排序方式: 共有20条查询结果,搜索用时 0 毫秒
1.
安妮塔·德赛是著名的印度移民女作家,是印度当代三大女性作家之一。她凭借《白日悠光》、《在拘留中》以及《斋宴·盛宴》三次提名"布克奖",对印度当代文学影响深远。新时期国外对安妮塔·德赛的研究呈多元化趋势,研究者从多个角度阐释安妮塔·德赛及其作品,注重其作品中体现的"疏离"主题以及作者独特的空间叙事模式,高度赞扬了德赛对传统叙事方式的突破,但国内对其研究仍处于起步阶段。通过对安妮塔·德赛的研究综述,不仅可以深入分析安妮塔·德赛的后殖民女性主义思想,而且可以为以后中国的德赛研究提供一定的参考。 相似文献
2.
该文基于有机-无机复合膜和纳米技术研制了一种新型的高灵敏度的电流型过氧化氢(H2O2)生物传感器.首先将壳聚糖(CS)和氨丙基三乙氧基硅烷(APTES)交联制得复合膜(CSHMs),并以该膜固载甲苯胺蓝(TB)和纳米金(GNPs),然后将HRP与CSHMs-TB-GNPs混合滴涂在玻碳电极的表面,最后在其表面吸附一层Nafion保护膜,制得Nafion/CSHMs-TB-GNPs-HRP/GCE修饰电极.Nafion膜可以减少HRP的泄漏,同时增强了传感器的抗干扰能力.用紫外吸收光谱法分析了修饰膜成分的组成,用循环伏安法对修饰电极进行了表征,并用计时电流法对H2O2传感器的性能进行了研究.实验结果表明,在最佳实验条件下,H2O2浓度在7.0×10-7~2.3×10-3mol/L范围内与其还原峰电流呈现良好的线性关系,检测下限为2.4×10-7mol/L(信噪比3). 相似文献
3.
鞋子在人们的日常生活中扮演着非常重要的角色,它早已从最初对人脚的保护功能上升为人们对美的享受,对个性化的追求.我国是世界制鞋和出口第一大国,如今市场上鞋子的款式可谓琳琅满目,千变万化. 相似文献
4.
5.
以聚脲材料动态压缩力学特性为研究对象,提出了考虑动态弹性模量、动态强度因子和动态切线模量的简化三直线弹塑性本构模型;基于ANSYS/LS-DYNA有限元分析软件,建立了低、中、高不同应变率下聚脲材料压缩有限元模型,并与实验结果进行对比分析。结果表明:动态弹性模量增大因子、动态强度因子和动态切线模量因子随应变率增加而有规律的增大,均和应变率的对数呈双线性关系。在中低应变率下,三者的线性关系斜率都比较平缓;在高应变率下,三者的线性关系斜率都比较陡,且弹性模量动态增大因子的斜率比动态强度因子的更大,而第二阶段动态切线模量因子的斜率与动态强度因子的基本一致,但第三阶段动态切线模量因子的斜率是动态强度因子的2.3倍左右,说明高应变率下聚脲材料的后期应力强化效应更加显著。聚脲材料的简化三直线弹塑性本构模型可以在ANSYS/LS-DYNA有限元软件中较好地实现。该文建立的有限元模型能较为准确地模拟聚脲材料压缩实验,进一步验证了简化弹塑性本构模型在不同应变率压缩加载下的有效性。该研究可以为聚脲涂覆加固防护结构有限元模型提供材料模型参数依据。 相似文献
6.
通过事件研究方法考察了中美两国纺织业股票价格波动情况,发现虽然中美经过七轮磋商达成的关于纺织品的协议并没有时两国纺织业上市公司的股票造成显著的影响,中国纺织业也没有时美国纺织业造成显著冲击,但中美两国的纺织品贸易摩擦对于中国纺织业的损害远远高于美国. 相似文献
7.
基于壳聚糖-纳米TiO2复合膜/CdSe固定血红蛋白的过氧化氢生物传感器的研究 总被引:1,自引:0,他引:1
以壳聚糖/nano-TiO2复合膜为基底固载量子点硒化镉(CdSe)和血红蛋白(Hb)制备过氧化氢生物传感器.用循环伏安法对修饰电极进行了表征,并用计时电流法对过氧化氢(H2O2)生物传感器的性能进行了研究.结果表明,在优化的实验条件下,该传感器的响应电流与其浓度在3.9×10-6~1.2×10-2mol/L范围内呈良好的线性关系,检出限为1.0×10-6mol/L.该传感器的米氏常数为1.65mmol/L,表明所固定的酶具有较高的生物活性. 相似文献
8.
衰老过程是人不可避免的自然规律,老年人常见的生理特征变化及对应的鞋靴设计要素有很多种.什么样的鞋靴才能使老年人穿着起来既显得美观大方又轻便舒适?本文以老年人不同的生理特征为例概述了鞋靴设计的不同形式. 相似文献
9.
只有充分了解穿着者的心理动机和鞋靴美学的心理基础,才能增强在鞋靴设计中的自主性,减少盲目性。本文主要从消费者心理的角度挖掘了现代鞋靴设计中的几个要素,为鞋靴设计师和消费者提供一点参考。 相似文献
10.
概念漂移是流数据挖掘领域中的一个重要且具有挑战性的难题.然而,目前的方法大多仅能够处理线性或简单的非线性映射,深度神经网络虽然有较强的非线性拟合能力,但在流数据挖掘任务中,每次只能在新得到的1个或一批样本上进行训练,学习模型难以实时调整以适应动态变化的数据流.为解决上述问题,将梯度提升算法的纠错思想引入含概念漂移的流数据挖掘任务之中,提出了一种基于自适应深度集成网络的概念漂移收敛方法 (concept drift convergence method based on adaptive deep ensemble networks,CD_ADEN).该模型集成多个浅层神经网络作为基学习器,后序基学习器在前序基学习器输出的基础上不断纠错,具有较高的实时泛化性能.此外,由于浅层神经网络有较快的收敛速度,因此所提出的模型能够较快地从概念漂移造成的精度下降中恢复.多个数据集上的实验结果表明,所提出的CD_ADEN方法平均实时精度有明显提高,相较于对比方法,平均实时精度有1%~5%的提升,且平均序值在7种典型的对比算法中排名第一.说明所提出的方法能够对前序输出进行纠错,且学习模型能够快速地从概念... 相似文献