从女权意识看林纾文化观之新旧杂陈

林纤的女权意识,典型地表现出维新派人士文化观念新旧杂陈的特点.他一方面支持兴女学、倡女权,另一方面又提醒女性在婚恋中要"律之以礼".林纾所说的"礼"固然未可全盘否定,但其中确有一些明显的属于封建礼教的内容.唯其如此,在涉及妇女解放的诸多问题上林纾与五四新文化派之间均形成了明显的差距.     

基于工学结合的电机学课程教学改革的探索与实践

根据新时期对高职高专人才培养的需要,分析电机学课程特点及其传统教学中存在的问题,提出了构建以突出职业能力培养为目标,融合工学结合的电机学课程教学体系,讨论了教学内容、教学模式、教学手段和方法、教材建设及考核方式等方面的改革措施。     

钢桥面铺装用热固性环氧沥青混合料动态模量试验研究（英文）

为了研究热固性环氧沥青混合料的动态性能,对环氧沥青混合料的动态模量进行了试验研究.首先,通过简单性能试验（SPT）测试了不同温度与加载频率下的环氧沥青混合料动态模量,并分析了温度与加载频率对动态模量的影响.然后,分别对环氧沥青混合料的静态模量及其他常用沥青混合料的动态模量进行了试验测试,并将其与环氧沥青混合料的动态模量做了对比.最后,利用时温等效原理建立了环氧沥青混合料动态模量主曲线.研究结果表明：环氧沥青混合料的动态模量随加载频率的增加而增加,随加载温度的升高而降低;更符合实际车辆作用的环氧沥青混合料的动态模量较静态模量大得多;环氧沥青混合料的动态模量较SBS改性沥青混合料与普通沥青混合料大.研究成果可为钢桥面铺装的设计及力学分析提供理论依据.     

玄武岩纤维改性沥青混合料路用性能试验研究

为研究玄武岩纤维在增强沥青混合料路用性能方面的作用,首先通过马歇尔试验与车辙试验确定最佳沥青用量与纤维掺量.研究表明,玄武岩纤维的最佳掺量为0.3%,最佳沥青用量为4.63%.然后通过高温稳定性试验、水稳性试验及低温抗裂性试验对不添加纤维、添加玄武岩纤维、添加聚酯纤维以及添加木质纤维情况下的沥青混合料的路用性能进行了对比分析.试验结果表明,相对无纤维增强沥青混合料,纤维沥青混合料提高了最佳沥青用量,其车辙动稳定度、冻融劈裂强度、低温抗裂强度等均得到了一定提高与优化;在保持最佳纤维掺量的情况下,玄武岩纤维改性沥青混合料的路用性能得到明显的提高,且其增强作用优于聚酯纤维和木质纤维.     

混合指数分布定数结尾时参数估计的Monte Carlo EM加速算法

应用Monte Carlo EM加速算法对于单参数混合指数分布在定数结尾场合的参数估计问题做了较深入的探讨,做出了模拟试验。     

政经混声、多元博弈的历史与现实——台湾当代电视文化现状及批评总体特征研究

台湾电视业的发展深受当代台湾社会政治、经济与地理环境等因素影响,徘徊于以政经为主导的各种社会力量的角力中,形成了其政经混声、多元博弈的特殊风貌。台湾电视批评根据电视文化在政治与经济之间的位移可区分为三个各具差异性的历史阶段,当下其受文化转向影响,开始关注电视对日常经验的建构、性别问题以及城市空间问题等议题。因此,当代台湾电视文化与电视批评都是随着台湾社会的现代性进程而不断获得新的发展。     

贝叶斯框架下的自适应质量变量预测模型

针对工业生产过程中的时变性问题,提出贝叶斯网络框架下的自适应质量变量预测建模方法.采用改进的即时学习策略,将数据库分成若干局部数据子集,快速选择与待测样本相似度较高的一组数据作为训练样本,再利用主成分分析对训练样本过程变量进行特征提取,借此作为网络模型输入变量.利用基于改进Figueiredo-Jain算法的EM算法估...     

CDM模型及其在测度中国企业创新中的应用研究

介绍CDM模型的产生、结构及其在创新调查分析中的应用,依据2007年全国工业企业创新调查中的指标对CDM模型进行了改进,尝试建立一个适合进行中国企业创新的微观实证研究的模型框架.     

基于光谱混合分析的城市植被覆盖度与地表温度关系的研究

分别选择NDVI和光谱混合分析植被组分(VF)作为城市植被覆盖度指示因子,研究植被覆盖度与地表温度(LST)的相关关系.选择了一定数量的样本点,通过线性拟合的方法研究了NDVI及VF与LST的相关关系.研究结果表明,VF与LST之间的相关性比NDVI与LST之间相关性更好.研究表明,在城市LST研究中VF可以作为表征植被性质的参数.     

A Comparison of Label Switching Algorithms in the Context of Growth Mixture Models

Simulation studies involving mixture models inevitably aggregate parameter estimates and other output across numerous replications. A primary issue that arises in these methodological investigations is label switching. The current study compares several label switching corrections that are commonly used when dealing with mixture models. A growth mixture model is used in this simulation study, and the design crosses three manipulated variables—number of latent classes, latent class probabilities, and class separation, yielding a total of 18 conditions. Within each of these conditions, the accuracy of a priori identifiability constraints, a priori training of the algorithm, and four post hoc algorithms developed by Tueller et al.; Cho; Stephens; and Rodriguez and Walker are tested to determine their classification accuracy. Findings reveal that, of all a priori methods, training of the algorithm leads to the most accurate classification under all conditions. In a case where an a priori algorithm is not selected, Rodriguez and Walker’s algorithm is an excellent choice if interested specifically in aggregating class output without consideration as to whether the classes are accurately ordered. Using any of the post hoc algorithms tested yields improvement over baseline accuracy and is most effective under two-class models when class separation is high. This study found that if the class constraint algorithm was used a priori, it should be combined with a post hoc algorithm for accurate classification.