学科分类
/ 25
500 个结果
  • 简介:在考虑了HilbertK-上框架的基础上,用算子理论知识,研究了HilbertK-Bessel序列、(正规紧)框架、Riesz基和Hilbert基的稳定性.

  • 标签: HILBERT K-模 框架 稳定性
  • 简介:证明了αk-较多规则满足K.O.May和A.K.Sen提出的关于序数型的匿名性、中立性、局部非独裁性及pareto原则等理性条件,并给出了该规则的几个性质.

  • 标签: 群体决策 αk-较多规则 理性条件
  • 简介:K-Resin(K-树脂)为苯乙烯——丁二烯共聚物(SBC),是一种透明树脂,具有独特之光泽,透明性和耐冲击强度,可采用一系列的传统加工技术进行开发应用。与其他透明聚合物相比较,K-树脂共聚物的特点是密度低,从经济角度上看更有吸引力,更符合美国食品药品管理局FDA21CFR177.1640条款和欧洲EEC指引90/128/EEC之所有修订条款规定,可用作食品包装。

  • 标签: 树脂 共聚物 透明聚合物 耐冲击 透明性 丁二烯
  • 简介:Ingasturbineengines,laminar-turbulenttransitionoccurs.However,generally,theturbulencemodelstodescribesuchtransitionresultsintooearlyandtooshorttransition.Combiningaturbulencemodelwithadescriptionofintermittency,i.e.thefractionoftimetheflowisturbulentduringthetransitionphase,canimproveit.Bylettinggrowtheintermittencyfromzerotounity,startandevolutionoftransitioncanbeimposed.Inthispaper,amethodwhereadynamicequationofintermittencycombiningwithatwo-equationk-ωturbulencemodelisdescribed.Thisintermittencyfactorisapremultiplicatoroftheturbulentviscositycomputedbytheturbulencemodel.FollowingasuggestionbyMenteretal.[1],thestartoftransitioniscomputedbasedonlocalvariables.

  • 标签: BYPASS TRANSITION intermittency SST TURBULENCE model.
  • 简介:引入了k-一致超图的补图的概念,并讨论了它的Laplacian与其补图的Laplacian之间的关系.更多还原

  • 标签: k-一致超图 LAPLACIAN 补图
  • 简介:提出了一种基于改进蚁群算法的动态K-均值聚类算法思想,该算法首先利用蚁群算法的较强处理局部极值的能力,动态地确定了聚类数目和中心,然后利用蚁群聚类得到的结果,再进行K-均值聚类弥补蚁群算法的不足。两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的蚁群聚类算法分析。

  • 标签: 蚁群算法 K-均值聚类 动态K-均值聚类算法
  • 简介:本文研究了k-非常极凸空间的问题,利用k维体积定义了k-非常极凸空间,使用k-非常极凸的概念,得到了k-非常极凸空间的性质和一些特征,推广了k-drop凸空间.

  • 标签: κ维体积 κ-非常极凸 κ-drop凸
  • 简介:由于传统K-近邻分类方法需要计算每个待测样本与所有训练样本的距离,学习效率较低。针对这个问题,提出一种改进的快速K-近邻分类方法SK-NN。该方法首先对训练样本采用K-均值方法进行聚类,并得到聚类结果中每个子集的中心和半径,并根据其选择合适的子类并采用该子类对待测样本打标签。由于聚类后得到的子类的规模远小于原始样本的规模,因此需要计算的距离数目减少,提高模型的效率。

  • 标签: K-近邻分类 聚类 子集
  • 简介:对文本的自动分类进行了研究,介绍文本分类的基本过程和文本特征选取的方法,重点介绍了一种常用的基于内容的分类算法——K-最邻近算法.利用K-最邻近算法(KNN)并结合改进的词特征权值计算方法和文本相似度的计算方法完成了文本的自动分类.通过KNN方法分类之后的结果的查准率、查全率得以明显提高.

