纺织行业知识服务平台
首页>知识导航 > 产品用纺织品 > 产品用纺织品分类 > 过滤类
资源种类 收起
年份 收起
展开更多
语种 收起
学科分类 展开
出版状态 展开
订阅
至 收起
  • 将标准Krylov子空间方法及多项式加速技术整合起来的过滤类Krylov序列方法对求解对称矩阵的多个端部特征值极为高效.本文将该方法推广,以求解非对称矩阵的实部最大的特征值及其对应的特征向量.与标准Krylov子空间方法相比,过滤类Krylov序列方法具有极大的优越性和鲁棒性.数值实验表明了新方法的有效性.
    特征值特征向量过滤类Krylov子空间切比雪夫多项式非对称矩阵
  • [学位论文]作者: 尉娜 环境工程 西安建筑科技大学 2009(学位年度)
    中空纤维超滤膜膜分离中间过滤堵塞平板膜污染恒流模型
  • [期刊论文] 《能源与节能》 - 2017年4期
  • [学位论文]作者: 许利滢 资源与环境 东华大学 2026(学位年度)
  • 针对医用绒面过滤类产品表面异物,设计一种异物去除机构,通过电缸带动集成气嘴将静电气流吹向产品,去除产品表面的异物.在产品下方增加负压集尘装置,防止剥离异物飞扬,二次附着,污染产品,最终达到异物去除的目的.
    异物去除机构静电气流设计
  • [期刊论文] 《计算机工程与科学》 ISTIC EI SCI PKU CSSCI - 2026年4期
    模糊聚类衡量用户评价的模糊性并将相似用户划分为同一簇,能够改善传统协同过滤算法的可扩展性和数据稀疏性,但现有基于模糊聚类的协同过滤算法通常没有考虑聚类中心初始化和模糊集权重的问题,造成聚类效果不稳定和无法全面利用评价信息的问题,影响推荐精度.针对上述问题,提出了一种融合ROUSTIDA和改进的概率直觉模糊聚类的协同过滤推荐算法.该算法基于粗糙集理论中的属性约简规则,并以缺失矩阵与相似矩阵的差异最小为原则填补缺失数据,降低数据稀疏性,引入密度函数初始化方法并完成聚类中心的选择,缓解模糊聚类对初始聚类中心的高敏感度,在聚类计算中分别求解隶属度和非隶属度的概率权重和犹豫度相关系数,以添加权重的概率欧氏距离作为聚类的邻近函数以筛选出相关邻居集合,在聚类过程中保留了更多的用户评价信息.在 MovieLens 100K和Jester数据集上的实验结果显示,相较于 UFCM 与FCM-Slope One等其他基于模糊聚类的推荐算法,所提算法的MAE与RMSE指标更低,有更好的推荐精度.
    协同过滤ROUSTIDA算法密度函数改进的概率直觉模糊聚类推荐算法
  • [期刊论文] 《世界中医药》 ISTIC EI SCI PKU CSSCI - 2026年1期
    目的:快速鉴定钩藤中基线以下简单单萜吲哚类生物碱化学成分.方法:基于超高效液相色谱-四极杆-静电场轨道阱高分辨质谱(UPLC-Q-Exactive Orbitrap MS)技术,使用Hypersil GOLD C18色谱柱,以乙腈-0.1%甲酸水为流动相进行梯度洗脱,在加热电喷雾离子源正离子监测模式下对样品进行数据采集.将质谱数据导入Compoud Discover软件,导出保留时间、质荷比、离子强度三维数据信息;查阅文献建立钩藤生物碱数据库,鉴定得出部分化合物;根据简单单萜吲哚类生物碱的结构及取代基特点,设置多边形质量亏损过滤(MDF)窗口进行过滤,筛选出该分子质量范围内的三维数据信息,对该三维数据信息进行离子强度过滤(IIF),按照峰强度进行高、中、低分段重排序,自低丰度进行鉴定;结合质谱信息、二级碎片离子、对照品、参考文献及在线数据库,对过滤、重排后的化合物信息进行鉴定.结果:从钩藤中共鉴定出87个简单单萜吲哚类生物碱成分,较数据库检索多鉴定出46个,其中基线以下成分32个,23个成分为首次在钩藤植物中发现.结论:多边形MDF-IIF法更有利于深度、靶向的表征低丰度、基线以下不易发现的目标成分,在降低假阳性结果的同时提高了化合物鉴定数量,挖掘更多低含量化合物,从而提升了中药化学成分质谱鉴定的灵敏度.
    钩藤超高效液相色谱-四极杆-静电场轨道阱高分辨质谱技术简单单萜吲哚类生物碱多边形质量亏损过滤离子强度过滤
  • [期刊论文] 《计算机应用研究》 ISTIC EI SCI PKU CSSCI - 2026年2期
    针对推荐系统中存在的数据稀疏性与冷启动问题,提出了一种基于局部敏感哈希聚类的双通道自编码器-协同过滤混合推荐算法.该方法首先利用LSH技术对用户进行高效聚类以降低计算开销,继而通过设计双通道自编码器结构,同步提取用户评分行为与电影类型偏好两种异构特征进行深度表示学习,最后结合混合协同过滤机制对预测结果进行优化.在MovieLens-100K、MovieLens-1M和Amazon-Book数据集上的实验结果表明,所提模型在排序质量指标NDCG@5上分别达到0.371 4、0.568 9和0.737,较当前最优模型取得16%的相对提升;评分预测误差RMSE分别降至0.326 6、0.443 5和0.560 6,较基准模型AutoRec降低69.6%.该模型在推荐准确性与排序质量方面均优于对比方法,能够在大规模高稀疏推荐场景下保持稳定性能,验证了其良好的可扩展性与鲁棒性.
    双通道自编码器协同过滤聚类增强混合推荐系统
  • [学位论文]作者: 杨光正 图书情报 山东大学 2025(学位年度)
    图书推荐高校图书馆用户画像协同过滤用户聚类
  • [学位论文]作者: 林敏 旅游管理 海南师范大学 2025(学位年度)
    旅游线路个性化规划协同过滤算法k-means聚类
1 2 3 4 5 下一页 GO
回到顶部
选择了条数据