涡流空气分级机“鱼钩效应”的实验研究

文中研究了涡流空气分级机分级过程中由于颗粒细化而导致在Tromp曲线上产生“鱼钩效应",导致分级效率降低。根据实验分析了在涡流空气分级机分级中,分级转笼转速、进口风速、给料固体浓度以及给料粒度对“鱼钩效应”的影响。对减弱粉体分级过程中的“鱼钩效应”、涡流空气分级机的操作,具有一定的指导意义。     

涡轮式气流分级机分级效率数学模型研究

为提高涡轮式分级机的分级精度和分级效率，研究了不均匀气流速度场和团聚对它们的影响，分别建立了两种影响的数学模型，研究表明，分级机结构是影响分级精度的决定性因素，而团聚则严重影响较细颗粒的分级效率，导致所谓的“鱼钩效应”，文中理论可用于指导分级机的设计和粉体的制备。     

涡流空气分级机分级功能区研究

从理论上分析了涡流空气分级机的分级过程,在此基础上把涡流空气分级机内部分为主要分散区、分散分离区、第二分离区、辅助分离区、阻力区五个功能区,讨论了各功能区在分级过程中的作用,用物料试验证明了作者的分区正确.在此基础上改进了主要分散区、分散分离区、第二分离区三个功能区,得到更好的分级效果;这将对理解和改进涡流空气分级机分级性能进而开发出性能更好的涡流空气分级机具有指导作用.     

NHJW-Ⅰ型干法超细粉分级机的设计和性能

运用气流中颗粒分级原理，成功研制了NHJW－Ⅰ型干法超细偻分级机。通过实验，研究了不同操作参数对分级机分级性能的影响。     

科企之桥

XFJ超细粉体分级机 一种可与任何类型超细粉碎机配套,适用于食品、医药、化工、建材、包装等行业的新一代超细粉体分级机,由浙江丰利粉碎设备有限公司研制而成。 这是一种带有二次进风和分级转子的离心干式分级机,能产生一种强制的涡流,制造出强而有力的离心力场,获得精密的分级效果。适用于有机物和     

两段串联涡流空气分级机操作参数对其分级性能的影响

依据涡流空气分级机的分级理论，通过物料实验研究了两段串联涡流空气分级机系统喂料速度、两段转笼转速组合、两段进口风速组合等操作参数对其分级性能的影响。结果表明：分级精度和切割粒径随喂料速度的增大而降低；无论两段转笼转速差值保持恒定或增大，切割粒径和分级精度都随二段转笼转速的增大而减小；二段进口风速大于一段进口风速，存在“鱼钩”效应。     

新型多段园锥螺旋分级机的研制

本文提出了一种全新的多段园锥螺旋分级机，并在试验室制作了样机，通过与传统的园柱形螺旋分级机的对比试验研究，结果表明，该新型分级权不仅能大幅度提高分级效率与之配套的球磨机台时处理能力，而且能改善后续选别指标。     

基于康达效应的超微粉气流分级数值模拟研究

基于不可压缩粘性流体的N-S方程和κ-ε两方程模型，结合固体微粒运动方程，采用有限容积法对射流分级机中微粒的运动进行了数值模拟，得到射流分级机内的压力场、速度场和颗粒运动轨迹，计算得到的粒径分布规律与分级实验结果相吻合。     

超细粉体制备及分级技术

<正>技术简介经过多年的研究和多次的结构改进,我们研制出了分级粒径可小于1um的超细粉体气力分级机,分级效率依粉体材料的性质而定。利用该技术可以根据不同的产品需要设计不同的工艺流程。如经有多台改进后的雷蒙磨在工业生产中运行;超细粉体气力分级机可以和多种粉碎机组合构成超细粉体加工系统。     

