前言：中文期刊网精心挑选了影视表演知识范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
影视表演知识范文1
关键词： 检测；感兴趣区域；特征提取；机器学习
中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）32-7777-06
Abstract：Detection of Traffic Signs plays one of the most important roles in Intelligent Driving Systems. In this article， we introduce an efficient method to detect prohibitive traffic signs in images or videos. We extract convincing regions of the signs， providing reliable resources for further classification Algorithm. Traffic Signs usually possess regular shapes and eye-catching colors， which gives us strong hints on the establishment of experienced models in the previous stages of detection. We analyze every single frame of the video to find out the possible regions of interests as candidates， and decide whether the contents are traffic signs or not with features of HOG and tools of SVM. The results turn out to be accurate despite of various illumination and slight obstruction.
Key words： detection； region of interests； feature extraction； machine learning
1 概述
提高驾驶的安全性是汽车电子系统发展的一个重要方向，重要交通标志的检测和识别系统可以帮助驾驶员及时地对路况做出反应，规避了潜在风险，甚至可以在将来无人驾驶系统中发挥很大的作用。交通标志被设计的醒目易懂，在道路环境中，可以较为清晰地出现在驾驶者的视野中，提供有用的信息。比如说禁止标识，通常使用边缘为红色圆环的圆形标识，告诉我们此路段的限速信息、禁停信息、禁鸣信息等等。然而，不同的光照，朝向，观察（摄像机拍摄）的角度，甚至部分的遮挡都给交通标志的检测问题带来了很大的挑战。
本文使用的是GTSDB（德国交通标志检测数据库），此数据库收集了42种交通标志的1213个实例，是在不同天气，时段，光照，方位，角度使用同一车载摄像头在道路驾驶时实时记录中截取的视频帧。该数据库收集的图片比较全面而且十分符合现实中遇到的实际情况，具有很强的研究价值和实际指导意义。
在本方法中，利用计算机对图像中交通标志的检测，主要有3个需要解决的方向。一是对图像定颜色的分析和提取；二是对特定形状的识别和定位；三是对区域图像的训练和判断。下文大致就按照这样的顺序介绍和研究，提出相应的算法，来解决这一系列的问题，并且需要兼顾到实时计算的要求，即对每一幅图像的处理速度不应过长。这样，为下一步的具体分类识别提供了准确性和稳定性的保证，同样也提供了一定的实际应用价值。
2 基于颜色的分析
2.1 不同解决方案的比较与分析
对于颜色的预处理，研究者们也提出了很多针对性很强的算法，试图在提取颜色区域的准确性和时间复杂度之间寻求平衡（包括之后的图形识别也是如此）。区域的提取，并不像其他有针对性的应用中，比如交通灯、车牌的识别，可以在一个图像特定的区域做筛选。交通标志的安放位置更为灵活，不能对图像做随意的分割，对于感兴趣区域的提取就显得尤为重要和有意义，也是影响系统性能的关键一步。
HSI颜色空间反映了人们视觉系统感知彩色的方式，以色调、饱和度和强度这3种基本特征量来描述一种颜色。由于图像在HSI空间有出色的抗光照特性，我们可以利用其中的色度来提取交通标志的颜色信息，特别是在光照条件很差的情况下，此方法有一定的针对性。
但是，在这一空间中，我们不能对其中的红调做精确的量化，当交通标志处于图像中阴暗区域时，与其之后的暗色背景在色度空间上还是会有所重合，而且难以通过量化区分。这样交通标志还是易与背景混淆，在初始的预处理阶段就导致了感兴趣区域成为了一般区域，会对交通标志的提取造成了遗漏。利用HSI空间另一缺点就是，对于图像中的每一个像素点，都要做非线性的变换，无疑是较为耗时的。在最初的阶段，耗费一定的时空代价，且不能精确的解决光照的问题和重要区域的划分，并不能成为一个首要的选择。
对于以上的困扰，有人利用人类观察的感官作为启发提出了基于醒目区域的提取方法。在彩色通道、灰色图像和纹理图像（灰度图像经Gabor滤波器卷积而得）上建立高斯金字塔，计算金字塔间的差值，再经DoG滤波器滤波，按一定的权值叠加，得到视觉上显著的区域。这里，高斯金字塔的差值得到了在不同通道上的显著性的量化值，DoG滤波器是一个抑制局部极大值，放大全局最大值的滤波器，Winner-take-all的特性决定了我们可以将区域锁定在最为显著的候选区域。但是，交通标志虽为显著，可是并不一定是在一定特征上，最为显著地区域，例如，在红色通道上，我们并不是要比哪一片区域在图像中是最红的，况且正如上文所说的，标志牌上的红色在很多情况下，并不是在图像中最为鲜艳的红，其他如汽车尾灯，晚霞等都会在图像最大值的竞争中胜出，也造成了判断的错误和漏检。而对于智能搜索算法，也并没有什么很好的启发式目标，或者说优化函数，可以对二位离散的数字图像搜索到一个符合期望的数值较为平稳的区域（感兴趣区域）。
