法不仅聚类结果更加准确，同时也具有更快的收敛速度和更高的稳定性。     

PDMS基片表面的光刻胶图形化工艺研究

在聚二甲基硅氧烷(PDMS)微纳米器件的制造过程中,经常需要在PDMS基片表面进行光刻胶的图形化。建立了一种PDMS基片表面的光刻胶图形化工艺。通过对PDMS基片表面进行氧等离子体改性处理,提高了PDMS的表面润湿性,使得光刻胶可以均匀地旋涂在PDMS基片表面;提出利用室温下长时间静置代替常规的光刻胶前烘工艺,有效避免了光刻胶在前烘过程中裂纹的产生。最后,作为工艺验证,在PDMS基片表面成功制作出了复杂的光刻胶微阵列图案。     

基于kmeans-SVM的二叉树粗分类方法

针对大型数据库中进行匹配识别时存在识别速度慢、时间长、影响实时应用效果的问题,提出了一种树形层次结构的粗分类方法。通过k-means得到两类粗分类的样本,用这两类粗分类数据训练SVM分类器,找到分类超平面,再不断调整分类超平面,最后构建二叉树型结构达到粗分类的目的。三个方法相结合很好地缩小目标的搜索范围,提高了识别时候的效率。     

聚羧酸系减水剂在高速铁路预制梁中的应用

该文针对鲁南高铁临沂东梁场对预应力梁混凝土的技术要求,以混凝土的工作性能、力学性能及耐久性能为目标,尤其以耐久性为核心,进行了C50预应力梁的混凝土配合比设计。通过采用性能优良的聚羧酸系高性能减水剂、低水胶比的技术路线,成功配制出高工作性能、良好的力学性能以及优异的耐久性能的预应力梁混凝土。最终该混凝土在临沂东梁场得到了成功的应用,取得了良好的效果。     

表面修饰BaTiO3对聚偏氟乙烯热性能和介电性能的影响规律研究

高介电常数的高分子复合材料可以被广泛应用于能量存储和人工肌肉领域。利用含羧基聚芳醚腈(PEN)对BaTiO3(BT)纳米粒子进行表面修饰,以增加BT在高分子基体聚偏氟乙烯(PVDF)中的分散性。通过溶液浇铸法,制备了一系列BT@PEN含量不同的高分子复合薄膜(PVDF/BT@PEN)。结果表明:PVDF/BT@PEN具有很好的热稳定性,起始分解温度超过了440℃。同时,复合薄膜的介电常数k随着BT@PEN质量含量的增加逐渐增大。当BT@PEN质量含量为20%时,复合薄膜在100Hz时的介电常数大于12。     

浅谈ABS树脂生产工艺与发展方向

介绍了ABS树脂主要生产技术,包括乳液接枝-本体丙烯腈/苯乙烯树脂(SAN)掺混法和连续本体接枝聚合法,总结了国内ABS树脂生产企业的生产现状、国内ABS树脂的供需情况和消费结构,提出了ABS树脂行业的发展方向,指出了进一步提升ABS专用料的性能、不断开发高性能的ABS新牌号的必要性。     

光引发模板聚合合成CPAM的研究进展

采用光引发模板聚合法制备含有微嵌段结构的阳离子聚丙烯酰胺(CPAM),克服了采用传统聚合法制备CPAM存在的阳离子电荷过于分散,不利于发挥电中和作用的问题。综述了光引发模板聚合法在CPAM合成中的应用、光引发模板聚合法制备CPAM及表征方法。最后,结合光引发模板聚合合成CPAM的发展现状,对今后的研究工作提出建议。     

融合时间隐语义填充和子群划分的推荐算法

随着个性化推荐技术的发展，推荐系统面临着越来越多的挑战。传统的推荐算法通常存在数据稀疏性和推荐精度低等问题。针对以上问题，提出了一种融合时间隐语义填充和子群划分的推荐算法[K]-TLFM（Time Based Latent Factor Model Integrated with [k]-means）。该算法利用融合时间因素的隐语义模型对原始用户物品评分矩阵缺失项进行填充，避免了用全局平均值或者用户/物品平均值补全矩阵带来的误差，有效缓解了数据稀疏性问题，同时融合时间因素有效地刻画了用户偏好随时间的变化；完成评分矩阵缺失项填充后，基于二分[k]-means聚类算法将偏好、兴趣特征相似的对象划分到同一个子群中，在目标用户所属的子群中基于选定的协同过滤算法为用户产生推荐列表，提高了推荐效率和准确性。在MovieLens和Netflix数据集上对该算法的推荐性能进行了对比实验，结果表明该算法具有更高的推荐精度。     

基于LDA的英汉维文本聚类系统的设计与实现

以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统。因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度。通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词。测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果。