简介:摘要在中等职业学校,学生不但要学习好理论知识,而且也要掌握操作技能,加强动手能力的训练。中等职业学校本身就是培养技术人才的学校,在钳工的各项操作技能中,锉削和锯割最不容易掌握,这两项操作技能虽然还不属于最难的技术,但它们的熟练应用与精确掌握,将会直接影响到产品的质量,也会对钳工其他技术的学习产生影响。
简介:摘要随着我国机械制造业的不断发展,机械化程度越来越高,作为手工操作为主的钳工专业,其工作环境及专业要求较以往虽然有所变化,但没有失去应有的地位,仍然是不可或缺的一个专业工种。而锯割与锉削是钳工专业中重要的操作技能,也是维修钳工必须掌握的入门基本功。如何提高掌握锯割与锉削的训练方法,提高操作技能的训练效果,是钳工教学中的一个重要课题。
简介:本文总结了传统的K临近算法以及近期其他人对于该方法的改进,对于传统的K临近算法和王正欧与王晓晔提出的独立簇方法进行详细概括,并根据具体实例总结了两者算法的优点及缺点。最后,我提出了一个自己的算法,对两者进行改进。
简介:针对复杂工业生产过程中,多工况数据的中心漂移、模态密度差异大和变量尺度不同的三个特征,提出了基于局部马氏距离的加权k近邻(1m—w—kNN)故障检测方法.首先在欧式距离下寻找训练样本X在训练数据集中的前N近邻集,在前N个近邻集下计算X与其第k个近邻的马氏距离,其次以此近邻的局部k近邻集的平均局部马氏距离的倒数为权重,把加权马氏距离作为统计量D,统计量D能够降低中心漂移和模态方差差异大的影响且能在同一尺度上度量各变量,利用D的分布确定检测控制限;最后计算待检测数据的统计值,并与控制限作比较,实现在线故障检测.使用lm—w-kNN方法对非线性和多模态两个模拟实例进行故障检测,并与PCA方法、欧式kNN方法、马氏kNN方法作比较,验证了lm—w-kNN方法的有效性.
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.