前言：中文期刊網精心挑選了影視表演知識范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
影視表演知識范文1
關鍵詞： 檢測；感興趣區域；特征提取；機器學習
中圖分類號：TP18 文獻標識碼：A 文章編號：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
提高駕駛的安全性是汽車電子系統發展的一個重要方向，重要交通標志的檢測和識別系統可以幫助駕駛員及時地對路況做出反應，規避了潛在風險，甚至可以在將來無人駕駛系統中發揮很大的作用。交通標志被設計的醒目易懂，在道路環境中，可以較為清晰地出現在駕駛者的視野中，提供有用的信息。比如說禁止標識，通常使用邊緣為紅色圓環的圓形標識，告訴我們此路段的限速信息、禁停信息、禁鳴信息等等。然而，不同的光照，朝向，觀察（攝像機拍攝）的角度，甚至部分的遮擋都給交通標志的檢測問題帶來了很大的挑戰。
本文使用的是GTSDB（德國交通標志檢測數據庫），此數據庫收集了42種交通標志的1213個實例，是在不同天氣，時段，光照，方位，角度使用同一車載攝像頭在道路駕駛時實時記錄中截取的視頻幀。該數據庫收集的圖片比較全面而且十分符合現實中遇到的實際情況，具有很強的研究價值和實際指導意義。
在本方法中，利用計算機對圖像中交通標志的檢測，主要有3個需要解決的方向。一是對圖像定顏色的分析和提?。欢菍μ囟ㄐ螤畹淖R別和定位；三是對區域圖像的訓練和判斷。下文大致就按照這樣的順序介紹和研究，提出相應的算法，來解決這一系列的問題，并且需要兼顧到實時計算的要求，即對每一幅圖像的處理速度不應過長。這樣，為下一步的具體分類識別提供了準確性和穩定性的保證，同樣也提供了一定的實際應用價值。
2 基于顏色的分析
2.1 不同解決方案的比較與分析
對于顏色的預處理，研究者們也提出了很多針對性很強的算法，試圖在提取顏色區域的準確性和時間復雜度之間尋求平衡（包括之后的圖形識別也是如此）。區域的提取，并不像其他有針對性的應用中，比如交通燈、車牌的識別，可以在一個圖像特定的區域做篩選。交通標志的安放位置更為靈活，不能對圖像做隨意的分割，對于感興趣區域的提取就顯得尤為重要和有意義，也是影響系統性能的關鍵一步。
HSI顏色空間反映了人們視覺系統感知彩色的方式，以色調、飽和度和強度這3種基本特征量來描述一種顏色。由于圖像在HSI空間有出色的抗光照特性，我們可以利用其中的色度來提取交通標志的顏色信息，特別是在光照條件很差的情況下，此方法有一定的針對性。
但是，在這一空間中，我們不能對其中的紅調做精確的量化，當交通標志處于圖像中陰暗區域時，與其之后的暗色背景在色度空間上還是會有所重合，而且難以通過量化區分。這樣交通標志還是易與背景混淆，在初始的預處理階段就導致了感興趣區域成為了一般區域，會對交通標志的提取造成了遺漏。利用HSI空間另一缺點就是，對于圖像中的每一個像素點，都要做非線性的變換，無疑是較為耗時的。在最初的階段，耗費一定的時空代價，且不能精確的解決光照的問題和重要區域的劃分，并不能成為一個首要的選擇。
對于以上的困擾，有人利用人類觀察的感官作為啟發提出了基于醒目區域的提取方法。在彩色通道、灰色圖像和紋理圖像（灰度圖像經Gabor濾波器卷積而得）上建立高斯金字塔，計算金字塔間的差值，再經DoG濾波器濾波，按一定的權值疊加，得到視覺上顯著的區域。這里，高斯金字塔的差值得到了在不同通道上的顯著性的量化值，DoG濾波器是一個抑制局部極大值，放大全局最大值的濾波器，Winner-take-all的特性決定了我們可以將區域鎖定在最為顯著的候選區域。但是，交通標志雖為顯著，可是并不一定是在一定特征上，最為顯著地區域，例如，在紅色通道上，我們并不是要比哪一片區域在圖像中是最紅的，況且正如上文所說的，標志牌上的紅色在很多情況下，并不是在圖像中最為鮮艷的紅，其他如汽車尾燈，晚霞等都會在圖像最大值的競爭中勝出，也造成了判斷的錯誤和漏檢。而對于智能搜索算法，也并沒有什么很好的啟發式目標，或者說優化函數，可以對二位離散的數字圖像搜索到一個符合期望的數值較為平穩的區域（感興趣區域）。
有的研究者想出了使用AdaBoost的強化學習方法來識別圖像中交通標志上的紅色。其思想是收集交通標志在不同天氣光照下的特定顏色，進行分類和訓練。但是即使將顏色轉換成了其他空間，所能描述一個顏色的特征數實在是較少，而且交通標志上的顏色與其他的近似顏色區別度并不大，在計算機中由于攝像和存儲精度的原因，也并不能作出很好的分類，所以說對于背景復雜的視頻或者圖像來說，也并不是一個精煉的方法。
