一种基于多概念格的分类规则融合方法

从多个数据源进行综合知识发现已经成为当前数据挖掘领域中的一个热点研究问题。然而,由于各数据源中数据的差异,使得从各数据源上提取出来的知识,在相互融合的时候会显示出各自的局部性,有时甚至彼此间会出现矛盾,因此,有效的知识融合方法对挖掘结果的质量是至关重要的。该文探讨了基于多概念格的分类规则挖掘,提出了一种融合不同数据源中的分类规则的方法,该方法能保证规则的完整性,即获得适用于全局的所有分类规则,给出了实验结果并加以验证。     

基于分布式概念格的分类规则挖掘

以概念格为分类模型,引入知识合并思想,并针对大规模数据的分类求解以及过拟合问题引入剪枝策略,从而得到分类剪枝概念格模型,在此基础上提出了基于分布式概念格模型的强分类规则提取算法;通过理论证明了算法的正确性,并通过实验证明了算法的可行性。     

交流磁场对M-BTC材料电化学氮还原(NRR)性能的影响

本文采用水热法合成了四种MOFs催化剂,分别通过XRD、SEM及IR表征了催化剂的组成和微观结构,进而研究了催化剂的NRR活性,最后探究了交流磁场对催化剂NRR活性的影响及作用机制.结果表明：四种催化剂中,Fe-BTC在-0.376V（vs.RHE）和80oC时具有最高的氨产率和法拉第效率,分别为3.63×10-10m...