点击切换搜索课件文库搜索结果(990)
文档格式:PDF 文档大小:799.38KB 文档页数:10
超低碳钢常用于生产汽车面板等表面质量要求较高的产品.连铸坯皮下的钩状坯壳很容易捕集夹杂物导致冷轧钢板表面出现翘皮、亮/暗线等缺陷,对产品质量具有严重危害.采用数值模拟分析了钩状坯壳的形成和演变过程.将计算的初生坯壳形状制作成物理模型,模拟了夹杂物在凝固前沿被捕集的过程,并对凝固钩区域不同位置的夹杂物的受力特征进行了分析.结果表明,凝固钩在弯月面中形成以后,不会直接湮没进坯壳内,而是要经历熔化、变粗、生长、湮没等逐步演变的过程.数值模型预测拉速1.3 m·min-1条件下最终存留在坯壳中的凝固钩深度约为2.5 mm,这与实际观察到的钩状坯壳的尺寸基本一致.模拟得到的钩状坯壳形貌与铸坯表层和漏钢坯壳的金相特征较为接近.夹杂物最容易在凝固钩下表面被捕集,不容易在凝固钩上表面被捕集,特别是对尺寸相对较大的夹杂物.但是溢流发生时,靠近弯月面处的夹杂物可能随着钢流进入到初生凝固钩上部而被快速冷却的钢液包裹.两道凝固钩之间的坯壳由于其凝固前沿处于垂直分布,小于100 μm夹杂物可能被捕集而大尺寸夹杂物不易被捕集
文档格式:PDF 文档大小:127.64KB 文档页数:28
• 支配集、点覆盖集与点独立集 • 边覆盖集与匹配 • 二部图中的匹配 • 点着色 • 地图着色与平面图的点着色 • 边着色
文档格式:PPTX 文档大小:6MB 文档页数:295
• 指令集并行的基本概念及挑战 • 软件方法挖掘指令集并行 – 基本块内的指令集并行 • 硬件方法挖掘指令集并行 – Scoreboard – Tomasulo • 跨越基本块的指令集并行 • 基于硬件的推测执行 • 以多发射和静态调度来挖掘指令集并行 • 以动态调度、多发射和推测执行来挖掘指令集并行
文档格式:PDF 文档大小:27.04MB 文档页数:565
月界旅行 [法国]儒勒·凡尔纳著 地底旅行 [法国]儒勒·凡尔纳著 域外小说集 《域外小说集》为书,词致朴讷,不足方近世名人译本。 《现代小说译丛(第一集)》,短篇小说集,鲁迅、周作人、周建人合译,收俄国、波兰、保加利亚、爱尔兰、西班牙、希腊、芬兰、亚美尼亚等国18位作家的30篇作品。 一个青年的梦 [日本]武者小路实笃著 爱罗先珂童话集 [苏联]V.爱罗先珂著
文档格式:PDF 文档大小:992.33KB 文档页数:9
为了提高非平衡数据集的分类精度,提出了一种基于样本空间近邻关系的重采样算法。该方法首先根据数据集中少数类样本的空间近邻关系进行安全级别评估,根据安全级别有指导的采用合成少数类过采样技术(Synthetic minority oversampling technique,SMOTE)进行升采样;然后对多数类样本依据其空间近邻关系计算局部密度,从而对多数类样本密集区域进行降采样处理。通过以上两种手段可以均衡测试数据集,并控制数据规模防止过拟合,实现对两类样本分类的均衡化。采用十折交叉验证的方式产生训练集和测试集,在对训练集重采样之后,以核超限学习机作为分类器进行训练,并在测试集上进行验证。在UCI非平衡数据集和电路故障诊断实测数据上的实验结果表明,所提方法在整体上优于其他重采样算法
文档格式:PPT 文档大小:295.5KB 文档页数:20
4开集、闭集 若E°=E,则称E为开集(E中每个点都为内点) 若E=E,则称E为闭集(与E紧挨的点不跑到E外) P为E的接触点:Vδ>0,有Opo)E≠Φ
文档格式:DOC 文档大小:708KB 文档页数:5
1.判定下列平面点集中哪些是开集、闭集、区域、有界集、无界集?并分别指出它们的聚点所成的点集(称为导集)和边界. (1){(x,y)x≠0,y≠0}; (2){(x,y)1
文档格式:DOC 文档大小:441.5KB 文档页数:15
定义:设C是状态空间S的一个子集,如果从C内任何一个状 态i不能到达C外的任何状态,则称C是一个闭集。如果单个状 态i构成的集l}是闭集,则称状态是吸收态。如果闭集C中不 再含有任何非空闭的真子集则称C是不可约的闭集是存在的
文档格式:PDF 文档大小:369.71KB 文档页数:3
为了研究多层多维复杂系统的矛盾问题,运用可拓学原理,在n维物元可拓集概念的基础上,提出了多层多维物元系统可拓集及其正域、负域、零界的概念,给出了多层多维物元系统可拓集的可拓域、稳定域的定义,讨论了多层多维物元系统可拓集的一些性质.最后研究了多层多维物元系统可拓集的交、并等运算
文档格式:PDF 文档大小:1.92MB 文档页数:10
传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度
上页12345678下页末页
热门关键字
搜索一下,找到相关课件或文库资源 990 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有