排序方式: 共有7条查询结果,搜索用时 265 毫秒
1
1.
在普钙浸取法磷酸氢钙生产过程中,加入“ZSW”和“HSW”的混合助剂即ZHSW,不仅可使二段中和过程P2O5得率提高7%,降低生产成本,还可有效地除去重金属,使产品质量达到国家标准。 相似文献
2.
本文介绍采用“倾泻法”和“循环洗涤分离法”分离磷肥生产中的副产物硅胶与氟硅酸的试验条件和结果,并对两种分离方法的优缺点作了比较。 相似文献
3.
子空间聚类算法是一种面向高维数据的聚类方法,具有独特的数据自表示方式和较高的聚类精度。传统子空间聚类算法聚焦于对输入数据构建最优相似图再进行分割,导致聚类效果高度依赖于相似图学习。自适应近邻聚类(CAN)算法改进了相似图学习过程,根据数据间的距离自适应地分配最优邻居以构建相似图和聚类结构。然而,现有CAN算法在进行高维数据非线性聚类时,难以很好地捕获局部数据结构,从而导致聚类准确性及算法泛化能力有限。提出一种融合自动权重学习与结构化信息的深度子空间聚类算法。通过自编码器将数据映射到非线性潜在空间并降维,自适应地赋予潜在特征不同的权重从而处理噪声特征,最小化自编码器的重构误差以保留数据的局部结构信息。通过CAN方法学习相似图,在潜在表示下迭代地增强各特征间的相关性,从而保留数据的全局结构信息。实验结果表明,在ORL、COIL-20、UMIST数据集上该算法的准确率分别达到0.780 1、0.874 3、0.742 1,聚类性能优于LRR、LRSC、SSC、KSSC等算法。 相似文献
4.
子空间聚类任务中的无标记数据具有维度高、数据分布分散等特点,传统方法对数据预处理未进行详细地针对化设计且大多使用欧氏距离度量数据间的相似性,使聚类性能提升受限.因此,本文提出融入无监督度量学习的稀疏子空间聚类模型,该算法将距离度量与子空间聚类联合到同一框架,设计由两步组成的聚类过程.该方法对原始数据进行度量学习并重构了稀疏子空间聚类模型,使数据预处理不再是一个单独的步骤,最大限度地将输入的无标记数据之间相似度提高,有效提升了子空间聚类性能、加强了模型泛化能力.我们在真实公开数据集上进行实验测试,实验结果表明该方法优于现有的子空间聚类算法,具有良好的聚类性能. 相似文献
5.
6.
在普钙浸取法磷酸氢钙生产过程中,加入“ZSW”和“HSW”的混合助剂即ZHSW,不仅可使二段中和过程P2O5得率提高75,降低生产成本,还可有效地除去重金属,使产品质量达到国家标准。 相似文献
7.
1