一、聚形分析

单锥类 若干晶面相交于高次轴上的一点
双锥类
若干晶面分别相交于高次轴上的两点
• 面体类
• 上部的面与下部的面错开分布，且上部（或下部）晶面恰
好在下部（或上部）两晶面正中间，没有水平方向的对称
面，除斜方四面体，都包含高次轴的直立对称面
• 偏方面体类 • 与面体类基本一致，区别在于上部晶面与下部晶面错开的 角度不是左右相等，导致其没有包含高次轴的直立对称面 因此有左右形之分。
开形与闭形
根据单形的晶面是否可以自相闭合 开形：单形的晶面不能封闭：平行双面、单锥和柱等 闭形：单形晶面可以封闭一定的空间双缀、等轴晶系等
4. 聚形
两个或两个以上的单形聚合而成的晶形
聚形分析步骤
I. 确定对称型，划分晶族、晶系— 找对称要素
II. 确定单形数目— 不同形态晶面
III.晶体定向— 各晶系选轴原则
斜方四面体：4个不等边三角形的晶面组成。晶面互不平行，横切
面为菱形 斜方单锥：4个不等边三角形的晶面交于一点，横切面为菱形 斜方双锥：8个不等边三角形的晶面组成，犹如两个斜方单锥以底 面相连接而成。上方和下方四个晶面各汇聚于一点，横切面为菱形
中级晶族
柱类 若干晶面围成柱体，交棱互相平行并平行于高次轴
三方 晶系
六方 晶系 等轴 晶系
单面 平行双面
三方柱 复三方柱 六方柱 复六方柱
六方柱 复六方柱 三方柱 复三方柱
三方单锥 复三方单锥 六方单锥
六方单锥 复六方单锥
三方双锥 六方双锥
菱面体 三方偏方面体 复三方偏三角面体
六方偏方ห้องสมุดไป่ตู้体
单面 平行双面
六方双锥 复六方双锥 三方双锥 复三方双锥
四面体 三角三四面体 四角三四面体 五角三四面体 六四面体 八面体 三角三八面体 四角三八面体 五角三八面体 六八面体 立方体 菱形十二面体 五角十二面体 偏方复十二酉体 四六面体

4．四十七種幾何單形
• 47種幾何單形的形狀見表I-6-2。現將它們按低、 中、高級晶族依次描述如下。
• 一般說來，對於一個單形的描述，包括晶面的形 狀、數目、相互關係，晶面與對稱要素的相對位 置以及單形橫切面的形狀。當晶體定向後，晶面 符號(單形符號)是識別單形最重要的依據，有關 這方面的情況將在各晶系晶體分述中詳加討論。 本節將只對47種幾何形態作概括的流覽。
• 習慣上，選擇代表晶面定形號時，一般是選擇正指數最多的晶 面．同時還遵循先前(即x軸上指數最大)、次右(即Y軸上的指數次大)、 後上(即Z軸上的指數最小)的原則。
3．單形的推導
• 單形的各個晶面既然可以通過對稱型中對 稱要素的作用相互重複，那麼將一個原始 晶面置於對稱型中，通過對稱型中全部對 稱要素的作用，必可以導出一個單形的全 部晶面。可以設想，不同的對稱型可以導 出不同單形；在同一對稱型中原始晶面與 對稱要素的相對位置不同，也可以導出不 同的單形來。
2．單形符號
• 單形符號簡稱形號，它是指在單形中選擇一個代表面，把該晶面的 晶面指數用“{ }”括起來，用以表徵組成該單形的一組晶面的結晶學 取向的符號。
• 單形是由對稱要素聯繫起來的一組晶面，晶軸是在服從晶體固有對 稱性的前提下，依對稱要素選擇的。因此，同一單形的各個晶面與 晶軸都有著基本相同的相對位置。如圖I一6—1中的立方體的每一個 晶面部與一個晶軸垂直而與另兩個晶軸平行；八面體的每一個晶面 都截三個晶軸等長。因此，同一單形的各個晶面的指數的絕對值不 變，而只有正負號的區別。如立方體有六個晶面，其晶面符號應分 別為(100)、(010)、(001)、(100)、(010)、(001)。知道了單形的一 個晶面的符號，則該單形的共它晶面的符號即可導出。因此，可以 選擇一個代表晶面，定出單形符號，如立方體的形號為（100），八 面體的形號為（111）等。

单形与聚形名词解释
单形与聚形是一对在语言学和形态学领域中常用的术语，用来描述词汇中名词
的不同形态。

这两个术语描述了名词在不同语境中的变化方式和类别。

单形是指一个名词仅有一个形态的情况，即它在单数和复数形式上没有区别。

例如，诸如"fish"（鱼）和"deer"（鹿）这类名词，无论是指一个还是多个数量，它
们的形态都保持不变。

相反，聚形则是指一个名词存在不同形态的情况，即在单数和复数形式上有明
显的区别。

例如，诸如"cat"（猫）和"cats"（猫们）这类名词，单数形式是"cat"，
而复数形式则在词尾添加了字母"s"。

单形和聚形的区别在于名词的形态变化，特别是在数量上。

单形名词在单数和
复数形式上没有区别，而聚形名词在单数和复数形式上有明显的变化。

这些术语的理解对于语言学习和交流非常重要。

在英语中，了解名词的单形和
聚形变化规律有助于正确使用和理解语言，同时也帮助我们更好地表达自己的意思。

简述聚形分析的步骥与方法
聚形分析是一种分析方法，用于探索数据中的结构和模式。

它由三个主要部分组成，即数据预处理、距离计算和聚类算法。

一、数据预处理
数据预处理是聚类分析的首要任务，主要由去重、标准化、维度缩减等环节组成，通过这一步骤处理可以去除噪声数据，提高分析的准确性。

1、去重：去除数据集中的重复数据，有效地减少聚类分析的复
杂性，提高计算效率。

2、标准化：将不同变量间的范围调整到比较一致的数值范围，
从而克服变量间可能存在的量纲问题，使得不同变量间产生具有意义的比较。

3、维度缩减：移出变量间没有重要描述性能力的变量，可以精
简原始数据，减少计算量，提高计算效率与准确度，也可以增强结果的可解释性。

二、距离计算
距离计算是聚类分析的基础，以用于测量不同样本之间的相似度，包括曼哈顿距离、欧式距离、余弦距离、杰卡德距离等，可以根据不同数据类型、应用场景选择合适的距离函数。

三、聚类算法
在计算样本之间的距离之后，就可以使用聚类算法将样本分类归类。

K-means聚类方法是一种常用的聚类算法，它使用质心状模型，
通过最小化混合簇内样本点与质心的平方拟合度实现分类。

另外，还有层次聚类、凝聚层次聚类、DBScan和OPTICS等多种聚类算法可供选择。

四、结论
聚形分析是一种建模技术，它可以帮助我们发现数据集中具有重要意义的模式和结构，但其实现需要对数据进行相应的预处理，如去重、标准化和维度缩减，并使用合适的距离计算函数与聚类算法。

因此，聚形分析可以帮助人们从复杂的大数据中发现潜在的结构和模式。