小波概念
小波(Wavelet)这一术语，顾名思义，“小波”就是小的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，小波变换是时间（空间）频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。
一维小波分解示意图：
二维小波分解（尺度为2）示意图
二维小波分解常用函数：
1）[C,S] = WAVEDEC2(X,N,'wname')；
该函数实现小波的N尺度（层次）分解，得到分解系数C，S为数组，存放各尺度频率的尺寸。
2）A = APPCOEF2(C,S,'wname',N)；
提取指定尺度N上的低频系数
3）D = DETCOEF2(O,C,S,N)；
提取分解结构[C,S]中指定尺度N上的高频系数，O = 'h' (or 'v' or 'd', respectively), at level N.
1 <= N <= size(S,1)-2
[H,V,D] = DETCOEF2('all',C,S,N)
4）X = WRCOEF2('type',C,S,'wname',N)；
'type' = 'a',('h','v' or 'd', respectively),单支重构，即重构指定尺度N上的某个频率部分
5）X = WAVEREC2(C,S,'wname')
多尺度图像分解后重构
6）CAT(DIM,A,B) concatenates the arrays A and B along the dimension DIM.沿着行或者列来进行向量的合成，可以用于小波分解后的系数C的重新组合。
总结：
1 小波分解函数处理过后得到的是分解系数，是小波系数。如果想要显示分解过后的某一部分图像，如2层分解中垂直高频部分，需要获取小波分解后的系数，然后让该部分系数重构，然后才能显示。
2 小波变换实现：图像->小波域（系数，可以对系数进行处理）->图像（由系数重构图像），是分解和重构的过程。
3 多尺度分解中的“多尺度”指的是多层分解。
4返回的频率系数（C向量中）以如下形式存放
C=[A(level)|H(level)|V(level)|D(level)H(level-1)V(level-1)D(level-1)…|H(1)|V(1)|D(1)]
5 返回频率系数的同时，返回一个长度记录矩阵S。S的格式为：
S(1,:)=尺度level下的低频系数长度
S(i,:)=尺度level-i+2下的高频系数长度
S(level+2,:)=原始信号的大小
6原始信号通过两个共轭滤波器后，得到高、低频两路信号。假设原始信号抽取256个点参与计算，那么将得到512个频率数据，如此下去冗余太大。所以，在滤波之后还要进一步抽样以减少冗余。通行的方法是隔一数丢弃一个数，从而保证滤波后的两路信号与原始信号数据长度一致。这三个结论，对小波信息隐藏实验有很大帮助。
7 load filename:读取一个完整路径或MATLAB相对路径文件中的内容，函数默认的文件格式为(.mat)，当文件的扩展名不是(.mat)时，MATLAB将以ASCII格式处理该文件。
样例：
这个样例完成了小波多尺度分解，以及系数的提取，单分支重构，小波系数的总体重构
clear all;
clc;
X=imread('lena512.bmp');
figure(1)
imshow(X,[]);%灰度图像显示，二值图像，通常显示的是单通道图像
% colormap('gray');%颜色映射，可以设置要显示的图像的颜色
% image(X); %image显示的是RGB图像,带有坐标，可以看到像素的大小, %而且显示的效果可能与imshow不一样，通常显示的是多通道图像
% colorbar;
title('原图像');
%图像的多层二维小波分解
[C,S]=wavedec2(X,2,'haar');
%提取系数的低频部分
cA2=appcoef2(C,S,'haar',2);
%重构第二层的低频信号
A2=wrcoef2('a',C,S,'haar',2);
%重构第1、2层的高频信号
H1=wrcoef2('h',C,S,'haar',1);
V1=wrcoef2('v',C,S,'haar',1);
D1=wrcoef2('d',C,S,'haar',1);
H2=wrcoef2('h',C,S,'haar',2);
V2=wrcoef2('v',C,S,'haar',2);
D2=wrcoef2('d',C,S,'haar',2); %%%%%%%%%%%%%%%%%%%%%重构显示%%%%%%%%%%%%%%%%%%%%%%%%%%%% %显示多层二维分解结果
figure(2)
% subplot(2,4,1);imshow(A1,[]);
% title('低频A1')
subplot(2,4,2);
imshow(H1,[]);
title('水平高频H1')
subplot(2,4,3);imshow(V1,[]);
title('垂直高频V1')
subplot(2,4,4);imshow(D1,[]);
title('对角高频D1')
subplot(2,4,5);
imshow(A2,[]);
title('低频A2')
subplot(2,4,6);imshow(H2,[]);
title('水平高频H2')
subplot(2,4,7);imshow(V2,[]);
title('垂直高频V2')
subplot(2,4,8);imshow(D2,[]);
title('对角高频D2')
%重构原始图像信号
X0=waverec2(C,S,'haar'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%检查两层重构效果
% Err2=max(max(abs(X-X0)));
%显示重构得到的图像
figure(3)
imshow(X0,[]);
title('重构图像');
常见问题总结：
1）小波多尺度分解中，采用不同的分解小波，得到的分解维数会不同，采用”haar”小波分解得到的尺寸正好是原来尺寸的一半；采用其它分解小波时，得到的分解尺寸会比原图尺寸的一半稍大一点，那么在重构的时候，会有边缘效应（边缘有明显的重影）。
2）采用imshow和image都可以显示图像，但是imshow通常是显示单通道图像，image 是显示多通道图像。有时候可以兼容，但是显示效果不一样。