  • 标签: 数据挖掘 文本自动分类 K-最邻近算法
  • 简介:在任意实Banach空间中,研究当T为k-次增生算子时,非线性方程(1-k)x+Tx=f和x+Tx=f的Ishikawa迭代解.给出了强收敛定理,推广和改进了一些文献的相关结果.

  • 标签: K-次增生算子 迭代解 迭代逼近
  • 简介:k均值算法是一个常用的局部搜索算法,它的主要缺陷是容易陷入局部极小,并且该局部极小解与全局最优解往往有很大的偏差.本文提出一个基于K-均值的迭代局部搜索文档聚类算法.该算法以k均值算法所得到的解作为初始解,从该初始解开始作局部搜索,在搜索过程中接受部分劣解.当解无法改进时,算法对所得到的局部极小解做适当强度的扰动后进行下一次的迭代,以跳出局部极小,从而拓展了搜索的范围.实验结果表明该算法对文档数据集聚类的正确性达99%以上.

  • 标签: K-均值 迭代局部搜索文档聚类算法 局部极小解 全局最优解 数据库
  • 简介:图G的一个k正则支撑子图称为G的k因子.若对G的任一边e,图G总存在一个k因子不含e,则称G是k消去图.若图G存在一个划分(X,Y)使得G的每条边的端点分别在X和Y中,则称G=(X,Y)为二分图.证明了二分图G=(X,Y)且X=Y是k消去图的充分必要条件是kS≤r1+2r2+…+k(rk+…+rΔ)-ε(S)对所有SX成立.并由此给出二分图是k消去图的一个邻集充分条件.

  • 标签: 二分图 K-因子 K-消去图
  • 简介:研究发现使用均匀分布的簇内差异度来确定初始中心点并以此为基础进行聚类,可以提高K-均值聚类准确率和稳定性。将改进算法使用iris数据进行实验,结果表明改进后算法的聚类迭代次数显著减少且相对稳定,运行时间也有明显降低。运用改进的聚类算法对忻州师院学生的计算机课程考试成绩数据进行处理,并对考试成绩数据的聚类结果进行分析,进而给出针对各系学生计算机课的教学建议,同时针对各系学生的自我提升提出意见。

  • 标签: 数据挖掘 K-均值聚类 簇内差异度
  • 简介:针对海底采样点较少时,监督学习训练分类模型困难的问题,研究无监督学习的K-均值聚类分析算法在多波束海底底质分类中的应用。在探讨K-均值聚类分析算法原理的基础上,构建海底底质分类器,针对分类器需预先输入分类结果种类(K值)这一问题,提出了基于底质采样点和分类效果连续性为原则的K值确定方法。实验结果表明:基于K-均值聚类分析算法的海底底质分类器能较好的实现海底底质类型的自动划分,适用于海量多波束底质特征参数的分类。

  • 标签: 多波束测量 海底底质分类 特征参数 K-均值算法 聚类分析
  • 简介:现代企业间对于客户资源的争夺越来越趋于白热化,争夺的根本目的就是为了在保持现有客户的基础上再去争取更多的新客户加入,营销手段也从传统模式转变为个性化,以及一对一的营销方式来满足客户,从而使公司获得更大的收益,新的营销模式的实行的核心问题就是客户的有效甄别.客户甄别细分的核心基础是对客户的消费特征数据进行分析,通过数据挖掘中的聚类分析方法能够完成把隐藏在数据中的客户特征分类出来,进而实现对客户群体的特征划分.经典的K-均值聚类算法对最初选取的初始聚类中心极其敏感,该文采用改进的K-均值聚类算法实现了对某电子商务网站客户消费行为的聚类划分,且对划分后的集群进行了完整的数据分析,根据分析结果实现了企业对客户的差异化服务,从而提高了客户的满意度,增强了企业的市场竞争力.

  • 标签: K-均值聚类 客户细分 聚类分析