基于主题概念空间的文本模糊c-均值聚类方法

为了改善文本聚类的准确度,提出用基于主题概念子空间的模糊c-均值聚类(TCS2FCM)方法来分类文本.采用5个评估函数的加权值来提取关键短语;利用WordNet对相应的关键短语提取概念短语并生成最后的类别描述.初始中心和初始隶属度矩阵的建立是决定模糊c-均值聚类效果的关键,使用能够代表文本主题的概念短语来建立相互正交的主题概念子空间,利用主题子空间中的概念向量来初始化聚类中心和隶属度矩阵.实验结果表明:不同于传统模糊c-均值聚类的随机化初始,与文本内容相关的初始化有助于改进最后的聚类结果,提高聚类精度.     

极小弱c-正规子群对有限群结构的影响

利用极小子群的弱c-正规性刻画了有限群的结构,得到了有限超可解群的若干充分条件;从群系理论出发,得到了包含超可解群类的饱和群系的充分条件,并推广了一些已知结果．     

一种基于人工免疫的汽轮机故障诊断方法的研究

本文提出了一种免疫克隆选择算法与模糊C-均值聚类算法相结合的混合聚类算法。首先用克隆选择算法对模糊聚类中心的个数和聚类中心的选取进行指导,然后进行聚类,是一种有监督学习和无监督学习结合的一种算法,将该算法用于汽轮机的故障诊断中,诊断结果表明,该方法能够正确地诊断出存在的故障,具有实用价值。     

丙烯酸二十二酯的合成探讨

本文以对甲苯磺酸为催化剂,丙烯酸与正二十二碳醇为原料合成了丙烯酸二十二酯。分别讨论了醇酸物质的量比、催化剂用量、反应时间、溶剂用量等因素对酯化率的影响。确定了最佳工艺条件为：酸醇物质的量比为1．15：1,催化剂对甲苯磺酸用量为1．2％,反应时间为8小时,溶剂与原料比0．7：1,丙烯酸二十二酯的酯化率为95．3％。     

负载型对甲苯磺酸催化剂的制备及其催化双酯化反应研究

以二氧化钛、二氧化硅、硅胶、活性炭、活性氧化铝等固体材料为载体分别负载对甲苯磺酸,硬脂酸和乙二醇双酯化反应为模版,筛选出高活性的负载型催化剂.实验结果表明,活性氧化铝负载对甲苯磺酸催化酯化反应活性最高.在该酯化反应条件下,探讨了不同负载方法、负载量、催化剂用量和催化剂重复使用对酯化反应的影响.当活性氧化铝负载对甲苯磺酸催化剂负载量为19.7%,催化剂用量为0.2g,反应温度130℃时,反应2h,产物产率可达97.1%.该负载型催化剂是一种选择性高、催化性能良好的环境友好型催化剂,而且重复使用效果好.