3）使用的是wavedec2和waverec2，小波分解后对系数进行了处理，但是重构时C,S 并没有变化，得到的图像也没有变。怎样进行重构呢？
方法：
C=cat(2,cA11(:)',cHx(:)',cVx(:)',cDx(:)');
S=cat(1,size(cA11),size(cHx),size(X));
Y1=waverec2(C,S,'bior2.2');
其中cA11(:)',cHx(:)',cVx(:)',cDx(:)'分别为处理后的低频和相应高频部分的转置，size(X)为原始图像大小。
或者直接用idwt2进行单层重构。
样例2
这个样例程序完成了小波单分支系数的修改，并且对修改后的小波系数重新组合成系数向量C，然后再重构图像
clear all;
clc;
X=imread('lena512.bmp');
% figure(1)
% imshow(X,[]);%灰度图像显示，二值图像，通常显示的是单通道图像
% title('原图像');
%图像的多层二维小波分解
[C,S]=wavedec2(X,1,'haar');
%提取系数的低，高频部分
A1=appcoef2(C,S,'haar',1);
[H1,V1,D1]=detcoef2('a',C,S,1);
%改变小波分解中的低频系数
[m,n]=size(A1)
A_temp=zeros(m,n);
%重新合成系数C,然后利用C进行图像重构
C=cat(2,A_temp,H1,V1,D1);
img=waverec2(C,S,'haar');
figure(1)
imshow(img,[]);
二维小波包（wavelet packet）分解系数的树形节点结构：
二维小波包对图像进行多尺度分解，得到小波包分解系数节点树，其中可以对每一个节点进行获取，进行操作，然后重构。
样例：
下面的样例可以说明用小波包进行多级分解得到的小波节点树，以及对节点树的节点进行操作，下面两幅图就是演示结果。
clear all;
clc;
X=imread('lena512.bmp');
X1=double(X);
%小波包分解
wp1=wpdec2(X1,2,'haar');%小波包两级分解，wp1为小波包分解的系数节点树结构figure(1)
plot(wp1);
nd=leaves(wp1);%得到分解树的所有叶子节点的索引数组
cpj=wpcoef(wp1,nd(3));%得到第nd(j)个结点对应的小波包分解系数矩阵，例如j=3；cpjn=cpj.*5; %改变分解系数矩阵
wp1=write(wp1,'cfs',nd(3),cpjn); %将改变后的系数矩阵cpjn写入原来的分解树wp1的结构中第nd(j)个结点中。
p2=wprec2(wp1); %重构改变后的小波分解系数，得到处理的后的图像
figure(3); %显示处理前后的图像，进行对比
subplot(211);imshow(X);
subplot(212);imshow(uint8(p2));
下图是源图像和处理后的图像
DM642上5/3提升小波的优化 在新的图像压缩标准JPEG2000 中，采用9/7、5/3 提升小波变换作为编码算法，其中5/3 小波变换是一种可逆的整数变换，可以实现无损或有损的图像压缩。在通用的DSP 芯片上实现该算法具有很好的可扩展性、可升级性与易维护性。用这种方式灵活性强，完全能满足各种处理需求。1 提升算法提升算法[1]是由Sweldens 等在Mallat 算法的基础上提出的，也称为第二代小波变换。与Mallat 算法相比，提升算法不依赖傅立叶变换，降低了计算量和复杂度，运行效率相应提高。由于具有整数变换及耗费存储单元少的特点，提升算法很适合于在定点DSP 上实现。小波提升算法的基本思想是通过基本小波逐步构建出一个具有更加良好性质的新小波。其实现步骤为分解(split)、预测(predict)和更新(update)。首先按照对原信号进行对称延拓得到新的x(n)。分解是将数据分为偶数序列x(2n)和奇数序列x(2n+1)二个部分；预测是用分解的偶数序列预测奇数序列，得到的预测误差为变换的高频分量：H(n)=x(2n+1)-{[x(2n)+x(2n+2)]1} 更新是由预测误差更新偶数序列，得到变换的低频分量：L(n)=x(2n)+{[H(n) +H(n-1)+2]2}计算过程如图1 所示。 在这种方法中，SDRAM 中的一个数据块首先传输到L2 中，然后取到L1D 中进行水平方向的提升，再对该块进行垂直方向的提升。这样，由于垂直提升所需的数据都在L1D 中，避免了此处数据缓存缺失的产生，使总的缺失数大大降低。2.3 数据传输(1)SDRAM 与L2 间的数据传输由于EDMA[6][7]数据传输与CPU 运行相互独立，因此在L2 中开辟两块缓存：EDMA 在CPU 处理InBuffA 的同时将下一块数据传输到InBuffB，解决了CPU 读取低速设备SDRAM 引起的时延，如图3 所示。 边界延拓主要是用于计算高频系数。分析发现，水平提升时，当前数据块每
营销战略开题报告 引导语：开题报告是指开题者对科研课题的一种文字说明材料。这是一种新的应用写作文体，这种文字体裁是随着现代科学研究活动计划性的增强和科研选题程序化管理的需要而产生的。接下来是为你带来收集整理的营销战略开题报告，欢迎阅读！ 摘要：在国际化的发展过程中，为了满足市场需求，本土化发 展战略已成为跨国公司开拓海外市场纷纷采取的主要措施。本文以沃尔玛中国营销策略为背景，从适应环境、降低成本、满足消费者需求、树立良好形象等层面对沃尔玛在中国实施营销策略的必要性进行解析，并针对其目前在华的管理团队、分销渠道管理和市场战略本土化的现状，分析沃尔玛公司在中国经营中遇到的困难及存在的主要问题，最后提出沃尔玛在华经营的几点建议，即采用“外包”和“自营”相结合的物流配送、协助供应商加强信息化管理、跨文化沟通的社会责任以及政府公关。 关键词：沃尔玛、跨国企业、中国战略、问题策略 1研究背景 1.1研究背景 沃尔玛百货有限公司是由美国零售业的传奇人物山姆·沃尔顿 先生于1962年在阿肯色州成立。经过四十多年的发展，公司已经成 为美国本土最大的私人雇主和世界上最大的连锁零售企业。到目前为止，沃尔玛在全球15个国家开设了超过8,000家商场，下设53个品牌，员工总数210多万人，每周光临沃尔玛的顾客2亿人次。1991
