一、细胞的分化： 来源于同一细胞，在细胞的分裂和生长过程中具有了不同的形态结构， 生理功能的现象叫细胞分化

将直径为5 mm的混合烧结Al2O3陶瓷球安装在高温滑动摩擦试验机夹持工具上与耐磨钢组成摩擦副, 研究了耐磨钢与氧化铝陶瓷球在200~300 N、100~400 r·min-1不同载荷下的滑动摩擦行为.结合X射线衍射分析技术和扫描电镜等分析手段研究了NM400和NM500两种耐磨钢在室温~300℃下摩擦界面处材料的氧化物形成、磨损表面形貌和显微组织等行为.随温度升高, NM400和NM500的摩擦系数仍然处于0.27~0.40的范围内, 但两者的平均摩擦系数分别从0.337、0.323逐步降低至了0.296和0.288.在300℃时, 氧化物的产生是摩擦系数略有下降的主要原因.随着温度的升高, 摩擦行为首先以磨粒磨损为主, 随后逐渐发生氧化物的压入-剥离-氧化现象, 使磨损速率略有降低.通过高温摩擦磨损行为与微量氧化模型的分析发现, NM400和NM500钢在室温至300℃的磨损机制是磨粒磨损、挤压变形磨损以及微量氧化物磨损的共同作用.NM500钢表现出更加良好的耐磨性能主要原因是其硬度强度高于NM400钢.在高强微合金马氏体耐磨钢中添加少量合金元素, 使其在高温摩擦过程中产生一定量稳定附着的氧化物, 在一定程度上能够起到降低磨损率的作用

采用旋转柱体法对不同类型的含氟连铸保护渣黏度进行检测，并基于Arrhenius方程通过非线性回归分析建立了新的黏度预测模型，分析了组分变化对黏度的影响。结合模型计算和实验检测，建立了CaF2?Na2O?Al2O3?CaO?SiO2?MgO渣系的等黏度图。结果表明，与传统的含氟连铸保护渣黏度预测模型相比，该模型计算的偏差在10%以内，当渣中w（CaF2）超过20%时，偏差逐渐增大，主要由于氟化物挥发造成炉渣成分变化，最终黏度实测值与炉渣初始成分不符，造成模型无法对黏度有效预测。此外，研究发现，CaF2的增加能显著降低炉渣黏度，而Al2O3和Na2O对黏度的影响受CaF2含量的限制。当w(CaF2)>17%，炉渣黏度随Al2O3含量增加而减小，当w(CaF2)<17%，Al2O3的增加使炉渣黏度显著增大；当w(CaF2)>11.5%，炉渣黏度随Na2O含量增加显著下降，当w(CaF2)<11.5%，Na2O含量变化对黏度的影响并不明显。此外，该等黏度图表明低黏度区w(CaF2)接近14%。通过调整等黏度图中各组分比例，可以改善保护渣的黏度和流动性，供钢铁工业应用

一、术语 二、条目及说明 第一部分总则 第二部分场地设计及总体布局 第三部分居住区景观重点结构布局 第四部分居住区景观元素设计 第五部分居住区植物景观 第六部分居住区景观维护 三、景观环境规划设计方法

一、方法： 1．人为分类方法―――简单的特征、用经济价值。 2．自然分类方法―――亲缘关系。进化

一、熟悉常用微生物培养基名称; 二、掌握微生物的分离,接种技术; 三、用平板划线法和稀释法分离微生物; 五、认识微生物存在的普遍性

人体在进入疲劳状态时生理参数会发生相应的变化.为了探讨砌砖工人在持续体力劳动作业时心率和心率变异(HRV)对人体生理疲劳的影响,针对疲劳与心率的关系提出评价生理疲劳的数学模型.选取15名健康受试者(男性)在搭建的86 cm平台模拟砌砖工人作业.持续作业30 min进行一次心率变异数据的收集.同时,使用心率传感器对心率进行实时监测.本文采用方差分析、t检验和非线性拟合的方法对疲劳对心率和心率变异的影响进行分析.结果表明,生理疲劳使心率波动程度有显著变化(检验水准α=0.05水平,概率P0.05).非线性拟合结果(R2=0.8892)显示,生理疲劳的发展趋势呈现出\S型\的趋势.据此提出,生理疲劳分为3个阶段:疲劳调整期、疲劳稳定期和疲劳失稳期.在疲劳失稳期前(试验中约为90min)受试者休息,可以减缓或延迟生理疲劳的发生

第一节 菌种的分离筛选 第二节 培养分离 第三节 工业微生物育种 第四节 菌种的保藏及活化

文本检测在自动驾驶和跨模态图像检索中具有极为广泛的应用。该技术也是基于光学字符的文本识别任务中重要的前置环节。目前，复杂场景下的文本检测仍极具挑战性。本文对自然场景文本检测进行综述，回顾了针对该问题的主要技术和相关研究进展，并对研究现状进行分析。首先对问题进行概述，分析了自然场景中文本检测的主要特点；接着，介绍了经典的基于连通域分析、基于滑动检测窗的自然场景文本检测技术；在此基础上，综述了近年来较为常用的深度学习文本检测技术；最后，对自然场景文本检测未来可能的研究方向进行展望

为了提升航班运行风险预测精度，基于某航空公司2016—2018年航班运行风险数据，在验证15个风险时间序列的混沌特性后，构建基于多变量混沌时间序列的风险预测模型。首先，对15个风险时间序列进行多变量相空间重构，采用主成分分析法（PCA）对相空间进行降维处理；然后，基于迭代预测的方式，分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型；最后，以降维后的相空间作为输入，计算并比较分析未来1～7 d的风险预测结果。结果表明：多变量相空间重构后总维数为62维，经PCA降维处理，降至31维；在不同的预测模型中，降维后RBF模型预测效果最佳；其中，预测第1天结果相对误差<25%出现频数为82.62%，至第5天仍达75%以上；该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%，且前5 d均低于20%，满足航空公司使用要求。1～5 d预测结果对航班风险管控具有实践操作价值，证明基于多变量混沌时间序列的风险预测方案可行、有效