Visual C++是在Microsoft的基础上发展而来的, 随着计算机软、硬件技术的快速发展,如今 Visual C++已成为集编辑、编译、运行、调试于一体功 能强大的集成编程环境。本章以Visual C++6.0为 对象,主要介绍 Visual++集成编成环境的使用、 图形设备接口和常用图形程序设计、鼠标编程以 及菜单设计等基础,目的是通过对 Visual C++的 学习,掌握Visual C++图形程序设计的方法,为 计算机图形学原理部分的算法实现提供程序工具和方法

通过实例给出知识重点、绘图步骤和详细操作命令提示，介绍复杂图形对象的绘制方法，学习构造线、多段线、椭圆命令的操作及选项的意义。掌握十种编辑命令的使用方法，了解查询命令中距离和面积命令的用法。同时，介绍复杂圆弧的连接和S曲线的绘制、直齿齿轮的绘制以及利用对象创建边界、面域和进行图案填充的方法

基本图形元素（直线、圆、圆弧和矩形）的画法是整个绘图的基础。本章首先介绍一些简单的绘图命令，给出绘制图形的知识重点、绘图步骤。通过学习可以掌握基本图形的绘制方法和精确绘图工具的使用方法，了解对象捕捉和极轴的设置与应用。学会利用图层对图形进行管理，根据需要设置各个图层的线型和颜色。掌握删除、修剪、复制、镜像、阵列等修改命令的使用，各个选项的功能。然后根据实例的需要学会多段线和图案填充的应用

为考察无网格方法求解铸坯凝固过程的可行性，本文依据移动最小二乘和变分原理，推导并建立了基于无网格伽辽金法的结晶器内铸坯凝固过程二维非稳态传热/凝固数学模型。以小方坯凝固过程为对象，分别采用节点均匀布置、加密布置、随机布置方式，模拟分析了小方坯凝固过程的温度场变化，并将计算结果与参考解、有限元法数值解进行了对比，结果证实无网格伽辽金法在计算精度、自适应性、网格依赖性等方面均优于有限元法。研究结果为无网格方法应用于连铸过程的传热、凝固以及应力/应变行为的数值计算提供参考

采用调频连续波（Frequency modulated continuous wave, FMCW）雷达实现非接触式生理信号检测，并提出了基于小波分析和自相关计算（Wavelet analysis and autocorrelation computation, WAAC）的检测方法。首先，毫米波FMCW雷达发射电磁波信号，并接收来自身体的反射信号。然后，通过信号预处理从中频信号中提取包含呼吸和心跳的相位信息，消除直流偏置并完成相位解缠。最后，基于小波包分解（Wavelet packet decomposition, WPD）从原始信号中得到心跳和呼吸信号，利用自相关计算减小杂波对心跳信号的影响，进而提取高精度的心率参数。应用FMCW雷达对10名受试者进行实验测试，结果表明本文方法得到的呼吸和心率的平均绝对误差率平均值分别小于1.65%和1.83%

为研究三轴循环加卸载条件下三山岛花岗岩细观能量演化规律, 采用颗粒流理论确定了花岗岩的应力门槛值(起裂应力σci、损伤应力σcd和峰值强度σf), 研究了应力门槛值对应的边界能、应变能(线性接触应变能和平行黏结应变能)、耗散能(摩擦能和阻尼能)、动能随围压变化的规律, 并从能量角度建立了岩爆倾向性评价指标Wx. 结果表明: 三山岛花岗岩不同围压下相应的σci/σf位于37.0%~44.8%区间, σcd/σf位于81.2%~89.0%区间, 随着围压的增大, 起裂边界能、应变能和耗散能呈线性关系增加, 损伤(峰值)边界能、应变能和耗散能呈指数关系增加; 其中耗散能受围压影响最为敏感, 增幅倍数最大, 其次是边界能, 最后为应变能. 围压对起裂应变能比例影响不大, 损伤和峰值应变能比例随围压增大缓慢减小, 峰值应变能比例下降幅度最大. 基于岩爆倾向性评价指标Wx可知, 当围压在20 MPa内, 三山岛花岗岩岩爆倾向性相对较小; 当围压达到30 MPa时岩爆倾向性开始迅速增加. 研究成果为岩爆倾向性的评价提供了新的参考指标, 进一步为井下岩体工程的稳定性研究提供了新思路

9.1配合物的组成和命名 一、配合物的定义 凡含有配离子的化合物称为配位化合物,简称配合物。 二、配合物的组成 配合物由内界和外界两部分组成。在配合物内,提供电子对的分子或离子成为称为配位体;接受电子对的离子或电子称为配位中心离子;中心离子与配位体结合构成内界;配合物中的其他离子,构成配合物的外界

1、对国际直接投资存在三种不同观点 2、国际直接投资对东道国的有利因素主要表现在以下四个方 面 和 不利因素主要有三方面

6.1ASP操作XML文件 一、ADO对象 二、Connection, RecordSet, Command对象

提出基于双向长短期记忆网络（bidirectional long short-term memory，BiLSTM）和前向神经网络的融合模型完成公共安全事件的触发词识别任务.首先通过BiLSTM提取整段文本的高层语义特征，避免了以往机器学习方法需要人工提取特征的问题，其次采用特征拼接并在前向神经网络中识别并分类事件触发词.实验结果表明相较于基准模型，本文方法在中文突发事件语料库（Chinese emergency corpus，CEC）上取得了更为突出的性能，Micro-F1值为78.47%.此外本文讨论了不同拼接特征在触发词识别任务中的重要性，对文本分析中3类特征（词性、句法、实体）的重要程度进行了比较和分析，得出句法特征对于事件触发词识别任务助益最大的结论