年，沃尔玛年销售额突破400亿美元，成为全球大型零售企业之一。据1994年5月美国《财富》杂志公布的全美服务行业分类排行榜，沃尔玛1993年销售额高达673．4亿美元，比上一年增长118亿多，超过了创始人：山姆·沃尔顿1992年排名第一位的西尔斯(Sears)，雄居全美零售业榜首。1995年沃尔玛销售额持续增长，并创造了零售业的一项世界纪录，实现年销售额936亿美元，在《财富》杂志95美国最大企业排行榜上名列第四。至今，沃尔玛己拥有2133家沃尔玛商店，469家山姆会员商店和248家沃尔玛购物广场，分布在美国、中国、墨西哥、加拿大、英国、波多黎各、巴西、阿根廷、南非、哥斯达黎加、危地马拉、洪都拉斯、萨尔瓦多、尼加拉瓜等14个国家。它在短短几十年中有如此迅猛的发展，不得不说是零售业的一个奇迹。 从沃尔玛角度来看，其拥有先进技术、专利和充足的资金、先进的管理经验等优势，实施“本土化”经营可以把产品的生产、采购转移到中国，充分利用中国本土市场的资源，利用中国市场制造成本低、生产成本低、人力资源成本低的有利条件，生产和采购产品，使企业迅速融入中国市场[]，享受本土化带来的好处，为沃尔玛“天天平价”的经营理念创造有力条件，从而在激烈的市场争夺中获得竞争优势。 沃尔玛进入中国后，势必面临与其在美国、在世界其他国家不同的市场环境，这主要表现在社会文化、企业文化、语言、消费观念、政府的法律制度和倾向、地理条件、原料供应、市场替代者等很多方
文章编号:167320291(2006)0520024204 二维各向同性不可分小波变换特性分析 章春娥,裘正定 (北京交通大学计算机与信息技术学院,北京100044) 摘 要:从滤波器设计、采样方面与标准二维可分小波变换的比较、分析二维各向同性不可分小波变换在图像处理中表现出来的特性,并针对不可分小波提出了新的父子关系定义和改进型零树结构.二维不可分小波变换相对标准可分小波变换而言,尺度函数和小波函数不可分且各向同性,具有更细的渐进尺度,更好的紧支撑特性,各个子带有清晰的频率特征及重建特性.本文通过实验统计分析了二维不可分各向同性小波特性,利用改进型零树结构大大提升了其在图像压缩中的性能;对不可分小波变换在图像处理中的应用具有指导性的意义.关键词:各向同性;二维不可分小波;零树结构;图像处理中图分类号:TP391.4 文献标识码:A Analysis on 2-D Nonseparable and Isotropic W avelet T ransform ZHA N G Chun-e ,Q IU Zheng-di ng (School of Computer and Information Technology ,Beijing Jiaotong University ,Beijing 100044,China ) Abstract :C ompared with 2-D separable wavelet the properties of 2-D nonseparable wavelet are analyzed from the aspects of filter design ,sampling and others.For s pecial nonseparable wavelet ,a new father-s on relation 2ship and modified zero-tree structure are proposed.For 2-D nonseparable wavelet trans form ,its scale and wavelet functions are nonseparable and is otropic ,and it has more progressive scales and more tight energy sup 2port.Each subband has more s pecific frequency feature and could gain better reconstruction.This paper ana 2lyzes the properties by experimental data ,increasing greatly the image compression performance by the modi 2fied zerotree ,and als o providing guide for 2-D nonseparable wavelet in image processing.K ey w ords :isotropic ;2-D nonseparable wavelet ;zerotree structure ;image processing 小波变换凭借良好的时频局部化特性,其理论和方法在语音分析,模式识别,数据压缩,图像配准、数据融合、数字水印等信号处理方面得到了广泛的应用.一维小波的理论研究比较深入,多维小波通常自然而然地由一维小波的张量积得到,属于多维可分小波,即通常意义上的标准小波.多维标准小波基于成熟的一维小波理论,构造和实现基本上都基于一维小波进行.一维小波张量积形成的多维小波分析同时带来了一些问题[1].当用张量积表示多维尺度空间时,不同基函数的数目将增加为2d (其中d 表示空间维数).由于基函数是不同尺度下一维小波和尺度函数的积,一些多维小波将会高度偏离坐标方向,失去与一维小波一致的紧支撑特性.张量积形成的基函数还混淆了尺度的运算表达,降低了多维信号小波表示的稀疏性.换而言之,这类由一维小波张量积形成的多维标准小波引入了各向异质性,且难以从物理上解释相应尺度子带代表的频率信息.一维小波能很好地描述一维序列点的奇异性,却很难将对点序列奇异性的描述通过张量积的形式拓展到二维以上的信号处理. 收稿日期:2005212217 基金项目:国家中小型企业创新基金资助项目(04C26213301189);北京交通大学创新基金资助项目(2005SM009) 作者简介:章春娥(1976— ),女,四川达州人,博士生.em ail :z-ce @https://www.doczj.com/doc/7a10909595.html, 裘正定(1944— ),男,浙江嵊县人,教授,博士生导师.第30卷第5期2006年10月 北 京 交 通 大 学 学 报JOURNAL OF BEI J IN G J IAO TON G UN IV ERSIT Y Vol.30No.5 Oct.2006
