《教育心理学纲要》：学习的分类
本章讨论的问题一、意义学习和机械学习
意义与意义学习的实质
意义学习的主客观条件
意义学习的类型
言语和认知功能
机械的学习过程二、接受学习和发现学习
接受学习的性质
接受学习的作用和限制
发现学习的理论基础
“发现探究法”训练的意义和限制
接受学习和发现学习的综合应用三、知识的同化和保持
知识的同化
知识的保持学习是一种极其复杂的过程，不仅学习范围广，而且学习形式也是多样的。为了提高学习的效率，多数学者都主张对学习进行分类，然而，由于学习本身比较复杂，对它进行科学分类有一定的困难，加上研究者对学习分类的依据不同，故至今也未形成统一的学习分类。这也是学习的基本理论问题之一。心理学在传统上把学习划分为技能学习、记忆学习、思维学习和态度学习四类。我国学者把学生的学习分为知识的学习、动作技能的学习、心智技能的学习和社会生活规范的学习四类。也有人把它划分为三类，即知识的学习、技能的学习和行为规范的学习。苏联的学习分类又有其特点，把学习分为两大类：反射的学习和认知的学习。前者又可区分为感觉的学习、运动的学习和感觉运动的学习。后者又区分为实际的学习（包括实际知识和实际操作的学习）和教育心理学纲要第五章学习的分类理智的学习（包括概念学习、思维学习和理智技能学习）。在西方心理学中，学习的分类更不一致，影响较大的是加涅、布卢姆（B.S.Bloom）、奥苏伯尔等的分类。加涅把学习分为八类：（1）信号学习；（2）刺激反应学习；（3）连锁学习；（4）语言联合；（5）辨别（或多样辨别）学习；（6）概念学习；（7）原理（或规则）学习；（8）解决问题。布卢姆把学习分为三大类，每类中又分为若干层次：（1）认知类，下分知识、领会、运用、分析、综合、评价等层次；（2）情感类，下分接受、反应、评价、组织、性格化等层次；（3）动作技能类，下分整体运动、协调细致动作、非言语交通、言语行为等层次。奥苏伯尔则把学习分为意义学习和机械学习、接受学习和发现学习等种类。以上列举的各种分类，都有一定的观点和根据，因此，都可作为学习分类研究的参考。我们认为，学生的课堂学习具有间接性、接受性和发展性的特点，据此把学生的学习分为意义学习和机械学习、接受学习和发现学习，是合乎实
际的。而任何学科的学习，最终，必将落实到知识的同化和保持上，认知同化是意义学习的心理机制。以上这些问题，就是本章要讨论的主要内容。
一、简介 目标检测方法最初由Paul Viola [Viola01]提出，并由Rainer Lienhart [Lienhart02]对这一方法进行了改善。该方法的基本步骤为：首先，利用样本（大约几百幅样本图片）的 harr 特征进行分类器训练，得到一个级联的boosted分类器。 分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中，被检窗口依次通过每一级分类器，这样在前面几层的检测中大部分的候选区域就被排除了，全部通过每一级分类器检测的区域即为目标区域。 分类器训练完以后，就可以应用于输入图像中的感兴趣区域(与训练样本相同的尺寸)的检测。检测到目标区域(汽车或人脸)分类器输出为1，否则输出为0。为了检测整副图像，可以在图像中移动搜索窗口，检测每一个位置来确定可能的目标。为了搜索不同大小的目标物体，分类器被设计为可以进行尺寸改变，这样比改变待检图像的尺寸大小更为有效。所以，为了在图像中检测未知大小的目标物体，扫描程序通常需要用不同比例大小的搜索窗口对图片进行几次扫描。 目前支持这种分类器的boosting技术有四种： Discrete Adaboost, Real Adaboost, Gentle Adaboost and Logitboost。 "boosted" 即指级联分类器的每一层都可以从中选取一个boosting算法(权重投票)，并利用基础分类器的自我训练得到。 根据上面的分析，目标检测分为三个步骤： 1、样本的创建 2、训练分类器 3、利用训练好的分类器进行目标检测。 二、样本创建 训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本(例如人脸或汽车等)，反例样本指其它任意图片，所有的样本图片都被归一化为同样的尺寸大小(例如，20x20)。 负样本 负样本可以来自于任意的图片，但这些图片不能包含目标特征。负样本由背景描述文件来描述。背景描述文件是一个文本文件，每一行包含了一个负样本图片的文件名（基于描述文件的相对路径）。该文件必须手工创建。 e.g: 负样本描述文件的一个例子： 假定目录结构如下： /img img1.jpg img2.jpg bg.txt 则背景描述文件bg.txt的内容为： img/img1.jpg img/img2.jpg 正样本 正样本由程序createsample程序来创建。该程序的源代码由OpenCV给出，并且在bin目录下包含了这个可执行的程序。 正样本可以由单个的目标图片或者一系列的事先标记好的图片来创建。 Createsamples程序的命令行参数：
《观赏植物学》试卷（答案） 一、名词解释(10分) 1观赏植物:广义的花卉，是具有一定观赏价值和生态效应，可应用于花艺、园林、以 及室内外环境布置和装饰，改善或美化环境的草本和木本植物的总称。 2 分生繁殖::指利用观赏植物自然产生的特殊的变态器官进行繁殖的方式，通常称作 分株。分生繁殖方法简便，容易成活且成苗很快，可能是最简单最可靠的繁殖方式，在观赏植物的繁殖上被广泛采用。分生繁殖所得苗木称为分生苗。分生繁殖常用的器官有根蘖、茎蘖、吸芽、珠芽）、走茎、匍匐茎、鳞茎、球茎）、根茎、块茎、块根等，鳞茎、球茎、根茎、块茎、块根在生产上又常为球根或种球。园艺生产上依用于繁殖的器官不同，将分生繁殖分为分株、分吸芽、分走茎等几种类型。 3球根花卉：一些观赏植物其地下茎或根变态膨大，形成球状物或块状物，并贮藏大量 营养，以休眠状态渡过寒冷的冬季或炎热的夏季。据变态部分的来源和形态分为5类。鳞茎类（Bulbs）：茎短缩为圆盘状的鳞茎盘，其上着生多数肉质膨大的鳞叶，主要有百合（Lilium spp.）、郁金香（Tulipa gesneriana）、水仙（Narcissus spp.）