新闻详情

新闻详情

首页 / 资讯中心 / 详情

毕业论文word排版之公式自动化编号及交叉引用

发布时间:2026/11/17 8:09:14来源:尧图网络
毕业论文word排版之公式自动化编号及交叉引用
目录1. 总体需求2. 软件环境3. 插入公式3.1 开始新的章编号3.2 插入编号3.3 公式居中公式编号右对齐3.3.1 新建“公式”样式3.3.2 对齐公式4. 引用公式5. 刷新公式编号1. 总体需求目标公式居中公式编号右对齐公式编号自动编号且编号与所在章相关如第一章的公式编号为1.1、1.2等等第二章的公式编号为2.1、2.2等等其中“.”是章编号与公式编号的分隔符。此外当删除或者新增公式时公式编号可以自动更新。备注可以用很多种方法实现笔者也试过很多种方法有些方法比较复杂用起来也不方便下面介绍的是我试过的方法里面最简单的一种。2. 软件环境1mathtype 7.42office 20243. 插入公式3.1 开始新的章编号这一步的目的是告知计算机当前的公式处于哪章这样编号时它才知道是1.x还是2.x。需要在每一章的正文任意一个位置注意不要在标题上操作否则生成目录时会显示出这个分隔符我这里统一在每一章第一段话的最后操作点击下图红色箭头所示的“插入下一章”操作完以后有可能看不到任何新增的东西可以按键盘CtrlShift8能显示下图箭头所示的红色字体这就是插入的章分隔符按CtrlShift8可以切换显示/隐藏该分隔符。3.2 插入编号点击MathType-插入编号-格式化设置如下图所示这里的分隔符是“.”如果公式要设置为1-1这种格式分隔符就要设置为“-”“附件”那里默认是圆括号如果公式编号不需要括号也可以把“附件”前面的勾去掉。鼠标光标放到公式的右侧点击下图红色箭头所示的“插入编号”即可完成公式编号的插入。3.3 公式居中公式编号右对齐3.3.1 新建“公式”样式点击开始-样式区右下角的向下的箭头图标如下图红色箭头所示会弹出下图点击下图红色方框图标新建样式自己起一个样式名字这里我命名为“公式”下图显示的名称是“公式2”是因为我已经建好“公式”样式了只能另起一个名字。点击上图中格式-字体字体设置如下点击格式-段落设置如下点击格式-制表位设置如下图所示3.3.2 对齐公式把光标放到自己所插入的公式所处的行点击下图红色箭头所示的“公式”样式将上述新建的“公式”样式应用于自己的公式然后在公式的左边按Tab键公式的右边按Tab键就可以让公式左边有个制表位公式与公式编号之间也有一个制表位就能让公式居中对齐公式编号右对齐。如下图所示效果4. 引用公式鼠标光标放到需要引用公式的地方点击MathType-插入引用然后双击需要引用的公式编号就可以引用该公式了。5. 刷新公式编号如果前面的公式被删除或者前面新增了公式全文公式编号要更新键盘按CtrlA选中全文然后按F9键点击“更新整个目录”全文的公式编号、题注编号、目录等都自动更新。备注创作不易未经允许不得转载。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