有的研究者想出了使用AdaBoost的强化学习方法来识别图像中交通标志上的红色。其思想是收集交通标志在不同天气光照下的特定颜色，进行分类和训练。但是即使将颜色转换成了其他空间，所能描述一个颜色的特征数实在是较少，而且交通标志上的颜色与其他的近似颜色区别度并不大，在计算机中由于摄像和存储精度的原因，也并不能作出很好的分类，所以说对于背景复杂的视频或者图像来说，也并不是一个精炼的方法。
在得到的二值图像上，仍然存在一些零星的散点，肯定不失我们希望重点关心和研究的像素，不希望让这些点占用之后的算法空间和时间。这些噪声最符合的噪声模型即为椒盐噪声，使用中值滤波，能很有效的滤除这些点。但这里需要注意的是，尤其是在禁止标志的检测中，红色区域只占了交通标志较小的一部分，是一个较窄的圆环，如果交通标志在图像中所占的区域十分小的情况下，例如14*15个像素，在增强过后的红色通道中，其红色的边缘像素点往往呈现为链式的连接，而不是聚集的点，如果过大边长的中值滤波掩膜算子，很可能就会将这些点也同时滤除了，造成了性能的下降。所以这里取中值滤波的掩膜边长为3。
3 图形识别算法
因为区域的轮廓信息往往即可以表达一个区域的覆盖，所以在霍夫变换之前，需要对中值滤波之后的图像做一次边缘检测，使用边缘点来判断图像中存在的形状。再一次减少图中的有效像素个数，而同时又不失含有重要信息的有效像素点，因为边缘检测仍然保留了区域的形状信息。
3.1霍夫变换检圆
利用霍夫变换在数字图像的图形提取中，其实是一个离散化的搜索（[a0，b0，r0]）的过程，令r按一定的步长增加，在a-b平面对应的每个像素点设立计数器，在图像区域内搜索有效像素点的圆心（在一定半径下，像素点在参数空间水平面上的聚集点）。因为我们希望在车辆行驶的过程中，一旦摄像头捕捉到可以分辨的交通标志时，就识别出其位置信息，尽早地给予交通驾驶员提醒，所以在本例中，在1380*800的分辨率下，半径的搜索起点以10个像素起；如果交通标志的径长达到较大长度时，系统才能检测出交通标志的位置，对于以较快速度通过的车辆中的人员来说，没有很大的提醒意义了，所以r的搜索上限在本例中设为100个像素长。在一定半径的情况下，我们搜索圆心，采用极坐标更为方便。半径的搜索步长为1，在已知半径下，圆心的偏转角度的步长为[π18]。
每按半径r搜索完一次，就需要统计一次a-b平面上的计数器，当某一些点上的计数大于某一阈值时，则可以认为是一个半径为r的圆形的圆心。经过大量的实验，发现在滤波过后剩下的n个像素点时，计数器的阈值设为[countthresh=lnn*2]，拥有最佳的检测性能。当然，由于步长较小，实际图像中的一个圆形可能会对应到a-b-r参数空间上不同但是十分相近的点上，所以计算统计出的点之间的欧式距离，如果小于30，就把它们归为同一个圆形的实例，也避免了检测的重合。
3.2 性能优化
Hough变换应用广泛，但其效率不高是需要注意的，特别是在这样一个实时性较高的系统中。这样对于一个有效的像素点，需要搜索的次数为91*36，则全局搜索的次数，设有n个需要验证的像素点，则约需要3200*n次。在本次试验中，n一般的数量级在[103]，则大约做了[106]数量级次的搜索。在计算a，b时，计算三角函数的非线性运算是十分耗时的，但我们注意到这些角度，因为步长恒定，都是固定的值，所以可以列出一个三角函数表，在实际运行时，程序计算三角函数，只需查表即可，缩减了时间复杂度。而一幅图像的所有像素点也是[106]，所以说相当于对图像全局做了几次线性的运算，其计算复杂度是可以承受的。
但通过实验发现，上述的算法需耗时500ms左右，处理速度仍跟不上实时处理的要求，需要进一步的减少搜索空间。我们发现圆心一定是落于边缘点的法线方向上的，这样利用边缘点的梯度信息，就可以控制参数空间的扩张方向。在一个二维空间中标记出法线上的点，同样采取统计方法选取出法线的交叉点作为圆心的候选，在其周边的图像空间中统计半径为10-100像素的直方图，即可以得出该圆心的半径，从而检测出一个圆形。通过如此算法的改进，使得搜索空间大大降低，减小了存储空间，也使得在时间复杂度上满足实时处理的要求，在VS2010的release编译环境下，平均一帧图像可以达到80ms的处理时间。（CPU：AMD A4-3400， 2.7GHz）
4 机器学习
通过之前的颜色和形状的启发式信息，可以提取出图像中感兴趣的区域。但是这些区域不一定就是交通标志所在的区域，比如说车的尾灯或者一些其他的干扰物体也会有同样的颜色、形状特性。这里，我们希望的是可以通过一个分类器，先判断这个提取的区域是不是交通标志，如果是肯定的，可以做进一步分类，为今后的识别提供准确的数据源；如果不是，则可以降低误检率。
4.1 HOG特征
在提取了我们关心的区域后，对于图像的颜色和图形信息不再感兴趣，这就需要对于局部图像提取可以描述其特征的算子（向量）。我们更关心的是图像的纹理特征，结构特征，通过这些特征向量可以区分内容不同的图像也可以识别出内容相似的图像。
HOG特征就是这样一个针对图像内容的描述算子，它的提取需要把训练图像和测试图像统一到一个尺度下，这里都将它们重新调整到32*32个像素大小（pitch）的灰度图像。以8*8个像素作为一个单元（cell），计算每个单元中的梯度方向直方图，一般设为9个方向，凡是4个单元组成一个正方形16*16的块（block）。这样，一幅样本图像可以容纳9个块，每个块中有4个单元，每个单元有9维特征，串联在一起可以提取出一个324维的特征向量。
4.3 数据组织和参数寻优
