前言:一篇好文章的誕生,需要你不斷地搜集資料、整理思路,本站小編為你收集了豐富的別人的故事主題范文,僅供參考,歡迎閱讀并收藏。
放下信,我聯想起自己剛剛結束的一段戀情,那個離我而去的男孩兒比這位信中的女孩兒更狠,他是帶著他的新女友來和我分手的。在那一刻,我除了痛恨和鄙視,沒有一絲絲對他的留戀了。真是了結得痛快!可我也不再相信愛情。
在清理抽屜時,我從一堆亂七八糟的紙片中,發現了一張女孩兒的小照,她的臉在一個心形的大頭貼里露出來,笑得嫵媚燦爛,看上去,這是一個很漂亮的女孩兒,20出頭的樣子。我突然把照片與信中的主人公芊芊聯系在了一起,甚至求證過房東,照片上的女孩兒就是剛從這屋里搬走的芊芊。也許是“芊芊”這個好聽的名字吧,我沒有把信和照片扔掉,而是放進一個我暫時不用的抽屜里。后來,也就忘了這事。
可是,一個星期后我下班回來,發現門下塞進一封信,信封上寫著“葉芊芊收”,上面有本地郵局的郵戳,看樣子是郵差投進來的。由于字跡和上封信一模一樣,我斷定就是那個叫“海格”的男孩兒寫來的。我隨手把它放進了那個抽屜。
后來,竟然每隔幾天都有一封同樣的信投進我的屋里。當收到第四封時,我想把它退回去,免得這個癡情的男孩兒白白等待。但轉念一想:他未必能堅持下去,現在薄情寡義的男人多得很,說不定,他投出這封后再也不會寫了,我又何必管這閑事?然而,當我收到第十一封時,我被這個男孩兒的執著深深地打動了,一種很想看看信的沖動讓我冒昧地拆開了所有的信。
其中有一個細節是這樣描述的:“那次我在外地出差,你突然打來電話說感冒發燒,我便匆匆把事辦完,連夜乘車趕回??墒悄翘焯貏e熱,我在悶熱的車廂里中暑了,便糊里糊涂昏睡過去,等我醒來時卻發現早已過了站點。怎么辦?我只好等待下一站,不管那是哪兒就下了車。誰知那是一個很小的站,晚上根本就沒有返回的車。可我一想到高燒中的你,就做出一個大膽的決定――走回去!我一直沿著鐵路走呀走,過隧道時黑壓壓一片,我不由想起一些聽來的關于發生在隧道里的案件來,就毛骨悚然。可我沒有退路,必須壯著膽子前行??膳碌氖?,過完一個,沒走多遠又出現了一個!那晚,我一連過了五個隧道。等我從最后一個隧道里鉆出來時,已渾身濕透。我不知自己是怎么走到那個熟悉的站臺的。當我拖著如鉛一樣沉重的雙腳出現在你面前時,我癱軟下去。而盼了我一夜的你,抱著我哭成了淚人……”
我感動得一塌糊涂,一連幾天都沉浸在這些信里拔不出來,不知如何才能終止這個男孩兒無望的來信。
就在這時,戲劇性的一幕出現了:一個陌生男孩兒敲開了我的門,他看到我的第一眼十分吃驚,隨后說出了“葉芊芊”三個字。我告訴他,她在我搬來前就走了,我已經住進來53天了。我以為他聽了會很失望,甚至會責怪我對他的冷處理。可他沒有,他的臉上倒燃起一絲希望,向我禮貌地要求索回他的來信。也許他認為女孩兒沒有看到信,比收到信不理睬這一結果要好得多吧。我急中生智,對他說:“哦,你的信我昨天全給你退回去了?!蹦泻嚎蜌獾氐乐x。看到他走遠了,我才長吁了一口氣,因為我實在不知要怎樣才能將這些拆開的信退還給他?這是不是侵權?
那天正好是星期日。男孩兒走后,我去附近的菜市場買菜,路過一個建筑工地時,我沒想到會在這里又碰到了他。只見他抱著頭蹲在路邊,我定神一看,驚呆了:他滿手滿臉是血,身旁有一小截磚頭。我立刻明白了:他是心不在焉地闖入了工地,被磚頭砸傷了,而上面的民工卻誰也不知道下面發生了事。
我趕忙送他到附近的醫院門診包扎傷口,又打車送他回住處。做完這些時,我心里踏實了許多,決定找天去看他時把信和照片都還給他,向他坦陳我的所作所為。
第二天,為了“贖罪”,我提著做好的鮮魚湯去看他。他比昨天精神了許多,友好地用水果接待我。交談中,為了得到他的理解,我竟然把自己失敗的戀情向這個陌生的男孩兒倒了出來,然后果斷地把信交給了他。聰明的他還沒等我作出任何解釋,就忙說“沒關系”。就這樣,我們成了朋友,彼此療著心中的傷。惟一感受不同的是,在海格的心里,葉芊芊幾乎是完美的。而我,從不懷舊。
海格當時在一家報社拉廣告,干得挺好。我就欣賞他這種雖然失戀了、工作卻依然干得出色的男人,這比整天買醉的男人要強千萬倍。我甚至發現他很善良、很能吃苦,性格也好。可我就是不明白:葉芊芊怎么可以放棄這么好的一個男孩兒不愛要去愛別人?每當這么想時,我心里就沒來由地疼痛,因為我實在不愿看到他為一個無情無義的女孩兒痛苦得沒有盡頭。
我們來往很密切,要是換一個人,我想他一定不會無視我的存在。可他心里裝滿了葉芊芊,好像她是海格胸口上抹不去的一顆朱砂痣。
大約三個月后的一天清晨,一個女孩兒紅腫著雙眼找上門來打聽海格,我看她怎么也不像那照片上的女孩兒。她一見到我便滿眼期待地問:“請問有沒有一個人來找過葉芊芊?他叫海格?!蔽彝nD了3秒鐘才說:“有?!彼劾锿蝗婚W著光,急切地問:“他在哪兒?快告訴我!”我問她是誰,找他有事嗎?并讓她進屋慢慢說。