在得到的二值圖像上，仍然存在一些零星的散點，肯定不失我們希望重點關心和研究的像素，不希望讓這些點占用之后的算法空間和時間。這些噪聲最符合的噪聲模型即為椒鹽噪聲，使用中值濾波，能很有效的濾除這些點。但這里需要注意的是，尤其是在禁止標志的檢測中，紅色區域只占了交通標志較小的一部分，是一個較窄的圓環，如果交通標志在圖像中所占的區域十分小的情況下，例如14*15個像素，在增強過后的紅色通道中，其紅色的邊緣像素點往往呈現為鏈式的連接，而不是聚集的點，如果過大邊長的中值濾波掩膜算子，很可能就會將這些點也同時濾除了，造成了性能的下降。所以這里取中值濾波的掩膜邊長為3。
3 圖形識別算法
因為區域的輪廓信息往往即可以表達一個區域的覆蓋，所以在霍夫變換之前，需要對中值濾波之后的圖像做一次邊緣檢測，使用邊緣點來判斷圖像中存在的形狀。再一次減少圖中的有效像素個數，而同時又不失含有重要信息的有效像素點，因為邊緣檢測仍然保留了區域的形狀信息。
3.1霍夫變換檢圓
利用霍夫變換在數字圖像的圖形提取中，其實是一個離散化的搜索（[a0，b0，r0]）的過程，令r按一定的步長增加，在a-b平面對應的每個像素點設立計數器，在圖像區域內搜索有效像素點的圓心（在一定半徑下，像素點在參數空間水平面上的聚集點）。因為我們希望在車輛行駛的過程中，一旦攝像頭捕捉到可以分辨的交通標志時，就識別出其位置信息，盡早地給予交通駕駛員提醒，所以在本例中，在1380*800的分辨率下，半徑的搜索起點以10個像素起；如果交通標志的徑長達到較大長度時，系統才能檢測出交通標志的位置，對于以較快速度通過的車輛中的人員來說，沒有很大的提醒意義了，所以r的搜索上限在本例中設為100個像素長。在一定半徑的情況下，我們搜索圓心，采用極坐標更為方便。半徑的搜索步長為1，在已知半徑下，圓心的偏轉角度的步長為[π18]。
每按半徑r搜索完一次，就需要統計一次a-b平面上的計數器，當某一些點上的計數大于某一閾值時，則可以認為是一個半徑為r的圓形的圓心。經過大量的實驗，發現在濾波過后剩下的n個像素點時，計數器的閾值設為[countthresh=lnn*2]，擁有最佳的檢測性能。當然，由于步長較小，實際圖像中的一個圓形可能會對應到a-b-r參數空間上不同但是十分相近的點上，所以計算統計出的點之間的歐式距離，如果小于30，就把它們歸為同一個圓形的實例，也避免了檢測的重合。
3.2 性能優化
Hough變換應用廣泛，但其效率不高是需要注意的，特別是在這樣一個實時性較高的系統中。這樣對于一個有效的像素點，需要搜索的次數為91*36，則全局搜索的次數，設有n個需要驗證的像素點，則約需要3200*n次。在本次試驗中，n一般的數量級在[103]，則大約做了[106]數量級次的搜索。在計算a，b時，計算三角函數的非線性運算是十分耗時的，但我們注意到這些角度，因為步長恒定，都是固定的值，所以可以列出一個三角函數表，在實際運行時，程序計算三角函數，只需查表即可，縮減了時間復雜度。而一幅圖像的所有像素點也是[106]，所以說相當于對圖像全局做了幾次線性的運算，其計算復雜度是可以承受的。
但通過實驗發現，上述的算法需耗時500ms左右，處理速度仍跟不上實時處理的要求，需要進一步的減少搜索空間。我們發現圓心一定是落于邊緣點的法線方向上的，這樣利用邊緣點的梯度信息，就可以控制參數空間的擴張方向。在一個二維空間中標記出法線上的點，同樣采取統計方法選取出法線的交叉點作為圓心的候選，在其周邊的圖像空間中統計半徑為10-100像素的直方圖，即可以得出該圓心的半徑，從而檢測出一個圓形。通過如此算法的改進，使得搜索空間大大降低，減小了存儲空間，也使得在時間復雜度上滿足實時處理的要求，在VS2010的release編譯環境下，平均一幀圖像可以達到80ms的處理時間。（CPU：AMD A4-3400， 2.7GHz）
4 機器學習
通過之前的顏色和形狀的啟發式信息，可以提取出圖像中感興趣的區域。但是這些區域不一定就是交通標志所在的區域，比如說車的尾燈或者一些其他的干擾物體也會有同樣的顏色、形狀特性。這里，我們希望的是可以通過一個分類器，先判斷這個提取的區域是不是交通標志，如果是肯定的，可以做進一步分類，為今后的識別提供準確的數據源；如果不是，則可以降低誤檢率。
4.1 HOG特征
在提取了我們關心的區域后，對于圖像的顏色和圖形信息不再感興趣，這就需要對于局部圖像提取可以描述其特征的算子（向量）。我們更關心的是圖像的紋理特征，結構特征，通過這些特征向量可以區分內容不同的圖像也可以識別出內容相似的圖像。
HOG特征就是這樣一個針對圖像內容的描述算子，它的提取需要把訓練圖像和測試圖像統一到一個尺度下，這里都將它們重新調整到32*32個像素大?。╬itch）的灰度圖像。以8*8個像素作為一個單元（cell），計算每個單元中的梯度方向直方圖，一般設為9個方向，凡是4個單元組成一個正方形16*16的塊（block）。這樣，一幅樣本圖像可以容納9個塊，每個塊中有4個單元，每個單元有9維特征，串聯在一起可以提取出一個324維的特征向量。
