1、了解统计热力学的基本假定。 2、了解最概然分布，掌握 Boltzmznn 统计方法。 3、了解配分函数的定义及其物理意义，掌握配分函数与热力学函数的关系。 4、了解各种配分函数的计算方法，学会用配分函数计算简单分子的热力学函数，掌握理想气体简单分子平动能熵的计算。 5、了解分子配分函数的分离和全配分函数的组成

热现象与力学现象 热力学—研究自然界中与热现象有关的各种状态变化和能量转化的规律的科学 0 Oth law:阐述热平衡特点 1 1st law:能量转化在数值上守恒 2 2nd law:阐述热和功的本质差别 3 3rd law:0K时恒温过程的熵变趋于零

第一节波形信源的统计特性和离散化 第二节连续信源和信源的信息测度 第三节具有最大熵的连续信源 第四节连续信道和波形信道的分类 笫五节连续信道和波形信道的信息传输率 笫六节连续信道和波形信道的信道容量 第七节连续信道编码定理

本章介绍了信息产业的概念和信息产业的特点 ,以及信息人才的结构需求与培养。从信息的定 义开始,介绍了香农理论对信息论的贡献、信息 与熵的联系,阐述了香农关于信息的计算公式。 同时指出香农公式应用的局限性,对狭义信息论 和广义信息论作了介绍

1． 掌握热化学的基本术语和概念（系统和环境、状态与状态函数、过程、相、化学反应进度）。 2． 掌握热力学第一定律（热力学能、热和功、热力学第一定律、焓和热化学方程式、盖斯定律、键焓与反应焓）。 3． 了解能源。 4. 掌握标准平衡常数的表达式、意义、应用。 5. 掌握化学平衡移动的规律。 6. 掌握熵、熵变和绝对熵的概念、意义。 7. 掌握化学反应的标准摩尔吉布斯函数的引入和△rGθm（T）的近似计算，能用其判定化学反应进行的方向。 8. 理解标准平衡常数 Kθ 的意义及其与△rGθm（T）的关系，并掌握有关计算

§8-1 平衡态 温度 理想气体状态方程 §8-2 Δ理想气体压强和温度的统计解释 §8-3 能量按自由度均分定理 理想气体的内能 §8-1 平衡态 理想气体的状态方程 §8-2 理想气体的压强和温度的统计意义 §8-3 气体分子的平均平动动能与温度的关系 §8-3 能量按自由度均分原理 理想气体内能 §9-1 内能 功和热量 准静态过程 §9-2 热力学第一定律 §9-1 内能 功 热量 §8-3 热力学第一定律在理想气体的等值过程中的应用 §9-3 气体的摩尔热容量 §9-4 绝热过程 §9-4 气体热容量 §9-5 绝热过程 §9-5 循环过程 卡诺循环 §9-6 Δ热力学第二定律 §9-7 热力学第二定律的统计意义 玻耳兹曼熵 §9-6 热力学第二定律的统计意义 §9-10 熵 §10-1 电场 电场强度 §10-2 静电场的高斯定理 §10-3 静电场环路定理 §12-2 等势面 Δ 电势梯度 §12-1 电流密度 电动势 §12-2 磁场 磁感应强度 磁场中的高斯定理 §12-3 毕奥-萨伐尔定律 §12-4 安培环路定理 §12-5 磁场对载流导线的作用力 §12-6 洛伦兹力 *带电粒子在磁场中的运动 §13-1 电磁感应的基本定律 §13-2 动生电动势 §13-3 感生电动势 §13-4 Δ自感与互感

一、明确统计热力学的基本假设,理解最概然分布与平衡分布及摘取最大项原理 二、掌握 Boltzmann分布律及其各物理量的意义与适用条件; 三、理解粒子配分函数、体系配分函数的意义与表达式,配分函数的析因子性质。 四、理解不同独立子体系的配分函数,q及与热力学函数间的关系。 五、重点掌握平动能与平动配分函数,转动能与转动配分函数,振动能与振动配分函数的计算理解系统的热容、熵及其他热力学函数与配分函数的关系。 §9.5 粒子配分函数的计算 §9.3 最概然分布与平衡分布 §9.4 玻耳兹曼分布 §9.2 能级分布的微态数及系统的总微态数 §9.6 系统的热力学能与配分函数的关系 §9.10 理想气体反应的标准平衡常数 §9.11 系综理论简介 §9.1 粒子各运动形式的能级及能级的简并度 §9.7 系统的摩尔定容热容与配分函数的关系 §9.8 系统的熵与配分函数的关系 §9.9 其它热力学函数与配分函数的关系

提出了基于免疫遗传算法的形态学自适应结构元素生成算法，并将其用于光学相干断层成像(optical coherence tomography，OCT) 图像中视网膜组织边缘检测. 首先将图像进行去噪和粗分割的预处理，并将图像划分为若干子图像; 其次对每一子图利用免疫遗传算法求取自适应结构元，初始随机生成固定长度的二进制数串作为抗体，并将其转化为结构元素格式，以图像二维熵定义抗体适应度，根据子图像本身结构特征信息，寻找最优抗体结构元素; 最后利用寻优得到的各结构元素对子图进行形态学边缘检测，合并各子图的分割结果，实现整体图像目标边界提取. 实验结果表明了该方法在图像目标边界提取的有效性

工程热力学的研究内容： ❖ 1. 热力学基本定律，包括基本概念及定义与热力学第一定律、熵与热力学第二定律等。 ❖ 2. 工质的热力性质，包括一般热力学关系，理想气体、水蒸汽、理想气体混合物、湿空气的热力性质的计算及图表的应用。 ❖ 3. 热力过程及热力循环，包括典型热力过程的分析以及气体与蒸汽的流动、气体压缩、蒸汽动力循环、气体动力循环和制冷循环的分析计算 ❖ 4. 化学热力学基础。 本课件章节内容：绪论 第一章——基本概念 第二章——理想气体的性质 第三章——热力学第一定律 第四章——理想气体的热力过程及气体压缩 第五章——热力学第二定律 第六章——热力学微分关系式及实际气体性质 第七章——水蒸气 第八章——湿空气 第九章——气体和蒸汽的流动 第十章——动力循环 第十一章——致冷循环 第十二章——化学热力学基础

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