剖视图

摘要： 机件的内部结构用视图表达时会出现许多的虚线,这些虚线不仅影响图的清晰度,不便于尺寸标注,而且给看图带来了困难.为了方便画图、标注尺寸和读图,常常会把零件的内腔结构用剖视图来表达,手工绘制剖视图时,需要确定剖切位置、标注剖切符号、书写大写字母并在相应的剖视图上方注写剖视图名称"X-X",最后,判断空与实,在剖切到的实体部分填充剖面线,步骤尤为繁琐.而用AutoCAD软件绘制零件剖视图时,可以快速地将实体生成剖视图,笔者以组合体为例,介绍在AutoCAD中如何快速生成剖视图以及剖视图标注参数的设置方法,对提高作图效率和准确性有积极作用.

摘要： 1944年美国莱特发动机公司的宣传招贴。莱特公司是美国历史最悠久的肮空动力企业,其前身可以追溯到莱特兄弟创立的私营企业。从1903年莱特兄弟第一台飞机发动机,到第一次世界大战和第二次世界大战,莱特公司一直在开发制造各种航空动力装置。宣传画的创意相当精彩,画面以5台各个时期最为经典的莱特活塞航空发动机剖视图为主。

摘要： 机械制图教学中,翻阅很多班级学生的作业时发现剖视图部分的错误较多,通常为多线、少线、剖面线位置错误等。分析一下,应是学生对物体结构没有明确的认识,只是似是而非地完成作业而已。经过几年的教学,思考将组合体试图这一章节中的形体分析法运用到剖视图部分,经过实践发现用形体分析法的确能帮助学生建立结构,了解物体的结构之后,再画剖视图就会取得较好的效果。

摘要： 开展信息化教学是高职院校提升教师教学水平,提高人才培养质量的重要手段.现以机械制图课程中《机件剖视图的绘制》为例,从教学分析、教学设计、教学过程、教学反思等方面探讨了信息化教学的应用.

摘要： 三视图是工程制图中最基本的视图, 由于三视图已经包含了X、 Y、 Z轴的信息, 通常情况下三视图能唯一表达一个形体,但在一些特殊的情况下,三视图不能唯一确定一个形体,本文就该现象产生的原因及解决方法进行了论述.

摘要： 剖视图是机械制图教学中的重点内容,可直接影响学生对零件图和装配图的学习.UG作为一种绘图软件,将建模模块应用在剖视图的教学中,使抽象的剖视图更为直观化,从而大大提高了制图课堂的教学效率.

摘要： 说课作为当今教学改革的新课题,教学研究工作的新形势,不仅促进了教师对教学大纲、教材的钻研,丰富教师的学科知识;也促进了教师对学生学情的研究,提高教师的职业技能.本文分别以C学校《工程制图》课程的教学大纲以及 "剖视图的形成与画法"为出发点和落脚点,阐述了在吃透大纲,专研教材,分析学情的基础上,进行教学设计,整体构思,进一步提高教学效果.

摘要： 标准术语要求使用通俗的语言,准确地表达概念和事物的特征。技术制图术语是技术制图语言统一的基础。在工程图学中"剖视图"是个十分重要的概念,这一概念的准确程度,对学习和掌握剖视的画法至关重要。通过对制图新标准的学习与思考,并结合多年的教学经验,指出新标准中某些术语表述的不妥之处,并给出自己的定义。

摘要： 在AutoCAD中使用多种命令和图形组合形成三维实心体各种形式的剖视图,从而解决了模型图纸化中急待解决的相应问题.

摘要： 鉴于现有CAD软件缺少由三维模型到机械工程图纸的有效方法,提出了一种基于AutoCAD2000的零件剖视图直接由零件三维模型生成的可靠方法.采取了分段切割,截面投影拼合,剖切体视图消隐的处理过程.考虑到由二维设计到三维设计的过渡过程中,仍然需要两者兼顾,因而该方法为三维与工程图纸架起了一道沟通的桥梁.

摘要： 为推进工程图学课程的教学改革,本文选择了中英美教材,从总体上比较其逻辑关系,讨论其差异和相同.本文主要分析了中外工程制图的教材体系,国内教材往往定位于理论基础,英美教材则表现为工程素质基础;说明了第一角投影和第三角投影体系在观念上细微的不同;对比了两类教材在立体表面交线上的不同处理方式;研究了剖视图概念在中外教材中逻辑关系.

摘要： 据笔者多年教学和国标使用经验,对机件表达方法中斜视图画法、视图和剖视图配置、旋转剖视图画法以及简化表示法等问题提出了一些个人看法和建议.

摘要： 本文作才提出了工程制图教材中某些概念叙述混乱和缺乏严谨性的问题,给出了自己的见解,以进一步完善制图教材建设.

摘要： 本文作才提出了工程制图教材中某些概念叙述混乱和缺乏严谨性的问题,给出了自己的见解,以进一步完善制图教材建设.

摘要： 本文作才提出了工程制图教材中某些概念叙述混乱和缺乏严谨性的问题,给出了自己的见解,以进一步完善制图教材建设.

摘要： 本文作才提出了工程制图教材中某些概念叙述混乱和缺乏严谨性的问题,给出了自己的见解,以进一步完善制图教材建设.

摘要： 本文作才提出了工程制图教材中某些概念叙述混乱和缺乏严谨性的问题,给出了自己的见解,以进一步完善制图教材建设.