超细粉射流分级机的流场分析

对实验室级小型超细粉射流分级机中的流场分布进行了测量与理论分析,并通过数学回归,推导出了分级室中流场的速度分布方程。     

四部分类是学术分类而非图书分类--兼与黄晏妤先生商榷

针对四部分类是图书分类而非学术分类的说法，从四部分类的演变历史、社会功能、学术价值和式微结局等四个方面，论证了四部分类的实质是学术分类而非图书分类的观点。     

基于Hadoop平台的大数据图像分类机制

针对大数据图像分类耗时长、 实时性差等问题, 利用云计算技术的优点, 以获得理想的大数据图像分类结果为目标, 提出一种基于Hadoop平台的大数据图像分类机制. 首先收集大量的图像, 构建图像数据库, 并提取图像分类的有效特征; 然后基于Hadoop平台, 采用Map函数对大数据图像分类问题进行细分, 用多节点并行、 分布式地对子问题进行图像分类求解, 得到相应的图像分类结果; 最后利用Reduce函数对子问题的图像分类结果进行组合, 并用VC++6.0编程实现大数据图像分类的仿真模拟测试. 测试结果表明, 该分类机制较好地克服了当前图像分类机制存在的弊端, 大幅度缩短了图像分类的时间, 分类速度可适应大数据图像分类的在线要求, 且图像分类的整体效果明显优于当前其他图像分类机制.     

工艺规划系统中动态模式分类的研究

提出了工艺规划系统中动态模式分类（pattern classification）的概念，介绍了模式分类判定树和动态模式分类的基本原理，并对动态模式分类的聚类质量标准进行了研究。动态模式分类是基于实例归纳（case based reasoning,CBR)的自动分类过程，具有自学习和自完善的功能。     

基于最小最大概率机的虹膜图像分类方法研究

为了提高虹膜图像分类的准确性和稳定性，提出了一种基于最小最大概率机的虹膜图像分类方法．该方法通过控制错分概率实现分类的最大化，将一般的二维分类问题扩展到虹膜特征的多维空间，并利用最小最大概率机的高维映射泛化特性，实现了不同核函数下的虹膜图像多维分类问题，具有分类准确率高、稳定性好的特点．通过虹膜图像库的实验验证表明，该方法在保持分类稳定性的同时，获得了径向基核函数高达98．55％的分类率，该分类率比最近特征线方法和相异度函数方法的分类率分别提高了4．47％和6．41％．     

基于栅格DEM的微观地形分类技术

认为微观地貌形态的划分是宏观地貌形态划分的延续,基于栅格数字高程模型（DEM）和数字地形分析（DTA）技术实现微观地貌形态分类的关键在于提取地形地貌因子和制定合理的分类决策方案．以土壤侵蚀研究中的临界坡度值为参考,改进了Dragut提出的山体部位划分的分类决策方案．采用黄土高原的局部DEM进行了山体部位分类的试验研究,实现了微观地形地貌的自动分类,试验结果揭示了微观地形地貌分布与土壤侵蚀之间的关系．     

不均衡数据分类算法的综述

传统的分类方法都是建立在类分布大致平衡这一假设基础上的,然而实际情况中,数据往往都是不均衡的.因此,传统分类器分类性能通常比较有限.从数据层面和算法层面对国内外分类算法做了详细而系统的概述.并通过仿真实验,比较了多种不平衡分类算法在6个不同数据集上的分类性能,发现改进的分类算法在整体性能上得到不同程度的提高,最后列出了不均衡数据分类发展还需解决的一些问题.     

