排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
2.
对于恒回流比操作方式的间歇精馏,过程计算量大且公式应用相对复杂,用计算机完成间歇精馏的过程计算及操作仿真已经成为许多国内外学者的研究课题。为了满足系统的响应速度,提高动态釜液量误差,用Excel的VBA、函数、图表及重算等功能,实现间歇精馏的计算机仿真的新方法。在Excel中,建立了间歇精馏过程的数学模型与“数据处理表”,完成多项式拟合,由递推公式确定塔内各塔板液相组成xn与时间t的动态响应关系。获得的六次拟合曲线接近于实测的平衡数据,其相关系数达到0.999,各塔板液相组成xn与时间t的动态响应关系与实际计算吻合较好,获得了较满意的结果,为设计提供有效依据。 相似文献
3.
提出了一种基于邻接矩阵的FP-tree构造方法。首先通过扫描数据库建立2-项集支持数的邻接矩阵,通过邻接矩阵对项进行过滤和新方式排序,然后再利用邻接矩阵构造FP-tree,使得FP-tree的分支、节点数和深度大幅度地减少,从而使存储空间减少、遍历时间缩短。最后使用标准数据集进行验证测试并和其他算法的比较,实验结果表明,该算法在保证结果的同时有效地提高频繁项集挖掘的效率。 相似文献
4.
基于小样本集弱学习规则的KNN分类算法* 总被引:2,自引:0,他引:2
KNN及其改进算法使用类标号已知的数据集 对类标号未知的数据集 进行类别标识,如果 中的数据数量过少,将会影响最后的分类精度。基于小样本弱学习规则的KNN分类算法旨在提高基于小样本集的KNN算法的分类精度,它首先对 中的数据对象进行学习,从中选取一些数据,利用学到的标签知识对其进行类别标号,然后将其加入到 中,最后利用扩展后的 对 中的数据对象进行类别标识。通过使用标准数据集的测试发现该算法能够提高KNN的分类精度,取得了较满意的结果。 相似文献
5.
利用少量标签数据获得较高聚类精度的半监督聚类技术是近年来数据挖掘和机器学习领域的研究热点。但是现有的半监督聚类算法在处理极少量标签数据和多密度不平衡数据集时的聚类精度比较低。基于主动学习技术研究标签数据选取,提出了一个新的半监督聚类算法。该算法结合最小生成树聚类和主动学习思想,选取包含信息较多的数据点作为标签数据,使用类KNN思想对类标签进行传播。通过在UCI标准数据集和模拟数据集上的测试,结果表明提出的算法比其他算法在处理多密度、不平衡数据集时有更高精度且稳定的聚类结果。 相似文献
6.
7.
8.
9.
VBA实现恒馏出液组成间歇精馏的计算机模拟 总被引:4,自引:0,他引:4
对于恒馏出液组成操作方式的间歇精馏,过程计算相对复杂,计算量很大。在常用软件Excel中利用VBA实现塔内各塔板液相组成xn与时间t的动态响应,完成间歇精馏的过程计算及模拟,具有可视化、即时化、自动化等优点,可行且有实用意义。 相似文献
1