、风信子（Hyacinthus orientalis）、朱顶红（Hippeastrum vittatum）、葱莲属（Zephyranthes）、雪钟花（Galanthus）、石蒜属（Lycoris）、贝母属（Fritillaria）等；球茎类（Corms）：地下茎短缩膨大呈实心球或扁球形，主要有唐菖蒲（Gladilus hybridus）、小苍兰（Freesia hybrida）、秋水仙（Colchicum spp.）、番红花（Crocus sativus）等。块茎类（Tubers）：地下茎或地上茎膨大呈不规则实心块状或球状，主要有仙客来（Cyclamen persicum）、球根秋海棠（Begonia tuberhybrida）、晚香玉（Polianthes tuberosa）、大岩桐（Sinningia speciosa）等。根茎类（Rhizomes）：地下茎呈根状膨大，主要有美人蕉属（Canna）、鸢尾类（Iris spp.）、铃兰（Convallaria majalis）、六出花（Alstromeria spp.）等。块根类（Tuberous Root）：由不定根经异常的次生生长，增生大量薄壁组织而形成，主要有大丽花（Dhlia hybrida）、花毛茛（Ranunculus asiaticus）、银莲花属（Anemone）等。 4水生花卉：水生花卉是园林、水景园观赏植物的重要组成部分。这类花卉种类繁多，但 其共性是根的全部或部分必须生活在水中，遇干旱则枯死。水生植物进化过程为：沉水植物→浮水植物→挺水植物→陆生植物。根据水生植物生活方式与形态的不同，可分为挺水型、浮叶型、漂浮型和沉水型。挺水型的根或根状茎生于泥中，植株茎、叶和花高挺出水面，如荷花（Nelumbo nucifera）、中华水韭（Isoetes sinensis）、千屈菜（Lythrum salicaria）等；浮叶型的根或根状茎生于泥中，茎细弱不能直立，叶片漂浮在水面上，如王莲（Victoria amazornica）、睡莲（Nymphaea tetragona）、芡实（Euryale ferox）等；漂浮型的根悬浮在水中，植株漂浮于水面上，随着水流、波浪四处漂泊，如凤眼莲（Eichhornia crassipes）、荇菜（Nymphoides peltatum）等；沉水型整株沉于水中，无根或根系不发达，通气组织特别发达，利于在水中进行气体交换，如金鱼藻（Ceralophyllum demersum）、苦草（Vallismeria apiralis）等。 5观赏园艺学是以观赏植物为主要对象，研究其种质资源与分类、生物学特性与生育规律、 生态习性与环境生理、品种改良与种苗繁育、栽培管理与商品生产、植物应用与环境美化、产后处理及流通贸易等方面的基础理论与应用技术的综合性学科。其目的是通过改良植物的
工业机器人分类、本体结构和技术指标 “工业机器人”专项技能培训——杜宇 英属哥伦比亚大学（UBC）博士 大连大华中天科技有限公司CEO 主要内容 一、常用运动学构型 二、机器人的主要技术参数 三、机器人常用材料 四、机器人主要结构 五、机器人的控制系统 一、常用运动学构形 1、笛卡尔操作臂 优点：很容易通过计算机控制实现，容易达到高精度。 缺点：妨碍工作, 且占地面积大, 运动速度低, 密封性不好。 ①焊接、搬运、上下料、包装、码垛、拆垛、检测、探伤、 分类、装配、贴标、喷码、打码、（软仿型）喷涂、目标跟 随、排爆等一系列工作。 ②特别适用于多品种，便批量的柔性化作业，对于稳定，提 高产品质量，提高劳动生产率，改善劳动条件和产品的快速 更新换代有着十分重要的作用。 2、铰链型操作臂（关节型） 关节机器人的关节全都是旋转的, 类似于人的手臂,工业机器人中最 常见的结构。它的工作范围较为复杂。 ①汽车零配件、模具、钣金件、塑料制品、运动器材、玻璃制品、陶 瓷、航空等的快速检测及产品开发。 ②车身装配、通用机械装配等制造质量控制等的三坐标测量及误差检 测。 ③古董、艺术品、雕塑、卡通人物造型、人像制品等的快速原型制作。 ④汽车整车现场测量和检测。 ⑤人体形状测量、骨骼等医疗器材制作、人体外形制作、医学整容等。 3、SCARA操作臂 SCARA机器人常用于装配作业, 最显著的特点是它们 在x-y平面上的运动具有较大的柔性, 而沿z轴具有 很强的刚性, 所以, 它具有选择性的柔性。这种机器 人在装配作业中获得了较好的应用。 ①大量用于装配印刷电路板和电子零部件 ②搬动和取放物件，如集成电路板等 ③广泛应用于塑料工业、汽车工业、电子产品工业、 药品工业和食品工业等领域. ④搬取零件和装配工作。
如何用OpenCV训练自己的分类器 另：英文说明http://se.cs.ait.ac.th/cvwiki/opencv:tutorial:haartraining 最近要做一个性别识别的项目，在人脸检测与五官定位上我采用OPENCV的haartraining 进行定位，这里介绍下这两天我学习的如何用opencv训练自己的分类器。在这两天的学习里，我遇到了不少问题，不过我遇到了几个好心的大侠帮我解决了不少问题，特别是无忌，在这里我再次感谢他的帮助。 一、简介 目标检测方法最初由Paul Viola [Viola01]提出，并由Rainer Lienhart [Lienhart02]对这一方法进行了改善。该方法的基本步骤为：首先，利用样本（大约几百幅样本图片）的 harr 特征进行分类器训练，得到一个级联的boosted分类器。 分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中，被检窗口依次通过每一级分类器，这样在前面几层的检测中大部分的候选区域就被排除了，全部通过每一级分类器检测的区域即为目标区域。 分类器训练完以后，就可以应用于输入图像中的感兴趣区域的检测。检测到目标区域分类器输出为1，否则输出为0。为了检测整副图像，可以在图像中移动搜索窗口，检测每一个位置来确定可能的目标。为了搜索不同大小的目标物体，分类器被设计为可以进行尺寸改变，这样比改变待检图像的尺寸大小更为有效。所以，为了在图像中检测未知大小的目标物体，扫描程序通常需要用不同比例大小的搜索窗口对图片进行几次扫描。 目前支持这种分类器的boosting技术有四种：Discrete Adaboost, Real Adaboost, Gentle Adaboost and Logitboost。 "boosted" 即指级联分类器的每一层都可以从中选取一个boosting算法(权重投票)，并利用基础分类器的自我训练得到。 根据上面的分析，目标检测分为三个步骤： 1、样本的创建 2、训练分类器 3、利用训练好的分类器进行目标检测。 二、样本创建 训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本，反例样本指其它任意图片。 负样本 负样本可以来自于任意的图片，但这些图片不能包含目标特征。负样本由背景描述文件来描述。背景描述文件是一个文本文件，每一行包含了一个负样本图片的文件名（基于描述文件的相对路径）。该文件创建方法如下： 采用Dos命令生成样本描述文件。具体方法是在Dos下的进入你的图片目录，比如我的图片放在D:\face\posdata下，则： 按Ctrl+R打开Windows运行程序，输入cmd打开DOS命令窗口，输入d:回车，再输入cd D:\face\negdata进入图片路径，再次输入dir /b > negdata.dat，则会图片路径下生成一个negdata.dat文件，打开该文件将最后一行的negdata.dat删除，这样就生成了负样本描述文件。dos命令窗口结果如下图：
国际疾病分类（ICD-10） 国际疾病分类,ICD-10, 一、ICD-10介绍 1、ICD是什么, ICD是分类疾病的国际统一标准 ICD,10是用英文字母加数字的办法来表示一个疾病或一疾病如:急性透壁性心肌梗死I21.3 ICD,10根据疾病的重要程度和疾病的发生频率将疾病分类成:亚目: E10.0胰岛素依赖型糖尿病伴有昏迷类目: E10胰岛素依赖型糖尿病节:糖尿病章,系统,:内分泌、营养和代谢性疾病 2、ICD的历史 国际疾病分类的历史可追朔到1891年～国际统计研究所组织了一个起草死亡原因分类的委员会～由耶克伯蒂隆任主席。 1893年耶克伯蒂隆在国际统计大会上提出了一个分类系统～包括三个死亡原因分类方案～第一个44条～第二个99条～第三个是161条。这个分类系统就是ICD的原始。 3、ICD的修订制度 1898年在渥太华会议上提出的十年修订制度。 修订次数 4、世界共有十个分类中心 澳大利亚,英语, 英国,英语, 美国,英语,
中国,中文, 法国,法语, 瑞典,负责北欧, 巴西,葡萄牙语, 俄罗斯联邦,俄语, 委内瑞拉,西班牙, 科威特,阿拉伯语, 二、ICD的作用: 国内与国际交流意义 医疗、研究与教学 统计 管理 医疗付款 美国2000年的财政年度医疗保险,medicare,估计错误赔付率是6.8%～合119亿美元,年度共1736亿美元,。1999年是错误赔付率是8%～合135亿美元。1996年错误赔付率是14%～合232亿美元。 美医疗财务管理局,Health Care Financing Administration,希望到2002年错误赔付率可以降至5%。这些错误根据美国监督总局,office of inspectorGeneral,报告～全部是医师提供医疗信息有误和编码有误的结果。 三、ICD与临床医师的关系 1、病案首页的填写
工业机器人种类介绍 关键词：机器人,种类介绍移动机器人 （AGV） 移动机器人（AGV）是工业机器人的一种类型，它由计算机控制，具有移动、自动导航、多传感器控制、网络交互等功能，它可广泛应用于机械、电子、纺织、卷烟、医疗、食品、造纸等行业的柔性搬运、传输等功能，也用于自动化立体仓库、柔性加工系统、柔性装配系统（以AGV作为活动装配平台）；同时可在车站、机场、邮局的物品分捡中作为运输工具。 国际物流技术发展的新趋势之一，而移动机器人是其中的核心技术和设备，是用现代物流技术配合、支撑、改造、提升传统生产线，实现点对点自动存取的高架箱储、作业和搬运相结合，实现精细化、柔性化、信息化，缩短物流流程，降低物料损耗，减少占地面积，降低建设投资等的高新技术和装备。 点焊机器人 焊接机器人具有性能稳定、工作空间大、运动速度快和负荷能力强等 焊接机器人 特点，焊接质量明显优于人工焊接，大大提高了点焊作业的生产率。 点焊机器人主要用于汽车整车的焊接工作，生产过程由各大汽车主机厂负责完成。国际工业机器人企业凭借与各大汽车企业的长期合作关系，向各大型汽车生产企业提供各类点焊机器人单元产品并以焊接机器人与整车生产线配套形式进入中国，在该领域占据市场主导地位。 随着汽车工业的发展，焊接生产线要求焊钳一体化，重量越来越大，165公斤点焊机器人是当前汽车焊接中最常用的一种机器人。2008年9月，机器人研究所研制完成国内首台165公斤级点焊机器人，并成功应用于奇瑞汽车焊接车间。2009年9月，经过优化和性能提升的第二台机器人完成并顺利通过验收，该机器人整体技术指标已经达到国外同类机器人水平。 弧焊机器人 弧焊机器人主要应用于各类汽车零部件的焊接生产。在该领域，国际大 弧焊机器人 型工业机器人生产企业主要以向成套装备供应商提供单元产品为主。
建筑基础的类型 2.3.1 按材料及受力特点分类 一、刚性基础 由刚性材料制作的基础称为刚性基础。一般指抗压强度高，而抗拉、抗剪强度较低的材料就称为刚性材料。常用的有砖、灰土、混凝土、三合土、毛石等。为满足地基容许承载力的要求，基底宽B一般大于上部墙宽，为了保证基础不被拉力、剪力而破坏，基础必须具有相应的高度。通常按刚性材料的受力状况，基础在传力时只能在材料的允许范围内控制，这个控制范围的夹角称为刚性角，用α表示。砖、石基础的刚性角控制在(1：1.25)~(1：1. 50) (26o~33o) 以内，混凝土基础刚性角控制在1：1（45o）以内。
二、非刚性基础 当建筑物的荷载较大而地基承载能力较小时，基础底面B必须加宽，如果仍采用混凝土材料做基础，势必加大基础的深度，这样很不经济。如果在混凝土基础的底部配以钢筋，利用钢筋来承受拉应力，使基础底部能够承受较大的弯矩，这时，基础宽度不受刚性角的限制，故称钢筋混凝土基础为非刚性基础或柔性基础。 2.3.2 按构造型式分类 一、条形基础 当建筑物上部结构采用墙承重时，基础沿墙身设置，多做成长条形，这类基础称为条形基础或带形基础，是墙承式建筑基础的基本形式。 二、独立式基础 当建筑物上部结构采用框架结构或单层排架结构承重时，基
