基于深度学习的多元信息嵌入推荐模型

传统的矩阵分解法只能简单提取低阶信息,特征组合单一,无法挖掘更多隐含信息.依赖稀疏的评分表已经无法满足个性化推荐.MovieLens数据集是研究推荐系统的经典数据集.通过改进神经协同过滤模型,使用多个嵌入层对MovieLens数据集所有信息进行嵌入分析,充分挖掘隐含信息,使得推荐算法更有实用意义.通过在MovieLen...     

基于网络浮动共享的CAx软件在春兰集团的应用

一、概述 　　Cax软件就是以计算机为辅助工具的各类软件,包括CAID、CAD、CAE、CAM及CAPP等软件,它们是企业信息化建设的技术平台,是企业信息化的重要基础.……     

粗糙集理论中分辨函数的析取范式生成算法

基于粗糙集理论,研究分辨函数（DF）的析取范式的自动生成算法,提出由分辨矩阵到合取项矩阵（CM）的计算方法。建立了从属性约简的合取项矩阵（CM）到析取项矩阵（DM）转换的数学模型,并给出了算法的实现流程。基于数学模型,提出直接搜索的转换方法,节省了运算空间,降低了算法的时间复杂性,提高了规则生成的效率。最后通过UCI数据库的实例验证了算法的有效性。     

应用Lex与Yacc实现设备描述分析

HART现场设备外部特性的设备描述,使主机能对各种现场设备进行操作,为实现主机的互操性,利用专用工具Lex和Yacc实现分析设备描述,建立多种设备的运行数据,使HART现场总线协议的组态软件能够配置多种设备。讨论了Lex和Yacc的词法分析和语法分析技术及设备描述语言,成功开发了能够分析HART协议设备描述的组态软件,实现了HART设备的互操作。     

基于联系数的位置不确定性数据UCNK-Means聚类算法

摘要位置不确定性数据的聚类是一个新的不确定性数据聚类问题。其聚类方法主要包括获取对象的概率密度函数,通过积分计算对象间的期望距离来进行聚类分析和以区间数表示对象,通过区间数的系列运算来进行聚类分析这两大类。前者存在概率密度函数获取困难、计算复杂、实用性不强的缺陷;后者在区间数转化为实数过程中,忽略了区间数变化范围对聚类效果的影响,其聚类质量不佳。鉴于此,提出一种基于联系数的不确定对象聚类新算法UCNK-Means。该算法用联系数巧妙地表示不确定性对象,并专门定义了对象间的联系距离,运用联系数态势值比较联系距离大小,克服了现有算法的不足。仿真实验表明,UCNK-Means具有聚类精度高、计算复杂度低、实用性强的特点。     

Siemens计算机软盘解读系统设计

早年引进的计算机控制系统中普遍存在着数据、程序磁盘存贮格式不能直接被现代微机读取的问题。通过对Siemens R30／R10计算机软磁盘的扇区结构和文件存储结构进行的分析，并根据现代计算机系统数据处理的需要，采用锁相式分离电路、步进电机控制技术和FDC控制系统对原格式文件进行定位、读取，使一般PC机操作系统下可以直接读取Siemens数据和程序文件。所进行的技术研究和系统，在宝钢2030冷连轧计算机控制系统的实际应用中取得了很好的使用效果。     

基于网络浮动共享的CAx软件在春兰集团的应用

一、概述CAx软件就是以计算机为辅助工具的各类软件，包括CAID、CAD、CAE、CAM及CAPP等软件，它们是企业信息化建设的技术平台，是企业信息化的重要基础。加入WTO将更多的国内企业直接推向激烈的市场竞争，产品设计的技术含量及其响应市场的速度将直接影响企业的生存。在制造业，国外公司很早就采用三维CAD工具作为产品创新设计的辅助手段，如今，各类CAx技术更是新产品开发工作中必不可少的工具。过去，二维CAD制图解决了“甩图板”问题，迅速为设计人员所掌握，而当时的三维CAD由于对计算机配置及人员要求较高，难以普及，…     

IF钢冷轧及再结晶初期微观组织的TEM研究

采用透射电子显微镜对不同压下量和再结晶初期的IF钢样品进行了研究．结果表明：无论是在较小形变量下还是在较大形变量下，形变不均匀性是普遍存在的；冷变形程度不同，织构组分不同，TEM形貌也不同；在再结晶的最初期，冷轧的形变组织演变为近乎等轴的亚晶，优先形成{111}〈uvw〉取向的晶核，晶核逐渐吞并周围的形变基体而长大，最终形成再结晶γ-纤维织构．     

高精度超声波测距系统开发

介绍一种基于AT89S52单片机、超声波频率为200KHz的超声波测距系统,阐述超声测距系统的硬件电路构成、工作原理及软件设计方法,采用软件修正的办法克服误差随距离和被测物体的大小的变化而变化的缺点.实验表明,该测距系统具有较高的测量精度和极小的盲区.     

基于低秩约束的熵加权多视角模糊聚类算法EI北大核心CSCD

如何有效挖掘多视角数据内部的一致性以及差异性是构建多视角模糊聚类算法的两个重要问题.本文在Co-FKM算法框架上,提出了基于低秩约束的熵加权多视角模糊聚类算法(Entropy-weighting multi-view fuzzy C-means with low rank constraint,LR-MVEWFCM).一方面,从视角之间的一致性出发,引入核范数对多个视角之间的模糊隶属度矩阵进行低秩约束;另一方面,基于香农熵理论引入视角权重自适应调整策略,使算法根据各视角的重要程度来处理视角间的差异性.本文使用交替方向乘子法(Alternating direction method of multipliers,ADMM)进行目标函数的优化.最后,人工模拟数据集和UCI(University of California Irvine)数据集上进行的实验结果验证了该方法的有效性.