论文部分内容阅读
在硅溶胶工艺生产过程中使用熔融石英砂(粉)替代锆英砂(粉)及煤矸砂(粉),在保证铸件表面质量及尺寸精度的前提下,不仅大大改善了型壳溃散性,并且有效降低了综合生产成本。
熔融石英在硅溶胶型壳实际生产中的运用
【摘 要】
：
在硅溶胶工艺生产过程中使用熔融石英砂(粉)替代锆英砂(粉)及煤矸砂(粉),在保证铸件表面质量及尺寸精度的前提下,不仅大大改善了型壳溃散性,并且有效降低了综合生产成本。
【机 构】
：
东营嘉扬精密金属有限公司
【出 处】
：
中国铸造协会精铸分会第十一届年会
【发表日期】
：
2009年6期
其他文献
每天有大量的信息涌现在论坛上，用户可以通过论坛获知目前国际国内正在发生的一些突发事件。这些突发事件或话题在论坛中并不是显而易见的，它们需要通过人工的总结与归纳。这需要花费大量的人力资源，并且效率低下。如何使用机器自动化的方法抽取论坛中的突发话题已经成为搜索引擎以及网络挖掘系统的一项基础任务。话题检测与跟踪模型(TDT)可以很好的解决话题抽取问题，但是TDT处理的对象是新闻语料，与论坛内容相比，新闻
近年来，越来越多的研究者关注博客倾向性检索。它的目标是检索出不仅与特定查询主题相关而且具有对该主题有评论的博文单元(包括博义及其评论)，并依据倾向性强度(即，度量博丈对特定查询的强弱)进行排序。目前大多数研究工作仅仅通过单个博文单元对查询主题的倾向性强弱对博文进行排序。然而，因为博客是博主表达自己观点情感的媒介，所以博主的个性风格能够很大程度上影响着倾向性强度。例如，乐观的博主往往用褒义程度比较强
垃圾短信过滤是一个文本分类问题。如何设计分类器，可以在训练样本较少的情况下达到可观的精度是一个重要的问题。本文对传统分类器的结构加以改进，设计了一种基于潜在中间层的两级分类器，每级用贝叶斯方法实现。进一步地，将朴素贝叶斯分类器与之加权结合。实验结果表明，两级分类器大幅度提升了分类错误率的收敛速度。组合分类器在此基础上提高了训练样本较多时的精度，集成了两者的优点。
情感分类是一项具有较大实用价值的分类技术，它能够识别文本内容中隐含的情感或观点，在互联网信息日益丰富的今天，情感分类可以在一定程度上解决信息杂乱的情况，方便用户准确获取所需信息.然而，由于数据的标注耗时耗力，情感分类面临着只有极少标注数据和大量的无标注数据的问题.本文提出了一种新颖的基于线性邻域扩散的半监督学习的文本情感分类算法.假设空间中存在一个情感流形结构，待分类文本看做是这个流形上抽样的点，
近年来，关于药的作用及其对人类健康影响的研究越来越多，相关的文献也迅速增长，工业界认为90％的药物标靶来自于生物医学文献，随之基于药的相关检索逐渐成为焦点。而为相关专家提高检索效率、方便获得资料的第一步就是要准确的识别出药名，构建药名词典。文中给出了从生物医学文献中抽取出药名来构建词典的方法，第一次将基于上下文模板的命名实体识别方法用于药名实体识别并结合了丰富的特征对候选药名进行去噪。它首先由有限
Kad网络中存在数百万的共享资源，而其中有相当一部分可被评定为敏感资源。首先用我们的Kad网络采集器：Rainbow对节点拥有的文件资源进行探测;然后对节点资源和敏感资源进行相关统计分析。我们发现：1)只有3.09％的节点拥有资源;2)文件长度和文件流行度都近似符合Zipf分布;3)利用同一个file-content-hash的多个文件名的共现词可以更准确地进行敏感判别;4)敏感资源只占随机样本的
降维是在损失较少信息的情况下处理高维图像数据的关键技术，是高维数据预处理的重要步骤。本文研究了基于配对约束和混合核函数的半监督非线性降维方法KS2DR,该方法可有效利用标签和未标签的样本执行半监督学习·基于配对约束形式的领域知识被用于判断当前样例是属于相同类(相似约束)还是不同类(不相似约束)·KS2DR先将样本数据投影成一系列“有用的”特征形式，同时保持原始数据以及定义在投影后的低维特征空间中的
信息检索的结果往往庞杂，缺乏有效地加工整理，对搜索结果进行聚类是一种普遍的需求，而传统的文本聚类方法不能提供有效的类别标签，且速度较慢，不适用于在线搜索结果的聚类。本文针对性地提出了基于关键词提取的搜索结果聚类算法，工本思想为：结合信息检索的特点，将词频(TF)、词性和互信息等特征进行融合计算，综合实现关键词的提取;最终以筛选出的关键词作为基础特征，实现层次聚类。经实验验证，该方法P@10达到80
提出一种采用树型概要结构的密度网格树流聚类算法DG-Tree(Density and Grid-Tree Algorithm)。该算法利用数据流聚类算法CluStream中的处理框架，把聚类分为微聚类和宏聚类两个过程。在微聚类过程中，通过把数据流按属性值分配到一棵树中，消除了空刚格对聚类结果的影响，同时针对数据流聚类中，近期的数据往往比久远的数据更受关注的特点，引入了时间衰退模型;在宏聚类过程中，
词语相似度计算是机器翻译、信息检索等自然语言处理领域的关键问题之一。传统的词语相似度计算方法，未能很好地考虑上下文信息对词语语义的约束，从而不能对语境变换带来的词语间相似度的差异进行有效的区分。本文引入模糊数学中隶属函数的概念计算词语上下文信息的模糊重要度，并结合基于知网的语义相似度计算方法，提出一种基于语境的词语相似度计算方法。实验表明，该算法可以根据语境有效的区分语义相近的词语。