原來她是葉芊芊的朋友,她說:“芊芊今天凌晨4點多鐘去世了。我必須找到海格,她那么愛他,卻瞞著自己的病情提出和他分手,她說她太了解海格:他寧愿她負了他,也不愿接受一個她死亡的事實,因為這對他來說太殘酷了!還有,她隨著病情的惡化,最怕海格看到容顏不再美麗的她,怕他永遠記住自己最難看的丑相,而這對她來說簡直比死還要殘酷!可我必須把她最后的日記還給他,里面寫的全是對他的思念,字字是血??梢哉f,她最后的日子就是靠這本日記度過的?!庇谑撬蜷_一塊綢巾,露出一個精美的紅緞本來。我接過一頁一頁地翻閱,淚水很快模糊了我的雙眼……我把海格為她寫信、受傷的事也全講給這位朋友聽。于是,兩個女孩兒的淚水不約而同地為這對戀人汩汩流淌……
這多么像小說里的情節,卻殘酷地出現在我們所見證的這樣一對平凡的情侶身上!我們找到海格,當海格知道發生的一切時,雙腿軟了下去,接著發出絕望的悲號:“為什么?為什么竟是這樣……”
海格去參加了芊芊的葬禮,芊芊被運回了她的老家。再次見到海格是半個月以后了,他還是那么悲傷,問我為什么這么好的女孩兒要得絕癥?為什么他那么死心塌地愛著的人老天要跟他搶?為什么芊芊的父母就這么一個孩子上帝也不給他們留下?我只能默默地陪著他流淚,不能回答……
從此,海格每隔一段時間就坐7個多小時的車去看望芊芊的父母。
有一次,我要求和他一起去看芊芊的父母,他同意了。當芊芊的母親把我當成海格的女友相待時,我看到海格想解釋什么,而終于沒有說出口。他欲言又止的樣子,讓我刻骨銘心。在返回的車上,我們誰也不說話。但我能理解,這種深度的悲傷是要很長時間才能修復的。
也就是從這以后,我一直同海格去看芊芊的雙親。盡管海格對我真的很好很好,可我們的關系卻從未明朗。我想,我是最有資格陪海格來替芊芊盡孝的人――這是一種幸福。
我把處在黃金地段的房子租出去,自己到遠郊租平房住,說是找個清靜地,實際上是為了掙房屋租賃的差價。
屋里的東西保存完好,我把押金給了男的(因為我沒看到女的)。他很慷慨,給我留下一盆黑色郁金香。我暗笑他不懂花,郁金香是不適合放在臥室里的,對人的神經系統有影響。
將近一年沒回家住了。晚上,我看著屋里的一切,總覺得自己走錯了門,有點不適應。我正在客廳里找回家的感覺,突然防盜門無聲無息地開了,租房的女人抱著盆黑色郁金香走了進來。
我很生氣,男的說,鑰匙都給我了,怎么她還能打開房門?你回來有事?我說話的語氣不太好。誰知,她并沒理我,徑直朝臥室走去。
屋里沒你的東西了,我氣憤地跟著她走進臥室。我驚呆了,臥室里燈光明亮,那個男的坐在床上。一個人進了另一間臥室,我竟絲毫沒察覺。你們怎么還不走?我生氣地說。
他們沒理我,抱在一起,做那些事。我不知所措地愣在門口,站也不是,退也不是。是手機鈴聲驚醒了我,房屋中介打來的,問我是否還出租房。我一時沒搭話,因為我發現,臥室里的燈滅了。
我說了聲,租,隨即按動燈的開關,我要看看這對男女是否知道羞恥。我瞪大了眼,看著空空的臥室,他們倆消失了。我就堵在門口,窗戶上有防盜窗,他們怎么消失的?
我愣了半天,才似乎明白了,剛才的一切只是一個夢境,我在疑心這不是自己的房子,就站著做了個房子是別人的夢。我把郁金香搬到陽臺上去,我疑心夢境和它有關。
我走出臥室,又看到了那個女的,她還是不搭理我,拿著一瓶紅酒往臥室里走。我再次跟了進去,想跟他們理論一番。
茶幾上擺若生日蛋糕,幾盤菜,一瓶紅酒,燭光閃爍,他們竟在我的房里堂而皇之地過生日。
我正想發火,眼睛不經意看了一眼對面墻上的電子萬年歷,2012年1月16日,不對,我檢查過了,萬年歷沒問題,今天應該是3月15日。誰把日期改了々我突然想起,在剛才接電話的時候,我的眼睛也掃過萬年歷,我記住了時間,2011年4月5日。萬年歷在差不多的時間內變換了兩次日期。
正在我惶惑的時候,房屋中介又打來了電話,租房的人明天來看房,并告訴我一個好消息,房租漲了400塊。我卻高興不起來,我再次站在黑著燈的臥室里,他們人不見了,生日晚宴不見了。
我相信,剛才的還是夢境,否則,萬年歷也不會頻繁地變換日期,兩人自始至終都沒發出一點聲音,更像無聲電影。至于做夢的原因。我歸結于殘存在房間里的花香。
我早起寫東西,走出臥室時,看到一個陌生的女人瘋了似的跑進那間臥室里去了,難道我又做夢了?我跟了過去。
男女兩個都在。剛進去的女人和里面的女人廝打在一起,男的站在一邊不知所措,后來,男的一巴掌把和自己一起租房的女人打倒在地。那個女人愣愣地看了男人一會兒,淚流滿面地跑出臥室,從我身邊經過。
這時,我看了一眼萬年歷,2012年3月14日,但隨后,日期又變了,變成了3月16日,也就是當天。臥室里又只剩下我了。
我傻站了好一會兒,才從手機里找出那個男的手機號。我問他,生日是不是1月16日,過生日時是不是有生日蛋糕,喝的紅酒。他停頓了一會兒說,你一定是從身份證上知道我的生日的,過生日的東西,你倒是挺有想象力的,說得不錯,但這與你有什么關系?
