检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

数控加工技术实训中常见问题分析及研究

九江职业技术学院学报 2006年第3期 33-34页

作者：蒋幸幸朱庆太武汉船舶职业技术学院湖北武汉430050 九江职业技术学院江西九江332007

归纳数控加工技术实习培训中出现的常见问题,进行问题分析研究,提出相应解决措施。

关键词：数控加工实习培训常见问题

在线全文

学校读者我要写书评

暂无评论

数控加工中关键因素的分析

南方农机 2005年第3期36卷 41-42页

作者：方晓勤朱庆太曾惠芬九江职业技术学院江西九江332007

数控加工作为一种先进的加工方法被广泛应用于各行业。本文结合具体加工实例,对数控加工中的一些关键因素进行分析,探讨可行的加工方法。

关键词：数控加工工艺处理数值理论计算程序编制数控机床

在线全文

学校读者我要写书评

暂无评论

圆弧拟合在非圆轮廓曲线数控加工中的应用

装备制造技术 2007年第5期 56-57页

作者：朱庆太李殿亚九江职业技术学院江西九江332007

利用数控系统所具有的宏变量编程功能,提出了一种非圆轮廓曲线圆弧拟合的加工方法。建立了圆弧拟合非圆轮廓曲线的数学模型,对加工精度进行了分析计算,设计了数控加工的程序编制流程,为数控技术人员加工非圆轮廓曲线提供了一条思路。

关键词：非圆轮廓曲线数控加工圆弧拟合精度分析

基于R2AU-Net的InSAR相位解缠方法

在线全文

学校读者我要写书评

暂无评论

测绘学报 2024年第3期53卷 435-449页

作者：何毅杨旺朱庆兰州交通大学测绘与地理信息学院甘肃兰州730070 地理国情监测技术应用国家地方联合工程研究中心甘肃兰州730070 甘肃省地理国情监测工程实验室甘肃兰州730070 西南交通大学地球科学与环境工程学院四川成都611756

InSAR相位解缠的质量直接影响地形高程或地表形变的反演精度。传统的基于非机器学习模型的相位解缠方法(如基于路径跟踪或最小范数)在低相干性或相位梯度较大(干涉条纹密集)的区域难以获得正确解缠结果。深度神经网络算法在非线性表示... 详细信息

InSAR相位解缠的质量直接影响地形高程或地表形变的反演精度。传统的基于非机器学习模型的相位解缠方法(如基于路径跟踪或最小范数)在低相干性或相位梯度较大(干涉条纹密集)的区域难以获得正确解缠结果。深度神经网络算法在非线性表示和特征表达能力方面具有独特优势,被广泛应用于数字图像处理研究中,InSAR相位解缠可视为图像回归。本文提出基于R2AU-Net深度神经网络的InSAR相位解缠方法。首先,基于数学分形法模拟成对的缠绕和解缠相位,避免了外部DEM合成相位时引入的固有误差和残缺问题,保持了地貌特征的多样性及复杂性,得到模型训练所需的数据集。然后,基于传统的U-Net模型构建R2AU-Net相位解缠模型,该模型结合注意力机制增强了模型对于卷积特征筛选能力,提高了在低相干或条纹密集区域的解缠性能;使用循环残差卷积结构,避免了梯度消失问题,增强了模型特征表示能力。最后,利用模拟和真实数据进行试验分析,结果表明本文提出的R2AU-Net相位解缠模型能够更有效地保留地形高程或真实地表形变信息,提高了解缠结果的可靠性,在性能表现上优于Goldstein枝切法、SNAPHU方法及CNN和U-Net相位解缠模型。

关键词： InSAR 相位解缠深度神经网络 U-Net 地表形变

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计在机械加工中的应用

装备制造技术 2012年第10期 50-51,57页

作者：朱庆太李伟李志红九江职业技术学院江西九江332007 南京科远自动化集团股份有限公司江苏南京211100

在数控加工领域中,借助于计算机辅助软件的发展,计算机辅助制造(CAM)技术正向着开放、集成、智能和标准化的方向发展,提高了设备的使用效率。

关键词：计算机辅助制造数控加工计算机辅助设计

基于SHAP解释方法的智慧居家养老服务平台用户流失预测研究

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年第1期8卷 40-54页

作者：刘天畅王雷朱庆华南京大学信息管理学院南京210023

【目的】构建智慧居家养老服务平台用户流失预测模型,并使用SHAP解释方法分析不同特征的影响。【方法】基于智慧居家养老服务平台用户在2019年至2021年三年间产生的超过30万条社区居家养老服务订单数据,通过改进的RFM模型(RFM-MLP)、马... 详细信息

【目的】构建智慧居家养老服务平台用户流失预测模型,并使用SHAP解释方法分析不同特征的影响。【方法】基于智慧居家养老服务平台用户在2019年至2021年三年间产生的超过30万条社区居家养老服务订单数据,通过改进的RFM模型(RFM-MLP)、马斯洛需求层次理论、安德森模型并结合Boruta算法确定用户价值特征、服务选择特征、个人特征三类共11个特征。建立5种机器学习模型,从中选择效果最好的XGBoost模型预测用户流失,运用SHAP解释方法完成特征影响全局解释、特征依赖分析、单样本解释分析。【结果】模型预测结果准确率和F1值均达到87%左右,家政服务服务购买次数、留存天数、年龄等是预测养老服务平台用户流失的重要特征。【局限】仅选取一个地区的数据进行分析,数据量和算法复杂度方面还有提升空间。【结论】SHAP解释方法可以兼顾机器学习预测模型的精度和解释性,能够为智慧居家养老服务平台在运营策略和内容设计方面的优化提供依据。

关键词：智慧养老用户流失 XGBoost 可解释性机器学习 SHAP