文献综述之组织发展 众所周知，企业中唯一不变的就是变革。组织变革已经广泛应用在企业的经营管理当中,用以谋求企业在竞争中的优势地位。1962 年美国学者钱德勒在其代表作《战略与结构:美国工商企业成长的若干篇章》中就提出了著名的“结构跟随战略”假设。文章首次分析了“环境——战略——组织结构”间的相互关系,提出企业的经营战略应该适应环境,满足市场需求,而组织结构又必须适应企业的战略,随着战略变化而变化,即“结构跟随战略”假设。 面对经济全球化,技术快速进步,信息的迅速传播,企业所承受的竞争压力和经营风险比过去的任何时候都更为严峻。 圣吉在1990年出版的《第五项修炼》中提出学习型组织的概念,他认为未来最成功的企业将会是学习型组织,因为未来唯一持久的优势,是有能力比你的竞争对手学习得更快。 1993 年,美国的钱皮和哈默提出“公司再造”的概念,组织或公司的再造被认为是继财务管理、战略计划管理和全面质量管理之后的又一场管理革命。 统计表明,90 年代初的几年中,85%的美国公司都投入到了各种各样的组织再造活动当中。这些公司当中,有60%报道说他们并没有获得所希望的生产力,并且有44%的公司声明他们事实上比以前更糟!在80%的公司当中,员工工作满意程度有所降低。面对这些变革方面的失败,以及新指导方针的缺乏,68%的组织机构在一年之内又不得不重新构建组织。从中我们可以看出,组织变革本身是一项复杂的系统工程,其间充满着风险和不确定性,失败的比例非常高,但由于它是组织迎接时代挑战,获取竞争优势的必由之路,所以通过研究现有的理论,分析实践中的成败,并把两者有机地结合起来,探讨组织变革的内在逻辑关系,用来指导组织变革的实践就显得是一件非常有意义和必需的工作。 本文研究的主要问题可以归结为:如何重建组织战略、组织结构和组织文化,达到提高组织运作效率,实现对环境变化的适应,打造组织核心竞争能力,赢得市场竞争的目的。 通过这些研究主要解决现实组织变革中的两大问题: 1、研究如何通过组织变革使组织增强灵活性与敏捷性,从而有效增强对复杂环境的适应能力与应变能力; 2、探讨如何通过组织变革实现组织内部运作机制与组织成员的心理、行为方式的协调,使组织增强新的活力,体现出团队优势。 由此可见，组织发展可以从以下方面进行讨论：
文献综述 基于提升小波变换地弱小目标检测算法研究 前言 目标检测在计算机视觉，雷达跟踪，红外制导，电视跟踪等研究领域有着极其重要地地位，目标地实时检测已成为现在图像处理地关键技术之一，其中运动目标地检测是当今研究地热点. b5E2RGbCAP 基于小波变换地目标检测算法，这些算法在弱小目标检测上有很大优势. 但计算量大是这些算法应用地瓶颈，寻找快速鲁棒地算法是科研人员不懈努力地方向.1997 年Sweldens 等人提出地提升框架地小波变换（第二代小波）给小波地研究和应用又迎来了一次新地高峰. 提升算法地特点是避免了传统小波算法地卷积操作，彻底摆脱了对傅立叶变换地依赖，计算过程可以在空域中完成，能够通过简单地并行计算快速实现. 并且逆变换具有与前向变换完全相同地变换模式与计算复杂度，无需重新设计. 它使我们能够用一种简单地方法去解释小波地基本理论. 提升小波和基于提升框架地整数小波在图像压缩方面取得了巨大成功，并且被新一代静止图像压缩标准JPEG 正式纳入了核心框架之中. p1EanqFDPw 正文 长期以来人们根据具体情况提出了多种多样地目标检测方法，每种方法在满足各自地条件下均取得很好地效果，有些成熟经典地算法已经被广泛地应用于实际中了. 根据查阅地国外文献报道将序列目标检测方法分成基于像素分析地检测方法、基于特征地检测方法和机遇地变换地检测方法等. DXDiTa9E3d 2.1 基于小波地目标检测方法变换域中检测目标较典型地一种方法是基于傅立叶变换地方法. 对图像序列进行傅立叶变换，运动目标地傅立叶变换地频谱幅度不变而相位谱为一个常数，利用这一性质，可以通过相位相关算法来估计运动特性，计算相邻帧间地相位角差来估计空间域中目标地位置，它要求在图像序列中背景不变且只有一个运动目标Mahmoud对运动目标地变换方法进行了广泛地研究，除了FFT 方法，他还提出了快速 Hartley 变换（FHT）进行多目标跟踪，该方法是先对图像序列进行频域处理，再进行峰值检测，Fourier 谱或Hartley 谱地峰值位置则对应于运动目标地速度.该方法地独到之处是对多运动目标地n 阶遮挡分别用冲击函数地对应次乘积求和表示，从而在一定程度上反映和解决了多目标遮挡地问题. 傅立叶变换是一种纯频域地分析方法，它在频域地定位性是完全准确地，即频域地分辨率高，而在时域则没有任何定位性或分辨能力，也就是说傅立叶变换反映地是整个信号全部时间下地整体频域特征，而不能提供局部时间段上地频率信息. 在其基础上产生地短时傅立叶变换，也称为加窗傅立叶变换，虽然能研究信号在局部时间范围地频域特征，但其窗函数地大小和形状
题目： 多分辨率分析＆连续小波变换 TITLE: MULTIRESOLUTION ANALYSIS & THE CONTINUOUS WA VELET TRANSFORM 院系： 电气信息工程系 专业： 通信工程 姓名： 学号： 毕业设计（论文）外文资料翻译
多分辨率分析＆连续小波变换 多分辨率分析 虽然时间和频率分辨率的问题是一种物理现象（海森堡测不准原理）无论是否使用变换，它都存在，但是它可以使用替代方法分析，称为信号多分辨率分析（MRA）。MRA，如它的名字一样，分析了不同分辨率不同频率的信号。每个频谱分量不能得到同样的解决是因为在STFT的情况下。 MRA是为了在高频率时，能够得到良好的时间分辨率和较差的频率分辨率，而在低频率时，能够得到良好的频率分辨率和较差的时间分辨率而设计的。这种方法是十分有意义的，特别是当手头的信号高频成分持续时间短和低频成分持续时间长时。幸运的是，在实际应用中所遇到的信号往往是这种类型。例如，下面显示了这种类型的信号。它有一个贯穿整个信号相对较低的频率分量，而在信号中间有一个短暂的、相对较高的频率成分。
