一种基于粗糙集的陶瓷原料分类方法

为了对陶瓷原料进行科学分类，在叙述了粗糙集理论的一些基本概念的基础上，给出了用粗糙集建立陶瓷原料分类模型的基本步骤和对陶瓷原料化学组成进行处理的方法，并给出了一个分析实例。实验结果表明：使用该方法对陶瓷原料分类能达到预期效果，有助于配方设计中对陶瓷原料的选取。     

基于粗糙集和支持向量机理论的Rough SVM分类方法

为了减少支持向量机算法处理的数据量,降低支持向量机算法需要处理的样本维数,本文讨论了基于粗糙集的支持向量机分类方法,在一定程度上提高了支持向量机处理大规模数据的能力。     

基于粗糙集理论的决策树构造算法

应用粗糙集理论,提出了一种利用新的启发式函数构造决策树的方法。该方法以属性重要性评价指标作为信息熵函数,对条件属性进行选择,充分考虑了属性间的依赖性和冗余性,弥补了ID3算法对属性间依赖性强调不够的缺点,解决了决策树中子树的重复和有些属性在同一决策树上被多次选择的问题,该方法还能对不相容决策表进行正确分类。实例表明该方法是正确有效的,而且明显优于传统的决策树构造方法。     

基于粗糙集和神经网络的地表水质预测

当前,许多地方已经建设重点污染源在线监控系统,收集了重点污染源大量的排污数据。同时,也开始建设地表水质自动监测系统,并获得地表水质的实时数据。利用数据挖掘技术,这些数据对城市地表水质的分析和预测有着十分重要的意义。本文主要以小榄水道马大丰水厂水质自动监测子站的历史数据和周边上下游重点污染源在线监控数据为研究对象,并利用数据挖掘技术,对监测数据进行筛选,预处理和属性约简,再运用BP神经网络技术建立模型,对小榄水道的主要指标CODMn进行预测。预测结果分析表明,误差较少,预测效果较好。     

基于粗糙集的属性约简及其在高校就业数据分析中的应用

粗糙集理论是数据分析与知识发现的数学工具,近年来已被广泛应用于各个研究领域。本文利用粗糙集理论的属性约简算法,找出了影响高校数学专业学生就业的约简集。研究成果可以帮助高校学生更好地制定职业规划,为将来就业提供一定的帮助。     

陶瓷原料分类的人工神经网络模型

抽取陶瓷原料特征参数,建立3层BP人工神经网络模型,据此对陶瓷原料进行模式识别和分类.研究结果表明:经该模型计算所得的分类结果和实际情况相吻合.该方法有助于在配方过程中遴选陶瓷原料,值得推广.     

基于改进差别矩阵属性约简的聚合釜粗糙集-神经网络故障诊断

引言 聚氯乙烯树脂(PVC)是重要的有机合成材料,其产品具有良好的物理性能和化学性能,广泛应用于工业、建筑、农业、电力、公用事业等领域.聚合釜则是聚氯乙烯生产装置的关键设备,聚合釜能否稳定运行直接关系到整个聚氯乙烯生产装置的运行状况.     

数理统计方法在陶瓷原料分类中的应用

对影响配方的因素进行了全面地分析,建议生产者建立原料数据库,并运用聚类分析法、因子分析法等数理统计学知识对其进行分类,进而指导配方调试。     

陶瓷原料分类的Bayes判别分析法

将Bayes判别分析法应用于陶瓷原料分类中,建立了陶瓷原料分类识别的Bayes判别分析模型.模型选用陶瓷原料的9种化学成分作为分类识别的判别因子;将陶瓷原料分为4个类别并作为Bayes判别分析的4个正态总体;以陶瓷原料样本实测数据作为训练样本,建立Bayes线性判别函数;以Bayes线性判别函数计算待判样品的Bayes判别函数值,以最大值对应的总体作为样品所归属的总体;最后以回代法对判别准则进行评价以检验模型的优良性.实例研究表明,Bayes判别分析模型回判估计误判率为0,因而是陶瓷原料分类识别的一种有效方法,可在生产实际中应用和推广.     

