毕业论文_Web聚类Hamming算法与K均值算法的研究与实现（6） ㊣ 精品文档 值得下载

送瓶轨道由链板组成。

每个链板上都有个圆形小孔，该圆形小孔正好对准了喷水孔，从喷水孔向上喷出的水就能通过圆形孔继续向上喷出。

在圆形的上方安装了块玻璃挡板，以防冲瓶水被喷到轨道的外面去。

这个洗瓶过程分为浸泡冲洗收集。

冲刷过程分析如下链条将瓶子从入口带到洗瓶机的毛刷处，应即停止移动，这时推杆打开水阀通路，水流急速从喷嘴喷出劲射瓶内，冲刷瓶子内壁污物，与此同时，毛刷连续转动滚刷瓶子外壁，除弃污物，秒后推杆自动关闭阀门通路，链条又将瓶子从原地处移过距离的另处，并立即停止移动。

此后重复第次的洗刷动作。

瓶子从入口到出口，经历次共秒钟的水流连续冲刷和连续秒钟的毛刷滚刷清洗。

这个的设计思路已经基本确定，现在我要进行必要的计算。

这也是很繁琐的工作。

由于整个结构要求的传动系比较复杂，我要进行认真的核算和校对。

电动机功率的选择和可靠性计算定电动机功率的方法和步骤我这台洗瓶机的各运动构件受力情况比较复杂，如果要确定这些构件的各有关参数，难以从外力矩计算出每个构件所需功率的大小。

为此，本次洗瓶机的设计采用了类比法预选电动机转速和功率，并以此为依据进行各项设计计算。

我们先初步选定主要运动构件的材料﹑形状尺寸和运动速度，然后应用动能原理验算所选定的电动机功率是否合乎要求。

类比法选定的电动机参数首先我们选用电动机型号为功率转速型我之所以选择该电动机的依据有条考虑洗瓶机的耗功情况参考毛刷洗瓶机所选用的电动机功率算上述电机功率的可靠性算时所需用的运动构件尺寸蜗轮厚度齿轮厚度轮﹑链轮厚度刷辊直径凸轮轴长度刷轴长度我要对每个齿轮进行设计与校核。

由于整个结构是有电机带动的齿轮进行传动，要有个二级减速器，我们不需要对二级减速器做过多的要求。

其中涡轮蜗杆控制毛刷轴的运动，槽轮控制滚子链的传输周期，链轮控制滚子链传动。

这都有很严格的要求。

动时各部分所耗功率大小计算推动阀杆所耗功率已知作用在推杆上的力。

行程成单行程时间据凸轮周转速和单行程中凸轮转过的角度确定。

因此推动阀杆时所耗的功率为驱动链条所耗功率轮角速度链条速度两链中心距间的链条质量在两轮上的质量链条获得额定速度时总动能为假定链条由静止启动达额定速度时需要的时间则则驱动链条时所耗的功率为移动瓶子时所耗的功率常操作时，位于链条上的瓶子共有个，其总质量为动瓶子所耗的功率为驱动根空心毛刷轴所耗的功率空心轴转动角速度空心轴质量动惯量刷轴角速度轴上齿轮的质量动惯量根毛刷辊的质量水饱和后的质量动惯量按圆环算动能故所耗的功率为启动轴所耗的所以本次设计的主要任务是以聚类算法为核心，根据若干用户访问网页的志信息，将这些网页通过具体的聚类算法进行分类。

通过聚类得到的若相关信息和无关信息混杂自然语言中存在的义多词与词多义现象，也导致用户提出的查询信息往往不能清楚地表达自己的真正需要。

于是人们便开始提出用聚类的方法自动组织搜索引擎的搜索结果，同时个性化服海量动态和无结构性，使得用户信息迷向，影响检索效率。

这是因为搜索引擎无法覆盖全部万维网信息万维网具有动态性，搜索引擎索引中包含的断链接和过时网页削弱了搜索引擎的作用搜索引擎返回的结果中虽然发展不是很久，但处在这样个科技高速发展的形式下，倍受人们的关注。

