沥青稳定碎石ATB-30柔性基层配合比设计

ATB-30沥青稳定碎石柔性基层的配合比设计及其结构特点、油石比的确定，详细介绍了原材料的选择，得出合理的配合比指导施工。     

基于GMM和MRF的自适应阴影检测

运动目标阴影在很大程度上会影响运动目标跟踪、行为识别的正确性和有效性.为此,文中提出了一种基于混合高斯模型和马尔科夫随机场的自适应阴影检测方法.该方法首先对混合高斯模型进行改进,使其可以自适应调整参数学习率以消除浅阴影;然后采用马尔科夫随机场综合邻域的空间依赖性信息进行精确的阴影检测.为了提高基于马尔科夫随机场的阴影检...     

相同条件下大样本沥青混合料的疲劳性能

采用一个沥青混合料小梁试件大样本,在相同条件下进行了应变控制疲劳试验研究,分析了沥青混合料试件疲劳寿命、初始模量和累计耗散能的分布规律,探讨了疲劳寿命与初始模量和累计耗散能的关系,以及疲劳寿命、初始模量和累计耗散能与试件空隙率之间的关系.试验结果表明:应变控制疲劳寿命数据的离散性大;沥青混合料的疲劳寿命、累计耗散能和初始模量呈三参数W eibull分布和对数三参数W eibull分布,三参数W eibull分布可以用于分析沥青混合料的疲劳数据;相同条件下,试件的疲劳寿命与初始模量数据线性和对数线性负相关,与累积耗散能数据呈现非常良好的线性正相关,疲劳寿命对数和累积耗散能对数与空隙率负相关性较好;初始模量与空隙率的相关性不明显.文中的研究结果验证和揭示了沥青混合料的应变控制疲劳破坏规律.     

菌糠复合剂对不结球白菜生长发育及产量的影响

为确定菌糠复合剂对不结球白菜生长发育及产量的影响,采用盆栽试验的方法,施用不同的菌糠复合剂,定期测定了3茬不结球白菜的株高、根长、叶片数及产量。结果表明:菌糠复合剂可以促进不结球白菜生长、增加产量。其中,以含有链霉菌(Streptomycessp.)和巨大芽孢杆菌(Bacillus megatherium)的微生物组合1 菌糠处理的效果最好。     

等离子熔积成形混相瞬态场的Level-Set方法模拟

提出了一种二维等离子熔积成形瞬态模型,该模型描述了液／气界面的自由表面发展,并模拟了熔池内流体流动和传热．采用Level—Set方法处理液／气界面边界条件,考虑了熔体流动的主要驱动力——表面张力梯度、表面曲率、浮力以及工件表面的对流散热等因素．用固液相统一模型来描述固／液界面处的熔融和凝固过程,并开发了相应的软件．对高温合金K163在不同扫描速度下的熔积层表面形貌、温度场以及熔池内流场进行了模拟分析．     

一种模糊高斯混合说话人识别模型

为了研究模糊聚类算法在高斯混合模型（GMM）参数获取方面的应用,采用模糊C均值算法（FCM）进行语音特征矢量的聚类,并结合Tabu搜索算法得到全局最优的聚类结果,进一步用EM算法得到GMM模型参数.使用TIMIT数据库中的语音进行测试,开集和闭集说话人辨认实验都表明,该方法获取的GMM参数比普通EM算法获得的GMM模型参数性能更优,能有效降低说话人辨认系统的误识率.     

异常值和未知观测噪声鲁棒的卡尔曼滤波器

给出了对异常值和未知分布的观测噪声鲁棒的卡尔曼滤波器.分析表明当以Huber损失函数替代推导卡尔曼滤波器最大后验准则中观测误差的l2范数时,就构造了一个新的准则.由于Huber损失函数可同时描述l1和l2范数,因此由这个新准则推导的卡尔曼滤波器,在具有传统卡尔曼滤波器性质的同时,也有了l1范数对异常值鲁棒的特性.而当含...     

延衰合剂对D-半乳糖诱导的亚急性衰老小鼠免疫功能影响的实验研究

目的 研究延衰合剂( yanshuai mixture,YSM)对D-半乳糖所致亚急性衰老小鼠胸腺、脾脏组织结构及白介素2水平的影响.方法 选昆明系小鼠,用D-半乳糖建立衰老模型.应用光镜、电镜技术观察延衰合剂治疗前后衰老小鼠胸腺、脾脏的形态学改变;检测胸腺指数及脾脏指数;酶联免疫分析法检测血清白介素2的变化.结果 衰...     

关于沥青混合料中酸性集料的改性方法

提出了2种沥青混合料中酸性石料的改性方法，通过分析试验结果数据，对比研究了改性前后沥青混合料的各项指标情况，提出了常见问题的处理措施，为解决我国沥青混合料中大量使用花岗岩、砂岩等酸性石料的方法提供了依据。     

On a dynamic mixture GARCH model

This paper proposes a new mixture GARCH model with a dynamic mixture proportion. The mixture Gaussian distribution of the error can vary from time to time. The Bayesian Information Criterion and the EM algorithm are used to estimate the number of parameters as well as the model parameters and their standard errors. The new model is applied to the S&P500 Index and Hang Seng Index and compared with GARCH models with Gaussian error and Student's t error. The result shows that the IGARCH effect in these index returns could be the result of the mixture of one stationary volatility component with another non‐stationary volatility component. The VaR based on the new model performs better than traditional GARCH‐based VaRs, especially in unstable stock markets. Copyright © 2008 John Wiley & Sons, Ltd.