排序方式: 共有5条查询结果,搜索用时 31 毫秒
1
1.
Hub会对高维数据分析产生显著消极影响,现有研究分别采用了五种降Hubness策略以提高分类效果,但单个降Hubness策略适用范围有限.为解决这一问题,提出对五种降Hub分类器进行基于PM-MD的集成,PM-MD集成是通过KNN确定分类对象的决策表以及通过分类器得到分类对象的类支持向量,最后通过比较决策表和类支持向量的相似性计算分类器的竞争力权重.由于PM-MD在处理高维数据集时高斯势函数存在弱化距离导致区分度不足的倾向,因此提出了采用欧氏距离直接计算决策表以提高分类精度.在12个UCI数据集上的实验结果表明:PM-MD不仅获得更好且稳定的分类结果,而改进后的PM-MD则进一步提高了分类精度. 相似文献
2.
3.
采用SEM、TEM、XRD和硬度等技术对先固溶(840 ℃×0.5 h)后不同时效(460 ℃×4 h;320 ℃×15 min→460 ℃×4 h;320 ℃×10 min;460 ℃×10 min)热处理工艺的TC20合金试样进行了观察与表征,研究TC20合金的α相对时效过程中β→α相转变。结果表明:热轧态组织由α相与β相共同组成,固溶态组织相中生成了许多小尺寸α相。采用460 ℃×4 h进行处理试样内形成了片状分布的α相,采用320 ℃×15 min→460 ℃× 4 h处理试样内形成了具有更小长宽比的α相,并且该试样内的大部分α相尺寸均接近100 nm。两种时效方法形成的第二相都是α相,采用320 ℃×15 min→460 ℃×4 h处理具有尺寸更加细小的α相。当温度到达460 ℃时更多α相可以通过ω相进行形核,从而在β基体上形成致密均匀分布状态。采用320 ℃×15 min→460 ℃×4 h处理后合金中的ω相已不存在,同时析出了更多的α相,合金硬度高达503 HV,显著高于β基体的硬度,α相可以促进合金硬度的大幅提升。 相似文献
4.
5.
1