高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

提出了基于免疫遗传算法的形态学自适应结构元素生成算法，并将其用于光学相干断层成像(optical coherence tomography，OCT) 图像中视网膜组织边缘检测. 首先将图像进行去噪和粗分割的预处理，并将图像划分为若干子图像; 其次对每一子图利用免疫遗传算法求取自适应结构元，初始随机生成固定长度的二进制数串作为抗体，并将其转化为结构元素格式，以图像二维熵定义抗体适应度，根据子图像本身结构特征信息，寻找最优抗体结构元素; 最后利用寻优得到的各结构元素对子图进行形态学边缘检测，合并各子图的分割结果，实现整体图像目标边界提取. 实验结果表明了该方法在图像目标边界提取的有效性

一、模型空间与图纸空间 1、模型空间 模型空间,就是创建工程模型的空间,用于绘制图形的空间,提供了个三维的绘图空间。 2、图纸空间 图纸绘制完成后用于布置图纸的空间,提供了一个二维的空间 二、布局有什么用? 通常我们在模型空间画完图后就进入图纸空间布置图形。优点就在于 在图纸空间实际上就是提供了一张白纸,我们可以在上面任意布置图形, 利用布局我们真正实现了所见即所得。而且我们在布局中可以容易布置出 图比例不一样的若干张图纸。标注尺寸也不用担心比例不同尺寸文字的字 高是否合适等问题

 问题1：什么是二部图及其匹配？  问题2：二部图中的有哪些匹配？

湖南人文科技学院：《离散数学》课程思政教学资源（PPT课件）二部图（1）

华中科技大学：《模拟电子技术》教学资源（二）图题 7.3.10

【人工智能基础】利用二部图生成概念格

湖南人文科技学院：《离散数学》课程思政教学资源（授课教案）二部图（1）

一、基本图形生成算法 二、图元扫描转换 1 直线段扫描转换 2 圆弧扫描转换 三、实区域填充 四、图形反走样

认识三种数学模型 微分方程 传递函数 频率特性 学习二种图模型 方块图 信号流程图 为物理系统建立数学模型