摘要：研究生等高端人才的培养一直以来都是各界十分重视的问题,研究生教育改革一直在有序地推进。文章提出了在机械可靠性课程教学过程中培养研究生工程创新力的方法。由于现阶段机械结构的复杂性,如何在学好机械可靠性的基础上进一步培养研究生工程创新力显得尤为重要。文章就该课程教学中存在的问题以及如何培养研究生工程创新力提出相应的解决办法,通过优化课程教学与工程实例相结合的方法,来弥补机械可靠性教学中的不足。

摘要：美国AASHTO 2002力学经验设计指南和中国JTG D40-2011《公路水泥混凝土路面设计规范》都将连续配筋水泥混凝土路面(简称为CRCP)横向裂缝的开裂间距和横向裂缝处钢筋位置的裂缝宽度同时作为控制指标。然而,国际上对CRCP开裂行为的合理控制指标尚存在争议。该文回顾了20世纪60年代至今美国在CRCP开裂行为控制指标与水泥混凝土材料组成、纵向和横向钢筋的布设和施工条件等对开裂间距及裂缝宽度影响的关键因素方面的研究成果。

摘要：为探讨筋材特性对不同加筋方式黄土强度的影响,利用GDS静三轴测试模块,以硬窗纱、软窗纱、笼布为加筋材料,开展了3种围压下4种不同加筋方式的静三轴试验,研究了筋材特性和加筋方式对黄土强度的影响,分析了加筋黄土强度指标的变化规律。结果表明:对比3种筋材的加筋效果,笼布>硬窗纱>软窗纱,相对筋材强度而言,筋材的协调变形能力在加筋效果中起主导作用;在一定加筋层数范围内,加筋土的强度随加筋层数增加而增大,加筋层数相同时,靠近土样中部的加筋方式能达到更好的加筋效果;加筋黄土的加筋机理符合"等效附加围压原理",其强度的提高来自于黏聚力的增大,内摩擦角基本保持不变。

摘要：针对目前基于脑电信号的疲劳驾驶检测存在的缺乏实时检测与预警的问题,设计模拟驾驶试验。通过TGAM模块和蓝牙模块实时采集并记录“eSense”专注度(Attention)、放松度(Meditation)、眨眼次数以及θ波、α波、β波的功率谱,采用专注度与放松度的比值aA/M、(θ+α)/β的功率谱密度比值cPSD以及眨眼频率bBlink作为疲劳指数,计算并使用专注度和放松度的相关性系数作为分类特征进行分类。使用k-最近邻算法(KNN)对不同疲劳程度的3种疲劳指数分类。使用改进D-S证据理论合成算法,将3种特征准确率综合为一种判断疲劳的综合指数m(θ).结果表明,疲劳指数aA/M、cPSD、bBlink能够反映驾驶员驾驶状态的变化,模拟实验驾驶55 min左右被试开始出现疲劳状态,55~75 min被试已处于疲劳驾驶状态。疲劳指数阈值分别为aA/M:0.8~1,cPSD:3.32~4.64,bBlink:0.28~0.42.综合疲劳指数m(θ)的准确率略高于单个疲劳指数的准确率。该方法为未来实际生活中的疲劳驾驶实时检测与预警提供了重要的科学理论依据和技术支撑。

摘要：传统的最小生成树特征提取方法使用局部可量化指标来分类脑疾病,忽略了低权重的连接和集群在大脑网络中信息处理的重要作用,造成网络中一些有用信息的丢失。较其他网络特征而言,其特征有效性和分类准确率都明显偏低。为解决这些问题,本文以最小生成树拓扑指标作为特征,在局部差异最小生成树脑网络上进行提取特征并构建分类器,在抑郁症患者数据集上进行验证。实验结果显示,该方法相比于传统最小生成树特征提取方法可以提供更多有效特征,能够有效地提高分类精度。本文提出的新方法可以为脑网络的构建以及特征提取提供重要的可参考依据,也有助于医学辅助诊断和脑疾病的研究。

摘要：为了进一步探究肥料、除草剂和硒配施对谷子品质的影响,优化谷子栽培技术。以‘晋谷21号’为试材,采用5因素5水平的二次通用旋转组合设计,研究N、P_(2)O_(5)、K_(2)O、Se和MSF除草剂混施对谷子品质指标的影响。采用主成分分析方法对谷子的蛋白质、脂肪、叶酸、凝胶稠度、淀粉酶、碱消化值、黄色素和硒等8项品质指标进行了分析,获得代表8个品质指标58.14%的信息量的综合品质。N×K_(2)O、N×MSF、K_(2)O×MSF相互作用对‘晋谷21号’综合品质影响显著。N、P_(2)O_(5)、K_(2)O、Se和MSF优化栽培条件分别为109.88 kg/hm^(2)、99.20 kg/hm^(2)、110.91 kg/hm^(2)、87.58 g/hm^(2)和419.35 g/hm^(2),最高预测综合品质为57.68。本研究为谷子生产中合理配施氮、磷、钾、硒和除草剂提供参考,为优质谷子的调优栽培管理和目标化种植提供理论依据。

摘要：功能超网络广泛地应用于脑疾病诊断和分类研究中,而现有的关于超网络创建的研究缺乏解释分组效应的能力或者仅考虑到脑区间组级的信息,这样构建的脑功能超网络会丢失一些有用的连接或包含一些虚假的信息,因此,考虑到脑区间的组结构问题,引入sparse group Lasso(sgLasso)方法进一步改善超网络的创建。首先,利用sgLasso方法进行超网络创建;然后,引入两组超网络特有的属性指标进行特征提取以及特征选择,这些指标分别是基于单一节点的聚类系数和基于一对节点的聚类系数;最后,将特征选择后得到的两组有显著差异的特征通过多核学习进行特征融合和分类。实验结果表明,所提方法经过多特征融合取得了87.88%的分类准确率。该结果表明为了改善脑功能超网络的创建,需要考虑到组信息,但不能逼迫使用整组信息,可以适当地对组结构进行扩展。

摘要：基于单一脑图谱模板的功能连接网络中提取的特征表示不足以揭示患者组和正常对照组(NC)之间的复杂拓扑结构差异,而传统的基于多模板的功能脑网络定义多采用独立模板,缺乏模板间的关联,从而忽略了各模板构建的功能脑网络中潜在的拓扑关联信息。针对上述问题,提出了一种多层次脑图谱模板和一种使用关系诱导稀疏(RIS)特征选择模型的方法。首先定义了具有关联的多层次脑图谱模板,挖掘模板之间潜在关系和表征组间网络结构差异;然后用RIS特征选择模型进行参数优化,进而提取组间差异特征;最后利用支持向量机(SVM)方法构建分类模型,并应用于抑郁症患者的诊断。在山西大学第一医院抑郁症临床诊断数据库上的实验结果显示,基于多层次模板的功能脑网络通过使用具有RIS特征的选择方法取得了91.7%的分类准确率,相比传统多模板方法的准确率提高了3个百分点。

摘要：已有研究经常忽略现实情况中年龄和性别对于大脑结构影像数据的影响,导致特征选取的有效性降低,最终造成分类准确率的降低。为此,提出基于线性混合效应模型的方法进行特征选择,考虑到年龄和性别对影像指标的影响,通过相关显著性的大小选取脑影像指标作为特征构建分类器,应用于不同人格特质的组内分类及识别中。分类结果显示,基于线性混合效应模型的方法使得不同人格分类准确率有较明显的提高。