4.3 數據組織和參數尋優
在使用SVM時，需要對數據歸一化處理，才能將數據統一到一定的范圍內分類。值得注意的是，不同于一般的應用在每一維度上歸一化，這里將每一個向量歸一化處理。因為其他的一般應用中，每一個維度代表著物體的某一屬性，是相互獨立的；而本例中，我們關心的是圖像的結構，HOG特征正是描述這樣結構的算子，對每一個HOG向量而不是維度做歸一化處理，就不會破壞原有的結構描述。
在程序上，SVM算法分為離線訓練和在線識別2個部分。為了可以最大程度的規避誤檢，離線訓練數據配比需要做到合理。因為在實際應用中，非交通標志的局部圖像千差萬別，所以在訓練時，數據庫中有1213幅交通標志樣本作為true數據（標簽為1），而需要盡可能多的false數據（標簽為-1），實際上，false的數據量越大，系統的性能就越優秀，誤檢率越低，此次試驗的true，false數據比為1：100。
當然，之前介紹的SVM支持向量[xi]是在高維空間中的，提取出的HOG特征需要經歷向高維轉換并且內積計算的過程，尤其是從低維到高維空間的轉換，是原始空間1-324階的所有組合，這一計算量是巨大的。支持向量機算法中核函數的作用就是計算兩個向量在隱式映射過后的空間中的內積，先通過內積，再進行核函數變換，不僅節省了相當的計算量，也能達到相同的效果。
通常情況下，比較方便也運用最為廣泛的是徑向基核函數：[kx1，x2= e-x1-x222σ2]。這里將[12σ2]看做參數g，此外還有一個懲罰因子參數c，為了有更精確的分類準確度，需要設置合理的g和c的值。另外采用交叉認證的方法，可以進一步地提高分類的精確度，即將訓練數據分成k份，k-1份數據作為訓練數據訓練，而剩下的一份用來檢驗精確度。所以利用網格化搜索，同時結合交叉認證的方法， 能得到使分類系統效果最好的參數值。在每一個g和c的取值下，計算和評價交叉認證中的精確度，選取平均準確度高，且方差小的一組參數。如圖6，顯示了參數關于分類的平均準確率的等高線和增長趨勢。
4.4 綜合測試
參考文獻：
[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] 王剛毅. 交通標志檢測與分類算法研究[D].哈爾濱：哈爾濱工業大學，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.
影視表演知識范文2
[關鍵詞] 知識溢出 影響因素 指標體系
知識溢出的存在是科學技術的擴散導致了世界性的技術進步的原因，影響知識溢出的因素有很多而且因素之間關系復雜，使得對于知識溢出的定量分析變的非常困難?，F有關于知識溢出的分析研究大都是針對某一因素進行分析，綜合定量分析的較少，定量分析的結果對實際的指導意義有限。本文通過對知識溢出影響因素的進行綜合分析，確定測度知識溢出的指標體系，為知識溢出綜合定量分析提供依據。
一、知識溢出的基本原理
知識就其本性而言是“非排他的”，但就其產權而言又是“部分排他的”。一個廠商使用了知識，并不能阻礙其他廠商也使用這一知識。一旦知識被發現，會立即擴散，并引起經濟社會、知識和生產力的進步，但擁有知識的廠商并沒有從中獲取全部收益。這種經濟的外部性稱之為“知識溢出效應”。
知識溢出存在著溢出方、溢出接受方和溢出渠道。知識溢出方是指向外傳播知識的個人、部門、企業以及國家，知識溢出接受方是指接受知識并產生效應的個人、部門、企業以及國家。在這里我們把知識溢出方和知識溢出接受方統稱為個體。個體之間的知識是可以互動轉化的，是一個永無休止的循環過程。外部知識對個體不會直接產生影響，必須通過與內部知識結合形成個體內部知識才能對個體產生影響。外來知識進入個體，與個體內部平臺知識進行結合，這是一個知識創新的過程，把外部知識內部化，內部化的知識能夠對個體產生影響，從而形成知識溢出效應。
知識溢出的過程受到知識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響。對于溢出方來講，為了保持自己的競爭優勢，防止知識溢出，它可以選擇使用不太先進的知識，或者加強對知識的保護，也會督促政府在知識產權保護方面加大力度。而它的能力便是與其他部門之間的技術差距，借用物理學的概念，可以形象地理解為溢出的“勢能”。一般情況下，這種“勢能”總會是存在的，它的大小取決于知識溢出接受方的對外開放程度以及隨之而形成的知識差距。對于溢出的接受方來講，起決定作用的變量是它對技術的吸收能力。通常認為溢出接受方的技術吸收能力受經濟發展水平、R&D 投入、人力資本存量以及基礎設施建設等因素的影響。
二、影響知識溢出的主要因素
1.現有知識存量
