排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
铜合金时效性能的神经网络预测模型 总被引：4，自引：3，他引：4
运用BP神经网络算法，对时效试验数据进行训练，建立了Cu-0．30Cr-0．15Zr合金时效后硬度和导电性与时效时间和时效温度的映射模型，从而可预测铜合金在一定时效条件下的硬度和导电性，预测结果与实测值吻合较好，表明神经网络用于铜合金的时效性能预测是可行的，预测的准确性取决于用于训练网络的铜合金时效试验数据的数量和质量。 相似文献
2.
NB-MAFIA: 基于N-List的最长频繁项集挖掘算法 总被引：1，自引：0，他引：1
本文在深度优先搜索的框架上, 引入基于项集前缀树节点链表的项集表示方法N-List, 提出一个高效的最长频繁项集挖掘算法NB-MAFIA。N-List的高压缩率和高效的求交集方法可以实现项集支持度的快速计算, 同时采用对搜索空间的剪枝策略和超集检测策略来提高算法效率。在多个真实和仿真数据集上, 通过实验评估了NB-MAFIA和两个经典算法。实验结果表明NB-MAFIA在多数情况下优于其他算法, 尤其在真实和稠密数据集上优势更为明显。 相似文献
1