在使用SVM时，需要对数据归一化处理，才能将数据统一到一定的范围内分类。值得注意的是，不同于一般的应用在每一维度上归一化，这里将每一个向量归一化处理。因为其他的一般应用中，每一个维度代表着物体的某一属性，是相互独立的；而本例中，我们关心的是图像的结构，HOG特征正是描述这样结构的算子，对每一个HOG向量而不是维度做归一化处理，就不会破坏原有的结构描述。
在程序上，SVM算法分为离线训练和在线识别2个部分。为了可以最大程度的规避误检，离线训练数据配比需要做到合理。因为在实际应用中，非交通标志的局部图像千差万别，所以在训练时，数据库中有1213幅交通标志样本作为true数据（标签为1），而需要尽可能多的false数据（标签为-1），实际上，false的数据量越大，系统的性能就越优秀，误检率越低，此次试验的true，false数据比为1：100。
当然，之前介绍的SVM支持向量[xi]是在高维空间中的，提取出的HOG特征需要经历向高维转换并且内积计算的过程，尤其是从低维到高维空间的转换，是原始空间1-324阶的所有组合，这一计算量是巨大的。支持向量机算法中核函数的作用就是计算两个向量在隐式映射过后的空间中的内积，先通过内积，再进行核函数变换，不仅节省了相当的计算量，也能达到相同的效果。
通常情况下，比较方便也运用最为广泛的是径向基核函数：[kx1，x2= e-x1-x222σ2]。这里将[12σ2]看做参数g，此外还有一个惩罚因子参数c，为了有更精确的分类准确度，需要设置合理的g和c的值。另外采用交叉认证的方法，可以进一步地提高分类的精确度，即将训练数据分成k份，k-1份数据作为训练数据训练，而剩下的一份用来检验精确度。所以利用网格化搜索，同时结合交叉认证的方法， 能得到使分类系统效果最好的参数值。在每一个g和c的取值下，计算和评价交叉认证中的精确度，选取平均准确度高，且方差小的一组参数。如图6，显示了参数关于分类的平均准确率的等高线和增长趋势。
4.4 综合测试
参考文献：
[1] Stallkamp J，Schlipsing M，almen J S.The German Traffic Sign Recognition Benchmark：A multi-class classification competition[C].Proceedings of the IEEE International Joint Conference on Neural Networks，2011：1453-1460.
[2] Fatin Zaklouta，Bogdan Stanciulescu.Real-time traffic sign recognition in three stages[J].Robotics and Autonomous Systems，2014（62）：16-24.
[3] Yuan Xie.Unifying Visual Saliency with HOG Feature Learning for Traffic Sign Detection[R].Fujian：XiaMen University，2008.
[4] Nello Christianini，John Shawe-Taylor.An Introduction to Support Vector Machine and Other Kernel-based Learning Methods[M].London：Cambridge University Press，2000.
[5] Karla Brki'c.An overview of traffic sign detection methods.Zagreb， Croatia： Department of Electronics， Microelectronics， Computer and Intelligent Systems.
[6] Hasan Fleyeh.Road and Traffic Sign Color Detection and Segmentation[C]. IAPR Conference on Machine VIsion Applications，2005.
[7] Gary Overett and Lars Petersson.Large Scale Sign Detection using HOG Feature Variants[R].Baden-Baden， Germany，2011.
[8] 王刚毅. 交通标志检测与分类算法研究[D].哈尔滨：哈尔滨工业大学，2013：1-109.
[9] Laurent Itti，Christof Koch.A saliency-based search mechanism for overt and covert shifts of visual attention.Vision Research，2000（40）：1489―1506.
[10] Tao Zhang，Jingqin Lv，Jie Yang.Road Sign Detection Based on Visual Saliency and Shape Analysis.Institute of Image Processing and Pattern Recognition，Shanghai Jiaotong University.
影视表演知识范文2
[关键词] 知识溢出 影响因素 指标体系
知识溢出的存在是科学技术的扩散导致了世界性的技术进步的原因，影响知识溢出的因素有很多而且因素之间关系复杂，使得对于知识溢出的定量分析变的非常困难。现有关于知识溢出的分析研究大都是针对某一因素进行分析，综合定量分析的较少，定量分析的结果对实际的指导意义有限。本文通过对知识溢出影响因素的进行综合分析，确定测度知识溢出的指标体系，为知识溢出综合定量分析提供依据。
一、知识溢出的基本原理
