昆明理工大学信息工程与自动化学院学生实验报告
（2013 —2014 学年第 1 学期）
课程名称：人工智能开课实验室：信自楼计算机机房442 2013 年12月 21日
一、上机目的及内容
1.上机内容
根据下列给定的14个数据,运用Information Gain构造一个天气决策树。
2.上机目的
（1）学习用Information Gain 构造决策树的方法； （2）在给定的例子上，构造出正确的决策树； （3）理解并掌握构造决策树的技术要点。
二、实验原理及基本技术路线图（方框原理图或程序流程图）
（1）设计并实现程序，构造出正确的决策树； 问题分许：天况——晴、雨、多云 温度——热、中、冷 湿度——大、正常 风况——有、无
首先我们要根据每个属性来算出信息增益，接下来我们根据信息增益最大的来进行划分。
选择一个属性，根据该Information Gain 把数据分割为K 份。分许如下：
数据集
计算IG
划分数据集
（2）主要函数流程图：
（
Basefun 流程图
三、所用仪器、材料（设备名称、型号、规格等或使用软件）
1台PC及VISUAL C++6.0软件
四、实验方法、步骤（或：程序代码或操作过程）
Main.cpp:
#include
#include
#include
#include
#include
#include
#include "AttributeValue.h"
#include "DataPoint.h"
#include "DataSet.h"
DataPoint processLine(std::string const& sLine)
{
std::istringstream isLine(sLine, std::istringstream::in);
std::vector
// TODO: need to handle beginning and ending empty spaces.
while( isLine.good() )
{
std::string rawfield;
isLine >> rawfield;
attributes.push_back( AttributeValue( rawfield ) );
}
AttributeValue v = attributes.back();
attributes.pop_back();
bool type = v.GetType();
return DataPoint(attributes, type);
}
void main()
{
std::ifstream ifs("in.txt", std::ifstream::in);
DataSet initDataset;
while( ifs.good() )
{
// TODO: need to handle empty lines.
std::string sLine;
std::getline(ifs, sLine);
initDataset.addDataPoint( processLine(sLine) );
}
std::list
std::vector
processQ.push_back(initDataset);
while ( processQ.size() > 0 )
{
std::vector
DataSet dataset = processQ.front();
dataset.splitDataSet(splittedDataSets);
processQ.pop_front();
for (int i=0; i { float prob = splittedDataSets[i].getPositiveProb(); if (prob == 0.0 || prob == 1.0) { finishedDataSet.push_back(splittedDataSets[i]); } else { processQ.push_back(splittedDataSets[i]); } } } std::cout << "The dicision tree is:" << std::endl; for (int i = 0; i < finishedDataSet.size(); ++i) { finishedDataSet[i].display(); } } Attributevalue.cpp： #include "AttributeValue.h" #include "base.h" AttributeValue::AttributeValue(std::string const& instring) : m_value(instring) { } bool AttributeValue::GetType() { if (m_value == "P") { return true; } else if (m_value == "N") { return false; } else { throw DataErrException(); } } Basefun.cpp: #include float log2 (float x) { return 1.0 / log10(2) * log10(x); } float calEntropy(float prob) { float sum=0; if (prob == 0 || prob == 1) { return 0; } sum -= prob * log2(prob); sum -= (1 - prob) * log2 ( 1 - prob ); return sum; } Datapiont.cpp: #include #include "DataPoint.h" DataPoint::DataPoint(std::vector { for (int i=0; i { m_attributes.push_back( attributes[i] ); } } void DataPoint::display() { for (int i=0; i { std::cout << "\t" << m_attributes[i].getValue(); } if (true == m_type) { std::cout << "\tP"; } else { std::cout << "\tN"; } std::cout << std::endl; } Dataset.cpp: #include #include #include "base.h" #include "DataSet.h" void SplitAttributeValue::display() { std::cout << "\tSplit attribute ID(" << m_attributeIndex << ")\t"; std::cout << "Split attribute value(" << m_v.getValue() << ")" << std::endl; } void DataSet::addDataPoint(DataPoint const& datapoint) { m_data.push_back(datapoint); } float