网民车型关注度报告

网络已经成为公众了解产业及社会发展的重要途径。数亿网民如何通过网络获取汽车知识？他们都关心什么？万瑞数据在2008北京车展期间对新浪、搜狐等12家网站进行了监测，前不久公布了全样本统计结果。     

深埋圆形衬砌群对入射平面P波的多重散射

运用波函数展开法和Graf加法定理,根据衬砌群与周围介质在界面处位移和应力连续及衬砌内边界完全自由的边界条件,得到深埋圆形衬砌群对平面P波多重散射的理论解。分析P波的入射频率、衬砌间距和衬砌厚度对高、低硬度2类双衬砌内侧动应力集中因子的影响,并与单个衬砌的情况进行对比。结果表明：随着入射频率的增大,衬砌之间的相互影响越来越明显,动应力集中因子的最大值出现在两衬砌的临近区域;对于低硬度双衬砌,动应力集中因子的最大值小于单个衬砌的情况,且会随着入射频率和衬砌厚度的增大而减小,而高硬度双衬砌则正好相反。     

基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究

为了获得客观而准确的驾驶疲劳判别阈值,采用驾驶模拟实验研究方法,采集驾驶员在清醒及疲劳状态下的脑电信号,对比分析不同状态下脑电信号的时域特征,选取表征信号复杂程度的样本熵作为驾驶疲劳判别指标,并利用受试者工作特性曲线(receiver operating characteristic curve, ROC)分析方法,确定基于脑电信号样本熵值的驾驶疲劳判别阈值.研究结果表明:脑电信号样本熵值处于区间(0.32,0.71)时,驾驶员处于疲劳过渡时期,可能出现疲劳特征;脑电信号样本熵值小于阈值0.605时,判定驾驶员处于驾驶疲劳状态,准确率为0.95,该值可作为基于脑电信号样本熵的驾驶疲劳判定阈值.      

基于特征多视图提升Naive Bayesian的Boosting改进算法

AdaBoost作为一种有效的集成学习方法,能够明显提高不稳定学习算法的分类正确率,但对稳定的Naive Bayesian分类算法的提升效果却不明显．为此,利用多种特征评估函数建立不同的特征视图,生成多个有差畀的加权朴素贝叶斯（WNB）基分类器;尝试使用几种不同的方式将样本权重嵌入WNB基分类器的参数中,对WNB产生扰动,进一步增加基分类器的不稳定性．实验结果表明．对比AdaBoost所提算法．BoostMV-WNB能够明显提升WNB文本分类器的性能．     

On the Impact of Bootstrap in Stratified Random Sampling

In general the accuracy of mean estimator can be improved by stratified random sampling. In this paper, we provide an idea different from empirical methods that the accuracy can be more improved through bootstrap resampling method under some conditions. The determination of sample size by bootstrap method is also discussed, and a simulation is made to verify the accuracy of the proposed method. The simulation results show that the sample size based on bootstrapping is smaller than that based on central limit theorem.     

魏德米勒中文产品样本上线

魏德米勒在线中文样本使得用户能够快速方便地查询获取最新的产品信息。魏德米勒在线样本界面排版清晰,图像导航栏极大地简化了产品搜索过程,用户可以浏览到他们需要的产品的详细内容。或者用户也可以通过右上角的搜索关键词,输入所需要查找的关键字段或订货号来进行定位搜索,便于用户轻松快捷地获取所需的信息。     

典型高速公路轴载特性分析

根据典型测点的各型车辆轴载谱数据,研究了高速公路轴载特性.分析了车辆类型分布系数、月调节系数及轴载分布系数的变化规律,采用多个独立样本的非参数假设检验研究了上述轴载谱参数随时间变化趋势的抽样数据是否来自同一总体,根据轴载谱数据采用假设检验的方法,分析了轴载超载现象.研究结果表明可将不同测点的车辆类型分布系数按B1.2、U1.2及S1.2.3三种车型比例进行分类;三年的车辆类型分布系数、月调节系数及轴载分布系数数据较为稳定,在统计学上不存在明显差异;各轴型均存在一定程度的超载现象,其中以双联轴双轮组尤为突出.     

基于经验知识的船舶螺旋桨水动力样本扩充方法及其在预报代理模型中的应用

近几年来,越来越多学者致力于采用机器学习进行船舶螺旋桨性能预报,但代理模型的预报效果往往受训练样本的数量和质量影响较大。目前船舶螺旋桨性能数据数量少且质量也不高,即数据对应参数分布较为集中,严重不均匀,这些问题都会影响代理模型预报的准确率与可靠性。为了解决这一实际困难,本文提出一种基于经验知识的样本扩充方法,并以船舶螺旋桨水动力性能的代理模型预报为例进行应用验证。结果表明：本文使用的样本扩充方法可以快速生成数据样本,可以一定程度上改善预报代理模型的可靠性,提升预报精度。     

基于直接计算法的超大型油船整体舱段结构优化

基于有限元法的船体舱段整体结构优化优于分块优化,但由于其实现存在很多困难,目前国内研究较少。提出一种综合有限元法、均匀设计、神经网络等方法和理论的优化方案,对大型油船立体舱段结构优化进行了研究。建立了舱段结构强度评估的参数化有限元平台;构建了用于试验的均匀设计表,设计了171次试验,将之代入有限元平台进行计算,得到了用于神经网络训练的样本对,从而建立了设计变量和目标函数及应力响应的神经网络响应面。按照一般的优化流程,采用离散粒子群算法,对某30万t超大型油船舱段整体结构进行了优化设计。优化结果表明该方案是可行的,合理的,可以大大缩短直接计算消耗的机时。     

Preservation of the NBUCA Class of Life Distributions

Introduction As is well known, lifetime distributions can beclassified by stochastic ordering. Recently, Ahmad etal.[1]defined a new aging class, namely, NBUCA(new better than used in increasing convex average),based upon the increasing convex average order. Inthe theory of economics, this order is known as weakthird-order stochastic dominance[2]. Under the as-sumption that the elements are independent andidentically distributed (i.i.d.), the preservationproperties of this class under convo…