知识就其本性而言是“非排他的”，但就其产权而言又是“部分排他的”。一个厂商使用了知识，并不能阻碍其他厂商也使用这一知识。一旦知识被发现，会立即扩散，并引起经济社会、知识和生产力的进步，但拥有知识的厂商并没有从中获取全部收益。这种经济的外部性称之为“知识溢出效应”。
知识溢出存在着溢出方、溢出接受方和溢出渠道。知识溢出方是指向外传播知识的个人、部门、企业以及国家，知识溢出接受方是指接受知识并产生效应的个人、部门、企业以及国家。在这里我们把知识溢出方和知识溢出接受方统称为个体。个体之间的知识是可以互动转化的，是一个永无休止的循环过程。外部知识对个体不会直接产生影响，必须通过与内部知识结合形成个体内部知识才能对个体产生影响。外来知识进入个体，与个体内部平台知识进行结合，这是一个知识创新的过程，把外部知识内部化，内部化的知识能够对个体产生影响，从而形成知识溢出效应。
知识溢出的过程受到知识溢出方和溢出接受方各自的意愿和能力以及政府政策的影响。对于溢出方来讲，为了保持自己的竞争优势，防止知识溢出，它可以选择使用不太先进的知识，或者加强对知识的保护，也会督促政府在知识产权保护方面加大力度。而它的能力便是与其他部门之间的技术差距，借用物理学的概念，可以形象地理解为溢出的“势能”。一般情况下，这种“势能”总会是存在的，它的大小取决于知识溢出接受方的对外开放程度以及随之而形成的知识差距。对于溢出的接受方来讲，起决定作用的变量是它对技术的吸收能力。通常认为溢出接受方的技术吸收能力受经济发展水平、R&D 投入、人力资本存量以及基础设施建设等因素的影响。
二、影响知识溢出的主要因素
1.现有知识存量
溢出方的知识存量决定了知识能够溢出的总量。溢出接受方的知识存量决定了其接受知识的能力。溢出接受方的知识存量和溢出方的知识存量决定了两个企业知识的差距，而只有当知识差距不是太大和知识差距不是太小的时候知识的溢出效应才能够比较明显。当知识差距太大时由于接受方的知识太少，无法接受来自溢出方知识，这时只形成了知识扩散，并未形成知识溢出。而当知识差距过小时，由于知识溢出方、知识接受方二者的溢出的“势能”太小，加上渠道因素的影响很难形成知识溢出。一般认为，知识的溢出效应与知识存量服从正态分布。
2.研发能力
研发(R&D)投入对知识溢出往往具有双重效应:研发的作用不仅在于直接带来了新知识，更重要的是增强了知识接受方对外来技术的模仿、学习和吸收能力。研发的作用可以分为两部分:一是研发的创新作用。企业知识存量是一个动态概念，随着时间的变化会使原来的知识老化，研究开发又使企业知识增加。二是研发的学习效应。知识接受方研发的增加将提高知识接受企业对知识的吸收效果。而在发展中国家或者小企业，由于经济的落后，科研投入的不足，使科学尤其是基础科学研究远远滞后于世界科技的发展，从而导致一种断层，阻碍外来知识的吸收。为了消化吸收外来的先进知识，需要先开展自己的研究与开发活动以加强自己的技术能力。
3.知识溢出方和接受方的距离
知识是有着很多确定的特性的，那些隐含程度高的知识很难通过可触知的媒体传播。这就导致在本质上越隐性的知识就越需要面对面的接触和交流，地理上的临近性会促进商业活动的开展。知识越难解码和表达出来，地理上的集中性就会越显著。研究与开发所形成的知识越隐性，研究与开发活动不但地理上会越集中，而且研究与开发的相关管理活动在地理上也会很集中。
知识流有时确实留下了可供研究的纸痕，特别是它们经常以专利化的发明和新产品的等形式表现出来。同一城市的专利引用频率会特别的高，参照专利样本中的专利对初始专利样本中同一城市的专利的引用频率可能会是对其它城市专利引用频率的5到10倍。这表明专利引用情况具有很强的地域特性，知识溢出有着很强的地域限制性或锁定性。
4.个体中人员素质、员工的外流
人力资本是指相对于物化资本而存在，表现为人所具有的知识、技能、经验、健康等人口质量素质总和。人力资本流动对知识溢出的影响可以描述为:知识溢出方增加人力资源培训人力资本平均水平提高劳动力流动知识溢出。知识溢出方人力资本的丰裕度无论是对吸引知识转移以形成溢出“势能”，还是对知识溢出效应都起着至关重要的作用。
知识溢出效应的发生前提是工人要具备一定的文化水平，前期准备教育是知识溢出的重要组成部分，具备丰富的人力资本是知识溢出双方得到溢出的必要条件。我们将熟练劳动力纳入到研究知识溢出的体系中来了。随着熟练劳动力的流动，固化在他们身上的各种技能就会扩散开来，而劳动力的流动受到地理因素的制约。
5.个体产品进入下个厂商
由于产品创新、竞争压力和需求弹性等原因，一种新产品的价格往往很难完全反映其价值。如果该产品被另一部门作为生产的投入品，后者就会获取产品创新的部分溢出成果。这种溢出和物流有关系，当产品再次被利用时，知识随物流而发生了溢出。企业生产产品是为了通过销售实现利润，随物品流动而产生的溢出是不可避免，是溢出方更愿意看到的。
6.个体的开放程度
个体的知识存量犹如水库的储水量，而溢出个体的开放程度犹如水库的闸门决定了溢出方在一定时间的知识扩散。个体之间交流的密切程度越密切，个体之间有协作程度越高，知识越容易发生溢出。知识在交流、使用过程中，即使其他合作者在主观上不主动窃取所有者的知识，也会在客观上获得一部分知识内容。个体之间的交流极大促进了商、企业，甚至整个产业界之间知识的传播。
7.个体对知识吸收能力
个体对知识溢出产生了认知，将其吸收到自己的知识平台中，将新知识纳入组织知识系统之中，才能加以有效地利用。其先决条件是个体具备吸收这项新知识的能力以及学习强度足以引发学习动机，这时新知识才有可能被有效吸收。
个体对知识溢出的吸收以及应用能力与个体本身拥有的知识存量密切相关，若个体本身投入于学习与使用新知识的强度越高，则本身吸收能力所呈现的学习效果越显著。吸收与利用新知识需要一段练习过程，吸收新知识不只是记忆与背诵，纳入知识库之中也不是简单的拿来与放入，而是将新知识纳入现有的知识系统，并加以充分利用，这是需要一套有效的学习方法与经过大量的练习。个体吸收能力与其研发投入具有密切关系，研发活动除了会带动创新与开发新产品之外，对强化个体的吸收能力也会具有显著的效益。