我沒回答,接著說,跟你一起住的是你的情人,前天早上,你妻子找到這里,為了留住妻子,你打了情人一巴掌。
是誰告訴你的?電話里傳出他憤怒的聲音。
我掛了電話,一切都清楚了,那些并不是我的夢境,而是租房人在這里的生活片段,4月5日是他們搬來的頭一天,1月16日是男的生日,3月14日是他們分開的日子,應該都是他們在我的房屋生活最值得記憶的日子,它們就像一場場無聲電影在我面前閃現。
關鍵詞:說話人識別 DTW GA_DTW
中圖分類號:TN912.3 文獻標識碼:A 文章編號:1007-9416(2013)10-0098-02
在孤立詞語音識別中,DTW(動態時間規整)是一個經典算法。它將時間規整和歐式距離相結合,通過局部最優解,使兩個特征矢量之間的累積失真量最小。本文將遺傳算法用于DTW中,從全局角度出發,使整個系統的識別效率大大改善。
1 DTW的基本原理
假設參考模板特征矢量序列為,輸入測試語音特征矢量序列為,其中,DTW就是要尋找時間規整函數m=w(n),把測試模板的時間軸n非線性映射到參考模板的時間軸m,并滿足[1]:
(1)
式中,是第n幀測試矢量和第m幀參考矢量的距離測度,一般這個距離測度采用歐氏距離的平方,如式2:
(2)
其中,,Q是特征矢量維數。實際應用中,DTW采用動態規劃技術實現最優化算法,w(n)被限制在一個平行四邊形內如圖1,其一條邊的斜率為2,另一條邊的斜率為1/2。規整函數的起始點為(1,1),終止點為(N,M)。DTW算法用簡單的局部路徑限制,使沿路徑的累積距離最小,其動態搜索的空間并不是整個矩形網格,而是局限于平行四邊形區域內,許多點達不到,因此,本文采用基于遺傳算法的動態時間規劃算法(GA_DTW)用全局搜索能力來尋找最佳匹配路徑[2]。
2 GA_DTW算法機理
設參考模板為:R={R(1),R(2),…,R(m),…,R(M)},測試模板為:T={T(1),T(2),…,T(n),…,T(N)},R與T間的總失真距離表示為D[R,T],為使兩模板的相似度較高,失真距離越小越好[3]。
設為規劃路徑,P為匹配路徑的長度,用w(i)=(x(i),y(j))表示參考模板的第x(i)個特征矢量與輸入模板的第y(j)個特征矢量構成的匹配對,其中y(j)=k(x(i)),任意兩模板間幀距離用d[x(i),y(j)]表示,則兩模板在路徑為W時的距離為:
(3)
易知x(1)=1,y(1)=1,x(T)=M,y(T)=N。為了使最小,把式4作為適應度函數的原型,需找到最小的模板間距離[4]:
(4)
3 GA_DTW算法的流程
GA_DTW是對每一代個體進行適應度評價,對待識別模板和參考模板各幀間累積距離進行計算,通過選擇、交叉和變異等操作得到適應度更高的下一代種群,如此反復,直到達到算法終止條件即滿足模板最小總累積距離,結束算法運算,輸出結果[5]。
(1)編碼方式:對參考模板進行編碼,并對待識別模板上特征參數幀的位置及位置上的值進行編碼,使染色體上的基因位置表示待識模板的幀號數,而該位置上的基因值表示參考模板的幀號數。假如參考模板特征參數有M幀,待識別模板特征參數有N幀,那么用長度為N個字符的串來編碼染色體,而這個串中的基因是一個小于或等于M的正整數,它代表待識別特征參數幀在基因位置上對應的參考特征參數幀的位置,并在串中按從左到右、從小到大的順序排放。假設參考模板參數有10幀,待測試模板參數有15幀,如串1,1,2,2,3,4,5,5,6,7,8,9,9,10,10,它表示待識別語音特征參數中的:第1幀對應參考模板中第1幀,第2幀對應參考模板中的第1幀,第3幀對應參考模板中第2幀,…,第14幀對應參考模板中第10幀,第15幀對應參考模板中第10幀。
(2)適應度函數設計:待識別模板特征參數(N幀)參考模板特征參數(M幀)間各幀間距離是一個的矩陣dist[M,N],一般適應度值越大被遺傳的機會就越大,但是累積距離是越小越好,所以需要進行最大值和最小值之間的轉換。GA_DTW算法的適應度函數為式5。
(5)
其中為最大累積距離,dist[m,n]表示參考模板第m幀和測試模板第n幀間的距離。
(3)種群初始化:隨機產生N個0-2的隨機整數,使它們的和加起來等于M,然后對這些隨機數按從左到右的順序依次求和,即:染色體中從左至右的第K個基因是隨機數序列從左至右的前K個隨機數的和。
(4)選擇操作:在進化時,上一代適應度最高的個體直接復制到下一代,再選取遺傳運算之后適應度較高的個體,直到個體數量達到種群規模[6]。
(5)交叉操作:將種群中2X個個體以隨機方式組成X個配對組,將對應兩位置的中間基因片段進行交換,得到2個新的個體。
(6)變異操作:用Pm表示變異概率,一般取值0.001~0.02,通過擾亂基因值再和并允許的新值,即:隨機產生一個1~M-1范圍內的整數,用它取代個體中的某個元素。
(7)終止策略:本文采用固定遺傳迭代次數的方法終止策略,設定迭代次數為60次。
4 實驗結果及分析
實驗采集了5個人的語音樣本數據,包括3個女聲和2個男聲的發音,樣本為兩個字的連續詞發音,分別為“芝麻、開門、晴朗、多云、小雨”,每人每個詞發音重復40遍,這樣得到共1000個語音樣本數據,建立了一個S×5×40的語料庫,供實驗用。
采用同一個女聲的聲音樣本,交叉概率和變異概率?。≒c,Pm)=(0.8,0.005),遺傳迭代次數按60計算,實驗結果如表1。
從表1知,DTW和GA_DTW的識別率分別為87.60%和90.51%,GA_DTW的識別率明顯高于DTW的識別率,而且耗時更短,前者每個詞識別平均耗時1.596s,后者每個詞識別平均耗時1.371s,在效率上GA_DTW比DTW高得多。
參考文獻
[1]陳永斌,王仁華.語言信號處理[M].合肥:中國科學技術大學出版社,1990.8.
[2]De.Jong, KA. An Analysis of the Behavior of a Class of Genetic Adaptive Systems[D].University of Michigan,No.76-9381,1975.
[3]Holland J H. Adaptation in Natural and Artificial Systems[M]. Ann Arbor: Univ.of Michigan Press,1975.
[4]徐宗本,張講社,鄭亞林.計算智能中的仿生學[M].北京:科學出版社,2003.5.
