) _. A0 v, L. a5 F\lhead{一个~\LaTeX+CJK~的简单模板} 4 k( l; R8 k0 h0 G" F. w- P\rhead{\TeX~爱好者}) x& W O! y. U ~, a$ O) g
\lfoot{用~\LaTeX~写科技论文} 6 |* @) Y; Z. O% d6 \\rfoot{~\thepage~}0 _3 H$ M! x. I7 W x
3 m) p1 h- s- N3 E# @%%%%%%%%%% 论文标题、作者等 %%%%%%%%%%5 m( K) Q1 E# A n5 ]; h) W5 d
+ o9 f4 h) v( O, F% p1 { y3 R
\title{用~\LaTeX~写科技论文 % 论文标题% Q4 _( `# j0 J( |
\thanks{这是一个为初学者写的~\LaTeX+CJK~论文模板，未经作者允许可以8 I5 I/ u; T; S0 p. ~6 h' O
随意下载使用并修改传播，目的是让更多的人迅速上手用~\LaTeX~系统写作。}/ x4 e% l% s3 _+ T! a
} 5 O, s% c/ j& \; ?+ _\author{于江生\\ % 作者 / g# \+ S7 ?. Y1 b K6 e9 ` 北京大学计算机系} * D& J# R) J, ]) _\date{2008年10月01日} % 日期 : [& B0 d6 ?: ] n+ |4 X) t' f\maketitle % 生成标题 # _9 j+ O' {! N+ H/ Z+ ^\tableofcontents % 插入目录 * d5 h( @+ N" i5 ?3 Y\thispagestyle{empty} % 首页无页眉页脚 5 [+ B7 ]% d3 Q" v4 X/ N. b6 d- s2 z" t d! b" v; R- I
\begin{abstract} & P' o, T8 ?: U$ l7 d& `+ R/ @\noindent % 不缩进 - M- b: S# F: p( p/ C' `这是一个简单的~\LaTeX+CJK~的模板，为~\TeX~的初学者提供便利上手的参照。 + Z- a6 u$ g z8 Y该模板在FreeBSD+te\TeX下编译通过，适合在UNIX下工作的朋友。 W7 Z6 O% v7 A0 P4 V6 H7 G
从一个简单的模板出发，不断地提升对~\TeX~的认识，培养良好的写作风格。 2 ?# w! h4 [5 @" w! @5 { o网上有大量的资料，我推荐~\LaTeX~编辑部：http://zzg34b.w3.c361.com/index.htm，* [* m5 N+ v$ Q2 u- a0 G+ r
那里能找到国内外许多期刊的模板和一些高校博/硕士论文的模板。祝玩儿得开心！ 8 n- o0 d& i; b' N; Q0 s% G\end{abstract}- |, g% R3 K9 }: c& E5 Y
/ O% ^4 c; |6 x( k
8 E b( y9 v( C @3 N, K. h- H
\PencilRightUp % 一些可爱的图标，需要bbding宏包的支持 ) _# e) ^0 V" ~" m+ a9 f公元~1974~年，ACM~图灵奖授予了~Standford~大学教授\index{Donald E. Knuth}~Donald E. Knuth~（高德纳），4 G$ e8 e4 f3 h; C* O4 l9 k+ X
表彰他在算法和程序语言设计等多方面杰出的成就。他的巨著~The Art of Computer Programming~令人震撼， $ D9 B2 K9 ^' ]4 ]$ w# a感兴趣的读者可以访问他的主页~http://www-cs-faculty.stanford.edu/\~{}knuth/index.html。 3 g* d! ]. n" i- W7 v* v& V另外，Knuth~的突出贡献还包括\index{\TeX系统}~\TeX~系统，毫不夸张地评价， : e( `/ \) R _& D\TeX~给科技论文的排版带来了一场革命。 % D: `3 ?% Z) g+ U' m. ]%%%%%%%%%% section %%%%%%%%%%. `, e4 r8 t# n, ~6 `0 x8 x
\section{编辑数学公式} 0 f* S: S1 ]% U+ t f. p+ g\indent % 恢复缩进# j1 J2 O! a4 s" H' `
\TeX~有诸如AMS\TeX、\LaTeX~等宏库。在~FreeBSD~下，缺省的宏库是~te\TeX。 , G2 H9 H4 {: X8 aKnuth~用~\$~符号界定数学公式，意味着每个好的公式都是无价之宝。 4 J0 O2 M, R& s% q/ ^0 h5 t5 s2 y3 ~有了~\TeX~系统，输入数学公式变得简单愉快。如， & D0 b% K, w. Y$ d/ ]# U\begin{theorem}[L\'{e}vy\index{L\'{e}vy~定理}]1 S) \/ \/ {9 h! m
令~$F(x),\varphi(t)$~分别为随机变量~$X$~的分布函数和特征函数。' Y% s! a! Z* V& P' F+ a" L( m, I
