篇一：word论文排版要求
论文排版
在已经创建好的《word论文排版素材文档》中，按照下面的要求设置文档格式
1、 设置论文题目、摘要和关键词。格式要求如下：
论文题目： 黑体小二，加粗，居中。段后空二行。
中文摘要： “摘要”二字使用黑体三号居中，后面内容采用宋体小四号，首行缩进2字符，
1.5倍行距。
中文关键词: “关键词”采用黑体三号居中；下面的具体内容格式：中文宋体小四号，英文times new Roman小四号，首行缩进2字符，最后一个关键词尾不加标点符号。插入分节符。
英文摘要：“Abstract使用times new Roman三号加粗，居中，后面内容采用times new Roman小四号，首行缩进2字符”
英文关键词：Keywords采用“times new Roman三号加粗，居中” 下面的具体内容格式为“times new Roman,小四”，以”，“号隔开，最后一个关键词尾不加标点符号。插入分节符。
2、 修改格式样式并设置目录
2）插入分节符
插入1个分节符（下一页），将整篇文档按目录和正文各分为一节。
3）插入目录
a) 将标题文字“目录”的格式设置为“黑体、二号、居中对齐；段前、段后1行”。
b) 在文档的第一页处添加目录，利用三级标题样式生成目录，将目录格式设置为“仿
宋、小四、18磅固定值行间距”。
3、 添加页眉
页眉用五号宋体靠右书写，内容为论文题目，如XX的研究，并在页眉左侧配上学校的图片。
4、 插入页码
1） 从论文题目页到目录页的页码位置：底端、右对齐；页码格式为Ⅰ，Ⅱ，Ⅲ，…，
起始页码为Ⅰ。
2） 正文的页码位置：底端、右对齐；页码格式为1，2，3，…，起始页码为1.
5、 论文中的图序及图名居中置于图下方，表序及表名居中置于表上方，文中的图、表、公
式等与正文之间要有一行的间距，并且论文中的图表应编排序号，要求为：图1.1或表
1.1。
6 参考文献：正文中应按顺序在引用参考文献出处的文字右上角用[ ]标明， [ ]中序号应与“参考文献”中序号一致。正文之后则应刊出参考文献， “参考文献”四字用四号黑体字居中排写。参考文献不设置页码。
参考文献的著录，按著录/题名/出版事项顺序排列：
期刊——著者，题名，期刊名称，出版年，卷号（期号），起始页码。
书籍——著者，书名、版次（第一版不标注），出版地，出版者，出版年，起始页码。 学位论文----作者. 文题：[XX学位论文]. 授予单位所在地：授予单位，授予年
[1] 朱文学. 粮食干燥原理及品质分析.北京：高等教育出版社，2001，57—108
篇二：word2010排版(素材+要求)
数码相机中的图像放大算法浅谈
计算机专业990班 张一一
摘要:全球高新技术的飞速发展，极大的促进了各项事业的进步与提高，计算机图形学已成为各领域迫切需要的技术，特别是数码相机进入千家万户，对数码相机的图片处理技术越来越高，对放大处理技术迫在眉睫。
关键词：数码相机 灰度值 插值
Abstract: The rapid development of the high and new technology accelerates the enhancement of various enterprises.Computer graphics falls into the most urgent category needing developing.
keyword: Digital cameraGray-scale Interpolation
第1章 绪论
1.1 课题背景
90年代崛起的数码相机，是现代通信、计算机产业、照相机产业高速发展的产物。随着电信、计算机的普及和家庭化，数码相机的应用领域也日益广泛。数码相机具有一些传统相机所无法比拟的优势：用传统相机拍摄的图像要进行数字化处理，须经过拍照、冲洗、扫描三个步骤，而用数码相机摄影则无需胶卷，无需暗室，无需扫描仪，拍摄的图像可直接输入到计算机中，用户可在计算机中对图像进行编辑、处理，在电脑或电视中显示，通过打印机输出或通过电子邮件传给别人，大大提高了工作效率。
1.2 本文工作
本文主要是分析现在常用的数码变焦的算法，比较各种技术的优缺点，以找到最适合的图像缩放技术。由于图像缩小一般不会太大损失图像质量，缩小后的图像失真不明显，所以以下的讨论重点放在图像放大上面。
第2章 图像放大技术
2.1 相关概念
数码相机虽然沿用了传统拍摄中的用语，也由于成像原理的不同而有了一些特殊的专用名词，只有掌握了数字摄影中的一些新的相关新概念才能了解数码相机中的图像软件放大。下面简单介绍一些最基本的常识：
位（Bit）
Bit是计算机处理中最小的数据单位，颜色经过数字化处理后转变为由一个个Bit组成的形态。“位深”用来描述图像所包括的颜色数，数码相机在采集红、绿、蓝光时每一种颜色深度是8位，总位深就是24位，而8位相当于每种原色有256个层次，这样三种颜色混合会有256*256*256种，即1.67亿种颜色，又称真彩色。
分辨率（Resolution）
在数字图像中用来表示质量的技术参数，也是划分数字相机成像档次的一种标准，它以图像横向和纵向点的总数量来衡量图像的细节，这些点我们称之为像素（Pixel）。
2.2 图像放大的有关技术
图像放大技术有很多种，最一般的就是使用线性复制的方法对图像进行简单的比例变换，但这种方法常会引起比较严重的图像走样，使图像将产生许多不规则边缘和锯齿。所以不宜采用这种方法。
在Photoshop中也采用了Genuine Fractals的技术，它不是直接的放大图像,而是采用它自己的fractal压缩算法将图像压缩成一种特殊的文件格式，当你在重新打开这压缩文件的时候，你就可以选择将图像进行fractal 放大。这种方法通常被用来放大使用数码相机得到的低分辨率的图像，它的最后显示结果很大程度上取决于被放大的物体本身。所以对于有些图像来说，采用Genuine Fractals放大可能会取得比较好的效果，但也有很大可能会得到较差的结果，所以也不宜采用这种方法。
2.3 插值算法简介
插值算法是应用十分广泛的一种方法。在数学分析中，往往用y?f(x)来描述一条平面曲线，但在实际问题中，函数y?f(x)往往是用通过试验观测得到的一组数据来给出的。插值的目的，就是根据给定的数据，寻找一个解析形式的函数??f(x),近似地代替f(x)。插值算法会自动选择信息较好的像素作为增加的像素，而并非只使用临近的像素，所以在放大图像时，图像看上去会比较平滑、干净，但必须注意的是图像信息已经改变。但插值并不能增加图像信息：一些照片中，有些人因为距离比较远，在照片上只有一个白点，但当图像插值放大时，这个人还是白点，只是比以前稍微大了些。 插值是数字图像处理领域里一个很大的分支，最简单的就是最临近插值法，有点实用价值的是双线性插值法。由于图像放大本质上是“无中生有”的凭空“捏造”一些像素出来，所以对于插值算法的要求就更高了。现在，在实际应用中，都通过在双线性插值的基础上通过高阶插值来修正的。
(1) 最邻近插值（Nearest-Neighbor Interpolation）
最简单的插值方法是所谓零阶插值。它的思想方法很简单。对于通过反向变换得到的的一个浮点坐标，对其进行简单的取整，得到一个整数型坐标，这个整数型坐标对应的像素值就是目的像素的像素值，可见，最邻近插值简单且直观，并且在执行中式效率最高的，当图像中包含象素之间灰度级有变化当细微结构时，最邻近插值法会在图像中产生人为痕迹。
篇三：Word排版素材-长文档草稿