连续小波变换 连续小波变换作为一种替代快速傅里叶变换办法来发展，克服分析的问题。小波分析和STFT的分析方法类似，在这个意义上说，就是信号和一个函数相乘，{\它的小波}，类似的STFT的窗口功能，并转换为不同分段的时域信号。但是，STFT和连续小波变换二者之间的主要区别是： 1、Fourier转换的信号不采取窗口，因此，单峰将被视为对应一个正弦波，即负频率是没有计算。 2、窗口的宽度是相对于光谱的每一个组件变化而变化的，这是小波变换计算最重要的特征。 连续小波变换的定义如下： 公式3.1 从上面的方程可以看出，改变信号功能的有两个变量，τ和s，分别是转换参数和尺度参数。psi(t)为转化功能，它被称为母小波。母小波一词得名是由于如下所述的两个小波分析的重要性质： 这个词意味着小波浪。小指的条件是本（窗口）函数的有限长度的（紧支持）。波指的条件是这个函数是振荡的。这个词意味着母波在支持不同类型波的转型过程中起主要作用，或者叫母小波。换句话说，母小波是产生其他窗口功能的原型。 这个术语的解释和它在STFT中的意义一样，它关系到窗口的位置，因为窗口是通过信号转换而来的。这个词，很明显，对应变换域的时间信息。但是，我们没有一个频率参数，因为我们之前STFT。相反的我们具有放缩参数，它定义为$ 1/frequency $。这个词的频率是留给STFT的。下一节对放缩参数进行了更详细的描述。 放缩 小波分析中的参数放缩类似地图使用参数。正如在地图中，高尺度对应一个非详细的整体视图（信号），低尺度对应的详细视图。同样，在频率方面，（高比例）低频率对应的信号整体信息（即通常跨越整个信号），而（小比例）高频率对应一个信号中的一个隐藏模式的详细信息（通常持续时间相对较短的时间）。余弦信号的对应，下图例子中给出不同尺度。
【论文关键词】现当代文学思想情感语言 【论文摘要】中国现当代文学是用现代的文学语言和形式表达现代中国思想情感的文学。本文研究了中国现当代文学的现状，并对现当代文学的发展提出了几点展望。 中国现当代文学通过现代社会和人的意识情感的加入，来改变中国古典文学造成的封闭和隔绝，使文学在内容和表达上与当代中国人的实际有更多的联系和契合。近年来，现当代文学研究过程中，在一种无孔不入的话语的渗透之下，一些像“全球化”之类的词语，成了神圣的词语，只要说出来就具有天然合法性，而不论其所指何物。与此同时，一些诸如“革命”、“救亡”之类的词语，却获得了截然不同的命运，一说出来就成了天然的“非法”，甚至成了过街老鼠，人人喊打。在当下的语境中，“纯文学”、“新时期文学”、“先锋文学”等成了人见人爱的时髦话语，而“十七年文学”、“革命历史小说”、“底层写作”等则成了人见人怕的危险思想。在中国现当代文学的研究过程中，现当代文学究竟如何发展变化，又处在何种现状呢? 一、现当代文学研究目的发生了本质的变化 在中国现当代文学史上，上世纪八十年代成为一个重要的时期。在以和平经济建设为中心时期，文学队伍主要是由两代作家构成，一代是在上世纪五十年代成长起来的作家，他们大部分是在1957年的“反右”运动中遭到不公的批判和打击，并在社会底层度过了一段苦难日子，他们的创作里充满对现实政治生活的干预精神和对人性的赞美。另一代是在“文革”中成长起来的作家，其中大多数人曾在“上山下乡”中感受了民间生活和民间文化的熏陶，因此他们在写作的时候会自然而然地从农村经验中汲取创作素材，由最初的知青题材到稍后的寻根文学，呈现出新的民间化创作趋向。两代作家们胸中涌动着知识分子新生的对现实生活的热情与自信，他们在揭露社会弊病的同时，把希望寄托于批判的社会效果，在这种希望之中正滋生着已经消失了近三十年的知识分子的主体意识。这使上世纪八十年代的文学充满了生机勃勃的创新精神和活跃气氛。 而今天的当代中国作家，一部分忙着追逐“诺贝尔”文学奖，期望以此来奠定自己在文学史上的地位;另一部分则忙于追逐市场。由于读者的欣赏情趣和阅读趋向主导了市场，市场又左右着作家的文学创作，导致现在的文学市场化、快餐化、娱乐化、庸俗化、视觉化倾向。在现当代文学中，以两种文学思想表现最为突出。 (1)精神溃败。在这种精神溃败之中，有的作者干脆放弃信仰，放弃寻找精神出路的企图。如余华就在《活者》中传达了“活着就是一切，活着就是胜利”这样一种人生哲学。正如余杰所说，只有肉体的“活着”而没有灵魂的求索。 (2)性文学进入文坛。90年代末期，性文学卷土重来进入了中国文坛，在这些描写性的文学中声势最响的是贾平凹的《废都》和王小波的《黄金时代》。它们都描写了男人在生存困境中表现出的依赖性和脆弱性。 二、现当代文学存在“现状批评”现象 现状批评是现当代文学研究中最具诱惑力的部分，变化无穷的文学现象和不断推出的新人和作品，既联系着社会生活、文化思潮的搏动，又提供了不重复的新鲜刺激，批评的创造性在现当代文学研究中也最为活跃。因此，许多人把当代文学研究与“现状批评”画上等号。这一观点是值得怀疑的，它可能迟滞了对“十七年文学”、“‘文革’文学”的研究，以至于这三十年的文学已从一些人的研究视野中消失。这些部分文学研究，往往构成现当代文学研究最脆弱的环节。很显然，这三十年的文学创作总体水准的普遍性缺陷，是难以吸引更多注意力的重要原因。但是，从另一角度看，这一曲折的文学进程，又蕴含着某些有关中国现代文学的重要问题和矛盾，这涉及现代文学传统、作家精神结构、现代文学艺术形态等。
基于连续小波变换的奇异性检测与故障诊断 林京 振动工程学报2000 基于小波变换的奇异性检测方法可以实现对信号局部奇异性的刻画。因此,自该方法提出以来,便获得了广泛的应用。仅在机械故障诊断领域中,它就被用来进行超声无损探伤、柴油机的压力波形识别、纲丝绳断丝检测、切削颤振分析等。从这些应用中可以看到,它们都无一例外地采用二进离散小波变换来做奇异性检测。尽管此时的二进离散只对尺度区间进行,各尺度上信号的时间间隔等于采样间隔,这种小波分解也足以大大缩减了计算量,因此许多研究人员乐于采用。但是,尺度上的二进分割会使奇异性定量过于粗糙,尤其是在低尺度区间的信号,信号中的奇异点往往无法考察,从而出现漏检或定量不准。如果采用连续小波变换,则这些缺陷可迎刃而解。 Lip指数表明了函数f(x)与n次多项式作比较时,其光滑程度是多少。传统的计算Lip指数的计算方法是采用Fourier变换,它只能得到信号整体的Lip指数,所以只能反映信号的全局奇异程度。如果要求得到信号在某点的奇异性,需要借助小波方法来实现。 综合起来，选择小波函数的原则就是在满足能够检测到最大Lip指数值的前提下，选择具有最少消失矩的小波函数。目前比较多的采用墨西哥草帽小波函数和Morlet小波函数。 实际应用中,要根据具体情况选择不同阶的导函数作小波函数。在机械测试信号中，奇异点通常为一些峰值点和突变尖点，这些点的Lip指数总小于1，所以小波函数只具有一阶消失矩即可。 模极大值线的存在要求尺度必需连续变化,当尺度作二进离散后,不存在模极大值线。 尺度区间的二进离散在许多情况下显得过于粗糙,它对Lip指数的定量描述不够精确,采用连续小波变换可以准确对Lip指数作定量计算。 机械状态监测中,信号的突变点往往携带着故障信息,机器运行过程中所产生的撞击、振荡、摩擦、转速突变、结构变形和断裂等都可反映在信号的突变点中,信号突变点的奇异性检测可以有效地揭示机器的故障信息,为机器故障诊断提供有力工具。 用小波做奇异性检测可以对信号的局部奇异程度做定量描述,但目前通用的用二进小波做奇异性检测的定量描述在许多应用场合下仍显得粗糙,不能很好地区分正常点还是异常点。基于连续小波变换的奇异性检测方法可以对局部奇异性做精确的定量描述,具有广泛的应用前景。
