通过本章的学习，使学生了解市场营销学科近年来研究的新领域、提出的新概念、获得的新成果，以对本学科有更为深刻的认识，对本学科的知识体系有更为全面和系统的把握

采用频率为100 Hz的电磁谐振疲劳试验机进行疲劳拉伸试验, 研究了两种应力比(R=0. 1和-1) 对TC4钛合金的超高周疲劳失效机理的影响.结果表明, 两种应力比下的S-N曲线都呈现\双线\型, 但各自表示的意义及失效机理不同.当R=0. 1时, TC4钛合金的疲劳失效形式有两种, 即由加工缺陷诱发的表面失效和内部鱼眼失效, 这两种失效形式都伴随着颗粒平面(Facet) 出现; 而当R=-1时, 仅存在表面失效, 且无Facet的出现.基于断裂力学的讨论可知, 在正应力比及真空环境下, 对应小裂纹扩展的门槛值更低, 更有利于裂纹扩展及Facet的形成. TC4钛合金的整个内部疲劳失效过程及机理可解释为: (1) 滑移线或滑移带在部分α晶粒上的出现; (2) 微裂纹的萌生和接合; (3) 颗粒亮区(GBF) 的形成; (4) 鱼眼的形成; (5) 鱼眼外的失稳裂纹扩展; (6) 最终的瞬时断裂

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

1、市场营销观念(The marketing concept) 实现组织诸目标的关键在于正确确定目标市场的需 要和欲望,并且比竞争对手更有效、更有力地地传送目 标市场所期望满足的东西

在初始泥层高75 cm和耙架转速为0、0.1、1和10 r·min?1条件，以及耙架转速为0.1 r·min?1和初始泥层高度为75、45和25 cm条件下，采用FBRM和PVM实时在线监测技术，对动态浓密系统泥层脱水过程絮团结构演化进行原位连续观测，获得了泥层脱水过程中，絮团直径、数量分布特征和实时图像。研究结果表明，尾矿浓密过程中絮团直径和数量随剪切时间延长呈现先增长后降低，再保持稳定的状态。根据絮团直径变化程度，将絮团密实化过程分为絮团生长期、絮团重构期和絮团破碎期3个阶段。在剪切速率0.1 r·min?1和初始泥层高度75 cm实验条件下，有利于絮团生长和絮团快速破裂重构，并提高絮团密实化程度，但过高的剪切速率作用对絮团结构影响程度下降。剪切速率的增加造成絮团平均直径减小，同时絮团平均直径减小的速率上升。随着初始泥层高度增大，絮团生长阶段时间更长，絮团直径峰值更大，重构期较长，絮团平均直径随初始泥层高度增加而增大。尾矿絮团分形维数可以反映絮团结构变化特征，结合PVM图像的分形维数和孔隙率计算，分析了剪切破坏力与絮团凝聚力存在的相互平衡关系，基于这种动态平衡对絮团破裂程度的影响，研究了尾矿浓密过程中的絮团密实化规律

研究了Al质量分数为0.77%及不含Al的H11钢在不同淬回火处理工艺下的硬度和冲击功的变化规律，并对两种钢原始退火态、1060℃淬火、1060℃淬火+510℃回火、1060℃淬火+560℃回火和1060℃淬火+600℃回火处理后的试样进行碳化物萃取，同时借助扫描电子显微镜（SEM）和X射线衍射仪（XRD）分析了Al对H11钢中碳化物形态及类型的影响.结果表明：（1）Al能提高H11钢的冲击韧性和回火硬度，但会使淬火硬度有所降低.（2）Al可以促进H11钢淬火过程中碳化物的溶解和元素的均匀分布.（3）Al会阻碍H11钢回火过程中碳化物的析出和聚集，这种作用在560℃以下回火时更加显著.（4）Al可以使H11钢回火时的（Fe，Cr）2C、MoC、Cr7C3类碳化物更加稳定，抑制（Fe，Cr）3C、Mo2C和Cr23C6类碳化物的析出，这是因为Al可以阻碍H11钢中碳及合金元素在回火过程中的聚集

水力压裂过程中支撑剂的注入是为了防止地应力将已压裂出的裂缝重新闭合。为了研究复杂裂缝网络中支撑剂的运移分布规律，及支撑剂非均匀分布对开采动态规律的影响，基于作者之前提出的数个数学模型，建立了致密储层压裂注砂开发耦合计算模型。通过计算结果可以得知：裂缝网络中，支撑剂会在裂缝交汇处大量堆积，砂堤高度高于缝网其他部分。次级裂缝中的支撑剂更多的处于悬浮状态，且支撑剂沉降堆积高度相较于主裂缝小25%～50%，相互沟通的次级缝具有更高的支撑剂沉降程度。缝网中支撑剂非均匀分布对模拟计算结果具有较大影响，当储层渗透率为0.05 mD时，忽略支撑剂非均匀分布计算出的产量高出实际值41.7%，因此在进行低渗透率储层模拟时，支撑剂非均匀分布状态不可忽略；当基质渗透率为5 mD时，产量计算差异在5%以内，此时不考虑支撑剂非均匀分布相对合理

《追求人类更大的自由》教学设计3_23《追求人类更大的自由》教学设计

现阶段, 锂离子电池已经成为电动汽车最重要的动力源, 其发展经历了三代技术的发展(钴酸锂正极为第一代, 锰酸锂和磷酸铁锂为第二代, 三元技术为第三代).随着正负极材料向着更高克容量的方向发展和安全性技术的日渐成熟、完善, 更高能量密度的电芯技术正在从实验室走向产业化.本文从锂离子电池产学研结合的角度, 从电池正负极材料, 电池设计和生产工艺来分析动力电池行业最新动态和科学研究的前沿成果, 并结合市场需求与政策导向来阐述动力电池的发展方向和技术路线的实现途径

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性