假定~$F(x)$~在~$a+h$~和~$a-h (h>0)$~处连续，则有 + W2 Y) v$ {% ~5 M0 i\begin{eqnarray} ' a1 z: @) |6 M) H) y \label{Levy theorem} % 方程的标记可以是专有名词 8 _1 c+ L- ]. j; vF(a+h)-F(a-h)&=&\lim_{T\rightarrow\infty} \frac{1}{\pi}\int^{T}_{-T} \frac{\sin ht}{t} e^{-ita} \varphi(t)dt6 z: W+ |$ Q. X+ A
\end{eqnarray} * K W( Q+ ~1 b7 _5 F\end{theorem}, `: E3 X- x9 P' Q( R! u- H3 X9 s
\begin{proof} $ e. m$ a' O/ X: s 从略。感兴趣的读者可以参考……。 6 a, M5 h i) _0 J5 o' X\end{proof}. ~. E8 g- w- g* a- O
L\'{e}vy~定理在分布函数和特征函数之间搭建了一座桥梁。由公式~(\ref{Levy theorem})~可得" {4 k" b8 E: e0 o3 w$ R
\begin{eqnarray}) c5 d# C3 V6 [1 O$ k& S
\label{DensityCharacteristic} % 自定义的标记 4 ?- u$ X5 c. q7 \ f(x)&=&\frac{1}{2\pi}\int^{+\infty}_{-\infty} e^{-itx}\varphi(t)dt. ]' N7 {, U* c" p3 h' j- w' Y
\end{eqnarray} 6 m# K' m2 l6 S R z) f\begin{proof} M7 }7 D; o3 j2 I2 [& Y. l2 |由~(\ref{Levy theorem})~和~Lebesgue~定理，我们有 9 V4 I2 y/ z# O" x$ G\begin{eqnarray} 9 F" Y0 W, ^! ^ \frac{F(x+\Delta x)-F(x)}{\Delta x}&=&\frac{1}{2\pi} \int^{+\infty}_{-\infty} , V2 \" f5 H9 }9 B\frac{\sin(t\Delta x/2)}{t\Delta x/2} e^{-it(x+\Delta x/2)} \varphi(t) dt\nonumber\\ t7 C7 P9 J( ~8 J! F' p. b: ` f(x)&=&\frac{1}{2\pi} \int^{+\infty}_{-\infty} \lim_{\Delta x\rightarrow 0} ; N- l2 N+ i9 ]\frac{\sin(t\Delta x/2)}{t\Delta x/2} e^{-it(x+\Delta x/2)} \varphi(t) dt\nonumber\\ ; n/ ~3 J( _/ [6 N0 I' H7 E `; ? &=&\frac{1}{2\pi}\int^{+\infty}_{-\infty} e^{-itx}\varphi(t)dt\nonumber* s% G, c1 Y4 ]0 F, S* k1 G
\end{eqnarray}& a E% d+ G4 Q- o- n$ P
我们知道特征函数的定义是$ \$ i7 s* G6 C$ e# @
\begin{eqnarray} 8 D- f" c! b2 ~: P) u5 p5 C \label{section1:characteristic} % 标记中注明了章节号 . B* h( G* k+ N \varphi(t)&=& E(e^{itX})\nonumber\\" T" O! z1 |7 v* L4 H5 Z
&=& \int^{+\infty}_{-\infty} e^{itx} f(x)dx g1 j: N) F; e1 A& @\end{eqnarray} ( [" C) ]4 N0 k, K7 |4 W对比~(\ref{DensityCharacteristic})~和~(\ref{section1:characteristic})~可见， 6 C. n7 y3 {# H: `密度函数和特征函数之间的关系非常巧妙。$ m& Z; r5 a) D( z* Q, E& `
\end{proof} - m' E5 v4 G# ?7 c+ D\HandRight 在~\TeX~环境里，数学公式的表达是很自然的，绝大多数命令就是英文的数学 + g# k# h6 d& a! H2 s专有名词或它们的缩写，如果你以前读过英文的数学文献，记忆这些命令是不难的。 ; c3 c. [) W9 m) x手头有个命令快速寻查表是很方便的， - p" R# n$ s8 E( g, W我用的是~Hypertext Help with \LaTeX，网上可以搜到，是免费的。; A5 x6 V9 v& X0 D
%%%%%%%%%% section %%%%%%%%%% ( W, b" r6 h7 Q$ E\section{符号、字体、颜色等}, G3 X$ L; P! ?
