《表2 实验室试验结果：基于主成分分析和神经网络的马歇尔试验模型》
提示：宽带有限、当前游客访问压缩模式
按照《公路工程沥青及沥青混合料试验规程》（JTG E20-2011）对试件进行马歇尔试验测试，得到稳定度和流值如表2所示。
| 图表编号 | XD0060768900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.25 |
| 作者 | 董仕豪、丁龙亭、孙胜飞、刘梦梅、张文刚 |
| 绘制单位 | 长安大学、长安大学、长安大学、长安大学、山东理工大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 小波包系数能量熵：基于核主成分分析和概率神经网络的开关柜局部放电信号模式识别》2021.02.25
- 《表4 点蚀试验结果：基于主成分分析和聚类分析的陇南地区特色农业经济分析》2020.11.01
- 《表2 正交试验表：我国天然气供应安全影响因素研究——基于主成分和VAR模型》2020.06.15
- 《表2 主成分分析结果：影子银行、金融杠杆与金融稳定——基于VAR和门限回归模型的实证研究》2021.02.25
- 《表1 试验因素设计表：基于主成分分析构建大豆蛋白对低盐乳化肠的品质综合评价模型》2020.12.20
- 《表4 点蚀试验结果：线上教学课程综合服务能力评价——基于主成分分析法的实证研究》2020.12.01
- 《表4 2种网络诊断结果：基于主成分分析和反向传播神经网络相结合的金属氧化物压敏电阻故障诊断分析》2019.12.25
- 《表3 前3个主成分系数：基于主成分分析和反向传播神经网络相结合的金属氧化物压敏电阻故障诊断分析》2019.12.25
- 《表2 主成分贡献率：基于主成分分析和反向传播神经网络相结合的金属氧化物压敏电阻故障诊断分析》2019.12.25
- 《表2 试验模态分析结果：基于神经网络近似模型的拉杆转子结合面参数识别》2019.10.10
- 《表3 预测结果比较：基于主成分分析和递归神经网络的短期股票指数预测》2019.09.20
- 《表5 优化结果对比：基于RBF神经网络模型的改进加权主成分分析参数全局优化研究》2019.05.01
- 《表3 主成分分析表：基于RBF神经网络模型的改进加权主成分分析参数全局优化研究》2019.05.01
- 《表1 因子水平设计：基于RBF神经网络模型的改进加权主成分分析参数全局优化研究》2019.05.01
- 《表1 实验数据分布：基于主成分分析和卷积神经网络的入侵检测方法研究》2019.05.25
- 《表2 主成分分析表：基于主成分分析和神经网络对作者影响力的评估》2019.07.24
- 《表4 模型输出结果：基于主成分分析和神经网络的马歇尔试验模型》2019.06.25
- 《表3 主成分：基于主成分分析和神经网络的马歇尔试验模型》2019.06.25
- 《表3 主成分分析结果：我国全社会资产结构的影响因素分析——基于现代资产组合理论和风险归因模型的研究》2018.12.20
- 《表7 正交试验结果：基于极差分析法与主成分分析法研究新型牛肉薄饼加工工艺》2019.11.20