结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

给排水常用管材分类使用探讨

在进行给排水的安装工作期间,对于所用材料的尺寸、规格和品质的标准要求是非常高的,但是当前在安装期间对于材料的选取上还是存有一些问题的。部分施工机构贪恋眼下的小利,采用伪劣的建材替换高品质的建材,另外还有相关工作人员对于建材的管理不到位,使得伪劣的建材流入施工场地并用于建设,致使给排水工程中存有大量的品质问题,例如,水管爆裂、阀门无法关紧等,干扰了居民的正常使用。基于此,本文主要对给排水常用管材分类使用进行了有效的分析,希望可以为相关工作学者提供一定的参考。     

单次反射ATR-FTIR红外光谱法在涂膜表面成分分析中的应用

运用傅里叶变换衰减全反射红外光谱法(ATR-FTIR)中的单次反射法对水性偏氯乙烯-丙烯酸酯共聚物薄膜进行辅助定性研究,考察了具有不同偏氯乙烯单体含量的共聚物薄膜的红外谱图变化。同时运用单次反射ATR-FTIR法对施工现场取回的红色脱落涂膜进行定性分析。     

云计算设备中的大数据特征高效分类挖掘方法研究

云计算设备中的大数据分类挖掘是现实模式识别和智能控制的基础,传统方法中对云计算设备中的大数据挖掘采用拓扑结构网格分区挖掘算法,不能有效提取大数据的细节特征,分类的准确性不好。提出一种基于分数阶Fourier变换特征匹配和K-L分类的云计算设备中的大数据特征高效分类挖掘算法。进行云计算设备中大数据存储机制体系分析,采用分数阶Fourier变换进行云计算设备中大数据特征提取和大数据特征匹配,基于K-L变换,选择最优的路径进行分类空间导引,构建了K-L大数据特征分类器,进行云计算设备中的大数据特征分类挖掘。仿真结果表明,采用该算法进行云计算设备中的大数据特征分类挖掘,特征分类挖掘的准确度较高,能量开销较少,效率较高。     

NH_3-OH体系中共沉淀法同时回收钕铁硼废料中Nd-Pr-Co-Fe

为了避免回收单一钕铁硼废料中有价元素带来的操作复杂和资源浪费等问题,本研究采用共沉淀法共沉淀出钕铁硼废料中的有价元素Me(Nd,Pr,Co,Fe),制备可用于生产再生钕铁硼的原料;根据质量守恒和同时平衡原理,采用MATLAB软件建立Me(Nd,Pr,Co,Fe)-OH--NH3热力学模型,绘制lg[Me]-p H曲线模拟共沉淀工艺,并根据模拟结果确立了共沉淀工艺;模拟和实验的结果表明:根据lg[Me]-p H模拟结果可以确立一步共沉淀法的p H:6~10,Fe3+比Fe2+更易于沉淀完全;在上述条件下获得的共沉淀粉末主相均为Nd,Pr,Co,Fe的化合物,且有价元素的百分比含量均大于99.4%;其中,当p H值在8左右时回收率最高,在该条件下金属元素Me(Nd,Pr,Co,Fe)的沉淀效率分别为:98.7%,99.9%,93.6%,99.9%。该结果也表明共沉淀法工艺不仅高效,而且所制备的共沉淀粉末可以满足制备二次钕铁硼的需要。