目的：制作如图 85.1 所示的塑料字效果。 要点：关键是叠层关系和光照滤镜的使用。 本例主要应用 Gaussian Blur 滤镜、 Lighting Effects 滤镜等工具来完成

一、理解布局管理器的作用 二、掌握FolwLayout、GrildLayout、BorderLayout使用 三、了解组件之间的关系 四、掌握常用组件的使用 五、了解事件处理的原理 六、掌握事件的注册、监听和处理 七、了解WT事件继承层次 八、理解高级事件和低级事件的概念 九、掌握窗口事件、鼠标事件、键盘事件的应用

一、理解表面张力及表面吉布斯函数的概念。 二、理解接触角、润湿、附加压力的概念及其与表面张力的关系。 三、理解拉普拉斯公式及开尔文公式的应用。 四、理解亚稳状态与新相生成的关系。 五、了解溶液界面的吸附及表面活性物质的作用与应用。 六、了解吉布斯吸附公式的含义和应用。 七、理解物理吸附与化学吸附的含义和区别。 八、了解兰格缪尔单分子层吸附理论，理解兰格缪尔吸附等温式

卷取温度是影响带钢组织性能的重要工艺参数.在生产实践中,如何提高厚规格带钢卷取温度的控制精度是一个难点.针对厚规格带钢在层流冷却过程中的工况特点,提出了温度场计算模型和对流换热系数模型的改进方法,并开发了一种全新的基于相似策略的自适应模型,以改善卷取温度前馈控制效果.经现场应用证明,本文提出的方案能有效提高厚规格带钢的卷取温度控制精度,其中厚度大于12 mm的带钢平均命中率可达到94.9%

本文针对区域法（或称“段法”）在建立火焰炉热交换数学模型的实际计算中存在计算层次太多、占计算机内存太大的缺点,提出了“炉段假想面”区域法。用该法对一座逆流燃油加热炉及一座顺逆流燃油加热炉进行了预示计算。在预示计算中,应用Dunkle提出的几何平均射线行程计算辐射直接交换面积。非线性的区域能量方程组的求解采用Broyden方法。计算结果表明“炉段假想面”区域法比传统的区域法具有计算简单、收敛速度快、占计算机内存少等优点,而且计算精度较高

生物传感器是以固定化的生物材料作为敏感元件，与适当的转换元件结合所构成的一类传感器。生物传感器一般是在基础传感器上再耦合一个生物敏感膜，或者说生物传感器是半导体技术与生物工程技术的结合，生物敏感物质附着于膜上，或包含于膜中，被测量的物质经扩散作用进入生物敏感膜层，经分子识别，发生生物学反应（物理、化学变化），其所产生的信息可通过相应的化学或物理换能器转变成可定量、可处理、可显示的电信号，就可知道被测物质的浓度

第1节 概述 1.1 生物力学的概念 1.2 生物力学的发展概况 1.3 生物力学的研究内容 1.4 生物力学的研究方法 1.5 生物力学对保健事业的贡献 第2节 软组织的力学性质 2.1 软组织的材料特性 2.2 血管的力学性质 2.3 肌肉的力学性质 第3节骨的力学性质 3.1 骨的基本结构与分类 3.2 骨的基本力学性质 3.3 骨的功能适应性 第4节 血液的流动性质 4.1 流体的黏性 4.2 血液的黏度 4.3 Casson方程 4.4 血液在刚性圆管中的层流流动 4.5 血液流变学的医学应用 第5节 心脏、动脉和静脉中的血液动力学 5.1 心脏力学 5.2 动脉中的血液流动 5.3 静脉中的血液流动

10.1 板式塔 10.1.1 概述 10.1.2 筛板上的气液接触状态 10.1.3 气体通过筛板的阻力损失 10.1.4 板式塔的不正常操作现象 10.1.5 板效率的各种表示方法及其应用 10.1.6 提高板效率的措施 10.1.7 塔板型式 10.2 填料塔 10.2.1 填料塔的结构及其结构特性 10.2.2 气液两相在填料层内的流动 10.2.3 填料塔的传质 10.2.4 填料塔的附属结构 10.2.5 填料塔与板式塔的比较

§10.1 从生物神经元到人工神经网络 §10.2 感知器（Perceptron）——人工神经网络的基本构件 §10.3 单层前向网、多层前向网与BP学习算法简介 §10.4 ANN方法在计算生物学的应用

CABOSFV_C是一种针对分类属性高维数据的高效聚类算法,该算法采用集合稀疏差异度进行距离计算,并采用稀疏特征向量实现数据压缩.该算法的聚类效果受集合稀疏差异度上限参数的影响,而该参数的选取没有明确的指导.针对该问题提出基于集合稀疏差异度的启发式分类属性数据层次聚类算法(heuristic hierarchical clustering algorithm of categorical data based on sparse feature dissimilarity,HABOS),该方法从聚结型层次聚类思想的角度出发,在聚类数上限参数的约束下,应用新的内部聚类有效性评价指标(clustering validation index based on sparse feature dissimilarity,CVISFD)进行启发式度量,从而实现对聚类层次的自动选取.UCI基准数据集的实验结果表明,HABOS有效地提高了聚类准确性和稳定性