一、理解对大型的、复杂的和信息丰富的数据集进行分析的必要性。 二、明确数据挖掘过程的目标和首要任务。 三、描述数据挖掘技术的起源。 四、了解数据挖掘过程所具有的迭代过程和基本步骤。 五、解释数据的质量对数据挖掘过程的影响。 六、建立数据仓库和数据挖掘之间的联系

采用数值模拟及热态燃烧实验方法，分析了3种不同集束氧枪末端几何结构在常温及高温条件下的射流速度场及温度场分布特性，并重点研究了常用枪位条件下射流动压对熔池的冲击形貌特点的影响. 研究结果表明，采用收束式约束集束氧枪可有效抑制射流能量向径向的扩散，从而延长伴随流高温区长度，达到提高超音速射流核心段长度及熔池搅拌效果的目的

一、磁场 1 基本磁现象 2 稳恒磁场的性质 (1)磁场对引入磁场中的运动电荷或载流导体有 磁场力的作用。 (2)载流导体在磁场中移动时,磁场力将对载流导体作功,说明磁场具有能量。 (3)磁介质引入磁场中要产生磁化现象

第一条为了规范关联方及其交易的信息披露,根据《企业会计 准则基本准则》,制定本准则。 第二条企业财务报表中应当披露所有关联方关系及其交易的 相关信息。对外提供合并财务报表的,对于已经包括在合并范围内各 企业之间的交易不予披露,但应当披露与合并范围外各关联方的关系 及其交易

为了摸清棒材斜辊矫直过程中各曲率的变化规律，应用小曲率平面弯曲弹复理论以及棒材弯曲弹复的曲率方程式，实现棒材一次反弯弹复的计算模型，基于棒材每旋转半周反弯一次的规律以及上一次弹复后的残余曲率认为是下一次弯曲的原始曲率，建立棒材全流程二辊矫直过程弯曲弹复模型，获得整个矫直过程中原始曲率、弯曲曲率、弹复曲率以及残余曲率的演变过程，得到棒材最终的残余曲率.应用该理论模型对现场生产过程进行了计算，与现场结果一致，验证了理论模型的正确性.应用所建立的理论模型对不同直径、不同材料屈服强度、不同原始挠度的棒材矫直过程分别进行分析，获得了不同来料参数情况下矫直过程的变形规律.该模型可以为二辊矫直机辊型优化设计与工艺参数计算提供理论依据

以硅锰脱氧的SWRH82B热轧盘条为实验钢种，研究增氮析氮法对硅锰脱氧钢中夹杂物的去除效果，并设置0.02、0.035、0.05、0.065和0.08 MPa五组增氮压力进行热态实验.实验结果表明：在1873 K的温度下，钢液经过增氮20 min、真空处理30 min后，不同炉次钢中T[O]均下降至1×10-5以下，最低为4×10-6，T[N]均下降至5×10-6以下，最低为2×10-6，夹杂物去除率均为40%以上，T[O]去除率均大于78%，表明该技术对硅锰脱氧钢中的夹杂物及T[O]有良好的去除效果.此外，随着增氮压力的升高，钢中T[O]与夹杂物去除率均有所升高，当充氮压力为0.08 MPa时，T[O]与夹杂物去除率分别达到89.2%和87.4%.理论分析表明，随着增氮压力的升高，气泡形核率增大、钢中生成气泡数量增多、钢中气泡的密度增加，从而提升气泡去除夹杂物的效率

第一章基础知识 第一节电工数学基础 一、正弦量、复数及矢量… 二、对称分量法及其应用 三、对称分量法计算举例 第二节电工基础知识及基本公式 一、正弦交流电基本量及计算 二、电阻、电感和电容在电路中的计算… 三、电工学常用公式 四、网络变换的基本方式和计算 五、电路的串联谐振和并联谐振计算 六、三相交流电路中的高次请波

分析了影响转炉冶炼终点钢水中锰含量的因素, 针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢, 预测精度低等问题, 提出了一种基于极限学习机(ELM) 算法建模的新思路, 并引入正则化以及改进粒子群优化算法(IPSO), 建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM) 的转炉终点锰含量预测模型; 应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证, 并与基于BP、ELM和RELM算法的三类模型进行比较.结果表明, 采用IPSO-RELM方法构建的模型, 锰含量预测误差在±0. 025%范围内的命中率达到94%, 均方误差为2. 18×10-8, 拟合优度R2为0. 72, 上述三项指标均显著优于其他三类模型, 此外, 该模型还具有良好的泛化能力, 对于转炉实际冶炼过程具有一定的指导意义

多轴联动下的串联多关节工业机器人在空间轨迹运动时，在时间上保证各关节轴单独具有良好的跟踪性能，而由于机械电气的迟滞效应，并不能完全保证理想的轮廓轨迹，这说明各个伺服轴的运动在几何空间中的同步非常重要。针对运动指令与实际位置之间的迟滞所带来的机器人末端轮廓精度不高的问题，本文结合工业机器人现有的运动学和动力学以及传统的PID控制理论，研究了六关节机器人位置域控制算法。将机器人空间轮廓轨迹的控制，通过采用主?从运动关系实时建立的方法，将时域中的各个伺服关节的同步控制方法，变换到位置域的各个伺服关节的主?从跟随的控制方法，在实现位置域的同步控制的同时，引入基于位置域的PD控制，减少了主?从跟随控制的跟随误差，从而整体提高机器人末端的轮廓运动精度。该方法在Linux CNC(Computerized Numerical Control)数控系统上，以某公司HSR-JR605机器人为对象进行了实验，证明采用位置域控制方法对六关节机器人空间运动轨迹精度的提高有积极作用

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率