8.知识缺口
溢出理论认为技术先进与技术落后的地区存在“知识缺口”，这种缺口为技术落后、经济落后的区域模仿技术发达、经济发达的区域提供了可能，即“追赶”过程。研究表明由共同的基础科学所衍生出来的交叉产业之间的差异性有利于提高产业的收益,互补知识之间差异性限定在一定的范围内才能带来经济上有用的知识溢出。建立在同一科学基础之上的各种产业趋向于在地理上集聚成群，同一城市中建立在同一科学基础之上的产业的差异性有利于加速创新的发展。知识在共同的基础科学所衍生出来的交叉产业之间容易产生溢出。
三、知识溢出的测度指标体系
知识溢出牵涉因素较多，各因素间的关系相当复杂，不利于知识溢出的量化。综合分析各影响因素，我们对其进行系统划分,对主要影响因素的综合分类聚合，归结为相对集中的5个耦合度相对较小的指标(如图)。
1.溢出方拥有的知识K1
知识溢出方拥有的知识是知识溢出的知识源，知识溢出方拥有的知识总量决定能过溢出的总量。这就好比河流能够流进大海多少水取决于源头的水量。
2.溢出接受方拥有的知识K2
外部知识对个体不会直接产生影响，必须通过与内部知识结合形成个体内部知识才能对个体产生影响。而在由外部知识向内部知识转化的过程中，知识接受方的原有知识是知识溢出的平台。
3.溢出方和接受方的相对距离R
地理距离就是指个体之间实际距离。简单的用地理距离作为测量知识溢出双方之间的距离得出的结果往往不够理想。如今虽然地理位置依然发挥着重要作用，但是随着科学技术的发展，网络的应用使得距离变得开始淡化。而这里的相对距离是以地理距离为参照，同时考虑到其他影响知识溢出的信息技术的应用等因素综合评定个体之间的距离。
4.知识溢出渠道的畅通程度C
如果说溢出方和接受方的相对距离是从渠道的距离上考虑，那么知识溢出渠道的畅通程度就是从渠道的宽度来考虑。渠道畅通程度是一个综合指标，它与个体开放程度、个体之间的合作的密切程度以及个体对知识的吸收能等因素有关。
5.知识缺口G
知识的溢出有知识的发送和知识的接受两个基本过程，这两个过程分别由两个不同的参与者――知识溢出方和知识接受方分别完成。在知识的溢出过程中，扩散中心即知识的溢出方。知识接受方在获取某一知识之前，他对该知识的了解是不完全的，因而知识接受方是否有能力接受知识的溢出，会影响知识溢出过程，因而接受者的知识储备是影响知识缺口的主要因素，知识缺口就是这里的知识储备量的差距。
参考文献:
[1]Zoltan J. Acs, David B. Audretsch, Pontus Braunerhjelm and Bo Carlsson1. The Knowledge Spillover Theory of Entrepreneurship [J].CESIS Electronic Working Paper Series，November 2006
[2]Yi Deng．The Value of Knowledge Spillovers [J].FEDERAL RESERVE BANK OF SAN FRANCISCOWORKING PAPER SERIES，June 2005
[3]孙兆刚:知识溢出的路径研究[J].科技成果纵横，2006(6).
[4]韩 鹏 陈德棉 张 黎:跨国公司对中国本地企业知识溢出模型分析[J].科学管理研究，2004(4)
[5]王 铮 马翠芳 王 莹 翁桂兰:区域间知识溢出的空间认识[J].地理学报，2003(9)
[6]辛文防:企业集群单波知识溢出的测算[J].科技进步与对策，2004(1)
影视表演知识范文3
关键词：护士；患者；仪表；举止；语言
中图分类号：R471 文献标识码：A 文章编号：1673-2197(2009)05-0157-01
护士是人类健康的维护者，是患者生命安危的保护者，护士工作直接与患者接触，护士护理服务贯穿患者疾病恢复的全过程，患者的恢复与护士仪表举止和言谈及医德规范密切相关。
1 护士的仪表举止
仪表是人的外表，是容貌、服饰、姿态等的统一。举止是人的行为表现。护士的仪表服饰、举止行为是护士自身素质中医德修养的重要内容之一。
(1)一个训练有素的护士在护理工作中，应注意个人的仪表和举止。仪表整齐，容貌修饰自然大方，风采奕奕，举止健康的仪表说明护士饱满的精神和充沛精力，能取得患者的信赖和依靠，使患者从心理上得到安慰，使病情得以稳定。
(2)护士在治疗和护理患者中，浓妆艳抹，赤唇长甲，举止轻浮或衣冠不整、精神萎靡不振，使患者产生厌恶及不安全感，患者的不良心理及消极情绪，导致病情波动，产生不稳定因素。
2 护士语言
言谈是人类特有的表意、交流的工具，是人的知识、阅历、才智、教养和应变能力的综合体现。恰到好处地使用文明、艺术性语言，更是护士与患者交谈；沟通思想的手段。
(1)护士在临床护理工作中，语言与护理工作的关系日益受到重视，语言艺术在提倡优质整体化患者服务过程中尤为重要。语言既能伤人，又能安慰人，这是众人皆知的。古希腊著名医生希波克拉底曾经说过：“医生有两种东西能治病，一是药物，二是语言。”护士在为患者服务时，语言交流贯穿于整套护理全过程，是护患心理情感交流的桥梁。护士语言应是科学、文雅、谦虚、和气、善良的，体现出对患者的热情、关心、同情和体贴。
影视表演知识范文4
土强度的试验方法及应用。土的抗剪强度是指土体抵抗剪切破坏的能力。在土力学中，采用摩尔—库仑强度准则，用内摩擦角和内聚力两个指标描述土的抗剪强度规律，即在土的破裂面上，抗剪强度随法向应力增长的规律。土的抗剪强度指标和土的原始状态、应力路径、应力历史、排水条件等因素有关，考虑不同因素影响时，应采用不同的试验方法。土的抗剪强度的试验方法，目前室内最常用的是直接剪切试验和三轴压缩试验，后者是较为完善的方法。土的剪切试验有三种方法：①不固结不排水水剪（UU）；②固结不排水剪（CU）；③排水剪（CD）。
