排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
3.
分别采用晶格固溶(Solid Solution,SS)和晶界择优偏聚(Grain Boundary Segregation,GBS)两种方式将Co元素添加至Gd掺杂的CeO_2粉末(GDC)内,研究两种添加方式对GDC电导行为的影响。首先采用共沉淀法制备10%Gd(摩尔分数,下同)掺杂的GDC粉末(10GDC),再分别通过以上两种方式将1%Co元素添加至10GDC粉末中,得到10GDC-1Co(SS)和10GDC-1Co(GBS)粉末样品。上述粉末样品中只含有CeO_2固溶体相,晶粒尺寸范围为10.1~12nm。将Co掺杂前后粉末样品在1000℃下烧结1h,分别得到10GDC,10GDC-1Co(SS)和10GDC-1Co(GBS)片状陶瓷样品。烧结后所有陶瓷样品中均只含有CeO_2固溶体相,晶粒尺寸范围为44.5~59.7nm。10GDC-1Co(SS)和10GDC-1Co(GBS)样品的电导率均高于10GDC样品的电导率,当测试温度低于430℃时,10GDC-1Co(GBS)样品的电导率高于10GDC-1Co(SS)样品;当测试温度高于430℃时,10GDC-1Co(SS)样品的电导率高于10GDC-1Co(GBS)样品。 相似文献
4.
5.
在信号稀疏度未知的情况下,稀疏度自适应匹配追踪算法(Sparsity Adaptive Matching Pursuit,SAMP)是一种广泛应用的压缩感知重构算法。为了优化SAMP算法的性能,提出了一种改进的稀疏度自适应匹配追踪(Improved Sparsity Adaptive Matching Pursuit,ISAMP)算法。该算法引入广义Dice系数匹配准则,能更准确地从测量矩阵中挑选与残差信号最匹配的原子,利用阈值方法选取预选集,并在迭代过程中采用指数变步长。实验结果表明,在相同的条件下,改进后的算法提高了重构质量和运算速度。 相似文献
6.
7.
8.
9.
在低秩表示算法的基础上,提出了一个新模型。新模型构建了揭示数据内在特征联系的亲和度图以实现聚类任务。首先,根据矩阵分解原理对原始数据重新生成数据字典,在算法初始输入时筛除部分噪声。其次,利用数据间的稀疏性加强局部约束,为给定的数据向量构建非负低秩亲和度图。亲和度图中边的权重由非负低秩稀疏系数矩阵获得,系数矩阵通过每个数据样本作为其他数据样本的线性组合完成构建,如此获得的亲和度图显示了数据的子空间结构,同时表现局部线性结构。与现存的子空间算法相比,非负局部约束低秩子空间算法在聚类效果上有明显的提升。 相似文献
10.