在Authorware中如何实现多级菜单交互功能

多级菜单是几乎所有的Windows程序中必不可少的交互界面,而Authorware中的下拉菜单交互类型不能直接实现多级菜单的交互功能,必须通过外部函数来实现。本文详细介绍了用WINAPI.U32函数实现Windows标准多级菜单的方法。     

延迟满足特质与职业延迟满足关系的多层分析:交易型领导风格的调节作用

探讨了交易型领导风格在人们的延迟满足特质与他们在职业生活中表现出来的延迟满足行为间的调节作用。采用问卷法收集数据, 运用HLM进行多层分析, 以227名银行企业员工和他们分属的22个银行网点的直接主管为被试, 探讨上层领导的交易型领导风格如何调节下属的延迟满足特质与职业延迟满足行为之间的关系。结果显示: 员工自身的延迟满足特质和上层领导的交易型领导风格会共同影响员工的职业延迟满足。在低交易型领导风格下, 高延迟满足的个体比低延迟满足的个体报告了更多的职业延迟满足; 而在高交易型领导风格下, 具有高、低延迟满足能力的员工都报告有更多的职业延迟满足。     

关于CFIE-MLFMA算法的一类预条件方法

研究了多层快速多极子算法(MLFMA)的预条件加速技术.利用MLFMA的近场矩阵的结构特征,先将其分裂为对角块阵、不完全下三角块阵和不完全上三角块阵,再将对角块作LU分解,就可以构造出一系列的预条件阵DILU.与不用预条件或只用对角块预条件相比,这些预条件阵能大幅度地减少迭代次数,节省计算时间.一部分预条件阵不会增加存储量,而另外一部分只增加很少的存储量.文中给出的数值算例比较了几种不同预条件阵的优缺点,也验证了这些预条件加速方法的正确性和有效性.     

可见光遥感图像中舰船目标检测的多阶阈值分割方法

针对遥感图像中海洋复杂背景下的海上舰船目标检测,提出了基于自适应多阶阈值分割舰船目标检测方法.使用该方法对Spot,Quickbird,Ikonos,Landsat等不同卫星数据来源、不同分辨率、不同内容的12 704个样本进行了试验,成功检测了1 104个目标中的1 098个,检测率达到99.5%,同时虚警率保持在较低水平.实验证明,该方法对遥感图像中的海上舰船目标检测适应性强、检测率高、稳定性好.     

多层媒质中电磁波反射与透射的FDTD研究

以时域有限差分法（FDTD）方法为工具,研究了电磁波在多层媒质中的反射与透射情况．为验证该方法的有效性,给出了三层媒质的反射与透射系数,而FDTD法的计算结果与之相符较好．由于FDTD法模拟了波的自然传播情况,因此在处理多层复杂媒质的反射与透射问题以及显示全空间的场强分布方面,相对解析方法有着巨大的优势．     

概率统计教学团队的构建与实施

随着全国高校招生规模的扩大,学生素质参差不齐给高校的基础教学工作带来许多困难,数学类基础课程的教育现状更是不容乐观。为此,在概率统计教学实践中尝试构建多层次教学团队,根据不同生源素质和不同学科要求,通过构建教师梯队和教学分班,因材施教实现多层次教学。同时,还探寻一条教学与科研良性互动的发展途径。     

层次分析法在宿舍设计方案优选中的应用

运用层次分析法对宿舍设计方案的优劣进行了评价与研究.针对四个设计方案,建立了多层次目标体系,确定了四个方案的权重,给出了最优方案.     

多级组合发动机混合动力电动汽车燃油经济性的数值模拟

提出了多级组合发动机的概念,并将其作为混合动力电动汽车的动力。与常规混合动力电动汽车相比,在欧洲NEDC、美国HWFET和日本1015汽车循环中,最高燃油经济性分别提高8.09%、9.69%和3.5%。在不同的电池组初始充电状态和不同的多级组合发动机功率比的情况下,对其进行了燃油经济性和发动机平均效率的模拟。模拟结果表明:考虑结构设计的复杂性和经济性,与传统动力相比,以等功率比的双级组合发动机作为混合动力电动汽车动力更为合理,更具可行性。     

融合多层级特征的弱监督钢板表面缺陷检测算法

由于缺少实例级标签,使得深度神经网络在工业表面检测领域的应用受到了限制.为解决这一问题,本文面向实际的热轧钢板表面缺陷检测任务,提出基于弱监督学习的缺陷检测网络,该网络引入类激活映射模型,使用容易获取的图像级标签进行模型训练,进行钢板表面的缺陷检测.为了进一步提升检测精度和克服类激活映射模型原有的缺点,本文采用性能更优的残差网络作为主干网络进行特征提取,并提出了多层级特征融合网络进行类激活图的生成,来获取更多的细节信息和更准确的目标激活区域.通过在公开缺陷数据集NEU-CLS上进行实验,结果表明本文提出的方法能够在标签不完备的情况下进行缺陷检测任务,并取得0.68%分类错误率和17.75%定位错误率,胜过其他同类的方法.     

基于多级跳线残差网络的雷达辐射源识别

针对复杂体制雷达辐射源的识别问题, 提出了一种基于时频特征提取与多级跳线残差网络(multi-level jumper residual network, MLJ-RN)结合的识别方法。首先,计算辐射源信号的平滑伪Wigner-Ville时频分布生成时频图像以表达信号本质特征, 将图像进行预处理以保留信号细微特征差异。然后,设计多级跳线连接的残差单元, 在此基础上构造MLJ-RN, 对时频图像相邻卷积层的细微特征进行学习和识别, 并使用随机梯度下降法训练网络。最后,通过对网络进行参数优化, 强化对信号的深层特征提取能力。仿真结果表明, 信噪比为－5 dB时, 该方法对12类雷达辐射源信号的整体识别概率达到95.1%, 从而验证了该方法在低信噪比下识别雷达信号的有效性。