DataSet::getPositiveProb() { float nPositive = 0; for(int i=0; i { if ( m_data[i].isPositive() ) { nPositive++; } } return nPositive / m_data.size(); } struct Stat { int nPos; int nNeg; int id; }; void DataSet::splitDataSet(std::vector { // find all available splitting attributes int nAttributes = m_data[0].getNAttributes(); int i, j; std::vector splittingAttributeBV.resize(nAttributes); for (i=0; i { splittingAttributeBV[i] = true; } for (i=0; i { splittingAttributeBV[ m_splitAttributes[i].getAttributeIndex() ] = false; } std::vector for (i=0; i { if (true == splittingAttributeBV[i]) { splittingAttributeIds.push_back(i); } } typedef std::map typedef std::map typedef std::map std::vector< AttributeValueStat > splittingStats; splittingStats.resize( splittingAttributeIds.size() ); for (i=0; i { for (j=0; j { AttributeValue const& v = m_data[i].getAttribute(splittingAttributeIds[j]); AttributeValueStat_iterator it = splittingStats[j].find(v); if ( splittingStats[j].end() == it ) { Stat stat; if ( m_data[i].isPositive() ) { stat.nPos = 1; stat.nNeg = 0; stat.id = 0; } else { stat.nPos = 0; stat.nNeg = 1; stat.id = 0; } splittingStats[j].insert(std::pair } else { if ( m_data[i].isPositive() ) { it->second.nPos++; } else { it->second.nNeg++; } } } } // display collected statistics for (j=0; j { std::cout << "Attribute(" << splittingAttributeIds[j] << "):" << std::endl; std::cout << "\tValue \t nPos \t nNeg" << std::endl; for (AttributeValueStat_const_iterator it = splittingStats[j].begin(); it != splittingStats[j].end(); ++it) { std::cout << "\t" << it->first.getValue() << " \t " << it->second.nPos << " \t " << it->second.nNeg << std::endl; } } // find splitting attribute float minEntropy = 0.0; int splitAttributeId = -1; for (j=0; j { int n = m_data.size(); float entropy = 0.0; for (AttributeValueStat_iterator it = splittingStats[j].begin(); it != splittingStats[j].end(); ++it) { int nSamples = it->second.nPos + it->second.nNeg; float p = it->second.nPos; p /= nSamples; entropy += calEntropy(p) * nSamples / n; } if (entropy < minEntropy || -1 == splitAttributeId) { minEntropy = entropy; splitAttributeId = j; } } std::cout << "Split at attribute(" << splittingAttributeIds[splitAttributeId] << ")" << std::endl << std::endl; // split int attrId = splittingAttributeIds[splitAttributeId]; AttributeValueStat const& attVStat = splittingStats[splitAttributeId]; splittedSets.clear(); int k = 0; for (AttributeValueStat_iterator it = splittingStats[splitAttributeId].begin(); it != splittingStats[splitAttributeId].end(); ++it) { it->second.id = k++; } splittedSets.resize( k); for (i=0; i { for (j=0; j { splittedSets[i].m_splitAttributes.push_back( m_splitAttributes[j] ); } } for (AttributeValueStat_iterator itt = splittingStats[splitAttributeId].begin(); itt != splittingStats[splitAttributeId].end(); ++itt) { splittedSets[itt->second.id].m_splitAttributes.push_back(SplitAttributeValue(itt->first, attrId)); } for (i=0; i { AttributeValue const& v = m_data[i].getAttribute(attrId); AttributeValueStat_const_iterator it = attVStat.find(v); if ( attVStat.end() != it ) { splittedSets[it->second.id].addDataPoint(m_data[i]); } else { throw DataErrException(); } } } void DataSet::display() { int i; std::cout << "Dataset(" << this << ")" << std::endl; for (i=0; i { m_splitAttributes[i].display(); } std::cout << "Data:" << std::endl; for (i=0; i { m_data[i].display(); } std::cout << std::endl; } 五、实验过程原始记录( 测试数据、图表、计算等) 六、实验结果、分析和结论 首先我们要对问题进行分许，考虑到几个属性：天况——晴、雨、多云；温度——热、中、冷；湿度——大、正常；风况——有、无；然后我们要根据每个属性来算出信息增益，接下来我们根据信息增益最大的来进行划分。根据问题设计算法，建立数据结构，设计需要用的类，然后通过编程实现问题求解。 收获：学会读程序，在老师给的程序中，Attributevalue的作用是判断正反例，以便下面的的划分决策过程，basefun的作用则是计算熵，通过熵的比。dataset就是具体的划分过程，首 先找到可用的划分项目，再第一次划分之后再手机相关的数据来计算熵. 在实验中遇到的问题： 1问题：对建立工作空间不够熟练 解决：复习试验一，完成工作空间的建立，并记下笔记。 2问题：对所属性影响天气问题编程不知如何分析。 解决：了解和求解最大信息增益和最小熵选择平均熵最小的属性作为根节点，用同样的方法选择其他节点直至形成整个决策树。 这次试验中，我在实践中看到了我的分析问题能力、算法设计以及编程能力都需要在以 后的试验中提高。 昆明理工大学信息工程与自动化学院学生实验报告 （ 2011 — 2012 学年第 1 学期） 课程名称：人工智能开课实验室：信自楼计算机机房444 2011 年12月 16 日专业班级0 学号200 姓名成绩 实验名称天气决策树指导教师 教师评语该同学是否了解实验原理： A.了解□ B.基本了解□ C.不了解□该同学的实验能力： A.强□ B.中等□ C.差□该同学的实验是否达到要求： A.达到□ B.基本达到□ C.未达到□实验报告是否规范： A.规范□ B.基本规范□ C.不规范□实验过程是否详细记录： A.详细□ B.一般□ C.没有□ 教师签名： 2011 年12 月日 一、上机目的及内容 1.上机内容 根据下列给定的14个数据,运用Information Gain构造一个天气决策树。 例子编号 属性 分类天况温度湿度风况 1 晴热大无N 2 晴热大有N 3 多云热大无P 4 雨中大无P 5 雨冷正常无P 6 雨冷正常有N 7 多云冷正常有P 8 晴中大无N 9 晴冷正常无P 10 雨中正常无P 11 晴中正常有P 12 多云中大有P 13 多云热正常无P 14 雨中大有N 2.上机目的 （1）学习用Information Gain构造决策树的方法； （2）在给定的例子上，构造出正确的决策树； （3）理解并掌握构造决策树的技术要点。 二、实验原理及基本技术路线图（方框原理图或程序流程图） （1）设计并实现程序，构造出正确的决策树； （2）对所设计的算法采用大O符号进行时间复杂性和空间复杂性分析； 主函数流程图： Attributevalue.cpp流程图 大风天气安全注意事项 一、大风天气尽量避免室外维修动火，若必须动火，需注意以 下事项： 1、动火作业前，确认动火区域，动火区域周围，以及顺风方向所有火种可能洒落点的可燃、易燃物清理干净，过水彻底； 2、动火作业必须设置动火监护人，可根据实际需要，适当增加动火监护人； 3、动火监护人必须全程监护动火作业，及时消灭洒落的火种，与延时监护人现场点对点交接； 4、生产技术员、皮带机巡视、堆料机司机等延时监护人严格按照要求对所有的火种洒落点进行延时监护。 二、大风天气尽量避免室外高空、登高等作业，若必须进行， 除严守《卸车部登高、高空作业安全操作规程》外，还需注意以下事项：1、进行登高作业前，对梯子进行检查，确认梯子完好、安全； 2、高空作业前对安全带进行细致检查，确认安全带各部件完 好、有效，安全带穿戴正确； 3、对站立处进行细致检查，确认站立处强度足够； 4、登高作业，必须设置专人对梯子进行监护； 5、登高、高空作业过程中严禁上抛、下扔物品； 6、登高、高空作业过程中，工具、元部件等必须牢固固定， 防止被风吹落砸伤他人等。 三、大风天气严禁进行室外吊装作业。 四、大风天气，严禁在皮带线、堆料机、电缆桥架等设备下停留，防止积煤、设备部件等物品落下砸伤。 五、大风天气，皮带机巡视加强对防雨罩、电缆桥架等高空设备设施的检查，确定上述所有设备固定牢靠，防止物体卷入皮带造成皮带撕裂或物体被吹落砸伤他人。 六、大风天气，堆料机司机加强对堆料机锚固设施的检查，确认所有锚固器动作顺畅、防风链完好等。 七、大风天气，堆料机司机注意观察设备状况与风的强度，必要时联系中控，停止作业，将大机锚固。 八、大风天气，各岗位人员要及时关闭门窗。 九、大风天气，外出时带好防尘的口罩、护目镜等，防止沙尘、煤尘进入呼吸系统、眼睛。 十、大风天气，骑自行车应该尽量避免侧风骑，以防被刮倒受伤。由于能见度降低，开车应该将速度放慢。 理工大学信息工程与自动化学院学生实验报告 （ 2013 — 2014 学年第 1 学期） 课程名称：人工智能开课实验室：信自楼445 2013 年12月 20日 一、上机目的及容 1.上机容 用确定性推理算法求解教材65-66页介绍的八数码难题。 2.上机目的 （1）复习程序设计和数据结构课程的相关知识，实现课程间的平滑过渡； （2）掌握并实现在小规模状态空间中进行图搜索的方法； （3）理解并掌握图搜索的技术要点。 二、实验原理及基本技术路线图（方框原理图或程序流程图） （1）设计并实现程序，求解出正确的解答路径； （2）对所设计的算法采用大O符号进行时间复杂性和空间复杂性分析； （3）对一般图搜索的技术要点和技术难点进行评述性分析。 三、所用仪器、材料（设备名称、型号、规格等或使用软件） 1台PC及VISUAL C++6.0软件 四、实验方法、步骤（或：程序代码或操作过程） 建立工程后建立5个source Files文件分别为 1.AttributeValue.cpp #include "AttributeValue.h" #include "base.h" AttributeValue::AttributeValue(std::string const& instring) : m_value(instring) { } bool AttributeValue::GetType() { if (m_value == "P") { return true; } else if (m_value == "N") { return false; } else { throw DataErrException(); } } 2.basefun.cpp #include 2016年云南昆明理工大学机械原理考研真题A 卷 一、选择填空题（共24分 每题2分） 1、渐开线在基圆上的压力角为 。 