活性炭粒径对吸附不同分子质量有机污染物的影响

以苯酚、聚乙二醇(PEG-6000)、腐殖酸为研究对象,采用活性炭为吸附剂,对椰壳活性炭在4组不同粒径范围(150~2 000μm)的吸附能力进行比较。结果表明:活性炭对苯酚的吸附量与微孔比表面积成正比;对PEG-6000的吸附量与中孔比表面积成正比。在吸附苯酚时,粒径小于150μm的活性炭吸附能力是粒径1 000~2 000μm活性炭的1.2倍;吸附PEG-6000和腐殖酸时,粒径小于150μm活性炭的吸附能力是粒径1000~2000μm的4倍和1.2倍。     

基于卷积受限玻尔兹曼机的医学图像分类新方法

利用数据挖掘方法对医学图像做分析是目前研究的热点之一,常用的挖掘方法首先需要从医学图像中提取特征,然后进行分类分析。目前,应用最多的是提取图像的统计特征,这种方法对所提取的特征有很强的依赖性。采用一种深度学习的新方法——卷积受限玻尔兹曼机模型,并且采用改进的快速持续对比散度算法对模型进行训练。该方法直接从乳腺X光图像中自主学习特征并利用学习到的特征对图像进行分类。实验结果显示,新方法对医学图像的分类精度相对于已有方法有明显的提升。     

基于节点选择优化的DAG-SVM多类别分类

有向无环图支持向量机( DAG-SVM)对于N类别分类问题,会构造N ×( N-1)/2个支持向量机分类器(为每2个类构造一个支持向量机),DAG-SVM可能出现由于节点选择不佳而导致整个分类器分类结果较差的情况。为此,提出一种改进的DAG-SVM。通过为每一层建立备选节点集合进行节点选择,选取下层备选节点集合中训练分类精度最高的一个节点组合作为当前层节点的下层节点,从而优化DAG-SVM的拓扑结构。实验结果表明,与已有的DAG-SVM,1-vs-1 SVM,1-vs-a SVM方法相比,该方法的分类精度较高。     

基于邻域关系模糊粗糙集的医学图像分类研究

对医学图像进行分类时,特征选择是影响分类准确率的非常重要的因素。针对医学图像的特殊性,以及目前提出的特征选择算法在应用于医学图像分类时效果不够理想等问题,提出一种基于邻域关系的模糊粗糙集模型,基于该模型给出特征选择算法,并将其应用于乳腺X光图像。实验结果表明,同已有的算法相比,该方法能有效选择特征,分类精度有较大的提升。     

超声波处理焦化废水中氨氮的研究

研究超声技术处理焦化废水的效果.结果表明,超声技术可以有效地降解焦化废水中的氨氮,用超声处理后的焦化废水对活性污泥没有生物毒性,可以与活性污泥处理法联合使用,超声技术与活性污泥法联用为处理焦化废水中氨氮创造了良好的条件.     

超声波处理焦化废水中氨氮的研究

研究超声技术处理焦化废水的效果。结果表明，超声技术可以有效地降解焦化废水中的氨氮．用超声处理后的焦化废水对活性污泥没有生物毒性，可以与活性污泥处理法联合使用，超声技术与活性污泥法联用为处理焦化废水中氨氮创造了良好的条件。     

众里寻她千百度——亲近华贵的森鹰纯木门窗

森鹰公司引进德国生产设备、技术,采用德国DIN标准,推出天然木质和精美典雅的纯木窗,是继传统的木窗、铝合金窗、塑钢窗后的又一次革命。它不再满足于过去单调而呆板的门窗造型,推出了一系列门窗。 纯木异型窗:有圆型、圆弧型、多边形,使您的装饰更富特色,更追逐欧陆风情。 纯木平开窗子:可为用户提供大面积的空气流通渠道。雅致多样化的结构为用户提供各种灵活多样的选择。     

基于混沌优化算法的煤质参数在线计算

提出了一种利用混沌优化算法分析入炉煤元素和低位发热量的实时软测量技术,该技术可通过实时采集主机、磨煤机、空气预热器等设备的运行参数,在线计算得到入炉煤元素成分和低位发热量,该方法对煤质初始值的选择无依赖性,适合工程应用。采用该技术计算得到的结果不仅可以用于锅炉优化运行,而且可以用于计算发、供电煤耗,以供节能调度、煤场管理等系统使用。     

一种基于样本加权的多尺度核支持向量机方法

多核学习方法是机器学习领域中的一个新的热点。核方法通过将数据映射到高维空间来增加线性分类器的计算能力,是目前解决非线性模式分析与分类问题的一种有效途径。但是在一些复杂的情况下,单个核函数构成的核学习方法并不能完全满足如数据异构或者不规则、样本规模大、样本分布不平坦等实际应用中的需求问题,因此将多个核函数进行组合以期获得更好的结果,是一种必然的发展趋势。因此提出一种基于样本加权的多尺度核支持向量机方法,通过不同尺度核函数对样本的拟合能力进行加权,从而得到基于样本加权的多尺度核支持向量机决策函数。通过在多个数据集上的实验分析可以得出所提方法对于各个数据集都获得了很高的分类准确率。     

基于决策树对支持向量机的医学图像分类新方法

针对传统对支持向量机多类分类算法（Multi-TWSVM）中出现的模糊性问题,提出了一种基于遗传算法的决策树对支持向量机（GA-DTTSVM）多类分类算法。GA-DTTSVM用遗传算法对特征数据建立决策树,通过构建决策树可以分离样本的模糊区域,提高模糊区域样本的识别率。在决策树的每个节点上用对支持向量机（TWSVM）训练分类器,最后用训练的分类器进行分类和预测。实验结果表明,与决策树对支持向量机（DTTSVM）多类分类算法以及Multi-TWSVM相比,GA-DTTSVM多类分类算法具有较高的分类精度和较快的训练速度。