我國現行刑法典第14 條規定, 明知自己的行為會發生危害社會的結果, 并且希望或者放任這種結果的發生,因而構成犯罪的, 是故意犯罪。學者們根據這一規定對間接故意進行學理表述, 但認識并不完全一致, 歸納起來主要有兩種代表性觀點:其一, 認為犯罪的間接故意是指行為人明知自己的行為可能發生危害社會的結果, 并用放任這種結果的發生的心理態度。這種見解目前是我國刑法學界的通說。其二, 認為我國刑法中規定的間接故意是指行為人明知自己的行為會發生危害社會的結果, 并且放任這種結果的發生。上述兩種危害觀點的分歧焦點在于對 明知會發生 的不同理解, 即在間接故意情況下, 是否包含行為人明知自己的行為必然發生危害社會的結果的情況。換句話說, 如果行為人明知自己的行為必然發生危害社會的結果時, 是否還存在放任 的心理態度。觀點一對此持否定說, 認為只要行為人認識到自己的行為必然發生危害社會的結果時就不存在放任 的心態, 主張應將這種情況納入直接故意范疇, 故而將間接故意的 明知會發生 理解僅限于 明知可能發生 。觀點二反對上述見解,認為間接故意犯罪的 明知會發生 應理解為 明知會必然發生和可能發生 兩種情形, 并認為區分故意罪過的不同形式, 只能以意志因素的 希望 或 放任 為根據。如果行為人是 放任 結果的發生, 不論行為人認識到結果必然發生或者可能發生便都是間接故意犯罪。
為評價上述分歧, 提請認清下列命題:(1) 必然性是與偶然性相對應的哲學范疇, 二者是既對立又統一的關系, 尤其是對立基礎的統一, 也即在事物發展過程中縱然是存在著必然性發展趨勢, 仍然同時伴隨著不能轉化為現實的偶然可能性;(2) 必然性(或偶然性) 認識或觀念并不是必然性(或偶然性) 本身, 前者是主觀認識范疇, 后者屬客觀范疇;(3) 可能性與現實性相對應, 而且可能性量化的結果包括必然性和偶然性兩種情況;(4) 犯罪是行為人基于自己的認識和意志實施的危害社會的行為, 明知會發生 是行為人自己認為自己的行為會發生, 是行為人對自己行為的一種主觀認識。現行刑法理論通說將 會發生 分解為 必然發生和 可能發生 兩種情形, 并以此為前提進行討論, 其立論前提是錯誤的。因為 會 字在這里是 表示有可能實現 , 所以自然應當包括必然性和偶然性兩種可能。換言之, 應當將 會發生 理解為 必然發生 和 偶然發生 兩種情形。而且, 通說容易給人這樣的誤導, 將必然性觀念等同于必然性本身, 將必然性這種趨勢等同于現實性, 故而有明顯的不足。觀點二, 雖然注意到必然性并不就是現實性, 但仍然囿于上述立論前提, 并沒有明確區分必然性與必然性觀念, 故而亦有缺陷。我們認為, 間接故意就是行為人本人明知自己的行為會發生危害社會的結果, 并在這種觀念下放任這種結果的發生的心理態度。現綜合提出自己的見解。
二、過于自信的過失之認識因素和意志因素
刑法典第15 條第一款規定, 應當預見自己的行為可能發生危害社會的結果, 因為疏忽大意而沒有預見, 或者已經預見而輕信能夠避免, 以致發生這種結果的, 是過失犯罪。據此規定, 學界一致認為, 過于自信的過失, 是指行為人雖然已經預見到自己的行為可能發生危害社會的結果, 但輕信能夠避免, 以致發生這種結果的心理態度。這種罪過形式, 也有兩方面的特征:1.認識因素上, 過于自信過失的行為人不僅已經預見到自己的行為有發生危害社會的可能性, 而且還同時認識到了阻礙這種結果發生的主客觀條件, 但由于對這些主客觀條件的地位和作用發生錯誤認識, 故錯誤地認為這種結果是能夠避免的。這里行為人存有一個注意力沒有正確地充分地發揮問題。具體理解這一特征應注意以下幾個要點:
(1) 這種對結果發生的預見, 應當是從行為人的角度, 預見到了結果有可能發生。
(2) 這里的 可能性 僅限于偶然性的可能發生, 因為行為人無法一方面認為結果有發生的必然可能, 另一方面又確信能夠避免, 這兩種相對立的觀念不能同時存在于一個人頭腦中。
(3) 這種認識因素也是一個動態變化的過程:最初, 對結果的發生的可能性認識是具體的, 即預見到行為發生什么危害結果, 而不是對結果是否發生不得而知的抽象的危懼感或不安。所以這時候這種可能應為現實可能 。否則, 行為人便用不著去避免了。因為在哲學上, 可能性又分為現實可能和抽象可能。所謂現實可能是在目前就有條件直接轉化為現實的可能性。抽象可能是指雖然在現實中并不是完全沒有根據, 但是在目前還缺乏轉化為現實的條件, 還不能直接轉化為現實, 看起來似乎不可能, 因而叫抽象可能性。但行為人的認識過程并不是到此為止, 而是在爾后, 行為人對阻礙結果發生的主觀條件。如個人素質方面:體高力壯、嫻熟技術、靈敏的過人反應性、豐富的生活經驗、過去曾有過相同的經歷等, 以及客觀條件如地理環境開闊、光線強、視線好、道路平坦等有認識, 并確信有這些因素的存在能夠阻礙這種可能性的現實化, 使之永遠處于不可能或抽象可能之中。最后, 行為人的認識存在錯誤而得出的結論是:認識到結果發生的屬于抽象可能性或不可能而無發生的現實可能。
2 .意志因素上, 過于自信過失的行為人, 其意志因素也表現為兩個方面:(1) 調整自己的行為指向特定的目的;(2) 同時利用自信的主客條件去控制自己的行為以避免特定目的之外的危害結果的發生。最終表現為, 避免能力沒有很好的發揮, 行為人主觀愿望與客觀效果相分離。此外, 理論界還從不同的角度分析了這種意志因素:有學者認為, 過于自信的過失是一種有認識的過失, 但其意志因素卻隱藏在行為人的潛意識之中, 法律以應當避免而沒有避免作為測量這種意志的標準。如果說, 沒有避免是所為行為, 應當避免 是應為行為, 那么, 過于自信過失就是以這種所為行為與應為行為相分離為特征的。也有學者認為, 所謂輕信能夠避免, 一方面是指行為人希望并且相信能夠避免結果的發生, 另一方面是指行為人沒有確實可靠的主客觀根據而輕率地相信, 可以避免。這些觀點都無非是在說明, 過于自信的過失的意志因素表現為危害結果的出現對行為人來說是事與愿違, 或者說對結果的出現, 行為人不僅是不希望 而且是希望不 。
三、間接故意與過于自信過失的司法認定
基于上述分析, 筆者認為司法實踐中對這兩種罪過的認定, 可主要把握以下幾點:
關鍵詞:
人臉識別;可信度;不確定性;生物識別算法;分類器
中圖分類號: TP391.413 文獻標志碼:A
0引言
人臉識別[1]已廣泛應用于基于生物特征的人機交互中,如視頻監控和訪問控制等[2]。人臉識別方法眾多,比較具代表性的有主成分分析(Principal Component Analysis, PCA)[3]、線性成分分析(Linear Discriminant Analysis, LDA)[4]、獨立主成分分析(Independent Component Analysis, ICA)[5]等,這些方法在非限制條件下均能取得不錯的效果;但是,當出現光照、姿態、表情及場景等變化時,效果并不理想。
