-
题名透水砖骨料煤渣的理化性质分析与表征
被引量：2
- 1
-
-
作者
虞澎澎
饶宗旺
邓坚勇
李昕迪
-
机构
景德镇陶瓷学院
中国轻工业陶瓷研究所
佛山市溶洲建筑陶瓷二厂有限公司
-
出处
《新型建筑材料》
北大核心
2010年第9期36-37,40,共3页
-
文摘
采用筛分法、XRD与SEM等测试手段,对煤渣的理化性质进行分析和表征。结果表明,煤渣的化学成分主要为SiO2和Al2O3,两者合计76.64%,其次为Fe2O3、CaO、MgO、Na2O与K2O。其颗粒粒度归属于双峰分布:≤40目为37.2%,≥100目为34.7%,其物相为SiO2、CaO.Al2O3.2SiO2及玻璃相,煅烧1200℃的煤渣产生了新晶相莫来石。SEM照片表明,煅烧粗煤渣存在大量气孔,孔径为10～50μm,煅烧细煤渣的微气孔孔径约为0.5～2.0μm。这些特殊理化性质使得煤渣成为陶瓷透水砖的优选骨料。
-
关键词
煤渣
透水砖
理化性质
-
分类号
TU522.19
[建筑科学—建筑技术科学]
-
-
题名基于FSWT和GBDT的癫痫脑电信号分类研究
被引量：6
- 2
-
-
作者
李昕迪
陈万忠
-
机构
吉林大学通信工程学院
-
出处
《吉林大学学报（信息科学版）》
CAS
2019年第2期186-193,共8页
-
基金
吉林省科技发展计划自然基金资助项目(20160101191JC)
-
文摘
为解决癫痫脑电信号分类类别以及分类精度不足的问题,使用频率切片小波变换对脑电数据进行信号重构,得到5个频段的节律信号,再利用非线性指标近似熵和线性指标波动指数共同作为癫痫信号的特征值,充分提取信号的特征信息。随后使用梯度提升树算法对得到的特征数据集进行多分类。实验表明,该算法对癫痫脑电信号的三分类识别率为98.4%。较传统Adaboost算法,该方法采取了GBDT(Gradient Boosting Decision Tree)作为分类算法,成功利用更多的数据集,并且使得分类精度更高。
-
关键词
癫痫脑电信号
频率切片小波变换
近似熵
波动指数
梯度提升树
-
Keywords
epileptic electroencephalogram signal
frequency slice wavelet transform
approximate entropy
fluctuation index
gradient boosting decision tree
-
分类号
TN911.7
[电子电信—通信与信息系统]
R742.1
[医药卫生—神经病学与精神病学]
-
