第一编知识产权法总论 第一章知识产权概述 第一节知识产权定义、分类、范围 一、知识产权的定义 (一)学界的几种定义及其评述 智力成果说; 智力成果和工商业标记说。 (二)本教材采用的定义

通过定向凝固实验研究了易切削钢中硫化物的生成过程,并建立了枝晶臂间距、硫化物的平均直径与凝固条件之间的关系.实验结果表明:随着温度梯度和拉速的增大,MnS的平均直径减小,数量增多;定向凝固过程中硫化物的完全析出温度大约在固相线温度下100℃左右,MnS形态的改变,主要受其组成元素的活度影响,即MnS形态的改变受其界面自由能的影响;对定向凝固实验中钢的枝晶臂间距、硫化物的平均直径与凝固条件的关系进行了拟合,拟合结果与前人研究结果相吻合

第二章运算方法和运算器 一、数据与文字的表示方法 二、定点加法、减法运算 三、定点乘法运算 四、定点除法运算 五、定点运算器的组成 六、浮点运算方法和浮点运算器

4.1叠加定理 4.2替代定理 4.3戴维宁定理和诺顿定理 4.4最大功率传输定理 4.5*特勒根定理 4.6*互易定理 4.7*对偶原理

一、几个有意义的实际问题 二、动量和冲量的概念 三、质点系动量定理 四、质点系动量守恒定理 五、质心运动定理 六、质心运动守恒定理 §11-1 动量和冲量的概念 §11-2 动量定理 §11-3 质心运动定理

3.4 混合金属离子的选择性滴定 3.5 络合滴定的方式及应用

5.1.3线性空间上的对称双线性函数、二次型函数的定义 定义若f为V上的双线性函数且f(a,B)=f(B,a),则称f为V上的对称双线性函数

5.1.1线性空间上的线性函数的定义 1、线性函数的定义 定义设V为数域K上的线性空间,fV→K为映射,满足f(a+B)=f(a)+f(),va,B∈V;f(ka)kf(a),∈k,aev,则称f为由V到K的一个线性函数(即f为V到K的一个线性映射)如同一般的线性映射,有以下事实:

2一元高次代数方程的基础知识 1.2.1高等代数基本定理及其等价命题 1.高等代数基本定理 设K为数域。以K[x]表示系数在K上的以x为变元的一元多项式的全体。如果 f(x)=axn+a1x++an∈kx],(a≠0)则称n为f(x)的次数,记为 degf(x)。 定理(高等代数基本定理)C[x]的任一元素在C中必有零点。 命题设f(x)=axn+a1xn-++an(a≠0,n≥是上一个n次多项式, a是一个复数。则存在C上首项系数为a的n-1次多项式q(x),使得 f(x)=(x)(x-a)+ f(a) 证明对n作数学归纳法

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题，提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor，CABON）。CABON算法首先对数据对象进行初始聚类，通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合；并给出一种类别待定集的动态调整机制，利用近邻思想实现此集合中数据对象所属类别的重新划分，按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中，得到最终的聚类结果，以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers，MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data，CVCN）在人工数据集和真实数据集上分别进行实验对比，结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”，聚类效果明显优于K–means、MC_IK和CVCN算法