基于对象立方体结构的决策树分类挖掘方法研究

面向对象数据库中的对象分类是指对任务相关对象集中的对象进行分类,从而得到分类规则。将任务相关对象集进行泛化可以避免分类规则的过度适应,并能提高分类精确度。用该方法对基于对象立方体结构的决策树分类方法进行了研究。     

利用分层分类法进行厦门岛城市地表分类研究

利用分层分类法把厦门岛城市土地类型分为七类,并对分类结果进行了验证．在TM图像光谱特征分析和归一化差异型指数分析结论上,提出分层分类法的分类步骤．利用ERDAS的专家分类器逐类地提取土地类型,并利用掩膜法将原图像上新提取地类所对应区域掩膜掉,使得分类过程越来越容易．分层分类法避免了一次划分多种类别方法在选择波段组合上的矛盾．精度评价结果表明,总分类精度达到90．9％,达到分类要求标准．     

基于Dempster-Shafer证据理论的虹膜图像分类方法

为了提高虹膜图像的分类率，提出了一种基于证据理论的虹膜图像分类方法．该方法利用虹膜图像的纹理变化信息来提取虹膜灰度信号的比率特征，并结合证据理论实现了虹膜图像的决策分类，降低了不确定性因素对图像分类的影响，提高了分类率．在相同的实验条件下，对不同数量的虹膜图像进行了实验验证，结果表明，该方法在保持了分类稳定性的同时，其分类率比直方图交叉分类方法和直方图比率特征分类方法分别提高了6．96％和4．44％．     

基于单个特征分类准确率的特征选择方法研究

【目的】随着遥感技术迅猛发展,在影像解译过程中提取的信息越来越繁杂多样。为提高地物分类准确率,常加入更多的特征信息,而由此往往造成一定的信息冗余,导致分类效率甚至准确率降低。笔者利用随机森林(RF)和支持向量机(SVM)分类器,探索在遥感分类过程中保证分类精度的同时又能降低特征维度的方法。【方法】以吉林省安图县福兴林场部分区域为研究对象,利用2015年Landsat-8影像为数据源,提取光谱信息(红、绿、蓝、近红外和短波红外波段)、植被指数(NDVI、增强型植被指数、比值植被指数和裸土植被指数)、纹理(同质性、均值、二阶矩、方差、差异性、对比度、熵和相关性)和地形信息(坡度和坡向)共19个指标作为分类特征变量。以RF分类器估测的特征重要性进行特征选择为对照,分别以单个特征在RF和SVM两分类器中的分类准确率为依据进行特征选择,并对选取的特征进行主成分分析,与未做主成分分析的进行区分,再分别用RF和SVM分类器进行分类,评价分类精度,确定最优特征和分类器组合。【结果】①基于SVM单个特征分类准确率选取特征,对选取的特征进行主成分分析,再用RF进行分类,该方法与其他方法相比分类性能最好,当特征维度为5时,总体精度为0.86,Kappa系数为0.83; 与输入全部特征进行分类相比,不仅提高了分类精度,而且降低了特征维度,使分类效率得以提升。基于RF特征重要性选取特征的RF分类取得了较高的分类准确率,但特征维数小于7时,分类准确率波动较大; 在特征维数为4时分类准确率增至最大值(0.88),随后骤降为0.83,之后基本保持在此水平。而基于单个特征分类准确率选取特征,分类准确率变化较为平缓,如上所提最优分类性能方法的分类准确率波动范围基本在0.02。②基于单个特征在RF和SVM分类器中的分类准确率进行特征选择,在随后的分类过程中,SVM分类器分类精度总体高于RF。基于RF单个特征分类准确率选取特征的SVM分类,及基于SVM单个特征分类准确率选取特征并对选取特征进行主成分分析的RF分类,较仅利用SVM或RF单个分类器选取特征并分类的分类准确率更高。【结论】①基于单个特征分类准确率的特征选择方法,可在保证分类精度的同时降低特征维度,且在较低维度时,基于该方法选取特征的分类精度较基于特征重要性选取特征的分类精度更稳定。②基于单个特征分类准确率进行特征选择,不同分类器选取的特征有所差异,分类准确率也不同,利用多个分类器较单个分类器选取特征并分类的性能更好。③在中低维度时,RF分类器的分类准确率可能与特征输入顺序有关,对输入特征进行主成分分析有利于提高分类器的分类精度及稳定性。