第1章 引言 11 燃烧及其应用 12 燃烧学发展史 13 燃烧研究的动机与目标 14 课程内容 第2章 化学反应热力学 21 基本概念 22 化学平衡 23 燃烧焓与绝热燃烧温度 24 本章总结 第3章 化学反应动力学 31 化学反应速率 32 化学动力学近似 33 单分子反应机理 34 链式反应和链分支反应 35 简单碳氢燃料的化学反应机理 36 本章总结 第4章 反应系统化学与热力学耦合 41 零维均质着火系统 42 热着火理论 43 均匀搅拌反应器 44 均匀搅拌器中的着火与熄火 45 柱塞流反应器 46 刚性常微分方程数值求解 47 CHEMKIN 介绍 第5章 控制方程 51 输运过程 52 控制方程 53 守恒标量方程 54 一维问题的简化方程 第6章 层流预混火焰 61 预混火焰与扩散火焰 62 缓燃波与爆震波 63 一维层流预混火焰定性分析 64 一维层流预混火焰详细理论分析 65 层流预混火焰速度及其测量方法 66 影响层流预混火焰速度的因素 67 层流预混火焰详细结构 68 火焰拉伸率及其对预混火焰的影响 69 预混火焰稳定性 610 预混火焰的着火与熄火 第7章 层流扩散火焰 71 扩散火焰的结构及控制方程 72 一维静态扩散火焰 73 伯克舒曼(BurkeSchumann)火焰 74 史蒂芬(Stefan)流 75 液滴蒸发与燃烧 76 碳的燃烧 77 对型流扩散火焰

48 网络舆论研究 49 受众研究基础 50 纪录片研究 51 优秀电视新闻作品选讲 52 媒介观察概论 53 犯罪新闻研究 54 电视节目类型 55 新闻传播法学概论 56 新媒介与视觉文化 57 媒介批评概论 58 新媒体文化 59 美术基础（二） 60 三维动画设计 61 网络广告设计 62 电视剧创作 63 社交媒体 64 传播心理学 65 公共关系学 66 电视新闻采访 67 动漫产业与文化 68 科幻电影写作 69 元宇宙导论 70 广告新媒体研究 71 新媒体与社会 72 论文选题与写作规范专题 73 文学戏剧鉴赏 74 我是朗读者 75 电视文化研究 76 口语推广实践 77 影视评论写作 78 视听节目类型 79 网络人声创作 80 影像实践 81 西方电影专题 82 中国电影专题 83 电影艺术鉴赏 84 媒介与爱国主义教育 85 广告摄影 86 科学、传播与社会 87 传媒创意与艺术设计 88 设计素描 89 计算机辅助图形设计 90 专题片创作 91 92 广告效果研究 93 新媒体与舆论 94 质性研究方法 95 记者出镜报道 96 移动互联传播与 97 Web前端开发设计 98 交互式媒体设计 99 视觉艺术二 100 语音矫正 101 数智广告技术和营销创新 102 智能媒体传播

Visual Basic的语言基础 变量 变量有两个特性:名字和数据类型。 变量的命名规则 变量代表在程序执行过程中其值可以改变的存储单元,这个存储单元的名字称为变量名。VB变量名的命名规则为: 1.变量名只能有字母、数字和下划线组成; 2.变量名的第一个字符必须是英文字母,最后一个字符可以是类型说明符号; 3.变量名也可以是其他语言中的字符,例如汉字;如姓名可以作为变量名。 4.变量名最长不能超过255个字符; 5.不能使用 Visual Basic的保留字作为变量名。例如: print,cls等不能作为变量名。但是可以将保留字作为变量名的一部分使用,例如: printscr, clspic等 6.变量名在6.VisualBasicheIo《HEeIIooheIIOHELLO中不区分大小写。例:hello、ello,hello和hello等是同一个变量。在输入之后, Visual Basic会自动将他们转化成相同的写法

《VISUAL BASIC 程序设计》 《VISUAL BASIC 程序设计》实验 《高等数学 B》 《线性代数 A》 《概率论与数理统计 B》 《管理学 A》 《经济法 A》 《微观经济学 A》 《宏观经济学 A》 《会计学 A》 《财务管理 A》 《市场营销学 A》 《统计学 A》 《管理信息系统 A》 《学科前沿专题》 《管理思想史》 《经济伦理学》 《消费者行为学》 《市场调查与预测》 《市场调查与预测》上机 《全球营销管理》 《服务营销学》 《管理数据分析》 《营销模拟》 《广告学》 《零售管理》 《推销学》 《商务英语》 《公共关系学》 《物流与供应链管理》 《电子商务》 《电子商务》实验 《网络营销》 《客户关系管理》 《经营战略》 《品牌管理》 《质量管理》 《营销策划》 《渠道管理》 《销售管理》 《管理研究方法论》 《组织间营销》 《行业营销》 《国际贸易实务》 《金融学》 《创业与风险投资》 《认识实习》 《基础实训》 《专业实训》 《业务实习》 《学年论文》 《综合实训》 《毕业实习》 《毕业论文》