小波分析及小波包分析 在利用matlab做小波分析时，小波分解函数和系数提取函数的结果都是分解系数。我们知道，复杂的周期信号可以分解为一组正弦函数之和，及傅里叶级数，而傅里叶变换对应于傅里叶级数的系数；同样，信号也可以表示为一组小波基函数之和，小波变换系数对应于这组小波基函数的系数。 多尺度分解是按照多分辨分析理论，分解尺度越大，分解系数的长度越小（是上一个尺度的二分之一）。我们会发现分解得到的小波低频系数的变化规律和原始信号相似，但要注意低频系数的数值和长度与原始信号以及后面重构得到的各层信号是不一样的。 小波分解：具体实现过程可以分别设计高通滤波器和低通滤波器，得到高频系数和低频系数，并且每分解一次数据的长度减半。小波重构，为分分解的逆过程，先进行增采样，及在每两个数之间插入一个0，与共轭滤波器卷积，最后对卷积结果求和。在应用程中，我们经常利用各层系数对信号进行重构（注意虽然系数数少于原信号点数，但是重构后的长度是一样的），从而可以有选择的观看每一频段的时域波形。从而确定冲击成分所在频率范围。便于更直观的理解，小波分解，利用各层系数进行信号重构过程我们可以认为是将信号通过一系列的不同类型的滤波器，从而得到不同频率范围内的信号，及将信号分解。 小波消噪:运用小波分析进行一维信号消噪处理和压缩处理，是小波分析的两个重要的应用。使用小波分析可以将原始信号分解为一系列的近似分量和细节分量，信号的噪声主要集中表现在信号的细节分量上。使用一定的阈值处理细节分量后，再经过小波重构就可以得到平滑的信号。 小波常用函数 [C,L]=wavedec(s,3,'db1');%用小波函数db1对信号s进行3尺度分解 其中C为分解后低频和高频系数，L存储低频和高频系数的长度。 X=wrcoef(‘type’,C,L,’wname’,N)%对一维小波系数进行单支重构，其中N表示对第几层的小波进行重构 X=wrcoef(‘a’,C,L,’wname’,3)%对第三层的低频信号进行重构，如果a变为d的话，表示对低频分量进行重构。注意重构后数据的长度于原来数据的长度一致。 ca1=appcoef(C,L,'db1',1);%从前面小波3尺度分解结构[C,L]中提取尺度1的低频系数 高频系数提取类似。 选择合适的阈值，小波分解后，重构可以达到去除噪声的目的。 小波包分解，可以将信号分在不同的频带，且不同的频带宽度是一样的。小波分析，只将低
女大学生就业中性别歧视分析文献综述 摘要：随着我国高等教育改革的发展，各个高校的招生规模也在逐年的增加。这也就导致了毕业生的数量也在逐年增加，竞争压力也慢慢增大。与此同时它将我国大学毕业生就业歧视问题推向了一个新的局面。本文就搜集众多学者观点及部分文献信息对我国大学生就业歧视问题进行简要分析综述，并提出一些建议及对策。 关键词：大学毕业生；就业歧视；区别对待； 大学生就业环境日趋激烈，就业中的性别歧视问题就成为了一个社会问题。有调查显示，目前我国高等学校中女生占的比例已达44 %，在相同条件下女生就业机会只有男生87% ,女毕业生初次就业率仅为63.4% ,比男生低8.7个百分点。这一现象已引起了社会的广泛关注。本文搜集相关材料，从大学毕业生就业歧视定义、国内外相关研究、就业歧视成因和就业歧视对策三个方面进行分析讨论，力求能得出一些有实质意义的合理化建议和对策。 一、女大学生就业中性别歧视的界定 分析女大学生就业现象，首先应该明确一下概念。 （一）性别歧视 国际劳工组织1958 年通过的《就业与职业歧视公约》(第ll1 号公约)对“就业歧视”的界定是：基于种族、肤色、性别、宗教、政治见解、民族、血统或社会出身的任何区别、排斥或特惠，其效果为取消或损害就业或职业方面的机会平等或待遇平等。 湖南师范大学教育科学学院覃伟丽认为研究我国大学生就业歧视，首先必须将大学生就业歧视与一般的就业歧视进行区分。形式逻辑学“种差加属”的定义方法能够对大学生就业歧视进行较为准确的定义区分。根据其分析得出“大学毕业生就业歧视”是指，基于种族、肤色、性别、宗教、政治见解、民族、血统或社会出身等原因，雇主方对于获得大学文凭就业者的初次或初期就业，采取任何区别、排斥或特惠，其效果为取消或损害就业或职业方面的机会平等或待遇平等。[3] （二）女大学生就业中的性别歧视
第二代小波提升步骤 小波分析2009-10-12 15:14:31 阅读663 评论5 字号：大中小订阅 l 提升原理 小波提升是一种构造紧支集双正交小波的新方法。 1）步骤 由提升构成第二代小波变换的过程分为如下3个步骤： (1) 分裂 分裂(Split)是将原始信号sj = { sj，k }分为两个互不相交的子集和。每个子集的长度是原子集的一半。通常是将一个数列分为偶数序列ej-1和奇数序列oj-1，即 Split (sj) = (ej-1, oj-1 ) 其中，ej-1 = { ej-1, k = sj, 2 k }，oj-1 = { oj-1, k = sj, 2 k +1}。 (2) 预测 预测(Predict)是利用偶数序列和奇数序列之间的相关性，由其中一个序列（一般是偶序列ej-1）来预测另一个序列（一般是奇序列oj-1）。实际值oj-1与预测值P (ej-1)的差值dj-1反映了两者之间的逼近程度，称之为细节系数或小波系数，对应于原信号sj的高频部分。一般来说，数据的相关性越强，则小波系数的幅值就越小。如果预测是合理的，则差值数据集dj-1所包含的信息比原始子集oj-1包含的信息要少得多。预测过程如下： dj-1 = oj-1 – P (ej-1) 其中，预测算子P可用预测函数Pk来表示，函数Pk可取为ej-1中的对应数据本身： Pk (ej-1, k ) = ej-1, k = sj, 2 k 或ej-1中的对应数据的相邻数据的平均值： Pk (ej-1) = (ej-1, k + ej-1, k+1) / 2 = (sj, 2 k + sj, 2 k +1) / 2 或其他更复杂的函数。 (3) 更新 经过分裂步骤产生子集的某些整体特征(如均值)可能与原始数据并不一致，为了保持原始数据的这些整体特征，需要一个更新(Update)过程。将更新过程用算子U来代替，其过程如下： sj-1 = ej-1 + U (d j-1) 其中，sj-1为sj的低频部分；与预测函数一样，更新算子也可以取不同函数，如 U k (dj-1) = dj-1, k / 2 或 U k (dj-1) = (dj-1, k -1 + dj-1, k) / 4 + 1 / 2。 