本课题源于国家863高技术研究发展计划：“面向教育的海量知识资源组织、管理与服务系统”，该项目旨在研究一套区别于搜索引擎和现有数字文献管理系统的，支持用户多层次、多粒度知识获取，能够体现知识资源内在关联的导航与互动学习，并支持用户个性化查询和结果呈现的知识资源管理与服务系统。系统的体系结构包括：1、知识资源的组织与管理；2、知识资源的处理；3、个性化多模式三个层次。
相似性度量算法的关键技术是词汇、句子间语义相似度计算算法。语义相似度计算的准确性直接影响到主题图最后融合的效果，因此语义相似性度量的研究在主题图融合过程有着很重要的作用。
扩展主题图的数据格式用于描述信息资源组织、管理的结构，具有独立性和通用性，展示形式为“主题--知识元—资源”。相对于传统的基于元数据的资源组织方式，扩展主题图在物理资源实体上架构了一层语义网，实现了资源实体和抽象概念之间的语义组织和衔接，能提供知识的多层次，多粒度的语义搜索与导航。
现有的语义相似性度量的方法主要有基于词典和基于语料库两种。词典有着丰富的语义信息，但存在着未登录词的严重问题。目前发布的实用的词典：英文的WordNet(词网)、中文的HowNet(知网)[2]，均是封闭的系统，在计算未登录词时效果很差。
引言................................................................................................................................ 0
绪论................................................................................................................................ 3
第1章
1.1
1.1.1
1.1.2
1.2
1.1.3
1.1.4
1.3
1.1.5
1.1.6
1.4
1.1.7
1.1.8
第2章
1.5
1.1.9
1.1.10
1.6
1.1.11
1.1.12
1.7
1.1.13
1.1.14
1.8
1.1.15
1.1.16
第3章
1.9 课题的背景和意义 ...................................................................................... 4 研究的背景...................................................................................................... 4 研究的目的和意义................................................................................... 4 国内外研究现状....................................................................................... 4 词汇相似性度量研究现状....................................................................... 5 句子相似性度量研究现状....................................................................... 6 空间数与语义相似性度量....................................................................... 8 基于页空间数和语料片段的相似度计算............................................... 9 基于全信息理论的句子相似度算法..................................................... 11 句子相似度概念..................................................................................... 11 句子相似度计算的相关方法 .................................................................... 14 基于相同词汇的句子相似度计算方法........................................................ 14 基于语义信息的句子相似度计算方法................................................. 15 基于语义信息的句子相似度计算方法 ............................................. 15 结合句法结构信息的句子相似度计算方法 ..................................... 19 中心成分左右两边的其它成分相互不发生关系 ............................. 19 全信息理论概述 ................................................................................. 22 句子语义计算模型 ............................................................................. 23 全信息理论与句义三维模型 ............................................................. 25 算法的设计思想 ................................................................................. 27 主题图和主题图融合研究现状...................................................................... 5 网络搜索双检验模型与基于语料库的语义相似度度量.............................. 6 本章小结........................................................................................................ 11 基于向量空间的句子相似度计算方法........................................................ 17 基于全信息理论的句子相似度计算............................................................ 22 语义场的主要特征有：................................................................................ 24 算法的设计框架及详述 ............................................................................ 29 基于全信息理论的句子相似性度量算法的设计框架................................ 29
