Low-E镀膜中空玻璃窗的能量平衡探讨

介绍了各种结构Low-E中空玻璃窗的传热性能,对窗户各个朝向的能量平衡进行了分析,说明通过Low-E中空玻璃窗户能更多地获得太阳能,同时可以减少建筑物能耗.建议根据建筑物的方向不同,在窗户的设计上也应有相应的差别.     

基于幂图的属性约简

针对粗糙集理论中基于差别矩阵的属性约简方法存在的不足,提出一种基于幂图的属性约简算法.首先通过修改样本决策属性值将不相容决策表转化为简化的相容决策表;然后将样本对概念与幂图概念相结合,将基于修正差别矩阵的不相容决策表的属性约简转化为幂图的搜索问题;最后通过实例和实验验证了所提出算法的有效性.     

回转窑过渡带耐火砖的使用

我集团有2条2 000t/dφ4 m×60 m窑外分解窑, 其中1号窑是2000年由立波尔窑异地改造而成,2001 年达产,台时产量为94 t/h;2号窑是1978年我厂自行设计安装,其工艺缺陷较多,经过几次大的改造于1996年达标达产,台时产量为83.33 t/h。虽然设计同为2 000t/d,但耐火材料消耗却差别很大,尤其反映在过渡带内衬上尤为突出,本文主要分析两窑过渡带内衬的消耗差别以及2号窑的改进方法。两窑砖耗见表1。     

基于改进差别矩阵和专家知识的态势指标提取算法

针对常规粗糙集约简算法在应用中的样本指标提取困难和效率低下等问题,将粗糙集理论引入到态势指标提取中,基于差别矩阵压缩和分类选择实现态势指标决策表的信息约简,结合专家知识的指标重要性度量调整态势指标的选择,提出一种基于改进差别矩阵和专家知识的态势指标提取算法.在态势指标体系实例中进行分析和验证,实验表明该算法具有较好的态势指标约简效果,提取后的指标在网络安全评估中是合理的,因此该研究为态势指标的有效提取提供一种可行的解决途径.     

一种使用二进制差别矩阵的属性约简方法

针对区分矩阵属性约简算法中区分矩阵存在空值元素和重复元素等缺点,提出了一种基于二进制差别矩阵的属性约简算法.该算法不仅保证了属性约简的完整性和正确性,同时也降低了运算所需的时间和空间.     

融合语义差别和流型学习的偏标记学习方法

偏标记学习是一种重要的弱监督学习框架。在偏标记学习中,每个实例与一组候选标记相关联,它的真实标记隐藏在候选标记集合中,且在学习过程中不可获知。为了消除候选标记对学习过程的影响,提出了一种融合实例语义差别最大化和流型学习的偏标记学习方法(partial label learning by semantic difference and manifold learning, PL-SDML)。该方法是一个两阶段的方法：在训练阶段,基于实例的语义差别最大化准则和流型学习方法为训练实例生成标记置信度;在预测阶段,使用基于最近邻投票的方法为未知实例预测标记类别。在四组人工改造的UCI数据集中,在平均70%的情况下优于其他对比算法。在四组真实偏标记数据集中,相比其他对比算法,取得了0.3%～13.8%的性能提升。     

SONYT900 VS尼康S630

Mitsuma:T900从外观看和T700的差别实在是太小了,基本一模一样。猫熊:机身从拉丝改成了烤漆,这下成指纹收集器了。Vagra:T900不仅样子像T700,除了像素提升到1200万以外,机器本身差别也不是很大,骗钱啊。     

对新简化差别矩阵的研究

通过反例证明当决策表含不一致对象时,无法通过简化差别矩阵得到正确的核和约简.产生该问题的原因在于简化差别矩阵和简化决策表对不一致对象的处理均存在欠缺.提出新简化差别矩阵(NSDM)定义,通过利用新简化决策表把一致对象和不一致对象分开存放的特点修正了这两处缺陷.NSDM能够处理含多种不一致对象的决策表,并且能够得到正确的核和约简.利用前人的基于差别矩阵的求核和求约简算法分别以NSDM和简化差别矩阵为基础求核和约简,然后再利用核和约简的定义求核和约简,通过比较证明以NSDM为基础得到的核和约简是正确的.这说明NSDM可以有效地处理不一致对象并且通过NSDM能够得到正确的核和约简.这个实验同时验证了原有的以差别矩阵为基础的求核和求约简的算法不加改动就可以在新差别矩阵上使用.     

一种基于决策表的核增量式高效更新算法

引入简化决策表,结合简化二进制差别矩阵设计思想,提出一种基于决策表的核增量式高效更新算法.该算法在更新简化的二进制差别矩阵时,只需在原决策表基础上对记录进行相应的更新,不需要重复计算原决策表的二进制差别矩阵.采用边更新简化二进制差别矩阵边计算核,显著地提高了算法的效率和灵活性.新算法的时间复杂度和空间复杂度分别为O(|C||U′|)和O(|C||U′pos||U′|).最后用一个实例说明了新算法的高效性.