基于上界单纯形投影图张量学习的多核聚类算法

近年来,多核图聚类（MKGC）受到了广泛的关注,这得益于多核学习能有效地避免核函数与核参数的选择,而图聚类能充分挖掘样本间的复杂结构信息。然而现有的MKGC方法存在着如下问题：图学习技术使得模型复杂化,图拉普拉斯矩阵的高秩特性使其难以保证学到的关系图包含精确的c个连通分量（块对角性质）,以及大部分方法忽略了候选关系图间的高阶结构信息,使得多核信息难以被充分利用。针对以上问题,提出了一种新的MKGC方法。首先,提出一种新的上界单纯形投影图学习方法,直接将核矩阵投影到图单纯形上,降低了计算复杂度;同时,引入一种新的块对角约束,使学到的关系图能保持精确的块对角属性;此外,在上界单纯形投影空间中引入低秩张量学习来充分挖掘多个候选关系图的高阶结构信息。在多个数据集上与现有的MKGC方法相比,所提出方法计算量小、稳定性高,在聚类精度（ACC）和标准互信息（NMI）指标上具有较大的优势。     

聚甲基戊烯芯模材料的应用研究

帽形加筋是一种减重效率较高的结构形式,在飞机结构中发挥着重要作用,因此帽形加筋板制件的共固化成型成为国内航空复合材料制造的一项关键技术。所成型出的帽形件形状规整,无翘曲变形,无异物存在,外观光顺,内腔表面平滑,尺寸在公差范围内。研究聚甲基戊烯芯模材料在复合材料帽形加筋的应用。一次共固化制造复合材料帽形制件,可以保证产品质量。