根据有效应力原理，土的抗剪强度是由土的有效应力决定的，孔隙水压力对于土的抗剪强度没有任何作用，在没有超静孔隙水压力或者孔隙水压力可以确定时，都应当用有效应力强度指标。
上述3种试验方法中不固结不排水剪试验结果只能用总应力指标表示，排水剪试验结果就是有效应力指标（ d= ′），只有固结不排水剪试验结果可用总应力或有效应力指标来表示。
主应力 （kPa）用总应力表示：
用有效应力表示： —土体破坏面上的抗剪强度；—土的总应力抗剪强度指标；—土的有效应力抗剪强度指标；—剪切面上的总应力；—剪切面上的有效应力；—土体破坏时的超孔隙水应力。
在剪切试验过程中试样内的有效应力（或孔隙水应力）将随剪切前试样的固结程度和剪切中排水条件而异。因此，同一种土如用不同的方法进行试验，即使剪切破坏面上法向总应力相同，其抗剪强度也未必相同。当以有效应力来表示试验结果时，不同的试验方法引起的强度差异可通过（）反映出来，其有效应力强度基本不变。当以总强度指标表示试验结果时，强度的差异则是通过总应力强度指标来反映，不同的试验方法得时的总强度指标是不同的，它反应出土在一定排水条件下其抗剪强度的变化。
对于同种土，在相同的应力及排水条件下，虽然总应力指标和有效应力指标不同，但其抗剪强度是相等的。
用有效应力表示土的强度指标它不随排水条件的改变而发生变化，但在具体工程计算中一般比较困难，使其应用受到一定的限制，实际工程中总应力法应用的比较普遍。天然地基不可能完全排水或完全不排水，而是处于两者之间，它与土层浸透性及排水边界条件有关。
如果能够求得有效应力就要使用有效应力指标来计算，因为有效应力计算结果更加符合实际。但多数工程，计算有效应力是比较困难的，在只知道总应力条件下，就只可用总应力法使用总应力指标来进行计算。
关于强度指标的正确选用，目前在一些工程技术人员中存在一些误解或者模糊的认识，这需要我们加强对土力学基本概念和原理的理解并在工程实践中逐步提高，正确合理地解决与土的强度有关的工程问题。
不固结不排水试验的应用。不固结不排水剪强度是在完全不排水条件下试验得到的，它是土体在某个应力状态下的总强度。如果这个应力状态是天然状态，则这个强度就是天然强度，如果是在某种条件下预固结后再取土做的不固结不排水试验，那么这个强度就表示预压结束时的总强度，与天然强度之差就是土的强度随固结度的增长而增长的量，无论什么条件下得到的不固结不排水强度都只能给出一个总强度。理论上不固结不排水得到的抗剪强度指标 =0，但实际测试中得到的 一般都大于0，这主要是由于饱和土在取样过程土样从原位应力状态（ >0）减少到总应力为0，而为了能够保持原状土的不回弹与体积不变，需要有一个负的超静孔隙水压力，即 r=-ur。
如果不能满足试样完全不回弹与不扰动，则可以在原位有效自重压力下固结，然后再进行三轴不排水试验测定土的强度指标。如果取样后土样有的有效应力已经减少，甚至巳卸载到O，则需要施加固结压力 ′3=-ur使试样的体积与原位体积相同。对于一正常固结饱和带土层，可取其层中点的有效自重应力固结到原位体积以后，再进行几个围压的三轴不固结不排水试验，而不能按每一深度的实际自重应力分别固结，再将用不同深度的试样破坏时的莫尔圆的包线作为强度包线，这样得到的强度指标就不是不排水而是固结不排水的强度指标了。无侧限压缩试验得到的强度qu有时也叫做无侧限抗压强度。它是UU试验的一种特殊情况，亦即施加的围压为0，而实际的有效围压为-Ur。用这种试验同样可以得到不排水抗剪强度Cu=qu/2。
原位的十字板剪切试验也是测定饱和软粘土不排水强度的一种方法。由于受试验的应力状态与应力路径、土样的扰动程度、仪器设备的影响，通过现场十宇板剪切试验、无侧限压缩试验、不排水三轴试验和直剪试验的快剪试验得到的结果不可能完全一致。
不固结不排水强度是天然强度，不是强度指标；它是总强度，反映了某种状态的结果；但无法反映土的抗剪强度随法向应力变化的规律；其强度随深度而增长，但不能提供其平均值。
例如，在土坝边坡的稳定分析中，安全系数可能出现最小值的时期有施工期、稳定期和库水位突降期，而各个时期填土受力后的固结和排水条件是不同的。用总应力分析法时，必须选择与它们大体相当的试验方法。粘性土坡施工期，如果不发生孔隙水压力消散，则可采用不固结不排水试验（UU）；在填土中要形成稳定渗流需要很长时间，因此，模拟稳定渗流期可采用固结排水剪试验（CD）；而库水位突降期则大体相当于固结不排水剪试验（CU）。这种模拟是近似的，因此，用总应力分析方法估算土坡稳定安全系数的精确度不可能很高。当用有效应力法分析时，只需要进行固结排水试验或固结不排水试验并测定试验中的孔隙水压力的大小。在设计中则要估算各个时期的孔隙水压力。然而，根据目前的技术水平，较准确的孔隙水压力数据只能依靠现场实测。因此，尽管有效应力分析法概念清楚，但因土的应力历史、固结和排水条件以及不均匀性的影响，给孔隙水压力的准确预估带来了困难，这也会影响到用有效应力分析法估算土坡稳定安全系数的精度。
固结不排水强度指标的使用。如果土体在现有的应力体系中平衡并完全地固结，然后，由于某种原因而很快施加荷载形成不排水情况，这时就适用于固结不排水强度指标。如：在土坝施工中底部填土地基已经固结稳定，然后又很快施加上部填方部分；土坝竣工蓄水后库水位骤降时土坝上游边坡的稳定分析；在一个天然士坡上很快施工一个填方。在这些情况的稳定分析中都适于使用固结不排水强度指标。
不排水强度指标的使用。如果在粘性土工程问题中，如荷载是很快地被施加，而引起的超静孔隙水压力没有时间消散，那么所施加的外力全部为超静孔隙水压力所承担，士也没有时间在这种荷载产生的围压下固结，完全保持初始的有效应力状态，此时的强度为天然强度。在下列几种情况下可以采用不排水强度指标：在正常固结软粘土地基上很快填筑土方的工程；土坝快速施工，竣工后其心墙未固结；在正常固结粘土地基上快速施工建筑物。