\begin{itemize} 3 Y% y+ y; s( ^7 C$ O \item 特殊字符：\# \$ \% \^{} \& \_ \{ \} \~{} $\backslash \cdots$ " d0 k4 }( Z* w. X \item 中文字体：{\song 宋体} {\kai 楷体} {\hei 黑体} {\fs 仿宋}0 q5 k( O2 a' F" a' `
\item 字体大小：{\tiny tiny} {\small small} {\normalsize normalsize}9 Y" f7 i: t/ m; h3 [
{\large large} {\Large Large} {\huge huge} {\Huge Huge} 3 I% X- [- r! F$ V9 Z# @3 d$ E0 u \item 汉字大小：{\wuhao 五号} {\dawu 大五} {\xiaosi 小四} {\sihao 四号}6 r" u! r1 G8 V1 H3 c1 E9 Y* N
{\xiaosan 小三} {\sanhao 三号} {\xiaoer 小二} {\erhao 二号} {\yihao 一号}9 x0 F H+ i+ f4 ?' Q
\item 各种颜色：{\color{red} 红色} {\color{yellow} 黄色} {\color{blue} 蓝色}3 D# V6 T: [% U( y; k
{\color{magenta} 洋红} {\color{cyan} 蓝绿} : p3 u1 x0 F7 D9 \% c. ] A. B; H# ~\end{itemize}/ q. s3 c3 t6 U! c ~
%%%%%%%%%%% section %%%%%%%%%% 6 @) @8 c: I6 r. y\section{图形表格等浮动对象}& b. V7 Z, h$ J3 k y! J3 c' e
; Q; z5 r7 P" H$ H! d C+ R
6 O6 N9 c" J6 b, _
\index{贝叶斯方法}贝叶斯方法~\cite{Gelman}~主要用于小样本数据分析，它利用参数先验分布和: O& W( Q9 [0 j4 f
后验分布之差异进行统计推断，其一般步骤是： / ], Y( @* e2 ^! o9 Z# L z\begin{enumerate} 1 ?; l# w, p9 R7 n% @# g) e1 D8 O \item 构建概率模型，包括参数的先验分布。 0 ^. |$ s9 b$ Z) @( z \item 给定观察数据，计算参数的后验分布。, Z0 c- L6 L f+ L) s* L6 t
\item 分析模型的效果，如有必要，回到第一步。2 z9 n; ]8 Z0 T
\end{enumerate}% J1 U. v% d% D- \' ~% V& h
下面，我们给一个表格的例子：. u/ b/ P7 l. H! ^! M% w
\begin{center} . M) U# s8 m" y3 L8 B" l\begin{table}[!h] % 强制在原位显示表格! b0 c i& I* c
\centering# G8 Z1 [5 m6 B" d7 {5 t, U
\caption{二维随机向量$(X,Y)$的边缘分布} % {/ g5 P+ e2 h: r2 n F5 d( L\begin{tabular}{l|ccccc|c} 7 j6 A' C! G* ]0 j# N $_X$\hspace{3mm} $^Y$&$y_1$&$y_2$&$\cdots$&$y_j$&$\cdots$\\$ L2 C, x0 e* j$ }1 _, d8 o
\hline 9 a' D5 U$ o3 S$x_1$ &$p_{11}$&$p_{12}$&$\cdots$&$p_{1j}$&$\cdots$&$p_{1\cdot}$\\7 R7 Y' @8 c& d3 E/ E0 i
$x_2$ &$p_{21}$&$p_{22}$&$\cdots$&$p_{2j}$&$\cdots$&$p_{2\cdot}$\\9 v1 s# l( H6 d. q7 P1 L
$\vdots$&$\vdots$&$\vdots$&$\vdots$&$\vdots$&$\vdots$&$\vdots$ \\ 8 s: D+ v1 F, |$x_i$ &$p_{i1}$&$p_{i2}$&$\cdots$&$p_{ij}$&$\cdots$&$p_{i\cdot}$\\ T4 `$ {- K- D$\vdots$&$\vdots$&$\vdots$&$\vdots$&$\vdots$&$\vdots$&$\vdots$ \\+ i8 A* i! d: | q5 {6 ?