础常采用方形或矩形的独立式基础，这类基础称为独立式基础或柱式基础。独立式基础是柱下基础的基本形式。 当柱采用预制构件时，则基础做成杯口形，然后将柱子插人并嵌固在杯口内，故称杯形基础。 三、井格式基础 当地基条件较差，为了提高建筑物的整体性，．防止柱子之间产生不均匀沉降，常将柱下基础沿纵横两个方向扩展连接起来，做成十字交叉的井格基础。 四、片筏式基础 当建筑物上部荷载大，而地基又较弱，这时采用简单的条形基础或井格基础已不能适应地基变形的需要，通常将墙或柱下基础连成一片，使建筑物的荷载承受在一块整板上成为片筏基础。片筏基础有平板式和梁板式两种。 五、箱形基础 当板式基础做得很深时，常将基础改做成箱形基础。箱形基
一、单项选择题，2分/每题，共计20分） 1、广义的花卉是指 d . A.花朵美丽的草本观赏植物 B.可用以观叶、观果为主的草本植物 C.一些原产南方的盆栽花木类以及少数的木本名花 D.包括A、B和C 2、从植物体的固定部位长出来的根称为 B . A. 主根 B. 定根 C. 侧根 D. 不定根 3、草莓茎上的根属于 B . A. 主根 B. 定根 C. 侧根 D. 不定根 4、下列植物具有直根系的是A . A. 苹果 B. 兰花 C. 小麦 D. 吊兰 5、下列植物具有块根的是a . A. 大丽花 B. 百合 C. 水杉 D. 菊花 6、从植物体的固定部位长出来的根称为 b A. 主根 B. 定根 C. 侧根 D. 不定根 7、草莓茎上的根属于 B A. 主根 B. 定根 C. 侧根 D. 不定根 8. 松树一般是指 C . A. 松柏纲 B. 松科 C. 松属 D. 双维管束亚属 9、下列植物具有须根系的是D . A. 苹果 B. 海棠 C. 水杉 D. 吊兰 10、下列植物具有块根的是（A）。 A. 大丽花 B. 百合 C. 水杉 D. 菊花 11 一种类型的花序发育特点类似于假二叉分枝 C 。 A、复总状花序 B、单歧聚伞花序 C、二歧聚伞花序 D、伞形花序 12 所有菌类的特征是b 。 A、孢子生殖 B、异养 C、菌丝 D、产生担子果 13 在裂果中，如果背缝线和腹缝线同时开裂称为A 。 A、荚果 B、角果 C、蓇葖果 D、蒴果 14 地衣主要是由藻类植物和 A 构成的共生体。 A、真菌； B、放线菌 C、细菌； D、衣原体 15 花学说提出的自然分类系统是 B 。 A、林奈的系统 B、恩格勒系统 C、哈钦松系统 D、克朗奎斯特系统 16 一个花具由一个心皮构成的雌蕊为 A 。 A 单雌蕊 B 离心皮雌蕊 C 复雌蕊 D 合心皮雌蕊 17花序轴单一，较长，其上着生有柄的花朵，各花的花柄长度大致相等，开花顺序
考古类型学 考古类型学是考古学理论的基本内容之一。主要用来研究遗迹和遗物的形态变化过程，找出其先后演变规律，从而结合地层学判断年代，确定遗存的文化性质，分析生产和生活状况以及社会关系、精神活动等。大量用于研究陶器、瓷器等使用周期短、变化较明显的器物。考古类型学是对收集到的实物资料进行科学的归纳和分析，研究和方法论，是受生物分类学的启发而产生，又称标型学或者器物形态学。通过对考古遗存形态的排比来探求其变化规律，逻辑发展序列和相互关系，凡是具有一定的形态并且延续了一定时间的考古遗存，都可以进行类型学研究。 考古类型学的局限性 一、只能确定出现早晚的逻辑序列，不能判定每式具体存在的年代。器物新旧形态，总是存在着一定并存时间，甚至有的旧形态比新形态存在的时间还长。发掘所得的层位关系和共存关系是代表了遗物被埋藏的时间先后，因此，也会出现新旧形态共存现象，甚至出现前后颠倒的现象，要判定具体存在年代，应采用多方法、多视角、多参照系的综合研究。 二、只能确定相对早晚，不能确定每式之间的时间间隔长短。 三、只能对一部分遗迹、遗物或遗存群进行排序，特异形态、突变器物形态都不能用类型学方法研究。 四、类型学分析属于不完全归纳法，排出的序列和总结出的规律都有一定的假定成份，随着新资料的积累，需要作补充或修改；在资料不足的情况下，甚至会完全不反映实际情况，需要在资料增加后重新排队。 在实际使用中经常出现把类型学研究与分类研究、器物形态研究混为一谈的现象。类型学研究只是分类研究中的一种，而分类研究又是形态研究中的一种。 进行考古类型学分析的一般步骤 物品的形态变化，虽然有一定的顺序，但当刚刚被发掘出来的时候，这个顺序是以错乱的状态呈现在人们面前的。怎样才能从这种形态中找出头绪、整理出顺序呢？在一般情况下，可以按下列几个步骤来进行工作。 1．确定物品的共存关系 通过严格的田野发掘而得到准确的层位关系，是进行类型学分析的基础。因为：第一，知道了一群或若干群物品的共存关系；第二，知道了某群物品和另外一些成群物品在层位关系上的差别。这两种情况，特别是第一种情况，是进行类型学工作的基础。 2．归纳共存器物的组别 一个发掘地点得到的有一定共存器物的单位，数量往往很大。要把每一个单位逐个同其他单位比较，工作量会大得难以承担。这就应当先归纳各单位的组别。每个单位的具体内涵，自然各有差别，但总是可以归纳成若干组别。这种归纳，首先要考虑器别上的共同性，其次要考虑各器别形态上的共同性。也就是先根据器别组合上的共同性，把全部单位分为若干大组；每个大组之内，再根据同类物品形态上的共同性，分为若干小组。 3．按层次关系初分各组别的早晚 出土物形态演化的顺序，由于存在着制作时间和埋入时间的距离，也由于新、旧形态可能存在的交错现象，同其层位关系可能发生出入；但从总体情况来说，物品的演化顺序同其层位关系，基本是会一致的。因此，先从已归纳出的各组别所属层位关系出发，观察各种遗物形态变化的趋向，就很容易得到启示，能较快找到比较许多物品形态差别的关节点。当然，在比较形态差别的整个排队过程中，最初的考虑后来总是会发生一些反复和调整的，但先做这一步工作，可以避免开始时不知从何下手的处境，加快进程。 4．确定器别和选择典型器物 寻找器物形态变化过程的工作，只能是在同一种器别内进行，正确区分器别，就是研究