為了解決三維人臉識別中的問題,已有不少相關方法被提出。例如,文獻[6]基于二維主成分分析,保留人臉部的拓撲關系,采用非負矩陣進行局部特征識別;然而,二維人臉識別容易出現光照變化和姿態變化引起的問題。文獻[7]利用輸入數據的測量不確定性解決識別和分類問題。該方法以概率統計為基礎,系統輸出為可信度,且使用準確率、錯誤率和棄權率改善方法性能。每個類使用一種置信度(Confidence Level, CL)描述,以獲取每種類別的測量不確定性。文獻[8]使用計量特征和預測線性判別分析進行特征降維,通過相關性和信息強度來降低錯誤決策;然而,從用戶角度看,可操作性大為降低。文獻[9]針對人臉畸變、表情變化等不可控因素,在B樣條的多級模型自由形式形變(Free Form Deformation, FFD)基礎上,利用低分辨率FFD網格進行全局配準,全局配準后,分塊計算各子塊的相關性,相關系數小的子塊采用高分辨率FFD網格進行細配準,采用的凸集投影(Projections Onto Convex Sets, POCS)重建多幀圖像為高分辨率圖像;然而,重建和擬合過程的誤差較大,且POCS重建易產生邊緣模糊問題。文獻[10]提出了基于多特征3D人臉識別方法,使用三種方法從人臉圖像中提取特征,即最大曲率圖像、平均邊緣圖像、范圍圖像,利用權重線性組合構建融合特征;該方法可以取得不錯的識別效果,然而,需要使用3D掃描儀/照相機,這是一種價格非常昂貴的數據采集工具,且需要較長的處理時間。
一般人臉識別方法的主要問題包括:源不確定(例如立體像機是“攝像機”,還是“像機”?還有“相機”的描述?是否需要統一一下?請明確。的位置不確定,像機校準過程不確定);在3D空間提取的特征具有不確定傳播特性(例如:訓練階段的影響,兩幅圖像不確定性)和比較階段的分數。本文方法能夠有效確定系統參數最優值(例如:像機位置、評價分數中每種特征的權重)。其主要工作如下:
1)本文將不確定性擴展為基于3D特征的人臉識別算法的不確定性,提出了用于匹配目標對象形狀的統計模型算法。
2)通過使用主動外觀模型(Active Appearance Model, AAM)算法處理一對立體圖像,從中獲取2D標記點,擴展了AMM的應用范圍。
1生物識別方法――AAM
本文分類算法流程如圖1所示。首先,為了估計3D特征,使用生物識別算法[11](AAM)和三角測量處理兩幅未知對象的2D圖像;然后,估計數據庫中每個對象的分數,通過不確定性算法進一步處理兩幅圖像;最后,決策過程根據估計的分數和估計的不確定性計算分類列表,該分類列表中存儲了所有已經識別的對象和其對應的可信度。
1.1提取3D特征
本文使用一組立體像機采集人臉圖像,然后使用AAM軟件[12]自動檢測人臉圖像中一組標志的2D坐標,利用三角測量兩幅2D模板圖像以獲取一幅3D模板,如圖2所示,將該3D模板圖像與數據庫中每個3D模板作比較,完成人臉識別,該過程中會獲取每次比較的分數,詳細過程如下。
AAM算法用于自動檢測圖像人臉特征,提取人臉特征。其操作可以分為兩個階段:第一階段,創建形變模型,通過分析訓練圖像完成,即人臉特征集合先前已手動標記的圖像樣本;第二階段,在人臉圖像中,使用軟件自動檢測相同人臉特征的位置,這些人臉圖像不屬于訓練圖像。人工手動標記圖像過程在于追蹤不同標志,輪廓是不同人臉圖像最重要特征。本文使用58個標志將人臉劃分為75有7個區域,但是后面只寫了5個區域,是否寫錯了,請作相應調整。個區域:下巴、嘴巴、鼻子、眼睛和眉毛。
本文將人臉定義為2D點數據集,通過形狀模型描述目標的形狀,并將這些形狀與通用參考系統對齊,使用PCA將屬于同一類型圖像上的形狀軌跡提交給普氏分析[13]。PCA生成形狀變化主成分φ式(1)~(3)中,哪些是矢量、向量或矩陣?請明確。,定義如下:
對于外觀模型,該模型定義了部分對象的紋理,外觀模型在均值形狀上分配所有圖像的像素灰度值變化。通過創建該模型,將所有訓練圖像轉換為相同形狀和維數的圖像,為了避免光照變化對圖像的影響,需要歸一化紋理特征。接著,訓練圖像通過PCA生成外觀模型。與形狀模型相似,外觀模型取決于均值外觀的灰度層向量、變化主成分φg和一組灰度層參數bg,外觀模型表達式如下:
g=+φgbg(3)
每個人臉特征的3D坐標使用光學測量完成估計,該過程依賴于AAM檢測的兩幅立體圖像的人臉特征。
在整個估計與決策過程中,3D特征估計非常重要,主要表現在兩方面:一是3D特征估計關聯3D人臉模板,進而影響與數據庫模板的匹配問題;另一方面是不確定性取決于人臉特征2D坐標的不確定性,而2D坐標也與3D特征估計有關系,因此,3D特征估計都直接或間接影響最終的識別結果。
1.2數據庫
本文使用117個志愿者的立體圖像創建數據庫,控制系統允許自動捕獲用戶定義的時間間隔人臉圖像序列,設置為5s,本文在相同位置獲取同一人的多幅圖像,且允許合理范圍內的變化。對每個志愿者,數據庫包含5對立體圖像。第一個樣本用于訓練AAM,其他4個樣本用于識別。
1.3分數估計
識別判斷基于分數,分數表示用于識別的3D模板坐標與數據庫中每個模板坐標的差平方和,為了將一個模板的坐標系剛體變化到其他模板坐標系,計算可旋轉度。可旋轉度允許補償圖像采集立體系統相關的位置和方向偏差,使用旋轉度后,獲取的分數不依賴于人臉的位置和方向,僅依賴于模板形狀,這是因為對所有人臉區域,特征定位的可信性不是不變的,所以根據估計可重復性給不同點分配不同權重。
給定一幅將用于識別的3D模板和一組權重Wk(k=1,2,…,n),其中n為模板中點的總數量,對數據庫中第i個模板,其分數Si定義如下:
Si=[∑nk=1(Wk(Vk,i-Vk,ref)2)]/n(4)
其中:Vk,i為第i個個體的第k個點坐標;Wk為模板第k個點的權重。
為了估計58個標志中每個標志的權重,對數據庫中117個人,重復采集每個人5張人臉用于計算人臉間的標準差,將估計的標準差作為權重。由于連續采集的人臉圖像可能存在少量旋轉,因此在計算均值位置和相對方差前,必須將人臉與其他人臉圖像對齊,以便獲取每個個體人臉圖像上點的方差。
表1所示為數據庫中所有117個人權重均值,權重沒有涉及每個單幅標志,而涉及了人臉的每個區域。一般情況下,眼睛穩定性比較好,嘴巴形狀變化比較大,下巴輪廓的可變性最高。由于這些區域采用標志點的形式表現,區域的權重即是組成該區域標志點的權重。為了確保采集的圖像不存在陰影、光反色或運動模糊,需要控制環境條件(特征存在光照變化),此外正向位置采集人臉且焦距最佳。為了利用不確定性控制條件中的參數,圖像光照、焦距和運動模糊需要量化估計,接下來將會介紹。
2不確定性估計與決策
2.1不確定性