P与U取不同的函数，可构造出不同的小波变换。 2) 分解与重构 经过小波提升，可将信号sj分解为低频部分sj-1和高频部分dj-1；对于低频数据子集sj-1 可以再进行相同的分裂、预测和更新，把sj-1 进一步分解成dj-2和sj-2；…；如此下去，经过n次分解后，原始数据sj的小波表示为{sj-n, dj-n, dj-n+1, …, dj-1}。其中sj-n代表了信号的低频部分,而{dj-n, dj-n+1, …, dj-1}则是信号的从低到高的高频部分系列。 每次分解对应于上面的三个提升步骤——分裂、预测和更新： Split (sj) = (ej-1, oj-1 )，dj-1 = oj-1 – P (ej-1)，sj-1 = ej-1 + U (d j-1) 小波提升是一个完全可逆的过程，其反变换的步骤如下： ej-1 = sj-1 - U (d j-1 )，oj-1 = dj-1 + P (ej-1)，sj = Merge (ej-1, oj-1 )
0引言 小波变换是20世纪80年代后期发展起来的应用数学分支，并在近些年里得到了快速的发展。由于它具有良好的时频局部特性和多分辨分析特性，因此成为当前信号研究的主要方向之一，尤其在图像处理方面得到了广泛应用。但在实际应用过程中，由于计算机的计算精度是有限的，所以经过小波变换后的图像会产生部分的信息损失。1994年Sweldens 等学者提出了一种新的小波构造方法——“提升”格式。这给使用小波变换进行图像处理提供了一种新的思路。为和以往的小波变换相区别，这种基于提升格式构造的小波变换被称为“第二代小波变换”。所以本文尝试使用这种新的小波变换方法，结合图像处理中会遇到的一些实际问题，对提升小波变换在图像中的一些比较重要的应用分别做了详细的介绍。 1提升小波变换的基本原理 第一代小波的研究工具主要是傅立叶分析，即从频域来 分析问题。在实际应用中，传统小波变换的实现是通过卷积完成的，它计算复杂，运算速度慢，对内存的需求量较大，不适于实时实现。信号经过传统小波变换后产生的是浮点数，由于计算机有限字长的影响，往往不能精确的重构原始信号。 而且传统小波对原始图像的尺寸有严格的要求，一般要求图像的长和宽都必须是2的整数次幂的倍数。而提升小波则直接在时(空)域分析问题，使问题变得更加简单，并且可以将所有传统小波都通过提升方法构造出来。基于提升方法的小波变换既保持了传统小波的时频局部化等特性，又克服了它的局限性。提升算法给出了双正交小波简单而有效的构造方法，它使用了基本的多项式插补来获取信号的高频分量 ( 系数)。提升 算法的基本思想在于通过一个基本小波，逐步构建出一个更具有良好性质的新小波，这就是提升的基本含义。一个标准的提升算法包含3个步骤：分裂；预测；修正。它的实现步骤如图1所示。 由于数据之间有某种相关性，可以将它用更为紧凑的格式来表示，也就是说，寻找原数据列的一个子集，使它能够表示原始信号所包含的信息。下面按照提升小波的分解和重构 收稿日期：2006-04-17E-mail ：sohugaosw@https://www.doczj.com/doc/7a10909595.html, 作者简介：高世伟(1980－)，男，湖南岳阳人，博士研究生，研究方向为小波变换、图像处理、目标识别；郭雷(1956－)，男，教授，博士生导师，研究方向为神经计算理论、图像处理、计算机视觉技术；杜亚琴(1972－)，女，博士研究生，研究方向为图像处理、目标识别；杨宁(1977－)，女，博士研究生，研究方向为图像处理；陈亮(1980－)，男，博士研究生，研究方向为图像处理、目标识别。 提升小波变换及其在图像处理中的应用 高世伟，郭 雷，杜亚琴，杨宁，陈亮 (西北工业大学自动化学院，陕西西安710072) 摘 要：提升算法是一种新的双正交小波构造方法，此方法大大降低了计算的复杂程度，因此该算法可以有效地减少程序运行时间。详细说明了提升算法的原理及实现步骤，并结合该算法介绍了它在图像处理中的一些应用。实验表明基于提升算法设计的图像处理系统有很好的性能。 关键词：小波变换;提升算法;图像去噪;图像压缩;图像融合中图法分类号：TP391.41 文献标识码：A 文章编号：1000-7024(2007)09-2066-04 Lifting wavelet transform and its application in image processing GAO Shi-wei, GUO Lei, DU Ya-qin, YANG Ning, CHEN Liang (College of Automation,Northwestern Ploytechnical University,Xi'an 710072,China ) Abstract ：Lifting Scheme is a new method to construct biorthogonal wavelet,this method decrease complexity of count greatly,and reduce runtime effectively.The basic principle of lifting scheme is explained in detail,and some applications in image processing using this scheme are introduced.Experimental results indicate that image processing systems designed based on lifting scheme have good per-formance. Key words ：wavelet transform;lifting scheme;image denoising;image compress;image fusion 2007年5月计算机工程与设计 May 2007 第28卷第9期Vol.28 No.9 Computer Engineering and Design 图1 提升算法的实现步骤 分裂预测 修正