A. 0° B. 20° C.25° 2、某正常齿制标准直齿圆柱齿轮，测得其齿顶圆直径mm d a 66=，齿数20=z 。则分度圆直径d = mm 。 A.30 B.60 C.120 3、正变位齿轮与标准齿轮比较，齿根高较标准齿轮 。 A.增加了xm B.不变 C.减少了xm 4、由若干机器并联构成的机组中，若其单机效率各不相同，其最高、最低效率分别为m ax η、 min η，则机组的效率η为 。 A.min ηη≤ B.max min ηηη≤≤ C.max min ηηη<< 5、机构不能运动有三种情况，例如运动链为桁架，原因是 A.死点 B.0≤F C.自锁 6、以下凸轮机构从动件常用运动规律中， 规律无冲击。 A ．等加速等减速运动 B ．余弦加速度运动 C ．正弦加速度运动 7、滚子从动件盘形凸轮设计：假设理论轮廓外凸部分的最小曲率半径用min ρ表示，滚子半径用T r 表示，0r 为凸轮的基圆半径。则当 ，凸轮实际轮廓为一平滑曲线。 A ．T r 2013 年秋季学期研究生课程考核 （读书报告、研究报告） 考核科目:人工智能实验报告（二）学生所在院（系）:计算机学院 学生所在学科:计算机科学与技术 学生姓名: 学号: 学生类别:学术 考核结果阅卷人 一．问题描述 决策树是最简单的但是最成功的学习算法形式之一，一个决策树将用属性集合描述的事物或情景作为输入，并返回一个“决策”作为输入的预测的输出值，输入的属性值可以使离散的，也可以是连续的，实验中我们使用的是离散的数据，决策树通过执行一个测试序列来得到它的决策。 下面为实验数据,运用Information Gain构造一个天气决策树。 二、算法介绍及程序流程图 （1）设计并实现程序，构造出正确的决策树，实验考虑到几个属性：天况——晴、雨、多云；温度——热、中、冷；湿度——大、正常；风况——有、无；然后根据每个属性来算出信息增益，接下来我们根据信息增益最大的来进行划分。根据问题设计算法，建立数据结构，设计需要用的类，然后通过编程实现问题求解。了解和求解最大信息增益和最小熵选择平均熵最小的属性作为根节点，用同样的方法选择其他节点直至形成整个决策树。dataset就是具体的划分过程，首先找到可用的划分项目，再第一次划分之后再相关的数据来计算熵。 问题分许：天况——晴、雨、多云 温度——热、中、冷 湿度——大、正常 风况——有、无 首先我们要根据每个属性来算出信息增益，接下来我们根据信息增益最大的来进行划分。 选择一个属性，根据该Information Gain把数据分割为K份。分许如下： 数据集 计算 数据集列表 （2）主要函数流程图： 大风天气应急预案 为有效应对本库大风天气以及由此引发的各类安全问题，提高对大风天气的反应能力，及时采取措施，最大程度地避免财产损失，杜绝安全事故的发生，特制定本工作方案。 本预案坚持“现场处理，逐级负责”的应急管理体制，“以人为本、预防为主”的公共服务职能，“分工协作、快速高效”的联动协调机制，“准确及时、优质高效”的工作原则。 为确实做好大风天气预防工作特成立大风天气应急预案工作小组，成员组成如下： 组长：陆平 副组长：陈文召 组员：张学忠、郭权、程昱、张君、王国军、李志梅、董文峰、李志梅、巴力明、杨磊、许国庆 责任时段范围：库区（早8：30--18：00） 秩序部（晚18：01—8：29） 1.工作组组长职责：1）出现紧急情况由组长统一指挥，分派任务。力争在最短时间内最大限度的减少损失，降低事故率； 2）视天气情况出具通知提醒业主关好自家门窗，切勿轻易天启公共区域窗户； 3）组长应到达紧急情况现场对工作进行检查、监督，并及时上向上级领导汇报工作进展情况。 2.各个部门组员工作职责：1)应提前做好各项应急准备工作，保证通讯24小时畅通； 2）在第一时间迅速安排各项工作的开展和实施，并落实检查。 3.客服员工作职责：1）要充分考虑到天气状况，提前做好准备工作； 2）在大风天气情况发生后，要求客服人员在半小时内关掉所辖楼宇所有窗户并及时返至客服前台签到说明。 3）出现紧急情况不及时处理或处理滞后的由各楼宇现场管理人员承担第一责任，并逐级向上追究。 我已认真阅读并承诺：我时刻将业主生命和财产安全放在第一位，“铭记教训，安全为天”。时刻谨记：承诺比生命更重要。 1、利用启发式搜索算法A解决以下8数码（如下图所示）：设评价函数f(n)=d(n)+p(n)，画出搜索图，并给出各搜索循环结束时OPEN和CLOSE 表的内容。 10、将以下语句： （1）会朗读者是识字的， （2）海豚都不识字， （3）有些海豚是很机灵的， （4）有些很机灵的东西不会朗读。 形式化表示为合适公式。 答：令谓词R、L、D、I分别指示朗读、识字、海豚和机灵,则这些语句可形式化表示如下: (1)(x)[R(x)L(x)](2)(x)[D(x)L(x)] (3)(x)[D(x)I(x)](4)(x)[I(x)R(x)] 13、将题10中的前三个语句作为已知事实（公理），最后一语句作为目标（待证定理），应用归结反演方法，证明目标成立。 答：将前三个语句和最后一语句的取反化简,并标准化为合取范式的子句集: (1)R(x)L(x) (2)D(y)L(y) (3)D(A) (4)I(A) (5)I(z)R(z) 2、有三个积木块（A、B、C）放在桌子上，且可以叠放在一起，要求在任意初始状态，按自上而下A、B、C的顺序叠放这三个积木块。搬动积木块应遵从以下约束：（1）每次只能搬一块，（2）只有顶空的积木块才能搬动。 请为机器人搬动积木块设计一个产生式系统，包括综合数据库、规则库和冲突解法（不必设计控制系统）；若初始状态和目标状态分别为： 答案：1）综合数据库 用谓词公式On(x,y)描述积木块的放置状态，x{A,B,C},y{A,B,C,Table}；谓词公式Top-Clear(x)描述积木块x顶空，x{A,B,C}。问题状态就由这些谓词公式描述。 2）规则库 为每个积木块的搬动设计规则，共有5个可能的搬动操作：Put-On(C,Table)，Put-On(B,C),Put-On(B,Table), Put-On(A,B),Put-On(A,Table)。规则依次排列如下（并采用First冲突解法）： if Top-Clear(C)On(C,Table)Put-On(C,Table),revise；if Top-Clear(B)Top-Clear(C)On(C,Table) Put-On(B,C),revise； if Top-Clear(B)On(B,C)On(C,Table) Put-On(B,Table)，revise； if Top-Clear(A)Top-Clear(B)On(B,C)Put-On(A,B),revise；if Top-Clear(A)On(A,B)On(B,C) Put-On(A,Table)，revise。 其中Put-On操作符号指示Put-On操作并在计算机屏幕上显示该操作，函数revise修改问题状态的描述到反映实际状态。作为解答的操作序列为： Put-On(A,Table),Put-On(C,Table),Put-On(B,C), Put-On(A,B)。 