分數us的不確定性主要依賴于人臉特征2D坐標的不確定性,人臉特征依賴于處理圖像的特性。主要影響量與亮度、角度和運動模糊有關。根據文獻[14],為了量化這種不確定性,對us,本文使用一種簡單模型測量每種影響因素的影響度,使用ui表示第i個影響量對分數的貢獻值:
ui=fi(Δi)(5)
其中Δi為第i個影響量的值。
由于所有影響量與其他影響量無關系,分數上不確定性為:
us=∑Ni=1u2i(6)
其中N表示影響量的數量。
通過操作參考圖像(即包含在數據庫中圖像),使用人工標定圖像估計不確定性,利用已有期望值產生新的特性圖像,過程如下。
對數據庫中每個對象、每種影響量和影響量的級別,在控制仿真環境中,首先通過對參考圖像使用合適的數字濾波產生兩幅新圖像,然后,在該修改的圖像上,使用AAM算法和三角測量估計3D特征。估計與目標對象相關記錄的數據分數;最后,對所有目標對象,在分數上獲取統計分析模型,其不確定性估計如下:
(us)i=(u2s)i/3+(σ2s)i(7)
其中(u2s)i和(σ2s)i分別表示第i個影響量的測量分數均值和標準差。
2.1.1光照
考慮到最佳亮度,對參考圖像原始圖像的灰度級修改為±5,±10,±15,±20,±30,±50(使用8比特位進行編碼)。不同光照下的us如圖3所示,從圖3中可以看出,對每種光照變化條件,不確定性幾乎為常數,且該常數可以考慮為兩幅圖像的修改量,本文設置us為0.08。
2.1.2散焦
評價光照影響的相同過程用于評價鏡頭散焦的影響。同時在這種情況下,考慮3種測試條件:兩幅圖像、僅1個像機缺乏焦距、2個像機缺乏焦距,像機具有不同散焦級,如圖4所示。使用高斯線性濾波器處理源圖像,以獲取處理后的圖像。
本文獲取的實驗結果如圖4所示,兩幅圖像缺乏焦距時的不確定性高于僅一幅圖像缺乏焦距時的不確定性。此外,無論如何修改圖像,實驗結果幾乎相同,因此,可以考慮使用兩個模型:一個模型用于兩幅圖像均缺乏焦距;另一個模型用于僅一幅圖像缺乏焦距。在這兩種情況下,一種二階多項式模型能很好擬合觀察數據。
2.2決策過程
圖5所示為決策過程的主要步驟如下:1)概率Pj估計輸入對象為數據庫中第j個對象的概率;2)根據獲取的概率,創建挑選可能對象的分類列表;3)計算列表中每個對象(類)的可信度摘要為可信度。
1)Pj表示未知對象為數據庫中第j個對象的概率(即第j個類)??紤]分數為隨機變量,Pj表示在給定測量值Sj時,第j個類的分數。通過概率密度函數計算概率:
Pj=P(Sj=0|j)=1,j≤th∫∞jp(s-th)ds,j>th (8)在變量的說明中,應說明它倆的含義。
其中:th表示一個給定閾值,j表示條件概率的另一個條件值。
該函數可以估計數據庫中所有類的概率,根據每個對象正確分類的分數,對影響量的每個值,比較觀察分布和期望分布(如指數分布和正態分布等)。
2)分類列表由概率值大于第2個閾值的所有類組成。一般地,該閾值影響本文方法的敏感性和選擇性;較高的閾值增加了選擇性但使敏感性增大,反之亦然,因此,必須合理權衡。
3)類列表中的所有類的概率用于計算歸一化因子K,定義如下:
K=∑jPj;對所有Pj>TH(9)
屬于列表的每種類的置信度定義為概率Pj與K的比值:
CLj=Pj/K(10)
3實驗結果
3.1硬件設置
立體視覺系統框架由兩個AVT Pike F145B(索尼2/3″ 1388×1038 CCD逐行掃描傳感器)像機組成,像機垂直對齊且位于人臉前面,像機間角度為45°,如圖6所示。圖像采集系統也安裝有第三個像機(像機0,如圖6所示),該像機能采集正臉圖像,本文中僅使用像機1(Cam 1)和像機2(Cam 2)。
像機安裝有焦距為25mm的鏡頭且通過火線IEEE1394連接計算機和像機。采集系統允許獲取近似300×400mm的視野范圍,足夠獲取距離采集系統1000mm距離的人臉圖像。對250張人臉進行了實驗。校對時提出一個問題,即“對多少張人臉進行的實驗”?請明確。
3.2實驗結果與分析
為了評價本文方法性能,將本文方法與其他方法進行比較,us的觀察均值曲線如圖7所示,從圖7可以看出,隨著圖像不確定因素的增加,曲線逐漸下降,且對于比較高的不確定性,曲線接近于0,因此很難定義一個合理的區分閾值。接下來,論證獲取的閾值性能最佳。
當us=0,閾值等于觀察曲線最小值(閾值TH=0.25),獲取的數據集由117×45對圖像組成(9種不同強度的運動模糊,24級散焦,12勒克斯光照強度)。表2所示為不確定性分布和在整個數據庫上估計的us的相對頻率直方圖,該分布說明了本文方法很好地覆蓋了期望的幅度和頻率。
對于閾值TH,一種合理的實驗方法是權衡敏感性和選擇性,本文已經分析了實際接受率(True Acceptance Rate, TAR)和錯誤接受率(False Acceptance Rate, FAR)對TH的趨勢和受試者的特征曲線。
3個評估標準[15]說明如下。
正確分類分類列表包含CL等于1的正確類,或分類列表有更多的對象,這些對象存在最高分數值,即如果正確類存在最小分數且值低于閾值(0.25)。
誤檢對象位于訓練數據庫但是分類列表為空,沒有類的分數值低于閾值。
錯誤分類分類中存在許多類沒有正確分類,或如果正確類沒有最高CL值,錯誤類存在最小分數且值小于閾值(0.25)。
表3給出了3種方法的實驗比較結果,值得一提,這里只比較類似的人臉識別方法,即文獻[7]和文獻[8]方法,它們均是不確定性的相關方法。實驗結果表明本文方法可以使帶有較高CL值的正確類位于分類列表頂端,能恢復幾乎誤檢的類別,準確分類率超過97%,不確定性達到0.1;對于其他方法,甚至存在不確定性為0.01時,正確率低于80%此處是否應該為“低于”?請明確。,當存在高不確定性時,文獻[7]和文獻[8]的準確率低于25%。整個數據庫表明本文算法性能優越,
從表3很容易看到:本文方法識別率
此處是“識別率”,而后面比較的是“正確率”,不太一致,正確率是否應該為正確檢測率,也請明確。另外,這些正確率從表3中如何看出的?
回復:其實識別率是用1-漏檢率,跟正確檢測率不是一個關系,為了不引起歧義,我將其改為:
從表3很容易看到:本文方法的正確檢測率為93%,漏檢率為6%。文獻[7]方法正確檢測率和漏檢率分別為81%和15%。文獻[8]正確檢測率和漏檢率分別為84%和15%。因此,本文方法正確檢測率提高了10%左右,漏檢率提高了9%。
關于編輯的另外一個問題,這些數值怎么看出來的??梢詮谋?的最后一列看出。正確檢測率是正確分類的數量與總數量的比例。漏檢率是棄權數量與總數量的比例。而本文方法的正確分類數量是本文方法欄中的第一行和第二行。再看最后一列就是86+7.