溢出方的知識存量決定了知識能夠溢出的總量。溢出接受方的知識存量決定了其接受知識的能力。溢出接受方的知識存量和溢出方的知識存量決定了兩個企業知識的差距，而只有當知識差距不是太大和知識差距不是太小的時候知識的溢出效應才能夠比較明顯。當知識差距太大時由于接受方的知識太少，無法接受來自溢出方知識，這時只形成了知識擴散，并未形成知識溢出。而當知識差距過小時，由于知識溢出方、知識接受方二者的溢出的“勢能”太小，加上渠道因素的影響很難形成知識溢出。一般認為，知識的溢出效應與知識存量服從正態分布。
2.研發能力
研發(R&D)投入對知識溢出往往具有雙重效應:研發的作用不僅在于直接帶來了新知識，更重要的是增強了知識接受方對外來技術的模仿、學習和吸收能力。研發的作用可以分為兩部分:一是研發的創新作用。企業知識存量是一個動態概念，隨著時間的變化會使原來的知識老化，研究開發又使企業知識增加。二是研發的學習效應。知識接受方研發的增加將提高知識接受企業對知識的吸收效果。而在發展中國家或者小企業，由于經濟的落后，科研投入的不足，使科學尤其是基礎科學研究遠遠滯后于世界科技的發展，從而導致一種斷層，阻礙外來知識的吸收。為了消化吸收外來的先進知識，需要先開展自己的研究與開發活動以加強自己的技術能力。
3.知識溢出方和接受方的距離
知識是有著很多確定的特性的，那些隱含程度高的知識很難通過可觸知的媒體傳播。這就導致在本質上越隱性的知識就越需要面對面的接觸和交流，地理上的臨近性會促進商業活動的開展。知識越難解碼和表達出來，地理上的集中性就會越顯著。研究與開發所形成的知識越隱性，研究與開發活動不但地理上會越集中，而且研究與開發的相關管理活動在地理上也會很集中。
知識流有時確實留下了可供研究的紙痕，特別是它們經常以專利化的發明和新產品的等形式表現出來。同一城市的專利引用頻率會特別的高，參照專利樣本中的專利對初始專利樣本中同一城市的專利的引用頻率可能會是對其它城市專利引用頻率的5到10倍。這表明專利引用情況具有很強的地域特性，知識溢出有著很強的地域限制性或鎖定性。
4.個體中人員素質、員工的外流
人力資本是指相對于物化資本而存在，表現為人所具有的知識、技能、經驗、健康等人口質量素質總和。人力資本流動對知識溢出的影響可以描述為:知識溢出方增加人力資源培訓人力資本平均水平提高勞動力流動知識溢出。知識溢出方人力資本的豐裕度無論是對吸引知識轉移以形成溢出“勢能”，還是對知識溢出效應都起著至關重要的作用。
知識溢出效應的發生前提是工人要具備一定的文化水平，前期準備教育是知識溢出的重要組成部分，具備豐富的人力資本是知識溢出雙方得到溢出的必要條件。我們將熟練勞動力納入到研究知識溢出的體系中來了。隨著熟練勞動力的流動，固化在他們身上的各種技能就會擴散開來，而勞動力的流動受到地理因素的制約。
5.個體產品進入下個廠商
由于產品創新、競爭壓力和需求彈性等原因，一種新產品的價格往往很難完全反映其價值。如果該產品被另一部門作為生產的投入品，后者就會獲取產品創新的部分溢出成果。這種溢出和物流有關系，當產品再次被利用時，知識隨物流而發生了溢出。企業生產產品是為了通過銷售實現利潤，隨物品流動而產生的溢出是不可避免，是溢出方更愿意看到的。
6.個體的開放程度
個體的知識存量猶如水庫的儲水量，而溢出個體的開放程度猶如水庫的閘門決定了溢出方在一定時間的知識擴散。個體之間交流的密切程度越密切，個體之間有協作程度越高，知識越容易發生溢出。知識在交流、使用過程中，即使其他合作者在主觀上不主動竊取所有者的知識，也會在客觀上獲得一部分知識內容。個體之間的交流極大促進了商、企業，甚至整個產業界之間知識的傳播。
7.個體對知識吸收能力
個體對知識溢出產生了認知，將其吸收到自己的知識平臺中，將新知識納入組織知識系統之中，才能加以有效地利用。其先決條件是個體具備吸收這項新知識的能力以及學習強度足以引發學習動機，這時新知識才有可能被有效吸收。
個體對知識溢出的吸收以及應用能力與個體本身擁有的知識存量密切相關，若個體本身投入于學習與使用新知識的強度越高，則本身吸收能力所呈現的學習效果越顯著。吸收與利用新知識需要一段練習過程，吸收新知識不只是記憶與背誦，納入知識庫之中也不是簡單的拿來與放入，而是將新知識納入現有的知識系統，并加以充分利用，這是需要一套有效的學習方法與經過大量的練習。個體吸收能力與其研發投入具有密切關系，研發活動除了會帶動創新與開發新產品之外，對強化個體的吸收能力也會具有顯著的效益。
8.知識缺口
溢出理論認為技術先進與技術落后的地區存在“知識缺口”，這種缺口為技術落后、經濟落后的區域模仿技術發達、經濟發達的區域提供了可能，即“追趕”過程。研究表明由共同的基礎科學所衍生出來的交叉產業之間的差異性有利于提高產業的收益,互補知識之間差異性限定在一定的范圍內才能帶來經濟上有用的知識溢出。建立在同一科學基礎之上的各種產業趨向于在地理上集聚成群，同一城市中建立在同一科學基礎之上的產業的差異性有利于加速創新的發展。知識在共同的基礎科學所衍生出來的交叉產業之間容易產生溢出。