“V不C”构式研究综述 摘要：“V不C”构式是汉语中表示“否定可能性” 的一类独特而地道的表达方式。自吕叔湘对其进行研究以来，汉语学界对这一构式从句法特征、语法意义、历时演变方面进行了详尽细致的研究。近年来，学者们也开始尝试运用认知语言学的概念整合、语法化等理论探索这一现象的心智过程。本文在对以往研究进行综述分析的基础上，指出值得关注的研究成果及研究缺口，希望对未来的研究提供参考和借鉴。 关键词：“V不C”构式结构和语义描写认知解释 一、引言 世界语言中对否定可能性的表达有各种型式，体现了相似的概念结构编码为语言形式时的类型学共性和差异。我们初步考察以下几种常见的语言。若表达“门无法被关上”这一意义，英语使用的表述是“The door can not be closed（up），”即情态动词+否定副词+be+动词变体（过去分词表被动）（+ 副词），同属日耳曼语族的德语使用与英语基本平行对应的 句型“Tür l?sst sich nicht schlie?en.”法语属于印欧语系拉丁 语族，它的表述是“La porte ne se ferme pas.”“ne...pas”分列动词两侧，表示否定，“se”为被动标记。日语将此义表述
为“ドアが?]じない”。动词未然形+否定助词。而汉语对此意义的自然表述是“门关不上”。“关不上”是汉语“V不C”构式的一个实例，我们再看一些例句： （1）好多年前，我在京郊插队时，常常在秋天走路回家，路长得走不完。（王小波《三十而立》） （2）牛大胆：“家家都有余粮吃不了，可卖也卖不出去。”（电视剧《老农民》第49集） （3）干不完的工作，停一停，放松心情；挣不够的钱财，看一看，身外之物；看不惯的世俗，静一静，顺其自然。（移动手机短信?生活百科语录） （4）小时候印象最深刻的就是和兄弟们一起在家里玩，虽然免不了吵架，但很快就忘光了。（林志颖《我对时间有耐心》） （5）多数人要等到奥运会揭幕前才仓促出战，默契自然谈不上。（北大现代汉语语料库） （6）公园里一排排的大橡树令我惊喜不已，我禁不住跑到一棵大树边，用两臂丈量树围，足有6米多粗。（薛玉凤《剑桥日记》） 现代汉语中，“V不C”作为一类内部构成较为固定的结构可以用来表示否定可能性，称作“动补结构的否定可能式”（丁声树等，1961；赵元任，1968、1979；刘月华，1998；沈清淮，1998；石毓智，2011：80）、“带可能补语的述补结
基于小波包的图像压缩及matlab实现 摘要：小波包分析理论作为新的时频分析工具，在信号分析和处理中得到了很好的应用，它在信号处理、模式识别、图像分析、数据压缩、语音识别与合成等等许多方面都取得了很有意义的研究成果。平面图像可以看成是二维信号，因此，小波包分析很自然地应用到了图像处理领域，如在图像的压缩编码、图像消噪、图像增强以及图像融合等方面都很好的应用。本文将对小波包分析在图像处理中的应用作以简单介绍。 关键词：小波包图像处理消噪 1.小波包基本理论 1.1 小波包用于图像消噪 图像在采集、传输等过程中，经常受到一些外部环境的影响，从而产生噪声使得图像发生降质，图像消噪的目的就是从所得到的降质图像中去除噪声还原原始图像。图像降噪是图像预处理中一项应用比较广泛的技术，其作用是为了提高图像的信噪比突出图像的期望特征。图像降噪方法有时域和频域两种方法。频率域方法主要是根据图像像素噪声频率范围，选取适当的频域带通过滤波器进行滤波处理，比如采用Fourier变换（快速算法FFT）分析或小波变换（快速算法Mallat 算法）分析。空间域方法主要采用各种平滑函数对图像进行卷积处理，以达到去除噪声的目的，如邻域平均、中值（Median）滤波等都属于这一类方法。还有建立在统计基础上的lee滤波、Kuan滤波等。但是归根到底都是利用噪声和信号在频域上分布不同进行的：信号主要分布在低频区域。而噪声主要分布在高频区域，但同时图像的细节也分布在高频区域。所以，图像降噪的一个两难问题就是如何在降低图像噪声和保留图像细节上保持平衡，传统的低通滤波方法将图像的高频部分滤除，虽然能够达到降低噪声的效果，但破坏了图像细节。如何构造一种既能够降低图像噪声，又能保持图像细节的降噪方法成为此项研究的主题。在小波变换这种有力工具出现之后，这一目标已经成为可能。 基于小波包变换消噪方法的主要思想就是利用小波分析的多尺度特性，首先对含有噪声的图像进行小波变换，然后对得到的小波系数进行阈值化处理，得到
国内网络青年亚文化研究现状及反思 上世纪90年代以降，随着互联网的快速普及，中国青年文化开始呈现撕裂状态。一方面，认同和追随主流意识形态的青年文化依然在传统媒体和校园盛行，另一方面，更多新的亚文化现象在网络媒体的助推下恣意生长，从而使青年亚文化成为中国本土网络世界最活跃、最具生命力的文化景观。但纵观十多年来网络青年亚文化的研究，我们不无惊诧地发现，与网络世界方兴未艾的青年亚文化现象相比，学术研究的落后十分明显，现有的一些研究不同程度地染上了“狂躁虚无”的时代病，满足于浮光掠影式的轻浅叙述，而鲜见发人深思之作。可以说，网络青年亚文化已经盛装开演，而与之对应的研究还只是撩开了帷幕，许多有价值的问题亟需得到学术界的关注和探讨。 一、网络青年亚文化现象及研究概览 我们以期刊网为研究对象，以“青年亚文化”为关键词进行第一次搜索，以“网络”为第二关键词在结果中再次搜索，又以“网络文化”为关键词做更大范围的搜索，并从中筛选与“网络青年亚文化”相关的文章，有近百篇。由搜索结果得知，国内网络青年亚文化研究始于1997年，标志性的事件有二：其一，按月出版的《网上生活》（《Internet&Intranet》）杂志，作为互联网杂志在全国率先出版，但当时因为没有刊
号，只作为《中国计算机用户》的刊中刊发行，直至2000年易名《数字世界》才正式出版发行。《网上生活》杂志象征性地开启了中国互联网生活方式之门。其二，是年，一些早期研究成果陆续发表和出版。既有从事互联网技术开发和服务的技术精英们撰文介绍西方互联网中的一些文化现象，譬如黑客亚文化、网络技术新语言等，也有学者开始对国内网络与青年问题展开研究，例如卜卫对1995年开通的“瀛海威时空”网络用户进行实证调查，其研究成果《百姓、青年与网络》一文1997发表于《青年研究》期刊，这是国内较早通过调查表明青少年是网络用户的主体，具有实验性质。同年，由中国人民大学出版社组织一批青年编撰的、一套八本的《互联网络文化丛书》出版，其中，既有介绍互联网技术的《网络创世纪—从阿帕网到互联网》和《21世纪网络生存术》，也有对网络黑客现象介绍的《黑客：电脑时代的牛仔》，对网络时代人类精神生活方式变化进行描述的《生活在网络中》，以及对媒介传播在网络冲击下的前景进行展望的《孤独的狂欢—数字时代的交流》，等等。 这些研究共同的特征是从宏观层面、从全球视野介绍网络快速发展将对人类的生存方式和总体文化结构产生的革命性变革，尤其对青年群体的影响的无远弗届。研究成果中，特别关注的青年亚文化现象是“黑客”和网络新语言，这与研究者队伍中技术精英参与，全球网络技术创新，以及黑客高