排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
在传统的RBM神经网络的基础上提出一种新颖的MD-RBM神经网络模型用于超高碳钢微结构高维图像数据的特征学习。该模型利用新的乘法距离(MD)取代欧式距离以计算高维图像数据之间的距离关系,有效缓解欧式距离在高维数据中的不稳定性问题。MD-RBM神经网络模型利用少量的成对约束监督信息引导其编码过程,使得一部分图像数据的隐藏层特征更加聚集在一起,而且同时使得一部分图像数据的隐藏层特征更加分散,由此得到高维图像数据的隐藏层特征表现出很好的聚类性能。实验选择两种经典聚类算法Affinity Propagation(AP)和Spectral Clustering(SC)作为对比,结果显示,基于MD-RBM模型的聚类识别算法比原始聚类算法、半监督算法以及基于RBM模型的聚类算法都表现出更优的聚类性能。 相似文献
2.
大型物体的质量特性参数(质量、质心、转动惯量)是其重要的物理参数,对其动态性能有显著的影响。由于结构上的原因,通常只能采用一次装夹的方法在综合试验台上测量出所有参数。实际测量结果表明,z方向质心和除z之外的转动惯量及惯性积存在较大的误差。阐述了试验台结构及测量原理,利用坐标变换法推导了转动惯量与惯性积的联立方程,讨论了影响测量精度的主要因素,提出了用一种新型结构进行测量的设想。结果表明应控制各影响因素误差范围以提高综合测量精度。 相似文献
3.
为了提升聚丙烯(PP)的阻燃性,以苯酚、甲醛、蒙脱土(MMT)、4-羟基苯磺酸为主要原料,采用悬浮缩聚法制备MMT改性酚醛树脂微球(MPF)。通过傅里叶红外光谱、热重分析、扫描电子显微镜、激光粒度仪等对MPF进行表征,研究MMT对酚醛树脂微球的微观形貌以及热稳定性的影响。测试结果表明,成功制备了MPF,其粒径均匀分布在1~20μm,相比于酚醛树脂微球,拥有良好的热稳定性,最大失重率温度为542℃,800℃下残炭率为59.3%。将MPF引入PP,采用熔融共混法制备了PP/膨胀阻燃剂/MPF复合材料,利用垂直燃烧(UL94)、极限氧指数(LOI)、力学性能测试探究MPF的用量对复合材料性能的影响。研究发现,MPF由于良好的成炭性和基体相容性,使PP复合材料的阻燃性能和力学性能同时提高。当MPF添加量为2%时,复合材料的LOI值为29.3%,并且通过UL94 V-0测试,拉伸强度为23.6 MPa,断裂伸长率为25.2%。MPF燃烧时生成碳微球,调控了膨胀炭层,形成了连续且致密的炭层,可隔绝氧气与热量,从而提升了复合材料的阻燃性。 相似文献
4.
5.
6.
7.
8.
9.
1