三、知識溢出的測度指標體系
知識溢出牽涉因素較多，各因素間的關系相當復雜，不利于知識溢出的量化。綜合分析各影響因素，我們對其進行系統劃分,對主要影響因素的綜合分類聚合，歸結為相對集中的5個耦合度相對較小的指標(如圖)。
1.溢出方擁有的知識K1
知識溢出方擁有的知識是知識溢出的知識源，知識溢出方擁有的知識總量決定能過溢出的總量。這就好比河流能夠流進大海多少水取決于源頭的水量。
2.溢出接受方擁有的知識K2
外部知識對個體不會直接產生影響，必須通過與內部知識結合形成個體內部知識才能對個體產生影響。而在由外部知識向內部知識轉化的過程中，知識接受方的原有知識是知識溢出的平臺。
3.溢出方和接受方的相對距離R
地理距離就是指個體之間實際距離。簡單的用地理距離作為測量知識溢出雙方之間的距離得出的結果往往不夠理想。如今雖然地理位置依然發揮著重要作用，但是隨著科學技術的發展，網絡的應用使得距離變得開始淡化。而這里的相對距離是以地理距離為參照，同時考慮到其他影響知識溢出的信息技術的應用等因素綜合評定個體之間的距離。
4.知識溢出渠道的暢通程度C
如果說溢出方和接受方的相對距離是從渠道的距離上考慮，那么知識溢出渠道的暢通程度就是從渠道的寬度來考慮。渠道暢通程度是一個綜合指標，它與個體開放程度、個體之間的合作的密切程度以及個體對知識的吸收能等因素有關。
5.知識缺口G
知識的溢出有知識的發送和知識的接受兩個基本過程，這兩個過程分別由兩個不同的參與者――知識溢出方和知識接受方分別完成。在知識的溢出過程中，擴散中心即知識的溢出方。知識接受方在獲取某一知識之前，他對該知識的了解是不完全的，因而知識接受方是否有能力接受知識的溢出，會影響知識溢出過程，因而接受者的知識儲備是影響知識缺口的主要因素，知識缺口就是這里的知識儲備量的差距。
參考文獻:
[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]孫兆剛:知識溢出的路徑研究[J].科技成果縱橫，2006(6).
[4]韓 鵬 陳德棉 張 黎:跨國公司對中國本地企業知識溢出模型分析[J].科學管理研究，2004(4)
[5]王 錚 馬翠芳 王 瑩 翁桂蘭:區域間知識溢出的空間認識[J].地理學報，2003(9)
[6]辛文防:企業集群單波知識溢出的測算[J].科技進步與對策，2004(1)
影視表演知識范文3
關鍵詞：護士；患者；儀表；舉止；語言
中圖分類號：R471 文獻標識碼：A 文章編號：1673-2197(2009)05-0157-01
護士是人類健康的維護者，是患者生命安危的保護者，護士工作直接與患者接觸，護士護理服務貫穿患者疾病恢復的全過程，患者的恢復與護士儀表舉止和言談及醫德規范密切相關。
1 護士的儀表舉止
儀表是人的外表，是容貌、服飾、姿態等的統一。舉止是人的行為表現。護士的儀表服飾、舉止行為是護士自身素質中醫德修養的重要內容之一。
(1)一個訓練有素的護士在護理工作中，應注意個人的儀表和舉止。儀表整齊，容貌修飾自然大方，風采奕奕，舉止健康的儀表說明護士飽滿的精神和充沛精力，能取得患者的信賴和依靠，使患者從心理上得到安慰，使病情得以穩定。
(2)護士在治療和護理患者中，濃妝艷抹，赤唇長甲，舉止輕浮或衣冠不整、精神萎靡不振，使患者產生厭惡及不安全感，患者的不良心理及消極情緒，導致病情波動，產生不穩定因素。
2 護士語言
言談是人類特有的表意、交流的工具，是人的知識、閱歷、才智、教養和應變能力的綜合體現。恰到好處地使用文明、藝術性語言，更是護士與患者交談；溝通思想的手段。
(1)護士在臨床護理工作中，語言與護理工作的關系日益受到重視，語言藝術在提倡優質整體化患者服務過程中尤為重要。語言既能傷人，又能安慰人，這是眾人皆知的。古希臘著名醫生希波克拉底曾經說過：“醫生有兩種東西能治病，一是藥物，二是語言?！弊o士在為患者服務時，語言交流貫穿于整套護理全過程，是護患心理情感交流的橋梁。護士語言應是科學、文雅、謙虛、和氣、善良的，體現出對患者的熱情、關心、同情和體貼。
影視表演知識范文4
[關鍵詞] 小麥 施肥 指標 研究 應用
[中圖分類號] S512.1 [文獻標識碼] A [文章編號] 1003-1650 （2013）06-0071-01
一、基本情況
淇縣位于河南省北部，隸屬鶴壁市，轄4鎮 1鄉4個街道辦事處，共176個行政村，總人口25.7萬，其中農業人口19.5萬，總土地面積567.43平方公里，總耕地面積41.7萬畝，淇縣地型地貌比較復雜，山區、丘陵、平原、泊洼均有，地勢為西北高東南低，主要為小麥玉米輪作種植方式，小麥常年播種面積在30萬畝以上。
二、施肥指標體系建立依據
1.依據土壤養分化驗結果