建筑基础类型分类 基础类型分类扫盲(建筑物、构筑物) 453 地基、基础的定义，《建筑地基基础设计规范》 GB50007-2002 基础foundation:将结构所承受的各种作用传递到地基上的结构组成部分。 地基subgrade foundation soils:为支承基础的土体或岩体。 按照不同条件的简单分类 按基础使用的材料划分 灰土基础、砖基础、毛石基础、混凝土基础、钢筋混凝土基础。 按基础埋置深度划分 浅基础、深基础。埋置深度不超过5M者称为浅基础，大于5M者称为深基础。基础埋深是指从室外设计地坪至基础底面的垂直距离。埋深大于等于5米的基础称为深基础;埋深在0.5米~5米之间的基础称为浅基础。基础埋深不得浅于0.5米。实际工程施工角度来讲，基础埋深的原则是这样的:要在冰冻线以下，同时尽可能在最高地下水位以上，考虑腐殖土层具备承载力，基础埋深要考虑与地基整体、协同承载建筑物的压力。 按基础受力性能划分 (一) 刚性基础:是指抗压强度较高，而抗弯和抗拉强度较低的材料建造的基础。所用材料有混凝土、砖、毛石、灰土、三合土等，一般可用于六层及其以下的民用建筑和墙承重的轻型厂房。 (二) 柔性基础:用抗拉和抗弯强度都很高的材料建造的基础称为柔性基础。 一般用钢筋混凝土制作。这种基础适用于上部结构荷载比较大、地基比较柔软、用刚性基础不能满足要求的情况。
按基础构造形式划分 条形基础、独立基础、满堂基础(筏板基础、箱型基础)和桩基础。 (一) 条形基础:当建筑物采用砖墙承重时，墙下基础常连续设置，形成通长的条形基础。当柱下独立基础不能满足承载力，或地基变性要求时，也可以做成柱下混凝土条形基础。 (二) 独立基础:当建筑物上部为框架结构或单独柱子时，常采用独立基础;若柱子为预制时，则采用杯形基础形式。 (三) 满堂基础:当上部结构传下的荷载很大、地基承载力很低、独立基础不能满足地基要求时，常将这个建筑物的下部做成整块钢筋混凝土基础，成为满堂基础。按构造又分为筏板基础和箱形基础两种。 筏板基础:是埋在地下的连片基础，适用于有地下室或地基承载力较低、上部传来的荷载较大的情况。 箱型基础:当伐形基础埋深较大，并设有地下室时，为了增加基础的刚度，将地下室的底板、顶板和墙浇制成整体箱形基础。箱形的内部空间构成地下室，具有较大的强度和刚度，多用于高层建筑。 (四) 桩基础:当建造比较大的工业与民用建筑时，若地基的软弱土层较厚，采用浅埋基础不能满足地基强度和变形要求，常采用桩基。桩基的作用是将荷载通过桩传给埋藏较深的坚硬土层，或通过桩周围的摩擦力传给地基。 按照施工方法可分为钢筋混凝土预制桩和灌注桩。 钢筋混凝土预制桩:这种桩在施工现场或构件场预制，用打桩机打入土中，然后再在桩顶浇注钢筋混凝土承台。优点是材料省、强度高、承载力大、耐久性好，不受地下水位变化的影响，适用于较高要求的建筑。但自重大，运输和吊装比较困难，打桩时震动较大，对周围房屋有一定影响。施工难度高，受机械数量限制施工时间长。
简单分类器的MATLAB实现 摘要：本实验运用最小距离法、Fisher线形判别法、朴素贝叶斯法、K近邻法四种模式识别中最简单的方法处理两维两类别的识别问题，最后对实验结果进行了比较。 关键字：MATLAB 最小距离Fisher线形判别朴素贝叶斯K近邻法 一．M atlab语言简介 Matlab 语言(即Matrix 和Laboratory) 的前三位字母组合,意为“矩阵实验室”,Matlab 语言是一种具有面向对象程序设计特征的高级语言,以矩阵和阵列为基本编程单位。Matlab 可以被高度“向量化”,而且用户易写易读。传统的高级语言开发程序不仅仅需要掌握所用语言的语法,还需要对有关算法进行深入的分析。与其他高级程序设计语言相比,Matlab 在编程的效率、可读性以及可移植性等方面都要高于其他高级语言,但是执行效率要低于高级语言,对计算机系统的要求比较高。例如,某数据集是m*n的二维数据组，对一般的高级计算机语言来说，必须采用两层循环才能得到结果,不但循环费时费力,而且程序复杂;而用Matlab 处理这样的问题就快得多,只需要一小段程序就可完成该功能,虽然指令简单,但其计算的快速性、准确性和稳定性是一般高级语言程序所远远不及的。严格地说,Matlab 语言所开发的程序不能脱离其解释性执行环境而运行。 二．样本预处理 实验样本来源于1996年UCI的Abalone data，原始样本格式如下： 1 2 3 4 5 6 7 8 9 其中第一行是属性代码：1.sex 2.length 3.diameter 4.height 5.whole_weight 6.shucked_weight 7 .viscera weight 8. shell weight 9.age 原始样本是一个8维20类的样本集，就是根据Abalone的第一至第八个特征来预测第九个特征，即Abalone的年龄。为简单其见，首先将原始样本处理成两维两类别问题的样本。选取length和weiht作为两个特征向量，来预测第三个特征向量age.(age=6或者age=9)，我们将age=6的样本做为第一类，age=12的样本做为第二类。 处理后的样本： length weight age
西南大学网络继续教育 【0600】《观赏植物分类学》考试范围 91题 1、报春花科的雌蕊具 B .A. 中轴胎座 B. 特立中央胎座 C. 基底胎座 D. 边缘胎座 2、杜鹃花属植物的花药常 C A. 瓣裂 B. 纵裂 C. 孔裂 D. 横裂 3、杨柳科植物的花为 D A. 两性花 B. 中性花 C. 雌雄同株 D. 雌雄异株 4、木兰科花腋生的属是 B A. 木兰属 B. 含笑属 C. 木莲属 D. 鹅掌楸属 5、柏科植物苞鳞与珠鳞 C A. 分离仅基部合生 B. 合生仅先端分离 C. 完全合生 D. 完全分离 6、杉科植物苞鳞与珠鳞 B A. 分离仅基部合生 B. 合生仅先端分离 C. 完全合生 D. 完全分离 7、松科植物苞鳞与珠鳞 A A. 分离仅基部合生 B. 合生仅先端分离 C. 完全合生 D. 完全分离 8、只具有一个心皮的是 A A. 边缘胎座 B. 侧膜胎座 C. 中轴胎座 D. 特立中央胎座
9、具有雄蕊和雌蕊的花称 A A. 两性花 B. 两被花 C. 单性花 D. 单被花 10、双子叶植物通常为 D A. 射出脉 B. 平行脉 C. 三出脉 D. 网状脉 11、木犀科雄蕊为 B A. 5 B. 2 C. 3 D. 4 12、梨果为亚科所特有 B A. 绣线菊亚科 B. 苹果亚科 C. 蔷薇亚科 D. 李亚科 13、唇形科区别于玄参科的独特之处在于具有 C A. 对生叶序 B. 二强雄蕊 C. 4裂子房 D. 唇形花冠 14、通过花的中心能切出两个以上对称面的花称 A A. 两侧对称花 B. 辐射对称花 C. 不整齐花 D. 左右对称花 15、每节着生一叶，节间极度缩短，此类叶序称 A A. 互生 B. 对生 C. 轮生 D. 簇生 16、葡萄的卷须是 B 的变态 17、A. 根 B. 茎 C. 叶 D. 花 17、唇形科的花柱与子房的相对位置是 C 。 A. 花柱生子房顶部 B. 花柱生子房侧面 C. 花柱生子房裂隙基部 D. 都不对 18、心皮多数、离生、瘦果或核果是C 的特征。 A. 绣线菊亚科 B. 苹果亚科 C. 蔷薇亚科 D. 李亚科 19、木兰科花腋生的属是 C 。