这些工程的稳定分析和承载力验算中的控制条件是刚刚施加了荷载之后。而随着时间的延续，孔压消散，土被固结，地基或边坡也变得更加安全了。实际工程的施工工程中，大部分属于“部分固结”的情况，使用不排水强度指标是偏于安全的。
室内试验测定原状地基土的不排水强度指标需要有良好的取样技术和设备，当取样深度大，试样有回弹和扰动时可采用相应于原位有效自重应力的预固结，进行不排水试验。
在工程中应根据土质、排水条件、加载速度选择试验方法。总应力法应用较方便，对要求不高的工程可用该法求取土的抗剪强度。需精确评价地基强度和稳定性的工程，需要考虑孔隙水压力存在的影响，应用有效应力法。
影视表演知识范文5
关键词: 访问控制列表 基于时间 应用
1.访问控制列表
访问控制是网络安全防范和保护的主要策略,它的主要任务是保证网络资源不被非法使用和访问。它是保证网络安全最重要的核心策略之一。访问控制涉及的技术比较广,包括入网访问控制、网络权限控制、目录级控制及属性控制等多种手段。
访问控制列表(ACL)是应用在路由器接口的指令列表。这些指令列表用来告诉路由器哪些数据包可以接收、哪些数据包需要拒绝。至于数据包是被接收还是拒绝,可以由类似于源地址、目的地址、端口号等的特定指示条件来决定。
访问控制列表(ACL)是网络防御的前沿阵地,它提供了一种可以控制通过路由器和交换机不同接口的信息流的机制。通过访问控制列表来管理信息流,以达到指定相应的网络策略。这种策略通过描述安全、时间等条件来反映流量的优先权。
2.几种常见的访问控制列表
(1)标准IP访问控制列表。
一个标准IP访问控制列表匹配IP包中的源地址或源地址中的一部分,可对匹配的包采取拒绝或允许两个操作。编号范围是从1到99的访问控制列表是标准IP访问控制列表。
(2)扩展IP访问控制列表。
扩展IP访问控制列表比标准IP访问控制列表具有更多的匹配项,包括协议类型、源地址、目的地址、源端口、目的端口、建立连接的和IP优先级等。编号范围是从100到199的访问控制列表是扩展IP访问控制列表。
(3)命名的IP访问控制列表。
所谓命名的IP访问控制列表是以列表名代替列表编号来定义IP访问控制列表,同样包括标准和扩展两种列表,定义过滤的语句与编号方式中相似。
3.基于时间的访问控制列表
基于时间的访问列表是在原来标准访问列表和扩展访问列表中加入有效的时间范围来更合理、有效地控制网络的。它先定义一个时间范围,然后在原来的各种访问列表的基础上应用它,对于编号访问列表和名称访问列表均适用。
4.应用举例
我院网络(1)(2)班教室里,每人一台电脑,接入交换机与一台RG3750交换机相连,可以全天候访问Internet。但是,部分学生在上课时间还在上网,不注意听讲,影响了上课效果。于是,我想到利用基于时间的访问控制列表对两班教室进行上网控制,即只有课外时间才能上网,上课时间网络会自动中断,下课后又会自动开启,以减少管理负担。
基于时间的访问控制列表的配置步骤通常是以下几点。
(1)定义时间段及时间范围。
【配置命令】
Switch#time-range free
absolute:该命令用来指定绝对时间范围。它后面紧跟start和end两个关键字。在两个关键字后面的时间要以24小时制和“hh:mm(小时:分钟)”表示,日期要按照“日/月/年”形式表示。这两个关键字也可以都省略。如果省略start及其后面的时间,表示与之相联系的permit或deny语句立即生效,并一直作用到end处的时间为止;若省略end及其后面的时间,表示与之相联系的permit或deny语句在start处表示的时间开始生效,并且永远发生作用(当然,如把访问列表删除了的话就不会起作用了)。
periodic:主要以星期为参数来定义时间范围。它的参数主要有Monday、Tuesday、Wednesday、Thursday、Friday、Saturday、Sunday中的一个或者几个的组合,也可以是daily(每天)、weekday(周一到周五)或者weekend(周末)。
【配置命令】
Switch#periodic Weekend 8:00 to 21:00
Switch#periodic Weekdays 17:30 to 21:00
(2)ACL自身的配置,即将详细的规则添加到ACL中。
Switch#ip access-list standard net
Permit 192.168.81.0.0.0.255 time-rang free
Permit 192.168.82.0.0.0.255 time-rang free
Deny any
网络(1)班IP地址为192.168.81.x,网络(2)班IP地址为192.168.82.x。
(3)宣告ACL,将设置好的ACL添加到相应的端口中。
Switch(config)#interface range fastEthernet0/1
Switch(config-if)#ip access-group net in
其中f0/1为网络(1)班接入口,f0/2为网络(2)班接入口。
(4)配置系统时间
至此,基于时间的访问控制列表就配置完毕了,但是路由器或交换机的时间是否准确,也是一个非常关键的问题。所以,我们还须对交换机系统时间进行设置。
clock set hh:mm:ss day month year
【配置命令】
Switch#clock set 10:23:02 10 3 2010
基于时间的访问控制列表的应用非常多,譬如有的公司要求其员工在上班时间内不能使用QQ、MSN等聊天软件,但在休息时间可以正常访问;学校宿舍区要求夜里11∶00以后断网,以督促学生按时休息,等等。如果网络管理员能熟练运用基于时间的访问控制列表,就可以使工作事半功倍。
参考文献:
[1]禹龙等.利用访问控制列表提高网络安全及实例[J].微计算机信息.
