浅谈机械零件的互换性与标准化

文章论述了互换性、标准、标准化的概念、分类,以及标准化在机械零件加工中的意义。     

袖珍式互换性数据电脑手册的研制

袖珍式互换性数据电脑手册存贮了互换性与技术测量中的全部数据．文中阐述了该手册研制过程中的最低功耗、最小体积和数据压缩等几个关键性技术问题，并介绍了其功能。     

袖珍式互换性数据电脑手册的研制

袖珍式互换性数据电脑手册存贮了互换性与技术测量中的全部数据。文中阐述了该手册研制过程中的最低功耗、最小体积和数据压缩等几个关键性技术问题，并介绍了其功能。     

燃气互换性几种常用判定方法的比较与选择

针对天然气置换人工煤气或液化石油气的工作正在我国各地相继展开,而国际上至今仍无法从理论上推导出计算燃气互换性公式的现状,指出有必要对燃气互换性判定作更进一步的研究.同时比较分析了A.G.A指数判定法等几种目前国际上常用的燃气互换性判定方法,列出其各自的互换条件和方法特点,并阐述了特定应用场合下不同判定法的恰当选择;最后以广州市正在置换的天然气和原人工燃气的互换性判定为例计算,验证了若只需单纯判定两种燃气能否互换,选用"I"指数判定法比图形判定法更方便.     

圆柱齿轮的互换性教学方法探索

针对《互换性与测量技术》课程中的难点——圆柱齿轮的互换性与检测,提出了从分析圆柱齿轮误差的来源入手,以达到重点突出、条块清晰,使学生易于理解的教学效果的方法。     

机械类专业互换性与技术测量实验教学改革

《：互换性与技术测量》是机械专业学生开设的一门重要专业课。互换性与技术测量实验是该理论课的重要补充。通过加强实验环节教育,进而加深其对理论知识的理解,同时又可以增强学生动手能力,为后续课程的学习奠定基础。     

高等院校机械类专业基础实验教学改革初探

机械类专业是高校中的重要专业之一。《互换性与技术测量》是机械专业本科高年级开设的一门重要专业课。结合现实对高校人才的实际需求,探讨高校互换性专业实验教学改革的思路和方法。互换性与技术测量实验是该理论课的重要补充。通过加大实验环节教育,进而加深其对理论知识的理解,同时又可以增强学生动手能力,以及提高学生的综合素质,为其将来的就业或进一步的深造奠定基础。     

《互换性与技术测量》教学方法探讨

对“互换性与技术测量”课程从教学的角度,探讨在课程教学中如何采用合适的教学方法,以达到较高的教学效率。     

形状公差、位置公差、尺寸公差数值关系的分析

本文分析了形状公差、位置公差、尺寸公差数值之间的关系,为在互换性设计中正确选取形位公差值提供了理论依据.     

独立学院《互换性与测量技术》课程的教学方法设计

本文根据独立学院的人才培养目标,从备课、课堂教学和实验三方面设计了《互换性与测量技术》课程的教学方法。     

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.     

一种基于谓词逻辑的分类规则约简方法

利用各种分类规则挖掘方法,提取出的分类规则集中,存在许多的冗余规则,从而降低了分类效率。采用谓词公式描述分类规则,给出了一种分类规则集约简方法。该方法利用谓词公式中的逻辑推理,对分类规则集进行约简,消除了冗余规则。采用恒星光谱数据,实验验证该方法在保证分类规则集的分类能力不变的前提下,有效地提高了分类的效率。     

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％．     

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.     

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。     

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％．     

浅谈F-term分类系统及其在日本专利检索中的应用

介绍了日本专利局的F-term分类系统,主要涉及F-term分类号、F-term分类表以及在互联网上获取F-term分类号的方式,阐述了如何在互联网上采用F-term分类系统检索日本专利.     

基于量子粒子群算法选择特征的遥感图像分类

针对目前遥感图像分类算法存在精度低、 速度慢等问题, 提出一种基于量子粒子群算法的遥感图像分类算法, 以提高遥感图像的分类效果. 首先分析目前遥感图像分类算法存在的不足及其原因; 然后提取多种类型的遥感图像原始特征, 采用量子粒子群算法对特征进行筛选, 以提取对遥感图像分类结果较重要的特征; 最后采用最小二乘支持向量机(LSSVM)建立遥感图像分类器, 实现遥感图像分类和识别, 并进行遥感图像分类的仿真对比实验. 实验结果表明, 该算法克服了当前遥感图像分类算 法存在的局限性, 大幅度提高了遥感图像的分类精度, 有效减少了图像分类误差, 提高了图像分类效率.