3、表示包含下面句子含义的语义网络： ⑴典型的哺乳动物有毛发。 ⑵狗是哺乳动物，且吃肉。 ⑶Fido是John 的狗。 课程名称：人工智能 论文题目：中文语音识别技术的最新研究进展学院：信息工程与自动化学院 专业：计算机科学与技术 年级： 09级 学生姓名：孙浩川（200910405310） 指导教师：王剑 教务处制 摘要 本文简要介绍了语音识别技术的发展历史，所采用的关键技术以及所面临的困难与挑战，最后讨论了语音识别在通信等领域中的应用。机器能听懂人类的语言吗？我们能扔掉键盘、鼠标用自然语言操纵计算机吗？随着语音识别技术的发展，梦想正在变为现实。语音识别以语音为研究对象，它是语音信号处理的一个重要研究方向，是模式识别的一个分支，涉及到生理学、心理学、语言学、计算机科学以及信号处理等诸多领域，甚至还涉及到人的体态语言（如人在说话时的表情、手势等行为动作可帮助对方理解），其最终目标是实现人与机器进行自然语言通信。简要介绍语音识别的发展历史，采用的关键技术，面临的困难与挑战以及广阔的应用前景。 关键字：中文、语音识别、技术、发展 目录 一、语音识别技术的发展历史 (3) 1、国外的发展形势 (3) 2、国内的发展 (3) 二、语音识别技术发展所面临的困难 (4) 1、认识语音识别系统 (4) 2、面临的困难 (4) 3、解决困难的方法 (5) 三、语音识别技术的应用以及发展前景 (5) 1、目前语音识别技术在许多领域的应用 (5) 2、对语音识别技术的发展前景 (6) 四、结束语（结论） (6) 谢辞 (7) 参考文献 (8) 一、语音识别技术的发展历史 1、国外的发展形势 首先，从国外的形势看来。语音识别的研究工作可以追溯到20世纪50年代AT&T 贝尔实验室的Audry系统，它是第一个可以识别十个英文数字的语音识别系统。但真正取得实质性进展，并将其作为一个重要的课题开展研究则是在60年代末70年代初。实验室语音识别研究的巨大突破产生于20世纪80年代末：人们终于在实验室突破了大词汇量、连续语音和非特定人这三大障碍，他们把原本艰涩的HMM纯数学模型工程化，从而使统计方法成为了语音识别技术的主流，更多地从整体平均的角度来建立最佳的语音识别系统。人工神经网络方法、基于文法规则的语言处理机制等也在语音识别中得到了应用。20世纪90年代前期，许多著名的大公司如IBM、苹果、AT&T和NTT 都对语音识别系统的实用化研究投以巨资。语音识别技术有一个很好的评估机制，那就是识别的准确率，而这项指标在20世纪90年代中后期实验室研究中得到了不断的提高。其中IBM公司于1997年开发出汉语ViaVoice语音识别系统，其平均识别率可以达到95%。该系统对新闻语音识别具有较高的精度，是目前具有代表性的汉语连续语音识别系统。 2、国内的发展 看了国际的情况，现在看看我们国家的语音识别技术的发展情况。我国语音识别研究工作起步于五十年代，但近年来发展很快。研究水平也从实验室逐步走向实用。我国的语音识别研究起始于1958年，由中国科学院声学所利用电子管电路识别10 个元音。直至1973年才由中国科学院声学所开始计算机语音识别。由于当时条件的限制，我国的语音识别研究工作一直处于缓慢发展的阶段。进入80年代以后，随着计算机应用技术在我国逐渐普及和应用以及数字信号技术的进一步发展，国内许多单位具备了研究语音技术的基本条件。1986年3月我国高科技发展863计划启动，语音识别作为智能计算机系统研究的一个重要组成部分而被专门列为研究课题。从此我国的语音识别技术进入了一个前所未有的发展阶段。在非特定人语音识别方面：清华大学计算机科学与技术系在87年研制的声控电话查号系统并投入实际使用。在连续语音识别方面：91年12月四川大学计算机中心在微机上实现了一个主题受限的特定 一、填空题 1．智能控制是一门新兴的学科，它具有非常广泛的应用领域，例 如、、和。 1、交叉学科在机器人控制中的应用在过程控制中的应用飞行器控制 2．传统控制包括和。2、经典反馈控制现代理论控制 3．一个理想的智能控制系统应具备的基本功能是、、和。 3 、学习功能适应功能自组织功能优化能力 4．智能控制中的三元论指的是：、和。 4、运筹学，人工智能，自动控制 5．近年来，进化论、、和等各门学科的发展给智能控制注入了巨大的活力，并由此产生了各种智能控制方法。 5、神经网络模糊数学专家系统 6．智能控制方法比传统的控制方法更能适应对象的、和 。6、时变性非线性不确定性 7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是 、和。 7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控 制系统 8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。 8、不确定性、高度的非线性、复杂的任务要求 9．智能控制系统的主要类型有、、、 、和。 9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混合控制系统 10．智能控制的不确定性的模型包括两类：(1) ； (2) 。 10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内变化。11．控制论的三要素是：信息、反馈和控制。 12．建立一个实用的专家系统的步骤包括三个方面的设计，它们分别是、和。知识库的设计推理机的设计人机接口的设计13．专家系统的核心组成部分为和。知识库、推理机 14．专家系统中的知识库包括了3类知识，它们分别为、、和。判断性规则控制性规则数据 15．专家系统的推理机可采用的3种推理方式为推理、和推理。 15、正向推理、反向推理和双向推理 16．根据专家控制器在控制系统中的功能，其可分为和。 人工智能及其应用 结课报告 课程名称：人工智能及其应用 论文名称：文本分类 学院：信息工程与自动化学院 专业年级： 指导老师：王剑 姓名： 学号： 目录 摘要 (3) 一、绪论 (4) 二、分类器的设计 (4) 三、文本分类流程图 (5) 四、算法介绍 (5) 五、算法实现 (7) 1、程序流程 (9) 2、关键代码 (9) 3、程序运行结果 (13) 六、心得体会 (13) 参考文献 (14) 摘要 21世纪是一个信息时代，信息传递中必然有很多没有用的信息，本文就如何在庞大而又纷繁芜杂的文本中掌握最有效的信息进行了阐述。为了对文本进行有效地分类，在分类过程中需要一个算法优良的文本分类器，本文将讲述Rocchio、Na?ve Bayes(朴素贝叶斯)、KNN（K最近邻）、SVM、Decision Tree(决策树)、ANN（人工神经网络）等算法的设计流程，最后将用朴素贝叶斯算法来进行简单的实现一个本文的分类，更详细的讲述文本分类的具体流程。 关键词：信息时代；文本；分类器；算法；实现 一、绪论 在Internet 高速发展的今天，到处都是各种类型的信息，包括文本信息，声音信息，图像信息等等。如何在庞大而又纷繁芜杂的文本中掌握最有效的信息始终是信息处理的一大目标。基于人工智能技术的文本分类系统能依据文本的语义将大量的文本自动分门别类，从而更好的帮助人们把握文本信息。