排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
针对小口径智能弹药发射时弹载元器件极容易发生损坏失效的问题,对其高过载环境下弹载模块电路应
力进行分析。设计弹药弹载电路模块的防护结构,采用HYPERMESH 与ABASQUS 软件建立弹丸和刚体滑膛身管的
有限元模型,得到弹载电路的应力分布,计算不同防护外壳厚度下弹载电路模块的应力响应,并对聚氨基甲酸乙酯、
丙烯酸、硅酮和环氧树脂等灌封材料进行有限元数值仿真。该分析可为后续弹丸弹载模块的设计提供参考。 相似文献
2.
一种改进的DBSCAN密度算法 总被引:1,自引:0,他引:1
DBSCAN算法是一种基于密度的聚类算法,算法存在许多优点,也存在一些不足.比如对输入参数Eps敏感,DB-SCAN由于采用全局Eps值,所以在数据密度不均匀和类间距离相差比较大的情况下,聚类质量会受到很大影响.文中主要针对算法输入参数Eps以及数据密度不均匀问题加以改进,提出了一种新的数据分区方法,通过对k-dist图纵坐标距离值单维度聚类,然后对比横坐标实现分区,使每个分区的数据尽可能均匀.实验证明,改进算法明显缓解了全局Eps导致的聚类质量恶化问题,聚类结果更加准确. 相似文献
3.
DBSCAN算法是一种基于密度的聚类算法,算法存在许多优点,也存在一些不足。比如对输入参数Eps敏感,DB-SCAN由于采用全局Eps值,所以在数据密度不均匀和类间距离相差比较大的情况下,聚类质量会受到很大影响。文中主要针对算法输入参数Eps以及数据密度不均匀问题加以改进,提出了一种新的数据分区方法,通过对k-dist图纵坐标距离值单维度聚类,然后对比横坐标实现分区,使每个分区的数据尽可能均匀。实验证明,改进算法明显缓解了全局Eps导致的聚类质量恶化问题,聚类结果更加准确。 相似文献
4.
K-Means算法是一种经典的聚类算法,有很多优点,也存在许多不足。比如初始聚类数K要事先指定,初始聚类中心选择存在随机性,算法容易生成局部最优解,受孤立点的影响很大等。文中主要针对K-Means算法初始聚类中心的选择以及孤立点问题加以改进,首先计算所有数据对象之间的距离,根据距离和的思想排除孤立点的影响,然后提出了一种新的初始聚类中心选择方法,并通过实验比较了改进算法与原算法的优劣。实验表明,改进算法受孤立点的影响明显降低,而且聚类结果更接近实际数据分布。 相似文献
5.
K-Means聚类算法的研究 总被引:6,自引:0,他引:6
K-Means算法是一种经典的聚类算法,有很多优点,也存在许多不足.比如初始聚类数K要事先指定,初始聚类中心选择存在随机性,算法容易生成局部最优解,受孤立点的影响很大等.文中主要针对K-Means算法初始聚类中心的选择以及孤立点问题加以改进,首先计算所有数据对象之间的距离,根据距离和的思想排除孤立点的影响,然后提出了一种新的初始聚类中心选择方法,并通过实验比较了改进算法与原算法的优劣.实验表明,改进算法受孤立点的影响明显降低,而且聚类结果更接近实际数据分布. 相似文献
6.
随着国家环保政策日趋严格,传统污染大的延迟焦化装置严重急需改造。分析了德国CCS密闭除焦技术、中石化S-CCHS安全环保型密闭除焦技术和罐式密闭除焦技术的优缺点,根据我国国情提出了延迟焦化密闭除焦技术发展方向的见解。 相似文献
1