点击切换搜索课件文库搜索结果(3307)
文档格式:PDF 文档大小:377.2KB 文档页数:5
汽车悬架中存在多种非线性因素,采用非线性模型的时域求解可获得更准确的平顺性分析结果.考虑到单一软件的局限性,本文采用协同仿真技术分析非线性车辆模型的平顺性.用机械系统软件ADAMS建立汽车多体模型,并用MATLAB/Si mulink的S函数建立路面模型、轮胎模型和驾驶员模型.以随机生成的路面不平度数据为输入,在Si mulink环境下建立协同仿真模型并完成车辆非线性模型的时域求解.给出了平顺性协同仿真算例,并根据响应量时间历程数据计算了簧载质量加权加速度均方根值和车轮动载均方根值.平顺性分析结果表明该协同仿真方法合理、可靠,满足非线性车辆模型的平顺性时域分析需要
文档格式:PDF 文档大小:481.36KB 文档页数:6
分析了极图测量条件以及极图数据处理方法对所计算ODF质量的影响,对其原因做了讨论.结果表明,用1/4极图计算ODF存在着不合理之处,容易造成明显的误差,用测量全极图并做对称化处理的方法可显著地提高ODF的准确性,同时也可对不对称织构进行有效的定量分析
文档格式:PDF 文档大小:367.82KB 文档页数:4
为进一步提高多关系朴素贝叶斯方法的分类准确率,分析了已有的剪枝方法,并扩展互信息标准到多关系情况下.基于元组号传播方法和面向元组的统计计数方法,给出了基于扩展互信息标准进行属性选择的方法和步骤,并建立了一种基于扩展互信息的多关系朴素贝叶斯分类器.标准数据集上的实验显示,基于扩展互信息标准进行属性选择,可以在不增加算法时间复杂度的前提下,找到与分类属性最相关的属性,并在仅有极少属性参与分类时,得到较高的分类准确率.Mutagenesis数据集上的实验则显示,这种属性选择可以使多关系问题退化为单关系问题,大大降低了分类代价
文档格式:PDF 文档大小:459.41KB 文档页数:4
开发了一种用于钢丝热处理过程的自动控制系统和相应的模拟系统.控制系统由工控机和可编程逻辑控制器(PLC)组成.控制系统软件包括组态程序、加热模型程序、PLC逻辑控制程序和数据库.该控制系统可以根据产量、产品规格和工艺要求控制马弗炉和铅浴炉的温度,或调整钢丝的拉速以适应当前马弗炉的温度,获得最佳热处理效果和产量.模拟系统包括模拟软件,燃烧数学模型软件和两块数据采集卡
文档格式:PDF 文档大小:227.51KB 文档页数:4
主要采用数据挖掘技术中的聚类分析算法对电弧炉炼钢的历史数据进行分析、加工处理,得出不同热装铁水比、炼钢成本、氧耗情况下的炉次分类,再利用K-means聚类法得到聚类结果,并对结果进行分析.通过分析比对,在结果的不同分类中选出最优的用氧和用电曲线
文档格式:PDF 文档大小:776.46KB 文档页数:4
提出一种准确快速测量AA3104热轧铝板织构的方法.为避免因反射法测量带来的不均匀性,根据铝板的样品对称性和晶体对称性,用透射法测出极图上一条弧段上的衍射数据.用正态分布来拟合测量的数据,并得到各织构组分的特征参数.用所得参数计算出的极图和ODF图与用常规方法实际测得的结果有较好的一致性,很好地预测到热轧铝板的主要织构组分.原则上,该技术可以发展成为工业上热轧铝板织构的在线定量检测技术
文档格式:PPT 文档大小:484.5KB 文档页数:29
购物篮是顾客在一次事务中所购买项的集 合,所谓事务是一个明确定义的商业行为。 事务数据库研究的一个最普通的例子就是 寻找项的集合,或叫做项集。包含个项的 项集被称为i-项集。包含该项集的事务的百 分数叫做该项集的支持度。支持度超过指 定阈值的项集叫做频繁项集
文档格式:PDF 文档大小:386.07KB 文档页数:5
本文介绍了系统分析在软件开发上的重要性和在武钢金山店铁矿的实施过程,着重阐明了系统分析的工具:系统流程图、数据流程图、IPO图和数据字典在实施应用过程中的作用、区别与联系,并根据实施的经验,提出了可行的系统分析步骤和方法,相应得到系统分析报告和用户需求说明2个系统分析阶段的重要文件
文档格式:PDF 文档大小:1.98MB 文档页数:9
基于对已有三维人耳重建工作和形变模型理论的研究,充分结合人耳自身的结构特征,提出了一种新的三维人耳重建方法——基于人耳形变模型的方法.首先使用中垂线法完成了外耳轮廓特征点的定位;提出分级三角网格法,解决了样本耳基于生理特征的稠密对应问题;再借鉴广义普鲁克分析的思想,在三维空间内实现了精确全自动的三维人耳形状对齐;最后训练得到了三维人耳形变模型.所提方法只需一幅二维图像,即可获得足够稠密的三维人耳模型.在UND三维人耳数据库和USTB三维重建人耳数据库上的大量实验证明所提方法的有效性和优越性
文档格式:PPT 文档大小:189.5KB 文档页数:31
多维事务数据库DB的结构为 (ID,AA2,, Anitems),A是DB中的结构化 属性(例如顾客的年龄,职业收入等),而 items是同事务连接的项的集合(例如购物篮 中频繁项集)。每一个 t=(id,aa 2..2 items-t)由两部分信息组成: 维信息(a1,a2man)项集信息。 挖掘过程分为两部分:挖掘维度信息的模 式和从投影的子DB中找出频繁项集
首页上页306307308309310311312313下页末页
热门关键字
搜索一下,找到相关课件或文库资源 3307 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有