淇縣2007-2011年，共采集7500個土樣進行化驗分析，全縣耕層土壤有機質含量為12.8-22.4g/kg，平均值為16.15g/kg；全氮含量為0.74-1.19g/kg，平均值為1.00g/kg；有效磷含量為6.7-44.8mg/kg，平均值為15.5mg/kg，；速效鉀含量為51-262mg/kg，平均值為116mg/kg，；緩效鉀含量為330-1098g/kg，平均值為679mg/kg；土壤pH值含量為7.6-8.1，平均值為7.9。土壤微量元素有效銅含量為0.31-17.74mg/kg，平均值為1.61mg/kg；有效鋅含量為0.50-6.10mg/kg ，平均值為1.40 mg/kg；有效鐵含量為4.10-30.40mg/kg ，平均值為11.24 mg/kg；土壤有效錳含量為8.0-34.9mg/kg ，平均值為19.25mg/kg。與1982年第2次土壤普查相比出現“三增一減”的態勢，即有機質增加3.09 g/kg、全氮增加0.27 g/kg、有效磷增加8.84 mg/kg、速效鉀減少了27.4 mg/kg，土壤緩效鉀、pH值和有效微量元素基本保持穩定。
2.依據田間試驗示范結果
淇縣2007-2011年，按照農業部測土配方施肥項目要求，在小麥作物上安排田間試驗示范點74個，根據試驗得出淇縣小麥百公斤籽粒吸收量、氮磷鉀最佳施肥量、土壤有效養分供應系數和小麥土壤有效磷、速效鉀豐缺指標。
三、施肥指標體系建立
1.氮肥（采用以產定氮，總量控制，分期調控。）
1.1小麥高產田 （目標產量700kg/畝）：小麥吸氮量為700×2.81/100=19.67kg/畝，土壤供氮量為空白產量325×2.14/100=6.96kg /畝，氮素損失為19.67×30% =5.90kg /畝 ，小麥根系吸收量與土壤殘留氮量相抵消不計。小麥施氮量=目標產量吸氮量+氮素表觀損失-土壤供氮量=19.67+5.906.96=18.61 kg/畝。
1.2麥中產田 （目標產量600kg/畝）：小麥吸氮量為600×2.81/100=16.86 kg /畝，土壤供氮量為空白產量275×2.14/100=5.89kg /畝，氮素損失為：16.86×30% =5.06kg /畝，小麥根系吸收量與土壤殘留氮量相抵消不計。小麥施氮量=目標產量需氮量+氮素損失量–土壤供氮量=16.03 kg/畝
1.3小麥低產田 （目標產量500kg/畝）：小麥吸氮量為500×2.81/100=14.05 kg /畝， 土壤供氮量為空白產量225*2.14/100=4.82 kg /畝，氮素損失為：14.05×30% =4.22kg /畝，小麥根系吸收量與土壤殘留氮量相抵消不計。小麥施氮量=目標產量需氮量+氮素損失量–土壤供氮量=13.45 kg/畝。淇縣小麥氮肥推薦用量見表1
2.磷肥（采用測土定磷，恒量監控。）
2.1小麥高產田 （目標產量700kg/畝）：根據肥效試驗結果最佳施磷量（P2O5）為7.5kg /畝。對于磷肥管理來說，當土壤有效磷40 mg/kg時，施磷肥的增產潛力不大，不建議施用磷肥。淇縣小麥高產田磷肥施用量見表2，表中“投入/產出”指小麥施肥用量比小麥吸收養分帶走量（下同）。
2.2小麥中產田 （目標產量600kg/畝）：根據肥效試驗結果最佳施磷量（P2O5）為6.5kg /畝，對于磷肥管理與高產田一樣，計算同上。淇縣小麥高中田磷肥施用量見表3。
2.3小麥低產田 （目標產量500kg/畝）：根據肥效試驗結果最佳施磷量（P2O5）為5.5kg /畝，對于磷肥管理與高產田一樣，計算同上。淇縣小麥低產田磷肥施用量見表4。
3.鉀肥（采用測土定鉀，恒量監控。）
3.1小麥高產田 （目標產量700kg/畝）：根據肥效試驗結果最佳施鉀量（K2O）為5.5kg /畝，鉀肥的管理策略與磷肥相似。對于鉀肥管理來說，當土壤速效鉀180 mg/kg時，施鉀肥的增產潛力不大，不建議施用鉀肥。淇縣小麥高產田鉀肥施用量見表5。
3.2小麥中產田 （目標產量600kg/畝）：根據肥效試驗結果最佳施鉀量（K2O）為4.5kg /畝，對于鉀肥管理與高產田一樣，計算同上。淇縣小麥中產田鉀肥施用量見表6。
3.3小麥低產田 （目標產量500kg/畝）：根據肥效試驗結果最佳施鉀量（K2O）為3.5kg /畝，對于鉀肥管理與高產田一樣，計算同上。淇縣小麥低產田鉀肥施用量見表7。
4.中、微量元素肥料（采用因缺補缺）
淇縣土壤的大部分中微量元素含量比較豐富，中量元素鈣、鎂、硫和微量元素銅、鐵、錳等，能夠滿足小麥作物生長需要，只有微量元素鋅含量處于缺乏邊緣，考慮到生產中鋅對小麥的增產效果，依據土壤測試結果，建議對缺鋅土壤每畝增施硫酸鋅0.8-1.5kg（純度95%以上）。
參考文獻
[1]賈平.冬小麥施肥技術參數研究[J].河南農業，2012（9）：23.