从SVM的那几张图可以看出来，SVM是一种典型的两类分类器，即它只回答属于正类还是负类的问题。而现实中要解决的问题，往往是多类的问题（少部分例外，例如垃圾邮件过滤，就只需要确定“是”还是“不是”垃圾邮件），比如文本分类，比如数字识别。如何由两类分类器得到多类分类器，就是一个值得研究的问题。 还以文本分类为例，现成的方法有很多，其中一种一劳永逸的方法，就是真的一次性考虑所有样本，并求解一个多目标函数的优化问题，一次性得到多个分类面，就像下图这样： 多个超平面把空间划分为多个区域，每个区域对应一个类别，给一篇文章，看它落在哪个区域就知道了它的分类。 看起来很美对不对？只可惜这种算法还基本停留在纸面上，因为一次性求解的方法计算量实在太大，大到无法实用的地步。 稍稍退一步，我们就会想到所谓“一类对其余”的方法，就是每次仍然解一个两类分类的问题。比如我们有5个类别，第一次就把类别1的样本定为正样本，其余2，3，4，5的样本合起来定为负样本，这样得到一个两类分类器，它能够指出一篇文章是还是不是第1类的；第二次我们把类别2 的样本定为正样本，把1，3，4，5的样本合起来定为负样本，得到一个分类器，如此下去，我们可以得到5个这样的两类分类器（总是和类别的数目一致）。到了有文章需要分类的时候，我们就拿着这篇文章挨个分类器的问：是属于你的么？是属于你的
么？哪个分类器点头说是了，文章的类别就确定了。这种方法的好处是每个优化问题的规模比较小，而且分类的时候速度很快（只需要调用5个分类器就知道了结果）。但有时也会出现两种很尴尬的情况，例如拿一篇文章问了一圈，每一个分类器都说它是属于它那一类的，或者每一个分类器都说它不是它那一类的，前者叫分类重叠现象，后者叫不可分类现象。分类重叠倒还好办，随便选一个结果都不至于太离谱，或者看看这篇文章到各个超平面的距离，哪个远就判给哪个。不可分类现象就着实难办了，只能把它分给第6个类别了……更要命的是，本来各个类别的样本数目是差不多的，但“其余”的那一类样本数总是要数倍于正类（因为它是除正类以外其他类别的样本之和嘛），这就人为的造成了上一节所说的“数据集偏斜”问题。 因此我们还得再退一步，还是解两类分类问题，还是每次选一个类的样本作正类样本，而负类样本则变成只选一个类（称为“一对一单挑”的方法，哦，不对，没有单挑，就是“一对一”的方法，呵呵），这就避免了偏斜。因此过程就是算出这样一些分类器，第一个只回答“是第1类还是第2类”，第二个只回答“是第1类还是第3类”，第三个只回答“是第1类还是第4类”，如此下去，你也可以马上得出，这样的分类器应该有5 X 4/2=10个（通式是，如果有k个类别，则总的两类分类器数目为k(k-1)/2）。虽然分类器的数目多了，但是在训练阶段（也就是算出这些分类器的分类平面时）所用的总时间却比“一类对其余”方法少很多，在真正用来分类的时候，把一篇文章扔给所有分类器，第一个分类器会投票说它是“1”或者“2”，第二个会说它是“1”或者“3”，让每一个都投上自己的一票，最后统计票数，如果类别“1”得票最多，就判这篇文章属于第1类。这种方法显然也会有分类重叠的现象，但不会有不可分类现象，因为总不可能所有类别的票数都是0。看起来够好么？其实不然，想想分类一篇文章，我们调用了多少个分类器？10个，这还是类别数为5的时候，类别数如果是1000，要调用的分类器数目会上升至约500,000个（类别数的平方量级）。这如何是好？ 看来我们必须再退一步，在分类的时候下功夫，我们还是像一对一方法那样来训练，只是在对一篇文章进行分类之前，我们先按照下面图的样子来组织分类器（如你所见，这是一个有向无环图，因此这种方法也叫做DAG SVM）
2.3.1 按材料及受力特点分类 一、刚性基础 由刚性材料制作的基础称为刚性基础。一般指抗压强度高，而抗拉、抗剪强度较低的材料就称为刚性材料。常用的有砖、灰土、混凝土、三合土、毛石等。为满足地基容许承载力的要求，基底宽B一般大于上部墙宽，为了保证基础不被拉力、剪力而破坏，基础必须具有相应的高度。通常按刚性材料的受力状况，基础在传力时只能在材料的允许范围内控制，这个控制范围的夹角称为刚性角，用α表示。砖、石基础的刚性角控制在(1：1.25)~(1：1. 50) (26o~33o) 以内，混凝土基础刚性角控制在1：1（45o）以内。 二、非刚性基础 当建筑物的荷载较大而地基承载能力较小时，基础底面B必须加宽，如果仍采用混凝土材料做基础，势必加大基础的深度，这样很不经济。如果在混凝土基础的底部配以钢筋，利用钢筋来承受拉应力，使基础
底部能够承受较大的弯矩，这时，基础宽度不受刚性角的限制，故称钢筋混凝土基础为非刚性基础或柔性基础。 2.3.2 按构造型式分类 一、条形基础 当建筑物上部结构采用墙承重时，基础沿墙身设置，多做成长条形，这类基础称为条形基础或带形基础，是墙承式建筑基础的基本形式。 二、独立式基础
当建筑物上部结构采用框架结构或单层排架结构承重时，基础常采用方形或矩形的独立式基础，这类基础称为独立式基础或柱式基础。独立式基础是柱下基础的基本形式。 当柱采用预制构件时，则基础做成杯口形，然后将柱子插人并嵌固在杯口内，故称杯形基础。 三、井格式基础 当地基条件较差，为了提高建筑物的整体性，．防止柱子之间产生不均匀沉降，常将柱下基础沿纵横两个方向扩展连接起来，做成十字交叉的井格基础。 四、片筏式基础 当建筑物上部荷载大，而地基又较弱，这时采用简单的条形基础或井格基础已不能适应地基变形的需要，通常将墙或柱下基础连成一片，
单项选择题 1、含羞草科、云实科、蝶形花科最重要的共同特征为 . 两性花 . 二强雄蕊 . 子房下位 . 荚果 2、杜鹃花属植物的花药常 . 纵裂 . 孔裂 . 瓣裂 . 横裂 3、柏科植物苞鳞与珠鳞 . 分离仅基部合生
. 合生仅先端分离 . 完全合生 . 完全分离 4、杉科植物苞鳞与珠鳞 . 分离仅基部合生 . 合生仅先端分离 . 完全合生 . 完全分离 5、具有雄蕊和雌蕊的花称 . 两性花 . 两被花 . 单性花 . 单被花
