云计算环境中面向大数据的改进密度峰值聚类算法

对密度峰值聚类算法进行有效改进,计算各样本点之间的距离和各样本点局部密度,选择两者中较大的样本点作为聚类中心点,根据其余样本点与各中心点的距离设定样本点所属类别;引入K近邻算法对密度峰值聚类算法进行优化,求解各样本点的距离时只需要考虑其周围由邻近值决定的若干样本点,实现距离阈值的自动选取;根据距离矩阵计算样本点的密度,绘制决策图并选择簇内中心点,将剩余点根据密度值分配给离中心点距离最近的类;最后将K近邻-密度峰值聚类算法部署至Hadoop云计算平台,用于解决大规模数据聚类的问题。仿真结果表明,通过合理设置K近邻算法的近邻值k,K近邻-密度峰值聚类算法具有较好的大数据样本聚类性能,与常用聚类算法相比,该算法具有更高的聚类准确率和聚类效率,适用于大数据样本聚类。     

再生骨料取代率对地聚物混凝土尺寸效应的影响

目的 研究不同再生骨料取代率条件下的地聚物再生骨料混凝土抗压强度的尺寸效应,验证地聚物再生骨料混凝土的尺寸效应是否和普通水泥混凝土一致.方法 设计0、25％、50％、75％和100％的5种不同再生骨料取代率以及100 mm、150 mm和200 mm3种边长的地聚物再生骨料混凝土立方体试块,测试其抗压强度,计算抗压强度...     

基于聚类的多样本复发拷贝数变异检测算法

拷贝数变异是人类基因组中一种重要的结构变异类型.不同样本中相同区域出现的拷贝数变异称作复发拷贝数变异.研究表明,复发拷贝数变异与人类复杂疾病紧密关联.提出一种基于聚类思想的多样本复发拷贝数变异的检测算法,该算法首先提取两种与复发拷贝数变异密切相关的特征:即多样本中每个位点的拷贝数变异比率和拷贝数变异幅度均值,然后利用聚...     

基于深度学习和遥感影像的松材线虫病疫松树目标检测

针对传统的松材线虫病大范围监测方法耗费高、效率低的问题,研究基于高分辨率无人机遥感影像,采用深度学习方法对病疫区染病松树进行目标检测及地理定位.建立病疫松树样本数据集,采用YOLO目标检测模型,通过锚框尺寸重算、模型迁移学习等方法进行样本训练.将大幅影像进行滑窗分割、逐个检测、NMS重叠处理、坐标转换之后,得到研究区内...     

Fe3O4@SiO2@CeO2应用于废水中亚甲基蓝的吸附研究

首先通过溶剂热法制备Fe3 O4磁核作为种子,然后通过St?ber法在种子外包覆SiO2层,再在SiO2层上通过均匀沉淀法使CeO2沉积在表面,得到Fe3 O4@SiO2@CeO2磁性纳米材料,并将其作为纳米吸附剂应用于废水中亚甲基蓝的吸附研究.通过优化该吸附剂的用量、溶液初始pH、震荡时间、解吸剂H2 O2的用量等条...     

抗开裂PC/PET复合材料的制备及其性能

以聚碳酸酯树脂(PC)为基材,聚对苯二甲酸乙二醇酯(PET)为填料,乙烯-丙烯酸甲酯共聚物(EMA)为增韧剂,含氢硅油(H212)为交联剂,通过熔融共混法制备了不同比例的PC/PET食品级抗开裂复合材料。利用TG,DSC,电子万能试验机和冲击试验机对所制备的PC/PET复合材料进行了表征与测试。结果表明：当PET质量分数为20%时,PC/PET具有最好的相容性,同时热稳定性最好;PC/PET复合材料的断裂伸长率和冲击强度先增大后减小,当PET的质量分数为20%,断裂伸长率和冲击强度较纯PC分别提高了12.8%和17.5%,材料具有最好的韧性。实验表明PC与PET的配比为8∶2时可获得最优的材料性能。     

一种结合Fisher编码的多示例聚类算法

多示例学习中的数据是由包含多个示例的包所组成的,样本之间真实的相似性被正包中大量的假正例所掩盖。为了拟合多示例数据真实的分布情况,提出了一种结合Fisher编码的多示例聚类算法MIFK-means。首先通过Fisher编码在保留数据语义的同时对多示例数据进行归一化降维,然后通过示例层次的K-means聚类算法揭示多示例数据的分布情况。在基准数据集上的实验表明,MIFK-means算法的聚类效果明显好于包层次的多示例K-means聚类算法,分类精度也可以和现有的经典多示例算法相媲美。     

相变材料微胶囊的制备与表征分析方法综述

为开发高性能相变材料微胶囊,实现其在热能储存领域的独特优势。本文综述了目前相变材料微胶囊的制备与性能测试方法,对比分析常用的化学法、物理法和物理化学法等。结果表明：界面聚合法具有包封率高的优点,但要求芯材有一定的耐酸碱性,且不能与单体发生反应;溶剂蒸发法适用于非水溶性聚合物对活性物质的包囊;喷雾干燥法适用于热敏性、疏水性和亲水性以及与水反应的材料,该方法处理量大,适合工业化生产;复凝聚法适用于对非水溶性芯材的包囊,生产效率高。总体而言,封装后的相变材料微胶囊的热稳定性、化学稳定性以及力学强度会受到其颗粒形貌的影响。通过对微胶囊的表征方法进行分析,发现有许多标准测试方法具有较高的可靠性,但在力学性能评估领域仍需要标准化的测试方法。     

基于三支聚类的协同过滤推荐方法

通过聚类可以缩小用户近邻空间,从而一定程度缓解传统协同过滤推荐算法存在的可扩展性问题,但因部分用户丢失了有效邻居而使得推荐精度不高。为解决该问题,结合三支聚类提出了一种新的协同过滤方法。该方法分为线下聚类和线上推荐两个步骤。对用户先进行聚类,进而将用户划为核心用户和边界用户,并对这两类用户分别应用不同的聚类规则进行聚类;然后在目标用户所属的簇中产生一个预测评分,对属于多个簇的用户,则聚合每个簇的评分得到其预测结果。实验结果表明,该方法与现有基于聚类的协同过滤算法相比,能有效地提高推荐精度。