為94%,誤檢率6%;文獻[7]方法正確率和誤檢率分別為80%和20%;文獻[8]方法正確率和誤檢率分別為85%和15%,因此,本文方法正確檢測率提高了10%左右,誤檢率至少降低了9%。
從表3很容易看到:本文方法的正確檢測率為93%,漏檢率為6%。文獻[7]方法正確檢測率和漏檢率分別為81%和15%。文獻[8]正確檢測率和漏檢率分別為84%和15%。因此,本文方法正確檢測率提高了10%左右,漏檢率提高了9%。
4結語
本文提出了一種基于不確定性的3D人臉識別方法,其中,測量過程中的不確定性用于估計輸出結果的可信度,將分類系統的輸出與每個輸入對象的可信度相關聯。實驗結果表明,提出的方法在正確率、錯誤決策率和漏檢率此處的提法,與前面的表述不太一致?是否需要統一?請明確。另外,描述方法的優勢存在表達問題,即“正確率”應該是越大越好,而“錯誤決策率和漏檢率”應該越小越好吧?不應該越大吧?即不應該高于類似算法吧?請明確。方面明顯高于類似方法。
提出的方法正確檢測率明顯高于類似方法,且漏檢率更低。
從用戶角度看,不確定性的極限值可以作為提高識別決策準確性的改進方向,這也是未來研究的重點。
參考文獻:
[1]
RAJU A S, UDAYASHANKARA V. Biometric person authentication: a review [C]// Proceedings of the 2014 International Conference on Contemporary Computing and Informatics. Piscataway, NJ: IEEE, 2014: 575-580.
[2]
鄧劍勛,熊忠陽,曾代敏.基于EMD的融合特征快速多示例人臉識別算法[J].四川大學學報(工程科學版),2012,44(2):99-104.(DENG J X, XIONG Z Y, ZENG D M. Face recognition based on improved fast EMDMIL framework and information fusion [J]. Journal of Sichuan University (Engineering Science Edition), 2012, 44(2): 99-104.)
[3]
張祥德,張大為,唐青松,等.仿生算法與主成分分析相融合的人臉識別方法[J].東北大學學報:自然科學版,2009,30(7):972-975.(ZHANG X D, ZHANG D W, TANG Q S, et al. Face recognition algorithm integrating bionic algorithm with principal component analysis [J]. Journal of Northeastern University (Natural Science), 2009, 30(7): 972-975.)
[4]
曹潔,吳迪,李偉.基于鑒別能力分析和LDALPP算法的人臉識別[J].吉林大學學報(工學版),2012,42(6):1527-1531.(CAO J, WU D, LI W. Face recognition based on discrimination power analysis and LDALPP algorithm[J]. Journal of Jilin University (Engineering and Technology Edition), 2012, 42(6): 1527-1531.)
[5]
柴智,劉正光.應用復小波和獨立成分分析的人臉識別[J].計算機應用,2010,30(7):1863-1866.(CHAI Z, LIU Z G. Face recognition using complex wavelet and independent component analysis [J]. Journal of Computer Applications, 2010, 30(7): 1863-1866.)
[6]
嚴慧,金忠,楊靜宇.非負二維主成分分析及在人臉識別中的應用[J].模式識別與人工智能,2009,22(6):809-814.(YAN H, JIN Z, YANG J Y. Nonnegative twodimensional principal component analysis and its application to face recognition [J]. Pattern Recognition and Artificial Intelligence, 2009, 22(6): 809-814.)
[7]
ZHANG D, WANG Q G, YU L, et al. Fuzzymodelbased fault detection for a class of nonlinear systems with networked measurements [J]. IEEE Transactions on Instrumentation & Measurement, 2013, 62(12): 3148-3159.
[8]
BETTA G, CAPRIGLIONE D, CORVINO M, et al. Face based recognition algorithms: a first step toward a metrological characterization [J]. IEEE Transactions on Instrumentation & Measurement, 2013, 62(5): 1008-1016.
[9]
孔英會,張少明.多級FFD配準視頻人臉超分辨率重建[J].光電工程,2012,39(10):46-53.(KONG Y H, ZHANG S M. Video Face superresolution reconstruction based on multilevel FFD registration [J]. OptoElectronic Engineering, 2012, 39(10): 46-53.)
[10]
WIJAYA I G P S, UCHIMURA K, KOUTAKI G. Multipose face recognition using fusion of scale invariant features [C]// Proceedings of the 2011 2nd International Congress on Computer Applications and Computational Science. Berlin: Springer, 2012: 207-213.
[11]
張淑軍,王高峰,石峰.基于AAM提取幾何特征的人臉識別算法[J].系統仿真學報,2013,25(10):126-131.(ZHANG S J, WANG G F, SHI F. Face recognition algorithm based on geometric characteristics extracted by AAM [J]. Journal of System Simulation, 2013, 25(10): 126-131.)
[12]
ZHOU Y H, ZHENG D W, LIAO X H. Wavelet analysis of interannual LOD, AAM, and ENSO: 1997―98 El Nio and 1998―99 La Nia signals [J]. Journal of Geodesy, 2001, 75(2/3): 164-168.
[13]
李姍姍.基于PCA的實時人臉識別系統的設計與實現[D].北京:北京郵電大學,2012.(LI S S. Design and implementation of real time face recognition system based on PCA [D]. Beijing: Beijing University of Posts and Telecommunications, 2012.)
[14]
JESPER K. The Guide to expression of uncertainty in measurement approach for estimating uncertainty: an appraisal [J]. Clinical Chemistry, 2003, 49(11): 1822-1829.