计出发点及主要设计任务和目标为便于从大量组织松散动态性强的页中快速有效地发现知识，很早人们便提出了网页搜索技术，但是由于网上信息的的网络获取信息中遇到的难题。

比如，网页松散而又海量，人们有时难以从这样海量的数据中寻找自己要的信息。

即使有搜索工具进行辅助，也必须有好的预处理网页的聚类方案，才能使搜索更加准确而有效，所以类技术的研究济发展的广阔市场。

所以人们对网页相关科技的发展也越来越关注。

网页聚类技术，作为当前网络科技研究的大方向，直都因有着巨大的作用而被人们关注。

个正确的，高效的网页聚类方案的实现，将从根本上解决大部分术的高术发展，对志进行数据挖掘显得越来越重要。

当今社会，网络已经成为人们生活中的重要组成部分，网络是人们获取信息的个相当重要的途径，随着电子网务技术的发展，网上购物也逐渐被人们所接纳且终将成为世界经国飞机发动机制造公司利用数据挖掘技术研制了量控制系统，被三家欧洲航空公司用于诊断和预测波音的故障，带来了可观的经济效益。

而在这些数据挖掘的技术中，志数据挖掘的研究逐渐被人们所关注。

为弥补分解与合并的不足，层次合并经常要与其它聚类方法相结合，如循环定位。

典型的这类方法中第个是方法，它首先利用树的结构对对象集进行划分然后再利用其它聚类方法对这些聚类进行优化。

第二个是方法，它利用固定数目代表对象来表示相应聚类，然后对各聚类进行收缩处理。

第三个是法，它利用聚类间的连接进行聚类合并。

最后个则是在层次聚类时构造动态模型。

基于密度方法，根据密度完成对象的聚类。

它根据对象周围的密度如断增长聚类。

典型的基于密度方法包括法通过不断生长足够高密度区域来进行聚类，它能从含有噪声的空间数据库中发现任意形状的聚类。

此方法将个聚类定义为组密度连接的点集。

不明确产生个聚类，而是为自动交互的聚类分析计算出个增强聚类顺序。

基于网格方法，首先将对象空间划分为有限个单元以构成网格结构然后利用网格结构完成聚类。

就是个利用网格单元保存的统计信息进行基于网格聚类的方法。

是个将基于网格与基于密度相结合的方法。

基于模型方法，它假设每个聚类的模型并发现适合相应模型的数据。

典型的基于模型方法有统计方法是个常用的且简单的增量式概念聚类方法。

它的输入对象是采用符号量属性来加以描述的。

采用分类树的形式来创建个层次聚类。

另个版本。

它可以对连续取值属性进行增量式聚类。

它为每个结点中的每个属性保存相应的连续正态分布均值与方差，并利用个改进的分类能力描述方法，即不像样计算离散属性取值而是对连续属性求积分。

但是法也存在与似的问题。

因此它们都不适合对大数据库进行聚类处理它采用贝叶斯统计分析来估算结果簇的数目次设计所用算法介绍本次设计中，主要用到两个聚类算法，个就是以上提到的均值聚类算法，而别个则是。

均值算法有多个对象组成的数据集，将其划分为个类，是人为指定的。

先随机地从数据集中取出个对象，每个对象初始地代表个簇的平均值或中心点。

对剩下的每个对象，根据与各中心的距离，将其赋给最近的簇。

每个簇就增加了些对象，用每个簇这些对象重新计算每个簇平均值，得到新的簇平均值，再重新计算每个对象到各新平均值的距离，每个对象重新分簇，直到对象重新分簇不再变化。

法我们认为些网页页面具有相似性，可以归为类，而这种分类是根据这些网页之间的离的大小来进行衡量的。

我们说个联矩阵可以构造出个矩阵又能根据定的算法算出个阈值。

如果根据算出的两个元素间的离小于这个阈值，我们便认为这两个页面具有相似性，可以归为类。

下面说明下离的定义式设，为维向量，其