摘要： 本文中描述用于将含有多个经译码视图的视频流封装于媒体文件中的技术。在一个实例中，一种方法包含剖析视频数据的轨迹，其中所述轨迹包含一或多个视图。所述方法进一步包含剖析信息以确定需要参考视图的纹理视图还是深度视图以用于解码所述轨迹中的所述一或多个视图中的至少一者。另一实例方法包含：编制视频数据的轨迹，其中所述轨迹包含一或多个视图；及编制指示需要参考视图的纹理视图还是深度视图以用于解码所述轨迹中的所述一或多个视图中的至少一者的信息。

摘要： 本发明涉及超声诊断成像系统和方法，其中在整个生理周期中采集关于感兴趣解剖区域的体积数据，并建立该体积数据相关的3D视图，在整个上面提到的生理周期中(在空间和/或时间上)分析感兴趣结构的运动，并且在呈现给用户时，使用该运动来移动感兴趣结构的3D视图，以便使它跟踪感兴趣结构并将该结构保持在3D视图的中央。

摘要： 多视图显示系统采用多视图显示器，该多视图显示器被配置为提供表示多视图图像的多个视图和与多个视图的终点视图相关联的视图终点指示器。视图终点指示器被配置为提示多视图显示系统的用户多个视图的角度终点。

摘要： 本发明涉及在多视图译码文件格式中当前视图对参考视图的相依性的指示。本文中描述用于将含有多个经译码视图的视频流封装于媒体文件中的技术。在一个实例中，一种方法包含剖析视频数据的轨迹，其中所述轨迹包含一或多个视图。所述方法进一步包含剖析信息以确定需要参考视图的纹理视图还是深度视图以用于解码所述轨迹中的所述一或多个视图中的至少一者。另一实例方法包含：编制视频数据的轨迹，其中所述轨迹包含一或多个视图；及编制指示需要参考视图的纹理视图还是深度视图以用于解码所述轨迹中的所述一或多个视图中的至少一者的信息。

摘要： 本文中描述用于将含有多个经译码视图的视频流封装于媒体文件中的技术。在一个实例中，一种方法包含剖析视频数据的轨迹，其中所述轨迹包含一或多个视图。所述方法进一步包含剖析信息以确定需要参考视图的纹理视图还是深度视图以用于解码所述轨迹中的所述一或多个视图中的至少一者。另一实例方法包含：编制视频数据的轨迹，其中所述轨迹包含一或多个视图；及编制指示需要参考视图的纹理视图还是深度视图以用于解码所述轨迹中的所述一或多个视图中的至少一者的信息。

摘要： 利用具有寄存器视图、源视图、指令视图以及多个寄存器模板的微处理器体系架构执行指令块的方法。该方法包括，利用全局前端接收进来的指令序列；将指令分组以形成指令块；使用多个寄存器模板，以通过采用对应于所述指令块的块号填充所述寄存器模板来跟踪指令目标和指令源，其中对应于所述指令块的所述块号指示所述指令块之间的相互依赖关系；使用寄存器视图数据结构，其中寄存器视图数据结构存储了对应于指令块的目标；使用源视图数据结构，其中源视图数据结构存储了对应于指令块的源；并且使用指令视图数据结构，其中指令视图数据结构存储了对应于指令块的指令。

摘要： 本申请提出了一种物化视图的自动创建方法，包括：获取历史查询记录；从所有历史查询语句中提取出至少一频繁项集；将涉及相同基础数据表的所有频繁项集按照关联性由强到弱排序获得频繁项集顺序集；第一次根据频繁项集顺序集依次创建对应的物化视图，在每创建一物化视图后计算对应的收益率并删除该物化视图，根据所有收益率获取筛除条件；第二次根据频繁项集顺序集依次创建对应的物化视图，直到创建任一物化视图后计算得到的收益率小于或等于筛除条件时停止。该方法通过分析历史查询记录，提炼出多个数据元进行频繁项集挖掘，根据频繁项集自动创建对应的物化视图，并通过物化视图的收益率控制物化视图的数量，合理规划和利用存储空间。

摘要： 本公开涉及用于从姿态图像集估计准确的多平面图像的方法和装置。MPI表示的准确度由其通过逆单应采样和α合成生成的视图的性能来测量。表示具有任意几何形状的场景的可能不同分辨率下的可变数量的姿态图像用作系统的输入。构建可能基于深度学习方法训练的第一级别的三个模块，以用于提取视图特征和场景特征和颜色分数。可以在结构中构建和组织多个级别的相同三个模块，在该结构中，级别涉及姿态图像的缩放版本。

摘要： 多视图背光、多视图显示器和多视图背光操作方法，包括微缝多束元件，其被配置为提供具有与多视图图像的视图方向相对应的方向的定向光束的发射光。多视图背光包括被配置为引导光的光导和微缝多束元件的阵列，每个微缝多束元件包括多个微缝子元件并且被配置为反射地散射出被引导光的部分作为发射光。多个微缝子元件中的每个微缝子元件包括倾斜的反射侧壁，该倾斜的反射侧壁具有偏向远离被引导光的传播方向的倾斜角。多视图显示器包括多视图背光和用于调制定向光束光阀的阵列以提供多视图图像。

摘要： 本发明公开一种基于视图注意力驱动的多视图聚类方法，包括：构建多视图特征提取网络；构建多视图特征提取网络训练时所需损失函数，并进行网络训练，得到多视图特征提取网络模型；将多视图样本数据输入所述多视图特征提取网络模型中，得到不同样本的所有视图特征表示；将同一样本的所有视图的特征表示进行连接，对连接后不同多视图样本特征数据采用k‑means算法进行聚类，得到多视图样本数据的聚类结果。本发明采用对比学习和注意力机制学习不同视图数据的特征表示，在学习不同视图的特征表示时，同时考虑其他视图所关注的信息，从而加强对所有视图中存在的一致性信息的关注和减少仅存于视图子集中与聚类目标无关信息的影响。