近年来，文本分类技术已经逐渐与搜索引擎、信息推送、信息过滤等信息处理技术相结合，有效地提高了信息服务的质量。 文本分类在现在的生活中是必不可少的，我们每天都在接收文本信息，比如邮件、短信等等，但是这些很多都是没有用的信息，或是垃圾信息，如果每个信息都要我们去看，这就太浪费时间了，这是我们就需要文本分来来帮助我们，将没有用的信息自动屏蔽。那么我们就要有个算法能自动识别哪些是有用的文本，哪些是没用文本，不能随便分类，把有用的信息当成没用的信息，那就适得其反了。 二、分类器的设计 1、设计思路 要进行文本分类，一开始肯定要给机器一个学习的过程，给定一个文本训练集，也就是说给定一个分好类的文本给机器取学习。然后将训练集的特征提取出来，主要提取的是词和该词的权重。 2、分类流程： ① 用向量空间模型来表示文本),;...,;,;,(332211n n i W T W T W T W T V ② 特征选择 降维： 真实网页中出现的词汇数量是十分巨大的，这导致表示网页的向量空间的维数也相当大，用于表示网页的向量可以达到几万维。这几万个词汇对于分类的意义是不同的，一些通用的、在各个类别中普遍出现的词不仅对于分类贡献小，而且还影响系统的性能，因此，我们需要对向量空间进行降维。通过降维，我们可以保留那些对分类 施工防风应急预案 编制： 审核： 审批： ***********项目部 二〇一九年四月 施工防风应急预案 一、工程概况 ************************************************************ ***********************************************************二、方针原则 坚持“安全第一，预防为主”、“保护人员安全优先，保护环境优先”的方针，贯彻“常备不懈、统一指挥、高效协调、持续改进”的原则。 三、危险源的确定： 1、强风可能造成的事故 1）重大人员伤亡事故。 2）密目网、漂浮物飞起搭上高压线而发生停电事故。 3）起重机发生折臂事故。 4）设备连接部位折断而发生物体打击事故。 5）高处作业发生坠落事故。 6）施工人员由于视线不清误操作而发生事故。 四、组织机构及职责 1、组织机构 防大风应急领导小组成员名单如下： 组长：**** 副组长：**** 组员：************************ 2、成员职责 组长： 1）检查督促做好防大风恶劣天气突发事件的预防措施及应急救援各项准备工作，组织开展防抗大风应急救援教育培训，提高防范意识和操作技能。 2）建立防大风应急救援预警制度、应急值班和巡查制度，密切注意天气变化，做好应急救援预备工作。 3）大风恶劣天气时，安排人员巡查，一旦发生突发事件，迅速准确地做出反应，在第一时间组织应急救援人员赶往事故现场，及时组织施救，尽量避免人员伤亡，将事故损失降到最低。 4）事故救援后，协助有关部门调查事故原因，积极向事故调查组提供事故调查材料，总结应急救援工作。 副组长： 协助组长做好应急救援的各项工作，组长因故不在时，代理组长职权。 组员： 1）现场组织人员负责组织小组其他成员进行抢险工作。 2）协调人员负责对联系各相关单位，维护现场秩序。 3）抢救人员应根据伤者情况，采取适当的急救措施，对伤员进行现场急救，并及时送往就近医院，使伤者接受进一步治疗。 4）交通疏导人员负责指挥现场交通秩序，以使伤者能及时送往医院接受治疗。 昆明理工大学2018年博士研究生招生考试试题 考试科目代码：2008 考试科目名称：人工智能 考生答题须知 1．所有题目（包括填空、选择、图表等类型题目）答题答案必须做在考点发给的答题纸上，做在本试题册上无效。请考生务必在答题纸上写清题号。 2．评卷时不评阅本试题册，答题如有做在本试题册上而影响成绩的，后果由考生自己负责。 3．答题时一律使用蓝、黑色墨水笔或圆珠笔作答（画图可用铅笔），用其它笔答题不给分。 4．答题时不准使用涂改液等具有明显标记的涂改用品。 1．什么是人工智能，人工智能的主要研究和应用领域有哪些？请说明人工智能的研究热点？（10分） 2．某村农民张某被害，有四个嫌疑犯A,B,C,D。公安局派出五个侦察员，他们的侦察结果分别是：A，B之中至少有一人作案，B，C中至少有一人作案，C，D中至少有一人作案，A，C中至少有一人与此案无关，B，D中至少有一人与此案无关，所有侦察结果都是可靠的。请用归结原理求出谁是罪犯？。 （15分） 3．试用四元数列结构表示四圆盘梵塔问题，并画出求解该问题的与或图。（10分） 4．简述什么是深度学习（Deep learning），并举例典型研究工作或应用实例。（10分） 5．试用K-Means聚类算法对样本集X进行聚类，请写出聚类过程。 X={x 1 ,x 2 ,x 3 ,x 4 ,x 5 }={(0,2),(0,0),(1.5,0),(5,0),(5,2)}(15分) 6．简述利用反向传播和梯度下降算法训练神经网络的主要过程。（10分） 7．根据下图，分别用代价树的广度优先搜索策略和深度优先搜索策略，求A 到E的最短费用路径。（15分） 8．请结合具体的文本、语音、图像识别或智能控制问题，阐述基于人工智能方法的智能系统组成和构建过程。（15分） 第 1 页共2 页 浅谈如何做好大风浪天气船舶开航前的准备工作 航海经常要遇到风浪，有时是局部的、有时是阶段性的、也有时是季节性 的。 这些风浪对船舶安全航行危害极大。如何保证船舶在大风浪中的安全，积极全面地 做好各项准备和应对工作至关重要。 一、从思想上做好准备: 船舶在开航前的准备工作，应把船员的思想稳定工作放在第一位。具体来说，要做好以下几点： （一）开好“三个会”。一是开好船员大会，船舶领导要将航次任务向全体船员公布，其中包括分析航行风险，运输生产的安全注意事项，航运公司和货主的要求等等，船舶领导要在船员大会上作认真的布置，让船员清楚航次任务的艰巨性，在思 想上形成统一的认识，形成良好的工作氛围；二是开好部门长会（或支委 会），统一部门长以上领导干部的思想认识，紧密围绕安全、稳定、效益布置航次任务，做好明确分工，落实安全工作责任制；三是开好驾驶员航前会，主要强调航区情况、气 象情况、货载情况、避碰情况、驾机联系情况、防范各种风险的情况等。 （二）发挥“三项作用”。首先是船舶领导发挥模范带头作用。船舶领导一定要身先士卒，忠于职守，履行职责，处事理性，决策果断。其次是共产党员发挥先锋模范作用。发扬吃苦在前、享受在后，帮助群众，关心群众，热爱船舶，热爱集体，热爱工作的优良作风，在困难面前能够冲在前、干在前。三是全体船员发挥工作的 主人翁作用。“群众的力量是无穷的”，每一个航次都有很多工作需要船员们去做，船舶领导必须善于挖掘出船员们的潜力，充分调动船员们的积极性和创造性，为完 成航次任务而努力工作。 （三）注意“三种岗位”。一是要注意刚换班的岗位，因为这些船员刚 换班，对本船情况还不熟悉，人员之间相互配合还需要一个磨合期，往往在 执行工作中会出现一些偏差；二是要注意新提升的船员岗位，特别是注意新 提升干部船员的岗位，因为他们独立主管各项工作，对本职业务还不够熟 练，在处理问题时就比较容易出现疏忽和遗漏： 三是要注意新船员岗位，刚上船的新船员知之不多，因为这些新船员一般来说对航海任何事情都要从头学起，船舶领导和部门长要特别关照他们。