\hline8 ?6 X- s+ Z; ]- ?
&$p_{\cdot 1}$&$p_{\cdot 2}$&$\cdots$&$p_{\cdot j}$&$\cdots$&15 g. l" Y- U* Z4 M4 L1 t/ f! ~* i
\label{marginal distribution}8 D. _. ]" X2 Q; Y
\end{tabular}5 S8 _/ Y/ R- p0 n( _+ W' u. q
\end{table} - D' Z3 M B. `\end{center} * M$ k5 q* S9 r4 j' ]) ` t在表~\ref{marginal distribution}中，$p_{\cdot j}=\sum\limits_i p_{ij}$，类似地，$ p_{i\cdot}=\sum\limits_j p_{ij}$。; X+ F1 e, d2 {5 m0 w, d
% 插入一个图片& k9 Z. p+ q0 y: Q3 f$ a- d; G* C$ Z
%\includegraphics[width=50mm,height=40mm]{figures/demo.eps} ; L- u, K! \9 C l# p# C) B r& t$ M2 }# Q2 B G
1 l& H5 ^. `* n9 F%%%%%%%%%% section %%%%%%%%%%' K2 L6 m0 Y. f# N7 t
\section{生成索引}# R1 Z" U: E$ w- @3 T. N* B( [
键入命令：makeindex 文件名。\newline . P2 x% |, H6 d\indent 譬如对这个模板，生成~Template4CJK.ind~的过程如下。 ; w( U( ^# ]' m0 v+ h& A\begin{lstlisting} ; x9 s/ R5 f+ z" s7 t; _$ f$ makeindex Template4CJK 5 a& s# E( f, y$ u( }+ o/ FThis is makeindex, version 2.14 [02-Oct-2002] (kpathsea + Thai support).4 i# _6 ]2 j0 g$ }
Scanning input file Template4CJK.idx....done (4 entries accepted, 0 rejected). ) @* _1 f. R: ?Sorting entries....done (9 comparisons)., \5 _, e6 k7 X: s+ _
Generating output file Template4CJK.ind....done (18 lines written, 0 warnings). ( V9 c9 N$ Y; h. p8 mOutput written in Template4CJK.ind./ Y8 ?$ H2 ^- }4 a C8 I6 ^; e! q
Transcript written in Template4CJK.ilg. 1 u2 H7 H7 i; o1 K, P1 Z\end{lstlisting} . e. m5 U# N( y5 `1 @4 h* c r- V# A* B5 | f/ X) Z 4 G4 u1 `- M1 `. |( ]\printindex % 打印出索引名及其所在页码，即那些\index{索引名}$ I7 R, E! L) }# N. v' t
%%%%%%%%%% 参考文献 %%%%%%%%%%& C! a: T$ m9 C1 l
\begin{thebibliography}{} V" _7 m. d }2 P6 H& D! N, ^
\bibitem[Gelman et~al., 2004]{Gelman} Gelman, A., Carlin, J.~B., Stern, H.~S. \& Rubin, D.~B. (2004) B# y# c6 m3 f! Z W' q: e
Bayesian Data Analysis (Second Edition). \newblock Chapman \& Hall/CRC.( y" Y& J9 W6 Z# h' H
\end{thebibliography} # L# _; {1 W, P4 F9 ~: J' e\clearpage 0 X4 u7 a q0 |# Z6 y7 T\end{document}: L' p) A8 X W7 B; s9 N; A- U. W& k
%%%%%%%%%% 结束 %%%%%%%%%%7 ?0 V3 u6 w- t- Q5 j3 a1 h
6 o4 q3 C+ D/ F2 G& o# n
IP卡
狗仔卡
发表于 2014-7-14 16:10
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
发表于 2014-7-14 18:37