陶瓷原料分类的距离判别分析法

将距离判别分析法应用于陶瓷原料分类中,建立陶瓷原料分类的距离判别分析模型.模型选用陶瓷原料的9种化学成分作为距离判别分析模型的判别因子.将陶瓷原料分为4个类别并作为距离判别分析的4个正态总体,以陶瓷原料样本实测数据作为训练样本,建立相应线性判别函数对待判样本进行分类.研究结果表明,距离判别分析模型分类性能良好,回判估计的误判率为0,可以在生产实际中推广应用.     

变精度粗糙集模型在陶瓷砖缺陷分析中的应用

在分析陶瓷砖缺陷分析的现状和传统粗糙集模型不足的基础上,提出了一种基于变精度粗糙集理论的缺陷分析模型。利用变精度粗糙集的近似依赖性进行属性约简,据此得到决策规则。该方法允许一定范围内的错误分类率存在,提高了分析模型的容错性,为陶瓷砖缺陷分析提供了一种新的思路。实例分析结果验证了该方法的有效性和可靠性。     

磺基水杨酸分光光度法测定陶瓷原料中的微量铁

采用磺基水杨酸分光光度法,以磺基水杨酸为显色剂、双氧水为氧化剂,控制pH值为1.5～3,磺基水杨酸与Fe3 生成稳定的紫红色配合物(1∶1),其最大吸收波长在515nm处,在等吸收点处测定吸光度,铁量在0.00～1.00mg范围内符合比尔定律,该方法适用于陶瓷原料中微量铁的测定。     

人工神经网络在陶瓷材料设计中的应用

简单介绍了人工神经网络的特点和模式，综述了人工神经网络在陶瓷材料力学性能识别与预测，工艺优化等方面的研究概况，指出了存在的问题。     

陶瓷原料湿法掺和试验研究

本研究采用以计算机、γ射线密度计及电磁流量计为核心的陶瓷原料湿法掺和系统，实现了对高岭土、瓷石精矿进行自动配料，并获得了质量稳定的标准化陶瓷单一原料。     

基于小波分析和神经网络的埋地管道防护层现场检测与评价方法

应用密间隔电位（CIPS）和恒电流瞬态响应技术对埋地管道防护层进行现场测试.以密间隔电位（CIPS）小波变换方法对防护层进行初步检测,分别对通电电位、断电电位和二者之差进行分析,将三者的第3层小波概貌之积和小波细节之积为二次信息,所得信息突出了缺陷点的位置.建立恒电流瞬态响应小波神经网络对防护层状态进行识别,结合了小波多分辨分析和Kohonen神经网络的特点,不需对含噪声的恒电流瞬态响应信号进行滤波处理,直接将信号输入小波神经网络,实现对防护层剥离、完好和破损状态的判断.     

基于Moldflow和BP神经网络的超薄塑料制品流程长度预测

基于Moldflow/MPI软件,结合正交试验,研究了注塑压力、注射速率、模具温度、熔体温度、保压压力、保压时间等6个重要工艺参数对超薄塑料制品注塑流程长度的影响规律.然后建立一个三层BP神经网络,仿真结果表明,利用该神经网络模型,可预测超薄塑料制品的流程长度.     

基于人工神经网络的釉料厚度沉积率模型拟合软件模块的开发与实现

釉料厚度沉积率模型是机器人自动施釉的重要依据。为了进行陶瓷产品的机器人离线编程作业的轨迹自动规划,实现施釉过程中工件釉料厚度的精确性和均匀性,以釉料厚度沉积率模型为研究对象,采用MFC开发了釉料厚度沉积率模型软件功能模块。提出基于神经网络算法拟合沉积模型方案;利用COM形式的VC与MATALB的混合编程实现模型拟合、模型分析功能;设计动态链接库,使模型拟合结果产生word报表。通过试验进行试验验证,结果表明,其最大误差在5um范围之内,从而验证了模型的正确性和有效性。软件界面友好,符合工程实际,提出的方法有助于提高施釉机器人釉料厚度的控制精度,为后续的陶瓷自动施釉离线编程轨迹规划的软件编程和仿真实现提供了具体可操作的模型依据与方法指导。