对这三种岗位的船员，船舶领导要作全面了解，分别沟通和交流，有些要作相应指导，有 些还要作相应培训，使他们尽快适应本岗位的需要和满足航行的要求。 二、从航次计划上做好准备: 航次计划不仅是安全管理体系的需要，也是船舶安全生产的需要，更是战胜航次风险的需要。通常船长在审核航次计划时，不能走马观花，更不能光签个名了事，而是要对所有的航行海图，对二副设计的计划航线，航区所需的参考资料，航行海区的气象和海况分析均要一一认真审核，在此基础上提出有关注意事项，并结合本船实际制定航次安全保障措施。在制定安全保障措施时一定要有针对性，特别是要结合航次货载、船体结构、操纵性能、航行风险、大风浪操作方面制定安全的对策。航次计划是船长顺利完成航次任务的基本方案，具有全局性，所以，对船舶安全生产、安全管理、维修保养、船员管理、体系运行、全面建设等方面都要全盘考虑。航次计划是书面上的东西，关键还是要抓好落实，所以船舶领导要通过船员大会、安全会、航前会等形式向全体船员布置，由各部门 长抓好监督和落实。 三、从气象信息方面做好准备: 船舶开航前，船长应将当时实际天气海况与预报的情况两者相互比较，分析卫星气象图和近期的气象预报，了解风浪将会增加或减弱趋势，风浪影响的 1. 用谓词逻辑知识表示方法表示如下知识： (1) 有人喜欢梅花，有人喜欢菊花，有人既喜欢梅花又喜欢菊花。 (2) 不是每个计算机系的学生都喜欢在计算机上编程序。 解：(1) 定义谓词 P(x)：x是人 L(x,y)：x喜欢y 其中，y的个体域是{梅花，菊花}。 将知识用谓词表示为： (?x)(P(x)→L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花)) 解：(2) 定义谓词 S(x)：x是计算机系学生 L(x, pragramming)：x喜欢编程序 U(x,computer)：x使用计算机 将知识用谓词表示为： ? (?x) (S(x)→L(x, pragramming)∧U(x,computer)) 2. 请用语义网络表示如下知识： 高老师从3月到7月给计算机系的学生讲“计算机网络”课。 解： 3. 判断以下子句集是否为不可满足 {P(x)∨Q(x )∨R(x), ﹁P(y)∨R(y), ﹁Q(a), ﹁R(b)} 解：采用归结反演，存在如下归结树，故该子句集为不可满足。 4、证明G是F的逻辑结论 F: (?x)(?y)(P(f(x))∧(Q(f(y))) G: P(f(a))∧P(y)∧Q(y) 证：先转化成子句集 对F，进行存在固化，有 P(f(v))∧(Q(f(w))) 得以下两个子句 P(f(v))，Q(f(w)) 对﹁G，有 ﹁P(f(a))∨﹁P(y) ∨﹁Q(y) 先进行内部合一，设合一{f(a)/y}，则有因子 ﹁P(f(a)) ∨﹁Q(f(a)) 再对上述子句集进行归结演绎推理。其归结树如下图所示，即存在一个到空子句的归结过程。 因此G为真。 5 设有如下结构的移动将牌游戏： 其中，B表示黑色将牌，W表是白色将牌，E表示空格。游戏的规定走法是： (1) 任意一个将牌可移入相邻的空格，规定其代价为1； (2) 任何一个将牌可相隔1个其它的将牌跳入空格，其代价为跳过将牌的数目加1。 游戏要达到的目标什是把所有W都移到B的左边。对这个问题，请定义一个启发函数h(n)，并给出用这个启发函数产生的搜索树。你能否判别这个启发函数是否满足下界要求？在求出的搜索树中，对所有节点是否满足单调限制？ 浅谈如何做好大风浪天气船舶开航前的准备工作 ————————————————————————————————作者：————————————————————————————————日期： 2 浅谈如何做好大风浪天气船舶开航前的准备工作 航海经常要遇到风浪，有时是局部的、有时是阶段性的、也有时是季节性的。这些风浪对船舶安全航行危害极大。如何保证船舶在大风浪中的安全，积极全面地 做好各项准备和应对工作至关重要。 一、从思想上做好准备:船舶在开航前的准备工作，应把船员的思想稳定工作 放在第一位。具体来说，要做好以下几点： (一)开好“三个会”。一是开好船员大会，船舶领导要将航次任务向全体船员公布，其中包括分析航行风险，运输生产的安全注意事项，航运公司和货主的要求等等，船舶领导要在船员大会上作认真的布置，让船员清楚航次任务的艰巨性，在思想上形成统一的认识，形成良好的工作氛围；二是开好部门长会(或支委会)，统一部门长以上领导干部的思想认识，紧密围绕安全、稳定、效益布置航次任务，做好明确分工，落实安全工作责任制；三是开好驾驶员航前会，主要强调航区情况、气象情况、货载情况、避碰情况、驾机联系情况、防范各种风险的情况等。 (二)发挥“三项作用”。首先是船舶领导发挥模范带头作用。船舶领导一定要身先士卒，忠于职守，履行职责，处事理性，决策果断。其次是共产党员发挥先锋模范作用。发扬吃苦在前、享受在后，帮助群众，关心群众，热爱船舶，热爱集体，热爱工作的优良作风，在困难面前能够冲在前、干在前。三是全体船员发挥工作的主人翁作用。“群众的力量是无穷的”，每一个航次都有很多工作需要船员们去做，船舶领导必须善于挖掘出船员们的潜力，充分调动船员们的积极性和创造性，为完 成航次任务而努力工作。 (三)注意“三种岗位”。一是要注意刚换班的岗位，因为这些船员刚换班，对本船情况还不熟悉，人员之间相互配合还需要一个磨合期，往往在执行工作中会出现一些偏差；二是要注意新提升的船员岗位，特别是注意新提升干部船员的岗位，因为他们独立主管各项工作，对本职业务还不够熟练，在处理问题时就比较容易出现疏忽和遗漏：三是要注意新船员岗位，刚上船的新船员知之不多，因为这些新船员一般来说对航海任何事情都要从头学起，船舶领导和部门长要特别关照他们。对这三种岗位的船员，船舶领导要作全面了解，分别沟通和交流，有些要作相应指导，有些还要作相应培训，使他们尽快适应本岗位的需要和满足航行的要求。 二、从航次计划上做好准备:航次计划不仅是安全管理体系的需要，也是船舶 寒潮天气过程 1 寒潮概述 ●要点： -寒潮定义、发生频数 -冷空气强度划分 -冷空气源地 -寒潮路径（寒潮关键区） - 冷空气南下过程中的结构及其变化 ●重点： - 寒潮、寒潮关键区的概念； - 寒潮南下的路径及冷空气来源； ●难点： -根据位涡守恒关系理解寒潮冷空气南下中的结构及其变化。 2 寒潮天气过程 ●要点： -小槽发展型 -低槽东移型 -横槽型 ●重点： - 三种寒潮天气形势酝酿阶段和爆发阶段环流场的基本特征。 ●难点： -三种主要寒潮天气过程的形成和爆发的环流变化特征。 3 寒潮预报 ●要点： -寒潮的强冷空气堆积的预报 -寒潮爆发的预报 -寒潮的路径与强度的预报 -寒潮天气的预报 ● 重点： -寒潮爆发的预报 -寒潮的路径与强度的预报 ●难点： -三种类型寒潮爆发的预报着眼点； - 槽脊发展的预报及阻塞崩溃的预报； - 寒潮的路径与强度的预报-综合动态图 寒潮过程知识"组装"及与前面章节的关系 冷空气的形成（看源地[高空冷中心的位置和强度变化、极涡的位置、形状、个数]、看环流[是否有槽发展或移动，特别是槽后是否有脊发展，引导或使多股冷空气汇合到关键区并增强]、看偏北低空急流左侧切变涡度[对高空冷中心的增强作用]） 寒潮的爆发（是否有长波调整的可能[槽脊的发展和移动、高纬度阻塞系统的变化]） 与《大气环流》紧密联系，冬季环流特征及成因，长波及长波调整 寒潮过程思考题 （1）寒潮过程中地面锋面和冷高压中心的活动特点。 （2）500hPa上的高度槽是如何影响地面锋活动。 （3）预报寒潮南下时的思考着眼点。 （4）关键区在预报冷空气堆积和预报时的关键参考作用。 （5）极涡在预报寒潮冷空气形成中的作用。 （6）长波调整在与寒潮爆发的关系。 （7）冷空气堆积过程中长波有无调整。 （8）预报东亚地区的寒潮爆发如何观察东亚大槽对长波调整即将发生的指示作用。（9）如何分析引导寒潮冷空气南下高空槽的发展变化。 大型降水天气过程 1 大型降水天气过程概述及暴雨成因 ●要点： - 中国主要大型降水过程有哪些； - 一般降水的形成过程； - 暴雨等级划分； - 暴雨的主要成因； - 暴雨产生的两类环流型。 ●重点： - 中国主要大型降水过程； - 暴雨的成因。 ●难点： - 对暴雨的成因，即充沛的水汽、垂直上升运动、持续的作用时间及地形的作用四个方面的具体函意的理解。 2 华南前汛期暴雨过程 ●要点： - 华南前汛期降水概况及特征； - 华南前汛期暴雨发生的环流特征； - 华南前汛期暴雨天气系统与天气型； - 华南锋前暖区暴雨。 ●重点： - 华南前汛期暴雨发生的环流特征； - 华南锋前暖区暴雨的特点及成因。 ●难点： - 如何将华南前汛期暴雨发生的环流特征与暴雨产生的四大要素相结合起来，以理解其产生的环流条件； - 如何理解锋前暖区暴雨的成因。 ●补充： -华南前汛期暴雨发生的基本环流特征； -华南前汛期暴雨天气系统与天气型 - 比较经典的锋面降水模式与华南锋前暖区暴雨的不同，加深对华南暖区暴雨的特点与 第 1 页 共 1 页昆明理工大学2018年博士研究生招生考试试题 考试科目代码： 2008 考试科目名称 ： 人工智能 考生答题须知 1．所有题目（包括填空、选择、图表等类型题目）答题答案必须做在考点发给的答题纸上，做在本试题册上无效。请考生务必在答题纸上写清题号。 2．评卷时不评阅本试题册，答题如有做在本试题册上而影响成绩的，后果由考生自己负责。 3．答题时一律使用蓝、黑色墨水笔或圆珠笔作答（画图可用铅笔），用其它笔答题不给分。 4．答题时不准使用涂改液等具有明显标记的涂改用品。 1．什么是人工智能，人工智能的主要研究和应用领域有哪些？请说明人工智能的研究热点？（10分） 2．某村农民张某被害，有四个嫌疑犯A,B,C,D 。公安局派出五个侦察员，他们的侦察结果分别是：A ，B 之中至少有一人作案，B ，C 中至少有一人作案，C ，D 中至少有一人作案，A ，C 中至少有一人与此案无关，B ，D 中至少有一人与此案无关，所有侦察结果都是可靠的。请用归结原理求出谁是罪犯？。（15分） 3．试用四元数列结构表示四圆盘梵塔问题，并画出求解该问题的与或图。（10分） 4．简述什么是深度学习（Deep learning ），并举例典型研究工作或应用实例。（10分） 5．试用K-Means 聚类算法对样本集X 进行聚类，请写出聚类过程。 X ={x 1 ,x 2 ,x 3 ,x 4 ,x 5 }={(0,2),(0,0),(1.5,0),(5,0),(5,2)} (15分) 6．简述利用反向传播和梯度下降算法训练神经网络的主要过程。（10分） 7．根据下图，分别用代价树的广度优先搜索策略和深度优先搜索策略，求A 到E 的最短费用路径。（15分） 8．请结合具体的文本、语音、图像识别或智能控制问题，阐述基于人工智能方法的智能系统组成和构建过程。（15分） 南京信息工程大学实习报告 2018 －2019 学年第1 学期梅雨天气过程时间2018.11.23 班级学号姓名得分 一、过程概述 （请在此部分简要概述此次梅雨天气过程及造成的天气影响等）2012年7月13—14日的天气过程具有十分典型的梅雨形式，短波槽、低空急流、西南涡、江淮气旋等系统叠加有利于降水的持续。 （1）7月13日20时，高层维持稳定的形势，冷空气、上升运动、暖湿空气的输送持续；低层西南急流、切变线提供水汽的上升运动；地面出现准静止锋和江淮气旋，出现大片降水以及暴雨。 （2）7月14日08时，高层继续维持稳定的形势，短波槽稍稍东移；低层西南急流、切变线加强，西南涡东移；地面准静止锋和江淮气旋东移，产生更大范围的降水。 在13-14日，江苏省沿江和江淮之间迎来了2012年出梅之前最后一次区域性暴雨、局部大暴雨天气过程。此次过程具有持续时间长、影响强度大的特点。受此次强降水过程的影响，泰州、盐城、镇江、无锡等地出现大面积农田积水、设施农业受损、果树倒伏、水产养殖漫塘等。 二、此次梅雨天气过程的发生发展的演变（可具体细分为高空和地面形势） 200hPa上江淮流域均处于南压高压的东北象限，有利于对流层高层的辐散气流的流出，而在江淮流域的北侧则存在一高空急流。在500hPa上，50°~70°N之间的西风带上维持着稳定的两个阻塞高压，中间是一个宽广的低压槽，中纬度的西风气流带上不断有短波槽生成东移，副高稳定在30°N以南。在850hPa上，低空急流、切边线、西南涡叠加。地面上出现江淮气旋和准静止锋。 下面具体分析各层的环流形势： 2.1 对流层上部（200hPa） 7月13日，南压高压从高原东移（图1），位于长江流域上空，其中心位于青藏高原上空，高压脊位于30°N以南。江淮流域上空维持一个暖性反气旋，在此反气旋维持的同时其北侧有明显的高空西风急流。江淮流域位于南压高压的前部风向切变最强处，且也位于西风急流的右侧，因此这个区域高层辐散作用明显，高层辐散，有利于上升运动的发展，为之后的降水提供了有利的垂直运动条件。 昆明话‘ 称赞----板扎惊叹----埋埋散 是不是----葛是什么----喃有趣----太仙啦 滑稽----太雀啦炫耀----抖草 恶心----槽奈骗人----豁人/支花篮/沙麻 讨厌----务俗不听劝----日鼓的 陀螺----得螺抽烟----咂烟 揭短----掀老底糊涂----癫东 好生生----好不生生不欢迎----勾不走 随附迎合----捡豁皮窗子----窗轰 小气又懒----奸懒怂毒大概----大谱气 最前面----挡头挖苦----颠声气 教训----理麻寒酸----偻馊占便宜----占马门跑不掉----铆不脱窝囊----日脓 戏弄----治雀多嘴----岔巴自作多情----孔雀石阶----石咳山楂----沙拎果 不对称----车be的好吃懒做----白色子爷爷----老爹次品----崴货被骗----被崴着 腐乳----卤腐跑了----刮的凳子----wer 轮胎----轱辘水杯----口缸 不服----强刚不同意----不得不会成功----整不成遇见----斗着大腿----大胯 话多----呜噜呗涞鞋子----孩子孩子----娃娃看看----吼吼办手续----办手术 肉----嘎嘎大饼----粑粑光头----亮蛋鼻涕----鼻子发抖----打摆子 介绍----盖绍解释----改释生气----鬼火绿大声叫----鬼喊狼叫苯----憨定 昆明话四级考试题目 通过了这考试，你的昆明话就学的差不多了 一、选择题 1．“说我呢左边。”可以用来：（） Ａ．自我批评Ｂ．否定别人Ｃ．介绍自己Ｄ．指点方向 2．”鬼眯日眼”是：（） Ａ．动词Ｂ．名词Ｃ．副词Ｄ．形容词 3.诺诺的意思是:（）
相关主题
文本预览