遥感图像非监督计算机分类方法的研究

通过对几种常用的非监督计算机遥感图像分类方法,如k-means、层次聚类和神经网络的分析研究发现,由于这些方法不能克服数据噪声点的影响,输出结果对输入参数依赖性较大,使其对图像的分类效果受到影响。为了提高图像的非监督分类效果。本文提出了一种基于密度和自适应密度可达聚类算法。实验分析表明,与常用的分类方法相比,该算法具有良好的分类效果。     

石墨烯/聚酰胺6纤维的混合熔融纺丝工艺及性能

采用溶液混合冷冻干燥法制备了质量分数0.004%的石墨烯/聚酰胺6(PA6)粒料,再用2种工艺制备石墨烯/PA6纤维——石墨烯/PA6粒料直接熔融纺丝;石墨烯/PA6粒料加入双螺杆挤出机熔融混合、挤出、造粒、熔融纺丝。用万能试验机测试了纤维的拉伸性能;用差示扫描量热分析测试了纤维的熔融行为并计算了结晶度;用扫描电镜(SEM)观察了石墨烯/PA6纤维的微观形态。研究结果表明,微量石墨烯的加入能够显著改善PA6纤维的拉伸性能,制备的石墨烯/PA6纤维的拉伸强度和拉伸模量分别可达到270 MPa和9.4GPa;工艺一制备的石墨烯/PA6纤维的热力学性能优于工艺二;较高的熔融纺丝温度可提高纤维的拉伸强度、拉伸模量、熔点和结晶度;SEM分析表明,石墨烯较均匀地分散在PA6基体中,纤维表面均匀,无明显瑕疵。     

以码垛和分拣机器人为载体的实践教学平台设计思路剖析

采用智能工业机器人及相应的分拣、搬运、码垛、弧焊、打磨、喷涂等技术,是如今工业自动化发展的一个重要方向。本文提出一种以码垛和分拣工业机器人为载体的实践教学平台设计思路,可为高等职业教育机器人自动化专业方向,提供一种实践教学硬件建设解决方案。系统具有可扩展性,在学生实训、教师研发和对外培训等方面具备较强的使用价值。     

石墨烯/聚酰胺6纤维的混合熔融纺丝工艺及性能EI北大核心CSCD

采用溶液混合冷冻干燥法制备了质量分数0.004%的石墨烯/聚酰胺6(PA6)粒料,再用2种工艺制备石墨烯/PA6纤维——石墨烯/PA6粒料直接熔融纺丝;石墨烯/PA6粒料加入双螺杆挤出机熔融混合、挤出、造粒、熔融纺丝。用万能试验机测试了纤维的拉伸性能;用差示扫描量热分析测试了纤维的熔融行为并计算了结晶度;用扫描电镜(SEM)观察了石墨烯/PA6纤维的微观形态。研究结果表明,微量石墨烯的加入能够显著改善PA6纤维的拉伸性能,制备的石墨烯/PA6纤维的拉伸强度和拉伸模量分别可达到270 MPa和9.4GPa;工艺一制备的石墨烯/PA6纤维的热力学性能优于工艺二;较高的熔融纺丝温度可提高纤维的拉伸强度、拉伸模量、熔点和结晶度;SEM分析表明,石墨烯较均匀地分散在PA6基体中,纤维表面均匀,无明显瑕疵。     

基于PLC的煤矿副井操车电气控制系统的设计

针对传统的操车系统存在控制不灵活等问题,设计了一套基于PLC的自动化操车电气控制系统。简化了控制系统的结构,软件设计中采用了闭锁电路,通过按钮操作实现安全门、阻车器、托罐闸、推车机、摇台以及道岔等的控制,操作简单方便,提高了系统的安全性和可靠性。该系统还具有可扩展性,提高了系统的使用价值。     

数据变换对聚类算法影响的实验分析

对于基于距离的聚类算法,数据变换是实现成功挖掘的重要保证。实验结果表明,改变变量值域区间跨度的大小对数据对象分布形态有明显的影响,从而也改变了聚类结果;数据变换能够提高聚类结果的有效性和准确率。     

面向复杂簇的聚类算法研究与实现

有效聚类各种复杂的数据对象簇是聚类算法应用干事务对象划分、图像分割、机器学习等方面需要解决的关键技术.在分析与研究现有聚类算法的基础上,提出一种基于密度和自适应密度可达的改进算法.实验证明,该算法能够有效聚类任意分布形状、不同密度、不同尺度的簇;同时,算法的计算复杂度与传统基于密度的聚类算法相比有明显的降低.     

一种基于加权欧氏距离聚类方法的研究

针对传统的基于欧氏距离计算相似度的不足,提出了一种在领域知识未知的情况下基于加权欧氏距离的计算方法,并对此进行了分析与研究.实验证明,该方法不仅在一定程度上克服了欧氏距离的缺陷,而且能够提高聚类质量,优化聚类性能.     

基于DSP的无刷直流电动机控制系统

无刷直流电动机是以电子换向线路取代了传统直流电动机,由换向器和电刷组成的机械换向结构,文章提出了一种基于TMS320LF2407A的三相无刷直流电动机控制系统的总体设计方案,给出了该系统的硬件设计和软件设计。     

基于密度与划分方法的聚类算法设计与实现

在分析常用聚类算法的特点和适应性基础上提出一种基于密度与划分方法的聚类算法。该算法根据数据对象密度分布状态来自动确定聚类簇密度吸引中心点和聚类簇的初始划分;然后利用划分的方法,根据密度可达定义来寻找密度可达数据对象簇,从而完成数据对象簇的最终聚类。实验证明该算法能够很好地处理具有任意形状和大小的簇,能够有效地屏蔽噪声和离群点的影响和发现孤立点;同时也减小了输入参数对领域知识的依赖性。