影视表演知识范文6
关键词：达氏鳇 剥制标本 改进 应用研究
中图分类号：Q95-34 文献标识码：A 文章编号：1672-5336（2014）10-0001-01
影响现有达氏鳇剥制标本整体观赏性的因素主要有三个方面：一是躯干部填充不饱满，尤其是鳃后躯干前端，因皮张未能充分撑起，不能展示出流线型体形，局部表面瘪塌不平整；二是吻端未进行任何处理，短期内缺陷不明显，在展示一年后，因水分的流失和脂肪的氧化，会导致吻的逐渐萎缩，出现“塌鼻”和“短鼻”现象，极大的影响了制成标本的美观性；三是达氏鳇的鳃盖（膜）较大，在标本制成晾干过程中，会出现萎缩现象，难以将鳃部整体遮盖，导致内部填充材料（稻草或脱脂棉）在外，影响标本美观。
笔者在进行达氏鳇剥制标本制作中，综合分析上述影响制成标本观赏性因素的基础上，对制作方法进行了改进，以进一步提高制成标本的观赏效果。
1 达氏鳇基本情况
用于制作标本的达氏鳇从黑龙江勤得利江段捕获，体重539斤，全长327厘米，吻部、吻须和各鳍鳍条完整，体表皮肤仅背部近鳃端和腹部胸鳍与腹鳍间有三个小孔洞，是在捕捞过程中由滚钩造成，破损面积在3～5平方厘米之间，通过后期修复不影响整体美观性，可以用于剥制标本的制作。
2 制作步骤
2.1 剥皮
将鱼体表面清洗干净放于解剖台上，测量鱼体各部数据（体长、躯干长、胸鳍至腹鳍间长度、腹鳍至臀鳍间长度、臀鳍至尾柄间长度、胸鳍部周长、腹鳍部周长、臀鳍部周长和尾柄部周长）。在腹面两胸鳍中线略靠吻端处向下开口，绕开泄殖孔和臀鳍一直开口至尾柄末端，用剥皮器将皮肉小心分离，取出胴体部；头部将颅骨、脑、鳃和两鳃部多余肉取出即可。
技术改进1：吻端处理沿腹面吻须中线将吻腹面表皮划开，去除吻内多余结缔组织和部分软骨。用5号铁丝（粗细可以依据鱼体大小自行确定，重点是保形性能好）弯成达氏鳇吻形状，外覆脱脂棉，调整填充体大小、厚薄与吻形相近备用。
2.2 脱脂
将剥下的皮张经冲洗去除碎肉后，用75%酒精浸泡48小时以上，浸泡前用薄木板和铁夹将各部鱼鳍固定，保持鱼鳍形状，避免鱼鳍因酒精浸泡脱水而收缩。脱脂期间可以定期将皮张取出用滑石粉、洗衣粉或玉米粉等对腹面鱼皮进行辅助脱脂处理。
2.3 填充物制作
因达氏鳇为大型鱼类，为降低制作成本，通常采用铁丝、稻草和脱脂棉做为主要填充材料。具体制作方法为，以8号铁丝按剥皮前记录数据制作填充框架，框架长度与测量数据相同，周长较测量数据小5～13厘米，距离头部越近差值越大；将框架内填满经杀虫（包括虫卵）处理后稻草，外面用脱脂棉片逐层覆盖，直至填充物周长与测量数据相近即可。
技术改进2：躯干部填充物处理制作好的填充物，用粗细适合的棉线以间距不超过1厘米，由头至尾逐圈缠绕并勒紧。因脱脂棉和稻草本身都具有一定弹性，通过在填充和缝合过程中，按填充顺序将勒紧的棉线剪断，填充物的体积会产生一定量的膨胀，达到与皮张紧密贴合的目的，使制成的标本表面更加平整。
2.4 填充缝合
皮张浸泡结束，在填充前应置于清水中浸泡2～3个小时，充分吸水并回复皮张的柔软和韧性，便于缝合操作。将制好的填充物放入皮张中，调整好大小、位置和形状进行缝合。头部用脱脂棉进行填充，吻部的填充与躯干部相同，安装大小适合的义眼。
技术改进3：鳃部的填充头部用脱脂棉填充完成后，在接近躯干的鳃部少量填加脱脂棉，然后用适量脱脂棉蘸半水纤维石膏水填充并压平；最外层用略粘稠半水纤维石膏填充，同时，用刮刀将石膏表面压平抛光。通过以上处理可以起到遮盖原有稻草等填充物的目的，选用的半水纤维石膏具有凝固快、强度大和不容易开裂的优点，有利于制成标本的长期保存与展示。
2.5 晾干与上漆
将填充好的标本置于预先做好的标本架上，放在干燥通风日光无法直射的位置进行晾干。待完全干燥后用调好比例的清油对表皮进行上漆操作，上漆应做到均匀，无杂质，按笔者的制作经验以上三遍漆效果更好，清油的比例须逐渐增加。