《VISUAL BASIC 程序设计》 《VISUAL BASIC 程序设计》实验 《高等数学 B》 《线性代数 A》 《概率论与数理统计 B》 《管理学 A》 《经济法 A》 《微观经济学 A》 《宏观经济学 A》 《金融学》 《财政学》 《市场营销学 A》 《统计学 A》 《管理信息系统 A》 《学科前沿专题》 《管理思想史》 《经济伦理学》 《初级会计学》 《财务管理》 《税法与纳税筹划》 《管理数据分析》 《会计信息系统》 《会计英语》 《中级财务会计 1》 《中级财务会计 2》 《高级财务会计》 《成本会计》 《管理会计》 《审计学》 《会计理论》 《行业会计比较》 《国际会计》 《政府与非营利组织会计》 《金融企业会计》 《税务会计》 《外贸会计》 《财务分析》 《财务管理案例研究》 《资产评估原理与实务》 《公司战略与风险管理》 《咨询与鉴证服务》 《内部控制学》 《计算机财务管理》 《计算机财务管理》实验 《计算机审计》 《计算机审计》实验 《认识实习》 《基础实训》 《专业实训》 《业务实习》 《学年论文》 《综合实训》 《毕业实习》 《毕业论文》

《Visual Basic 程序设计》 《Visual Basic 程序设计》实验 《高等数学 B》 《线性代数 A》 《概率论与数理统计 B》 《政治经济学》 《微观经济学 A》 《宏观经济学 A》 《外贸会计》 《统计学 A》 《财政学》 《国际贸易》 《货币银行学》 《国际金融》 《学科前沿专题》 《经济思想史》 《经济法 B》 《国际贸易实务》 《外贸英语》 《外贸函电》 《国际商法》 《外贸实务模拟操作》 《经济数据分析》 《国际市场营销》 《国际商务谈判》 《国际结算》 《国际货物运输与保险》 《报关实务》 《国际贸易单证》 《国际贸易单证》实训 《WTO 概论》 《世界经济概论》 《世界市场行情》 《国际贸易地理》 《国际服务贸易与技术贸易》 《国际贸易实务案例分析》 《计量经济学》 《西方经济学流派》 《经济学经典著作导读》 《企业管理》 《国际物流管理》 《国际商务》 《投资学》 《保险学》 《跨国公司与国际直接投资》 《认识实习》 《基础实训》 《专业实训》 《业务实习》 《学年论文》 《综合实训》 《毕业实习》 《毕业论文》

《VISUAL BASIC 程序设计》 《VISUAL BASIC 程序设计》实验 《高等数学 B》 《线性代数 A》 《概率论与数理统计 B》 《管理学 A》 《经济法 A》 《微观经济学 A》 《宏观经济学 A》 《会计学 A》 《财务管理 A》 《市场营销学 A》 《管理信息系统 A》 《学科前沿专题》 《管理思想史》 《经济伦理学》 《运筹学》 《组织行为学》 《管理沟通》 《管理英语》 《管理数据分析》 《ERP 实务》 《运营管理》 《人力资源管理》 《企业战略管理》 《质量管理》 《物流与供应链管理》 《技术经济学》 《国际企业管理》 《中小企业管理》 《创业管理》 《预测与决策》 《项目管理》 《创新管理》 《人力资源招聘与培训》 《绩效管理》 《薪酬管理》 《公司治理》 《企业投资与融资》 《企业诊断》 《公司法》 《劳动法》 《国际商法》 《认识实习》 《基础实训》 《专业实训》 《业务实习》 《学年论文》 《综合实训》 《毕业实习》 《毕业论文》

第一章 统计和统计数据的收集 第二章 统计数据的整理和展示 第三章 数据的描述性分析 一、绝对数和相对数 二、集中趋势的测定 三、离散趋势的测定 四、数据的形态测定 第四章 概率基础——随机变量及其概率分布 第一节 随机变量的概念及数字特征 第二节 常见的离散型分布 一、两点分布 二、二项分布 第三节 常见的连续型分布 正态分布 x2分布 t分布 F分布 第四节 中心极限定理 第五章 区间估计和假设检验 第六章 相关与回归 多元线性回归 非线性回归模型 第八章 时间数列分析 时间数列的种类和编制方法 时间数列传统分析指标 长期趋势的测定 季节变动、循环变动和剩余变动的测定 时间数列的预测方法

本课程是经济学门类各专业的 8 门共同核心课程之一,应作为必修课程和考试课程列入各专业的教学计划。 通过课程教学，使学生达到： 1、了解现代经济学特征，了解经济数量分析课程在经济学课程体系中的地位，了解经济数量分析在经济学的发展和实际经济工作中的作用； 2、掌握基本的计量经济学理论与方法，并对计量经济学理论与方法的新发展有概念性的了解； 3、能够建立并应用简单的计量经济学模型，包括使用常用的计量经济学软件； 4、具有进一步学习与应用计量经济学理论、模型的基础和能力

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度