6、含羞草科、云实科、蝶形花科的主要区别在于不同 . 花萼排列方式 . 花冠排列方式 . 子房位置 . 果实类型 7、梨果为亚科所特有 . 绣线菊亚科 . 苹果亚科 . 蔷薇亚科 . 李亚科 8、杜鹃花科植物的雄蕊通常为 . 花冠裂片的2倍 . 与花冠裂片同数
. 较花冠裂片数少 . 通常为多数 9、唇形科区别于玄参科的独特之处在于具有 . 对生叶序 . 二强雄蕊 . 4裂子房 . 唇形花冠 10、下列为杉科植物的是 . 罗汉松 . 水松 . 金钱松 . 落叶松 11、下列特征不为银杏的是
. 叶扇形 . 具长短枝 . 雌雄异株 . 种子无胚乳 12、每节着生一叶，节间极度缩短，此类叶序称 . 互生 . 对生 . 轮生 . 簇生 13、 百合科、石蒜科、鸢尾科均具有。 . 子房上位 . 3心皮复雌蕊
. 子房下位 . 侧膜胎座 14、 木兰科花腋生的属是。 . 木莲属 . 木兰属 . 含笑属 . 鹅掌楸属 15、 松科植物苞鳞与珠鳞。 . 分离仅基部合生 . 合生仅先端分离 . 完全合生
分类：数据库/DB2/文章 第一步采集样本 1、将正负样本分别放在两个不同的文件夹下面 分别取名pos和neg，其中pos用来存放正样本图像，neg用来存放负样本 注意事项：1、正样本要统一切成24*24像素（或者其他）的格式，建议保存成灰度图，节省空间 2、正样本的数目越多，训练的时间也将越长，训练出来的效果也就越好 3、负样本的数量想对于正样本一定要足够的多，很多朋友在训练的时候，往往出现了CPU占用率达到了100%，但是训练只是停留在一个分类器长达几小时没有相应，问题出现在取负样本的那个函数icvGetHaarTrainingDataFromBG中; 当剩下所有的negtive样本在临时的cascade Classifier中,evaluate的结果都是0（也就是拒绝了），随机取样本的数目到几百万都是找不到误检测的neg样本了，因而没法跳出循环 2、建立正负样本的说明文件 这里我们假定根目录在D:\boost下面。
在cmd下面进入pos目录，输入dir /b > pos.txt 这个时候会在pos文件加下面生成一个pos.txt文件，打开pos.txt
我们对它进行如下编辑： （1）、将BMP 替换成为BMP 1 0 0 24 24 注意：1代表此图片出现的目标个数后面的0 0 24 24代表目标矩形框（0,0)到(24,24)，用户可以根据自身需要调整数值（2）、删除文本中最后一行的“pos.txt”
2、对负样本进行编辑 在CMD下输入dir /b > neg.txt 同理，打开neg目录下的neg.txt文件，只需要删除最后一行的neg.txt这一句 注意：1、负样本说明文件不能含有目标物体 2、负样本图像尺寸不受到限制，但是尺寸越大，训练所用的时间越长， 3、负样本图像可以是灰度图，也可以不是，笔者建议使用灰度图，这样处理起来可能更有效率 4、负样本图像一定不要重复，增大负样本图像的差异性，可以增加分类器的使用范围，笔者建议可以使用网上的素材库，将1000多张不含目标的图片灰度处理后用来训练，效果更佳 二、使用opencv_createsamples.exe创立样本VEC文件 1、首先我们将要用的的2个程序opencv_createsamples.exe和opencv_haartraining.exe拷到根目录下 在CMD下输入如下命令： opencv_createsamples.exe -vec pos.vec -info pos\pos.txt -bg neg\neg.txt -w 40 -h 40 -num 142 以上参数的含义如下：
《观赏植物分类学》理论教学大纲 第一章植物分类的基础知识（2学时） 教学目标：了解植物分类的方法和植物分类的各级单位；掌握种的概念及主要分类单位学名的构成；掌握如何使用检索表鉴定植物。 教学内容： 第1单元、植物分类的基础知识 第2单元、观赏植物人为分类 重点与难点： 教学重点：植物分类的基本单位和常用单位；物种的概念；双名法；植物检索表的编制原理及使用； 教学难点：物种概念的理解；如何使用检索表鉴定植物 第二章植物分类的形态学知识（8时） 教学目标：掌握根、茎、叶、花、果实和种子的外部形态术语的含义，为植物分类奠定基础知识。 教学内容： 第1单元、根与茎的外部形态 第2单元、叶的外部形态 第3单元、花的外部形态（一） 第4单元、花的外部形态（二） 第5单元、种子与果实的形态 重点与难点： 教学重点：1、叶的形态；2、花的形态及花序类型；3、果实类型 教学难点：1、复雌蕊心皮数目判断；2、胎座类型；3、单果的类型 第三章蕨类植物（3学时） 教学目标：掌握蕨类植物的主要特征及其与种子植物的主要区别；认识常见的蕨类植物。 教学内容： 第1单元、蕨类植物概述 第2单元、石松亚门（Lycophytina）
第3单元、水韭亚门（Is?ephytina） 第4单元、松叶蕨亚门（Psilophytina） 第5单元、楔叶亚门（Sphenophytina） 第6单元、真蕨亚门（Filicophytina） 重点与难点： 教学重点：1、蕨类植物主要特征及其与种子植物的主要区别；2、真蕨亚门教学难点：1、如何区分大型叶与小型叶；2、真蕨亚门的分类及其常见植物的识别。 第四章裸子植物（7） 教学目标：掌握裸子植物的主要特征及其与被子植物的主要区别；掌握苏铁科、银杏科、松科、杉科、柏科的主要特征，识别常见裸子植物。 教学内容： 第1单元、裸子植物概述 第2单元、苏铁纲（Cycadopsida） 第3单元、银杏纲（Ginkgopsida） 第4单元、松柏纲（Coniferopsida） 第5单元、红豆杉纲（Taxopsida） 重点与难点： 教学重点：裸子植物的主要特征及其与被子植物的主要区别；苏铁科、松科、杉科、柏科的分类。 教学难点：各科主要特征及其区别；常见裸子植物的识别。 第五章被子植物（34时） 教学目标：掌握木兰科、桑科、山茶科、锦葵科、杨柳科、十字花科、杜鹃花科、蔷薇科、含羞草科、云实科、蝶形花科、大戟科、槭树科、唇形科、木犀科、夹竹桃、忍冬科、菊科、棕榈科、禾本科、百合科、石蒜科、兰科等科主要特征，识别常见观赏植物。 教学内容： 第1单元、被子植物概述：被子植物主要特征、被子植物生活史、被子植物分类系统、被子植物分类概况
