排序方式: 共有41条查询结果,搜索用时 15 毫秒
1.
目的 提出一种基于认知特性的信息界面布局美度评价方法,提高信息界面布局的合理性及评估结果的客观性。方法 根据视觉信息加工过程和视觉注意原理构建信息界面“布局—认知”的映射关系,结合软件工程领域的质量评估模型的构建逻辑,推导度量指标并建立信息界面布局美度评估模型,利用层次分析法计算各度量指标的权重,构建信息界面美度的综合评价方法。结论 以某数控机床的刀具补偿操作界面为例,通过等级排序法验证了该方法能够准确、客观地反映信息界面布局的美度情况。该方法具有较高的通用性,为信息界面布局方案的选择提供了一套客观量化的决策依据,辅助设计师对界面布局的分析与微调,从而避免设计优化上的盲目修改和创新。 相似文献
2.
针对传统集成成像显示技术存在深度反转,需要进行二次成像的问题,提出一种无深度反转的集成成像一次拍摄方法。该方法采用离轴平行式集成成像拍摄结构对三维(3D)场景进行拍摄,通过设计合理的拍摄参数,重排图像元,生成无梯形畸变的图像阵列(EIA),直接用于集成成像显示,解决了传统集成成像的深度反转问题,避免了复杂且繁琐的图像校正和二次成像过程,可快速生成具有正确深度信息的EIA。该方法所获取的EIA在集成成像3D显示实验中重建的3D图像具有正确的深度和逼真清晰的立体显示效果,验证了本文方法的正确性。 相似文献
3.
在单因素试验基础上,采用Box-Behnken 设计对了哥王总黄酮超声波协同微波提取工艺中的乙醇体积分数、提取时间和微波功率3 因素最优化组合进行定量研究,建立并分析各因素与得率关系的数学模型。同时研究了哥王总黄酮对DPPH 和羟自由基的清除效果。结果表明:最佳的工艺条件为乙醇体积分数70%、提取时间123s、微波功率419W,经实验验证在此条件下得率为1.172%,与理论计算值1.162% 基本一致,说明回归模型能较好地预测了哥王中总黄酮的提取得率;当总黄酮质量浓度在13.16~78.96μg/mL 和0.43~52.64μg/mL 范围内,其对DPPH自由基和羟自由基的清除率分别为20.87%~71.11% 和9.04%~52.21%,且都存在明显的量效关系。 相似文献
4.
大麻素受体与疼痛、炎症、骨质疏松等多种疾病紧密相关,是极具潜力的药物靶点。本研究分别选取吲哚类CB2选择性激动剂和CB1选择性激动剂为研究对象,采用Discovery studio 2019软件分别构建两种激动剂共同特征药效团模型,首次对这两种药效团模型进行比较分析。随后通过测试集和ROC曲线两种验证方法对CB2选择性激动剂药效团模型的可靠性进行验证和筛选,得到一个最佳模型,该模型可用于天然化合物数据库的筛选,为发现新型CB2选择性激动剂提供理论基础。 相似文献
5.
通过接枝反应合成了具有两亲性的羧甲基壳聚糖-油酸聚合物,并测定了临界胶束浓度(CMC),评价其形成胶束的能力。首先对壳聚糖进行羧甲基化修饰,酸碱滴定法测定取代度,并以取代度为指标,正交实验法确定合成羧甲基壳聚糖过程中不同条件对取代度的影响,根据正交实验结果制备了3种不同取代度的羧甲基壳聚糖,分别与油酸进行接枝反应,合成了3批羧甲基壳聚糖-油酸聚合物,荧光光度法分别测定CMC值为0.013 8、0.039 0和0.039 0 mg/mL,结果表明羧甲基壳聚糖-油酸具有形成胶束结构的能力。 相似文献
6.
糖尿病视网膜病变(diabetic retinopathy, DR)是一种致盲性的糖尿病并发症。尽管卷积神经网络(convolutional neural network, CNN)目前是DR诊断中最先进的方法,但其特征提取过程存在容易丢失有效病灶信息的问题。对此,提出了一种上下文融合网络(context fusion network, CF-Net)用于处理DR诊断任务。该网络使用ResNet50将眼底图像嵌入到高维表示空间中,提取图像的局部特征信息和高级语义信息,然后通过构建上下文融合模块来聚合中间和高层的特征表示,从而避免卷积操作过多造成的信息丢失。同时还提出了全局通道金字塔(global channel pyramid, GCP)注意力模块用于捕捉通道和空间维度中关键的病灶信息作为DR诊断的重要依据。利用类别注意力探索眼底图像中更具辨别性的区域特征,能够增强网络的病灶辨别能力。在APTOS数据集和Messidor数据集上的实验结果表明,该网络在二分类任务中的准确率分别达到了98.7%和91.3%,而在多分类任务中分别达到了85.1%和78.3%,证明了CF-Net的有效性。 相似文献
7.
为了研究具有不同官能团的自组装膜层微观结构对铝合金表面耐腐蚀性能的影响,通过自组装膜技术在铝合金表面分别制备月桂酸、双(γ-三乙氧基硅基丙基)四硫化物(BTESPT)、癸二酸铵这 3 种自组装膜层。 采用 SEM、XRD、 FT-IR 对自组装膜层进行结构表征,并分别对 3 种膜层的电化学性能和耐腐蚀性能进行研究。 结果表明,3 种分子都在铝合金表面成膜,但 BTESPT 自组装膜最为致密。 通过交流阻抗测试和极化曲线测试,3 种膜层的阻抗值分别达到了 3. 3×107 、1. 1×1015 和 6. 8×107 Ω·cm2 ,腐蚀电流密度分别为 4. 5×10-7 、5. 6×10-8 和 9. 6×10-8 A/ cm2 ,通过拟合电路分析膜层耐腐蚀机理。 盐雾试验结果显示,BTESPT 自组装膜层在第 16 天才产生腐蚀点,要优于另外 2 种自组装膜层。 分析推导认为 BTESPT 自组装膜的微观致密结构为膜层具有更优的耐腐蚀性能提供了保证。 相似文献
8.
9.
采用浸渍还原法制备不同比例的AuPd/C纳米粒子;分别采用X线衍射仪(XRD)和透射电镜(TEM)对催化剂进行结构和形貌分析;利用CHI660a电化学工作站对催化剂进行电化学测试,结果表明:催化剂材料均为面心立方结构,AuPd/C中纳米合金粒子的粒径为5 nm左右,比Au/C中的纳米Au粒子更小,且均匀分散在VXC-72R炭黑的表面;Au/C的峰电流密度为25.05 mA/cm2,与Au/C相比,AuPd/C明显提高NaBH4的电氧化催化活性;以纳米AuPd/C为阳极催化剂、Au/C为阴极催化剂制成直接NaBH4-H2O2燃料电池(DBHFC),发现以Au1Pd2/C为阳极催化剂的DBHFC拥有良好的电池性能;在温度为60℃、NaBH4浓度为1 mol/L时DBHFC的最大功率密度达到114.6 mW/cm2。 相似文献
10.