影視表演知識范文5
關鍵詞: 訪問控制列表 基于時間 應用
1.訪問控制列表
訪問控制是網絡安全防范和保護的主要策略,它的主要任務是保證網絡資源不被非法使用和訪問。它是保證網絡安全最重要的核心策略之一。訪問控制涉及的技術比較廣,包括入網訪問控制、網絡權限控制、目錄級控制及屬性控制等多種手段。
訪問控制列表(ACL)是應用在路由器接口的指令列表。這些指令列表用來告訴路由器哪些數據包可以接收、哪些數據包需要拒絕。至于數據包是被接收還是拒絕,可以由類似于源地址、目的地址、端口號等的特定指示條件來決定。
訪問控制列表(ACL)是網絡防御的前沿陣地,它提供了一種可以控制通過路由器和交換機不同接口的信息流的機制。通過訪問控制列表來管理信息流,以達到指定相應的網絡策略。這種策略通過描述安全、時間等條件來反映流量的優先權。
2.幾種常見的訪問控制列表
(1)標準IP訪問控制列表。
一個標準IP訪問控制列表匹配IP包中的源地址或源地址中的一部分,可對匹配的包采取拒絕或允許兩個操作。編號范圍是從1到99的訪問控制列表是標準IP訪問控制列表。
(2)擴展IP訪問控制列表。
擴展IP訪問控制列表比標準IP訪問控制列表具有更多的匹配項,包括協議類型、源地址、目的地址、源端口、目的端口、建立連接的和IP優先級等。編號范圍是從100到199的訪問控制列表是擴展IP訪問控制列表。
(3)命名的IP訪問控制列表。
所謂命名的IP訪問控制列表是以列表名代替列表編號來定義IP訪問控制列表,同樣包括標準和擴展兩種列表,定義過濾的語句與編號方式中相似。
3.基于時間的訪問控制列表
基于時間的訪問列表是在原來標準訪問列表和擴展訪問列表中加入有效的時間范圍來更合理、有效地控制網絡的。它先定義一個時間范圍,然后在原來的各種訪問列表的基礎上應用它,對于編號訪問列表和名稱訪問列表均適用。
4.應用舉例
我院網絡(1)(2)班教室里,每人一臺電腦,接入交換機與一臺RG3750交換機相連,可以全天候訪問Internet。但是,部分學生在上課時間還在上網,不注意聽講,影響了上課效果。于是,我想到利用基于時間的訪問控制列表對兩班教室進行上網控制,即只有課外時間才能上網,上課時間網絡會自動中斷,下課后又會自動開啟,以減少管理負擔。
基于時間的訪問控制列表的配置步驟通常是以下幾點。
(1)定義時間段及時間范圍。
【配置命令】
Switch#time-range free
absolute:該命令用來指定絕對時間范圍。它后面緊跟start和end兩個關鍵字。在兩個關鍵字后面的時間要以24小時制和“hh:mm(小時:分鐘)”表示,日期要按照“日/月/年”形式表示。這兩個關鍵字也可以都省略。如果省略start及其后面的時間,表示與之相聯系的permit或deny語句立即生效,并一直作用到end處的時間為止;若省略end及其后面的時間,表示與之相聯系的permit或deny語句在start處表示的時間開始生效,并且永遠發生作用(當然,如把訪問列表刪除了的話就不會起作用了)。
periodic:主要以星期為參數來定義時間范圍。它的參數主要有Monday、Tuesday、Wednesday、Thursday、Friday、Saturday、Sunday中的一個或者幾個的組合,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,即將詳細的規則添加到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
網絡(1)班IP地址為192.168.81.x,網絡(2)班IP地址為192.168.82.x。
(3)宣告ACL,將設置好的ACL添加到相應的端口中。
Switch(config)#interface range fastEthernet0/1
Switch(config-if)#ip access-group net in
其中f0/1為網絡(1)班接入口,f0/2為網絡(2)班接入口。
(4)配置系統時間
至此,基于時間的訪問控制列表就配置完畢了,但是路由器或交換機的時間是否準確,也是一個非常關鍵的問題。所以,我們還須對交換機系統時間進行設置。
clock set hh:mm:ss day month year
【配置命令】
Switch#clock set 10:23:02 10 3 2010
基于時間的訪問控制列表的應用非常多,譬如有的公司要求其員工在上班時間內不能使用QQ、MSN等聊天軟件,但在休息時間可以正常訪問;學校宿舍區要求夜里11∶00以后斷網,以督促學生按時休息,等等。如果網絡管理員能熟練運用基于時間的訪問控制列表,就可以使工作事半功倍。
參考文獻:
[1]禹龍等.利用訪問控制列表提高網絡安全及實例[J].微計算機信息.