1.2 Industrial robots - definition and classification 1.2.1 Definition (ISO 8373:2012) and delimitation The annual surveys carried out by IFR focus on the collection of yearly statistics on the production, imports, exports and domestic installations/shipments of industrial robots (at least three or more axes) as described in the ISO definition given below. Figures 1.1 shows examples of robot types which are covered by this definition and hence included in the surveys. A robot which has its own control system and is not controlled by the machine should be included in the statistics, although it may be dedicated for a special machine. Other dedicated industrial robots should not be included in the statistics. If countries declare that they included dedicated industrial robots, or are suspected of doing so, this will be clearly indicated in the statistical tables. It will imply that data for those countries is not directly comparable with those of countries that strictly adhere to the definition of multipurpose industrial robots. ?Wafer handlers have their own control system and should be included in the statistics of industrial robots. Wafers handlers can be articulated, cartesian, cylindrical or SCARA robots. Irrespective from the type of robots they are reported in the application “cleanroom for semiconductors”. ?Flat panel handlers also should be included. Mainly they are articulated robots. Irrespective from the type of robots they are reported in the application “cleanroom for FPD”. Examples of dedicated industrial robots that should not be included in the international survey are: ?Equipment dedicated for loading/unloading of machine tools (see figure 1.3). ?Dedicated assembly equipment, e.g. for assembly on printed circuit boards (see figure 1.3). ?Integrated Circuit Handlers (pick and place) ?Automated storage and retrieval systems ?Automated guided vehicles (AGVs) (see “World Robotics Service Robots”) The submission of statistics on industrial robots is mandatory for IFR member associations. In some countries, however, data is also collected on all types of manipulating industrial robots, that is, both multipurpose and dedicated manipulating industrial robots. Optionally, national robot associations may therefore also submit statistics on all types of manipulating industrial robots, which will be included in the publication World Robotics under the respective country chapter. Industrial robot as defined by ISO 8373:2012: An automatically controlled, reprogrammable, multipurpose manipulator programmable in three or more axes, which can be either fixed in place or mobile for use in industrial automation applications