无根据地诊断为怀疑艾滋病毒感染侵犯名誉权案 案情介绍 原告:杨XX,男,45岁。 被告:第四军医大学第一附属医院(下称四医大一院) 被告:樊代明,男,42岁,四医大一院消化科主任医师。 原告杨XX从1994年3月25日开始发烧,在其他医院医治无效的情况下,于同年4月1日 在四医大一院急诊后住进该院,樊代明为其主治医师,对杨XX的初诊结果为:1。发烧待查:(1) 上呼吸道感染;(2)出血热待排;2。急性左心衰;3。早期肝硬化。杨xx入院后因高烧数日不退被 报病危

利用离散单元法（Discrete element method，DEM）对球形颗粒群以及非球形颗粒群的筛分过程进行了仿真并开展了实验研究，结果表明球形和非球形颗粒的仿真与实验中筛分效率的变化是一致的，但非球形颗粒的仿真结果与实验结果更接近。正交设计多组模拟试验，分析了各振动参数（振动频率、振幅以及筛面倾角）对颗粒分布曲线、筛分效率以及物料平均运输速度的影响规律。对正交试验表中的数据进行多元非线性拟合，得到筛分效率与振动参数间的关系式；并在此关系式的基础上，对振动参数进行优化设计，得到了最优振动参数且在仿真中得到了验证。研究内容不但为高频振网筛振动参数的设计提供了理论依据，而且为研究高频振动系统的筛分机理提供了实验和仿真数据支持

一、物质电性质分类 1.导体、绝缘体与半导体 各种物质电性质的不同,早在18世纪初就为人们所注意了1729年,英国人格雷(Stephen Gray)就发现金属和丝绸 的电性质不同,前者接触带电体时能很快把电荷转移或传导到别的地方,而后者却不能。 由于不同原子内部的电子数目和原子核内的情况各不相同,由不同原子聚集在一起构成的不同物质的电性质也各不相 同,甚至有的差别很大

针对二维热传导问题,提出了时间为三阶、空间为二阶的无条件稳定的ETF-FDS-MG算法(Extended Trapezoidal Formula Finite Difference Scheme Multigrid),分析了其精度和稳定性,证明了其收敛性.数值分析实例说明ETF-FDS-MG算法的计算效率优于前人的FE-MG(有限元-多重网格)算法

一、拉普拉斯方程定解问题分离变量求解 二、高维混合问题分离变量求解

1．问题提出 某种医用薄膜允许某一种物质的分子穿透它。为 了测试穿透能力，现用面积为 S 的医用薄膜将一个容 器分割，两边分别装满包含该物质的浓度不同的溶液， 这样，该物质的分子就会从高浓度溶液穿过医用薄膜 向低浓度溶液扩散。通过单位面积薄膜的分子扩散速 度与两边溶液的浓度之差成正比，比例系数 K 表征了 该物质分子穿透该医用薄膜的能力，称为渗透率。定 时测量某一边的浓度

水润滑轴承相比传统油润滑轴承,凭借其独特的优势,在各类高速精密旋转机械中均有重要应用.在实际工况中,润滑水中不可避免的混入一定量的难溶气体,参与整个润滑过程.运用计算流体力学CFD软件Fluent,基于气液两相流理论,对考虑湍流及气穴效应的高速水润滑轴承特性进行求解分析,研究难溶气体的含量对轴承间隙气相分布、压力峰值、轴承性能等特性的影响.结果表明:在高速水润滑轴承间隙中,气相基本分布于发散楔中,且最大气体体积分数存在于轴表面;在较小偏心情况下,一定量的难溶气体使轴承间隙内气相分布发生偏移,轴承承载力有所降低,但是对压力峰值和摩擦功耗并无明显影响;随着轴承偏心的增加,影响逐渐消失

对国内一钢厂EAF→LF→VD→CC工艺生产的高品质GCr15轴承钢进行系统取样,针对DS类非金属夹杂物随机性强的特点,利用能够进行大面积试样检测的ASPEX自动扫描电镜分析统计钢中非金属夹杂物的成分、尺寸、数量等信息.研究发现:GCr15轴承钢冶炼过程中非金属夹杂物主要为MgO-Al2O3-CaO复合夹杂物和MnS,同时有少量的SiO2-Al2O3和MgO-Al2O3复合夹杂物;夹杂物尺寸主要集中在38μm,并有少量DS类夹杂物出现且尺寸范围波动很大,最大可以达70μm以上,形貌为圆形或近似圆形;VD有较强的去除夹杂物功能,经过VD真空精炼,夹杂物中CaO含量有增加趋势;吊包至铸坯过程,夹杂物成分向Al2O3含量增多的区域移动,最终轴承钢铸坯中夹杂物成分位于高Al2O3含量（≥80%）,少量MgO（<20%）和低CaO（<5%）的区域;DS夹杂物的生成和去除具有较强的随机性

研究了钢中不同夹杂物对Sb的析出和高温氧化过程中富集行为的影响.Fe-1.5%Sb合金1100℃水冷试样中Sb在钢中主要析出位置是晶界.与单一的氧化物夹杂相比,硫化锰是更为有效的Sb异质形核核心,且Sb析出相成分组成接近于FeSb相.实验结果与二维错配度理论计算结果相一致.通过降低氧含量,钢中加入Ti变质硫化锰夹杂等方式,增加了MnS数量,使得更多的Sb在夹杂物上析出,从而减少钢中Sb的偏析和固溶量,改变Sb在钢中的析出位置

聚类分析( Cluster Analysis)是根据研究对象的特征对研究对象进行分类的 多元分析技术的总称分类问题是各个学科领域都普遍存在的问题,例如人口学 中研究人口生育分类模式、人口死亡分类模式;医学中对各种精神病特征的分 析;市场营销学中进行市场分层、确定目标市场等等,这些都需要对研究对象 进行分类。聚类分析是应用最广泛的分类技术,它把性质相近的个体归为一类 使得同一类中的个体具有高度的同质性,不同类之间的个体具有高度的异质 聚类分析的大部分应用都属于探测性研究,最终结果是产生研究对象的分 类,通过对数据的分类研究还能产生假设。聚类分析也能用于证实性目的,对于 通过其他方法确定的数据分类,可以应用聚类分析进行检验