基于全信息理论的句子相似性度量算法详述 ................................. 29
算法：基于全信息理论的句子相似性度量算法 ............................. 30
1.1.17 1.1.18
1.10 本章小结 .................................................................................................... 33
算法的实验与分析 ............................................................................. 33
评价标准 ............................................................................................. 34
测试数据的准备 ................................................................................. 34
专业领域测试与分析 ......................................................................... 37
测试输入数据来源：日常生活用词 ................................................. 39
为了全面测试算法的性能 ................................................................. 39 1.1.19 1.1.20 1.1.21 1.1.22 1.12 1.1.23 1.1.24
第4章
1.13 1.11 HCSC算法的测试与评价 ............................................................................ 34 公共领域测试与分析 ................................................................................ 38 HCSC算法测试小结 ................................................................................. 46 以三项指标最高时的阀值为最终阈， .................................................... 46
根据表5-3可以得出以下结论： ...................................................... 47
基于全信息理论的句子相似度计算算法的测试 ............................. 47
融合测试实例数据集 ......................................................................... 50
集的融合 ............................................................................................. 51 1.1.25 1.1.26 1.14 1.1.27 1.1.28
1.15 语义相似性度量在yotta系统中的测试 .................................................. 49 融合后关系更加紧密，节点的连通度较大。表现在图的展示方面，显示效果较好。本质是似性度量在yotta系统中测试效果理想，性能较高，达到了国家863计划项目《面向教育的海量知识资源组织、管理与服务系统》—yotta
系统的要求，实现了预期的目标。...................................................................... 52
1.1.29
1.1.30
1.16
1.1.31
1.1.32
本章小结 ............................................................................................. 52 结论与展望 ......................................................................................... 53 展望 ..................................................................................................... 54 语义词典的丰富 ................................................................................. 54 工作总结 .................................................................................................... 53
第1章 课题的背景和意义
第一章 课题的背景和意义
1.1 研究的背景
本课题[1]源于国家863高技术研究发展计划：“面向教育的海量知识资源组织、管理与服务系统”，该项目旨在研究一套区别于搜索引擎和现有数字文献管理系统的，支持用户多层次、多粒度知识获取，能够体现知识资源内在关联的导航与互动学习，并支持用户个性化查询和结果呈现的知识资源管理与服务系统。系统的体系结构包括：1、知识资源的组织与管理；2、知识资源的处理；3、个性化多模式三个层次。
相似性度量算法的关键技术是词汇、句子间语义相似度计算算法。语义相似度计算的准确性直接影响到主题图最后融合的效果，因此语义相似性度量的研究在主题图融合过程有着很重要的作用。
1.1.1 研究的目的和意义
扩展主题图的数据格式用于描述信息资源组织、管理的结构，具有独立性和通用性，展示形式为“主题--知识元—资源”。相对于传统的基于元数据的资源组织方式，扩展主题图在物理资源实体上架构了一层语义网，实现了资源实体和抽象概念之间的语义组织和衔接，能提供知识的多层次，多粒度的语义搜索与导航。
现有的语义相似性度量的方法主要有基于词典和基于语料库两种。词典有着丰富的语义信息，但存在着未登录词的严重问题。目前发布的实用的词典：英文的WordNet(词网)、中文的HowNet(知网)[2]，均是封闭的系统，在计算未登录词时效果很差。
1.1.2 国内外研究现状
课题组针对传统主题图无法提供多粒度知识组织管理的问题，提出了扩展主题图标准。当前关于扩展主题图的研究较少，本文在此只介绍传统主题图的相关研究。
免费论文网友情提示：本网站所有内容为共享上传提供，不涉及任何商业利益，本站对此不承担任何保证责任！
Copyright © www.csmayi.cn Corporation, All Rights Reserved 共享时代 共享你我他 版权所有