【關鍵詞】傾聽習慣教學引導幼兒教育
【中圖分類號】G612 【文獻標識碼】A 【文章編號】1674-4810(2014)17-0167-01
幼兒教師經常碰到這樣的情況:給幼兒安排任務時,由于教室里吵鬧的環境,導致許多孩子聽不清楚要求,活動難以開展。筆者在多年的幼兒教育中發現:幼兒不太容易仔細傾聽別人講話,都喜歡搶別人的話,喜歡亂插嘴發表自己的意見。造成這種現狀的原因有很多:孩子年齡小,自控能力差,更重要的是孩子沒有養成良好的傾聽習慣。
一 組織新穎有趣的教學活動,引起幼兒傾聽的興趣
把興趣作為傾聽的切入點,注意力就容易集中,捕捉孩子的興趣所在,激發他們的傾聽興趣,教師要組織新穎有趣的教學活動,激發孩子的傾聽興趣。在實踐中,筆者發現孩子愛聽故事,喜歡與小動物交朋友。因此,在教學中教師要善于利用各種小動物圖片或頭飾,邊講故事邊表演,使抽象的道理形象化、具體化,這些生動形象的活動能使幼兒集中注意力、保持安靜,專心傾聽從而易養成專心聽講的好習慣。
二 創設寬松的傾聽環境,讓幼兒喜歡聽
教師要為幼兒創設寬松的傾聽環境,通過環境去感化孩子、影響孩子,以培養幼兒良好傾聽習慣的形成。在日常教學中老師可以選擇一些優美動聽的音樂、生動有趣的故事,充分利用一日活動環節中的過渡時間,給孩子有選擇性、目的性的進行播放或講述。
三 通過引導,讓幼兒學會傾聽的方法
讓幼兒學會傾聽,教給他們傾聽的方法。傾聽方法的掌握對于幼兒學習傾聽十分重要。只有掌握了傾聽的方法,才能懂得如何傾聽。
1.安靜傾聽
有一次,活動課上幼兒很少,于是筆者打開了錄音機,播放好聽的童話故事。這時,有幾個小朋友停止了講話,靜下來聽故事了??善渌∨笥堰€在吵,他們聽不清楚,就大聲喊:“別說話了,我聽不清楚!”慢慢地,講話的小朋友陸續都靜下來聽故事。聽完故事,讓幾個大聲抗議的小朋友來談談他們剛才的體會。他們都說剛才心里非常惱火,大家都在說話,聽不清楚故事內容。我又問剛才說話的那些小朋友,如果換作是你們,你們會不會也有這樣的感受呢?他們都害羞地低下了頭。于是我順勢引導幼兒:“只有在安靜的環境中才能仔細地傾聽,你們說對嗎?”小朋友們聽了都頻頻點頭。在聽別人回答的過程中,一定要集中注意力,對別人所說的話,要有濃厚的興趣。如果你同意,就點點頭,如果自己不能理解,應在別人發言后提出問題,適時的請教問題。應給講話的人感受到被尊重。
2.認真傾聽
為了幫助幼兒了解認真傾聽的重要性,給幼兒講了一個故事《多嘴的八哥鳥》。聽完故事后,引導他們圍繞“為什么大家都不喜歡八哥鳥?”這一問題進行討論。幼兒對這個故事非常感興趣,紛紛表示不愿意像故事中的八哥鳥一樣讓人討厭,要該講的時候講、該聽的時候聽。特別是在別人講的時候,要認真地傾聽,這也是對別人的一種尊重。
3.平和交流
即使持有不同的意見,要以“我認為……”,“我想補充說明……”等方式參與交流。這樣既尊重了他人,也創設了理解、平和的交流氛圍。
五 制定規則,培養幼兒注意傾聽的習慣
我從小就喜歡讀故事,喜歡從故事中了解大千世界中的眾生百相,也喜歡從故事中體味現實生活。因此,《故事會》這本刊物就成了我最愛讀的書?!豆适聲分惺占烁鞣N各樣的故事:有感人至深的情感故事;也有讓人捧腹開懷的幽默故事;有含意深刻的哲理故事;也有街談巷議中的傳聞逸事;有古代民間的故事;也有現代生活中的故事……每一期《故事會》都使我流連忘返,愛不釋手。下面,就讓我介紹一下使我感觸最深的兩個故事吧!
第一個故事是《保持謙卑的心》。它主要講述的是一個出身富有的學生經??湟约涸谘诺鋼碛幸煌麩o邊的肥沃土地,但老師要求他在地圖上分別指出亞細亞、希臘、雅典和他家的土地的位置時,他就由原先的得意洋洋變得十分尷尬。因為,他沒有辦法在地圖上找到他的土地。由此,我想到:不管我們擁有什么,擁有多少,擁有多久,都只不過是浩瀚宇宙中的一粒塵埃。無論何時何地,我們都應該保持一顆謙卑的心。我們的學習也一樣,無論你取得多么驕人的成績,那都是不值得我們驕傲的。因為在你們背后,還有許多比你成績好,比你聰明努力的人。只有保持一顆謙卑的心,虛心學習,不恥下問,才能保持好的成績并微笑到最后。
第一個故事給了我在學習上的感悟,第二個故事給了我為人處世的啟迪。這個故事叫《落幣無聲》,是一個在我們身邊發生的小事。有兩個人把錢給予了一個瞎眼的乞丐,乞丐對其中一人只說了聲“謝謝”,對另一人不但說了“謝謝”并且鞠了個躬。兩人不解,乞丐解釋說:“我用耳朵聽得出來,你的硬幣’當’地響得厲害,我就知道是從高處重重丟下來的;那位先生的錢聲音很小,我就知道他是從低處輕輕放下來的。“至此,我才明白,就是因為一個人對乞丐只有施舍,而另人對他除了施舍,還有最重要的尊重。就是這份看似可有可無但卻極其重要的尊重,使乞丐對兩個人的態度有所不同。我不禁想到,在生活中,我們同樣需要這一份尊重。例如上課時,學生尊重老師,老師就會喜愛這班學生,也尊重這班學生,上課也更為積極。又如在社會上待人處事,你給了別人尊重,別人也會回報你一份尊重,這樣,你與人相處才能融洽,處事也會更順利。這說明了一個很簡單的道理:生活以人為本,你尊重別人,別人也會尊重你。
這兩個故事都給了我很大啟發,讓我知道了在以后的學習,生活中該怎樣做得更好。《故事會》中能給人以啟發的故事還有許多,和好故事朝夕相伴,使我充實、興奮;我相信,一個好故事可以改變人的一生。我愛《故事會》!
讀《故事會》有感五(2)班方正昊指導老師:陶軼宏
今天,我閱讀了《記得別人的感受》這篇感人的文章。
這篇文章主要講了:在兒童俱樂部里,因為以為工作人員的疏忽,在下課后,少算了一位,將一位小孩留在了網球場。這位工作人員滿臉的歉意,正在努力地安慰這個一直在哭的小孩。后來她媽媽來了,媽媽告訴她必須親親那位姐姐的臉頰,安慰一下。
雖然故事是十分地簡短,但是表達的道理卻非常得深刻:當你感到難過的時候,也別忘了別人心里的感受。
讀了這個故事后,可能很多人都會感受很深,因為在生活中常常會遇到這些相似的情況。比如想起曾經自已因為失誤、不小心而無意傷害到了別人的時候,看到別人心里很傷心、痛苦,自己心里一定是很不好受,很自責,而在這種時候,真的需要有人能夠理解你,安慰你。而這個故事中,那位體諒別人、善解人意的母親就做到了這一點,她明白當我們身臨其境是那種自責的感覺,于是并沒有發一點兒火,而是通過讓女兒“親一下她的臉頰”來安慰她,撫平她心中的自責。這種為他人著想、善于理解別人的精神,真是很值得我們去學習,而我們的身邊也正是缺少這種人。
今天,我讀了《烽火戲諸侯》,書中的故事,使我受益終身。
書中講到周幽王為了討褒姒的歡心,聽了一個大臣的建議,讓士兵點燃烽火欺騙了諸侯們,自己破壞了自己的威信,結果被敵軍殺了的故事,我明白了:人要是失去了別人的信任,那你將會被世間拋棄,相反,人要是取得了別人的信任,一呼百應,那么,他將成為最終的王者。那些成功的人,都是獲得別人的信任,最終取得成功的。
以前,我總是欺騙別人,有時,別人約我去打籃球,第二天我想去就去,不想去就找借口說我有什么事,伙伴們知道了我是在欺騙他們,從此以后,他們做什么事都不叫上我了。后來,我改正了缺點,伙伴們去哪里都叫上了我,他們又成了我形影不離的好朋友了。
從這里可以看出,取得別人的信任,是多么重要?。e人失去了對你的信任,就是生活中的敗者,將會被淘汰。
福建漳州薌城區東鋪頭中心小學五年級:黃桂棋