影視表演知識范文6
關鍵詞：達氏鰉 剝制標本 改進 應用研究
中圖分類號：Q95-34 文獻標識碼：A 文章編號：1672-5336（2014）10-0001-01
影響現有達氏鰉剝制標本整體觀賞性的因素主要有三個方面：一是軀干部填充不飽滿，尤其是鰓后軀干前端，因皮張未能充分撐起，不能展示出流線型體形，局部表面癟塌不平整；二是吻端未進行任何處理，短期內缺陷不明顯，在展示一年后，因水分的流失和脂肪的氧化，會導致吻的逐漸萎縮，出現“塌鼻”和“短鼻”現象，極大的影響了制成標本的美觀性；三是達氏鰉的鰓蓋（膜）較大，在標本制成晾干過程中，會出現萎縮現象，難以將鰓部整體遮蓋，導致內部填充材料（稻草或脫脂棉）在外，影響標本美觀。
筆者在進行達氏鰉剝制標本制作中，綜合分析上述影響制成標本觀賞性因素的基礎上，對制作方法進行了改進，以進一步提高制成標本的觀賞效果。
1 達氏鰉基本情況
用于制作標本的達氏鰉從黑龍江勤得利江段捕獲，體重539斤，全長327厘米，吻部、吻須和各鰭鰭條完整，體表皮膚僅背部近鰓端和腹部胸鰭與腹鰭間有三個小孔洞，是在捕撈過程中由滾鉤造成，破損面積在3～5平方厘米之間，通過后期修復不影響整體美觀性，可以用于剝制標本的制作。
2 制作步驟
2.1 剝皮
將魚體表面清洗干凈放于解剖臺上，測量魚體各部數據（體長、軀干長、胸鰭至腹鰭間長度、腹鰭至臀鰭間長度、臀鰭至尾柄間長度、胸鰭部周長、腹鰭部周長、臀鰭部周長和尾柄部周長）。在腹面兩胸鰭中線略靠吻端處向下開口，繞開泄殖孔和臀鰭一直開口至尾柄末端，用剝皮器將皮肉小心分離，取出胴體部；頭部將顱骨、腦、鰓和兩鰓部多余肉取出即可。
技術改進1：吻端處理沿腹面吻須中線將吻腹面表皮劃開，去除吻內多余結締組織和部分軟骨。用5號鐵絲（粗細可以依據魚體大小自行確定，重點是保形性能好）彎成達氏鰉吻形狀，外覆脫脂棉，調整填充體大小、厚薄與吻形相近備用。
2.2 脫脂
將剝下的皮張經沖洗去除碎肉后，用75%酒精浸泡48小時以上，浸泡前用薄木板和鐵夾將各部魚鰭固定，保持魚鰭形狀，避免魚鰭因酒精浸泡脫水而收縮。脫脂期間可以定期將皮張取出用滑石粉、洗衣粉或玉米粉等對腹面魚皮進行輔助脫脂處理。
2.3 填充物制作
因達氏鰉為大型魚類，為降低制作成本，通常采用鐵絲、稻草和脫脂棉做為主要填充材料。具體制作方法為，以8號鐵絲按剝皮前記錄數據制作填充框架，框架長度與測量數據相同，周長較測量數據小5～13厘米，距離頭部越近差值越大；將框架內填滿經殺蟲（包括蟲卵）處理后稻草，外面用脫脂棉片逐層覆蓋，直至填充物周長與測量數據相近即可。
技術改進2：軀干部填充物處理制作好的填充物，用粗細適合的棉線以間距不超過1厘米，由頭至尾逐圈纏繞并勒緊。因脫脂棉和稻草本身都具有一定彈性，通過在填充和縫合過程中，按填充順序將勒緊的棉線剪斷，填充物的體積會產生一定量的膨脹，達到與皮張緊密貼合的目的，使制成的標本表面更加平整。
2.4 填充縫合
皮張浸泡結束，在填充前應置于清水中浸泡2～3個小時，充分吸水并回復皮張的柔軟和韌性，便于縫合操作。將制好的填充物放入皮張中，調整好大小、位置和形狀進行縫合。頭部用脫脂棉進行填充，吻部的填充與軀干部相同，安裝大小適合的義眼。
技術改進3：鰓部的填充頭部用脫脂棉填充完成后，在接近軀干的鰓部少量填加脫脂棉，然后用適量脫脂棉蘸半水纖維石膏水填充并壓平；最外層用略粘稠半水纖維石膏填充，同時，用刮刀將石膏表面壓平拋光。通過以上處理可以起到遮蓋原有稻草等填充物的目的，選用的半水纖維石膏具有凝固快、強度大和不容易開裂的優點，有利于制成標本的長期保存與展示。
2.5 晾干與上漆
將填充好的標本置于預先做好的標本架上，放在干燥通風日光無法直射的位置進行晾干。待完全干燥后用調好比例的清油對表皮進行上漆操作，上漆應做到均勻，無雜質，按筆者的制作經驗以上三遍漆效果更好，清油的比例須逐漸增加。
