本文以在校大学生这个最具代表性的群体作为主要研究主体,通过问卷调查等多种形式采集数据,根据采集到的数据研究分析大学生的学习现状以及学习习惯,了解大学生对于移动学习的一些心理态度,从而更好地提高移动学习的效率以及推动移动学习的发展

上面讨论的分段低次插值函数 都有一致收敛性，但光滑 性较差，对于像高速飞机的机翼形 线，船体放样等型值线 往往要求有二阶光滑度，即有二阶 连续导数，早期工程师 制图时，把富有弹性的细长木条 （所谓样条）用压铁固定 在样点上，在其它地方让它自由弯 曲，然后画下长条的曲 线，称为样条曲线

分析二进制数字调制系统的抗噪声性能,也就是分析在信道等效加性高斯白 噪声的干扰下系统的误码性能,得出误码率与信噪比之间的数学关系。 在二进制数字调制系统抗噪声性能分析中,假设信道特性是恒参信道,在信 号的频带范围内其具有理想矩形的传输特性(可取传输系数为K)

一、实验目的与要求： （1） 了解显微镜测定微生物大小与血球计数板测定微生物数量的原理。 （2） 学习并掌握显微镜下测定微生物细胞大小的技术，包括目镜测微尺、物镜测微尺的校正技术与测定细胞大小的技术

晶胞参数即点阵常数是晶体物质的重 要参数，它随化学成份和外界条件（温 度和压力）的变化而发生微小的变化， 通常在10－4Å数量级以下，要揭示这类 变化规律，就必须对点阵常数进行精确 测定

实验课是本课程的基本教学环节,原则上在校内进行。对学生进行动物繁 殖的技能训练;务求正确使用仪器设备、操作规范化,某些内容则要求熟练掌 握;鼓励学生开展小型科学研究活动。各个实验内容可根据课程的安排学时数掌握, 实验时间长短也可根据情况做适当调整。以下是动物繁殖学课程必须进行的实验内 容:

精度检测技术 一、测量器具的选择 1、测量器具选择时应考虑的因素 普通测量器测量器具的选择应综合考虑以下几方面的因素: (1)测量精度:所选的测量器具的精度指标必须满足被测对象的精度要求才能保证测量的准确度。被测对象的精度要求主要由其公差的大小来体现。公差值越大,对测量的精度要求就越低;公差越小,对测量的精度要求就越高。一般情况下,所选测量器具的测量不确定度只能占被测零件尺寸公差 的1/10~1/3,精度低时取1/10,精度高时取1/3 (2)测量成本:在保证测量准确度的前提下,应考虑测量器具的价格、 使用寿命、检定修理时间、对操作人员技术熟练程度的要求等,选用价格较低、操作方便、维护保养容易、操作培训费用少的测量器具,尽量降低测量成本 (3)被测件的结构特点及检测数量:所选测量器具的测量范围必须大于被测尺寸。对硬度低、材质软、刚性差的零件,一般选取用非接触测量,如用光学投影放大、气动、光电等原理的测量器具进行测量。当测量件数较多(大批量)时,应选用专用测量器具或自动检验装置;对于单件或少量的测量,可选用万能测量器具

为明确石粉掺合料对地聚物材料的作用机理，以赤泥基注浆材料为研究对象，系统研究了石粉掺量和粒径分布对赤泥基注浆材料浆体性能、力学性能和微观结构的作用规律，并结合X射线衍射仪（XRD）、压汞仪（MIP）和扫描电镜（SEM）等微观测试手段分析其作用机理。研究表明，结石体力学强度随石粉掺量的上升先增大后减小，当石粉的质量分数为5%时抗压强度最高，3 d时可达5.65 MPa，抗压强度提升幅度为18.94%，同时浆液泌水率上升幅度仅为9.85%，且28 d结石体孔隙率降低了18.35%，因此，5%为石粉在赤泥基注浆材料中的最佳质量分数。在石粉最佳质量分数条件下，随着石粉平均粒径减小，浆液凝结时间及泌水率均呈现下降的趋势；当石粉平均粒径达到8 μm时，石粉“填充效应”和“成核效应”作用尤为明显，浆液黏度突升，且3 d和28 d试样强度分别提升了11.86%和10%，故石粉平均粒径越小，其对赤泥基注浆材料的提升作用越显著，赤泥基注浆材料的最佳粉料质量配比为赤泥47.5%，矿粉47.5%，石粉5%；微观分析证实，石粉在浆液水化历程中以物理特性参与其中，为Na2O–SiO2–Al2O3–H2O凝胶（N–A–S–H）, 水化硅铝酸钙凝胶（C–A–S–H）和水化硅酸钙凝胶（C–S–H）等凝胶提供成核位点，供地聚物凝胶沉淀和生长，加速浆液水化

Visual Basic的语言基础 变量 变量有两个特性:名字和数据类型。 变量的命名规则 变量代表在程序执行过程中其值可以改变的存储单元,这个存储单元的名字称为变量名。VB变量名的命名规则为: 1.变量名只能有字母、数字和下划线组成; 2.变量名的第一个字符必须是英文字母,最后一个字符可以是类型说明符号; 3.变量名也可以是其他语言中的字符,例如汉字;如姓名可以作为变量名。 4.变量名最长不能超过255个字符; 5.不能使用 Visual Basic的保留字作为变量名。例如: print,cls等不能作为变量名。但是可以将保留字作为变量名的一部分使用,例如: printscr, clspic等 6.变量名在6.VisualBasicheIo《HEeIIooheIIOHELLO中不区分大小写。例:hello、ello,hello和hello等是同一个变量。在输入之后, Visual Basic会自动将他们转化成相同的写法

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