带约束的最小二乘求解算法在高光谱像元分解的应用

龙源期刊网 https://www.sodocs.net/doc/2f8145520.html,

带约束的最小二乘求解算法在高光谱像元分解的应用

作者：朱怀朝

来源：《中小企业管理与科技·中旬刊》2014年第07期

摘要：本文主要研究德行高光谱数据经降维降噪选择纯净像元，根据参照实际情况和实测光谱，最终根据所作工作确定了ANC约束下比ASC约束下、无约束最小约束算法的解混，并且ASC约束下算法比无约束最小约束算法效果好。

关键词：遥感混合光谱模型最小二乘算法

1 非线性混合光谱分解模型

非线性混合光谱模型指的是当高光谱遥感中混合像元所占面积比较小时，光谱能量间涉及到反射以及散射等物理反应，如果入射光子和剩下的光子发生两次以及多次散射时的反应。

r（λi）=Fjrj（λi）+FjFsrj(λi)rs(λi)+ε（λi），s，j=

1，2，…，m代表像元数目，i=1，2，…，n代表光谱通道，Fj，Fs代表丰度，即像元所占面积比，ε（λi）、ε代表光谱通道误差、总误差。

开始我们假设是以线性混合方式组合的，那么令

ρ（λi）=Fjρj（λi）+ε（λi），j=1，2，…，m代表端元数目，Fj代表丰度；ε代表通道中误差，P代表实测波谱，ρ代表高光谱数据，则有：

ρ=ρ(λ1)

ρ(λ2)

┇

ρ(λn)，f=F1

F2

┇

F1，ε=ε(λ1)

常见混合像元分解方法简介二

端元就相当于一个像素里的亚像元，只包含一种地物的光谱信息，根据多光谱或高光谱的高光谱分辨率可以提取出来。 端元只包含一种地物信息，一般的像元都为混合像元，包括多种地物，在进行混合像元分解的时候，可以对一个像元中包括的几种端元进行定量描述，求得每个像元中几种端元在这个像元中的面积百分比，即端元的丰度。 混合像元分解 (2011-06-10 14:46:57) 转载▼ 分类：ENVI/IDL学习 标签： 杂谈 混合像元是指在一个像元内存在有不同类型的地物，主要出现在地类的边界处。混合像元的存在是影响识别分类精度的主要因素之一,特别是对线状地类和细小地物的分类识别影响较为突出，在土地利用遥感动态监测工作中,经常遇到混合像元的难题，解决这一问题的关键在于通过一定方法找出组成混合像元的各种典型地物的比例。 线性混合像元分解 由于线性模型是应用最广泛，也是研究最多的算法，下面重点介绍基于线性模型的混合像元分解算法。一般而言，混合像元分解算法包括数据降维、端元选取和反演三个步骤。 １.数据降维 尽管数据降维不是混合像元分解算法的一个必需步骤，但由于大多数算法都将其作为一个流程，我们也将其当作一个步骤。常用的降维算法有主成分分析（Principle Component Analysis，PCA）、最大噪声比变换（Maximum Noise Fraction，MNF）和奇异值分解（Singular Value Decomposition，SVD）。 (1) 主成分分析：遥感图像各波段之间经常是高度相关的，因此所有的波段参加分析是不必要的。PCA就是一种去除波段之间相关性的变换。PCA通过对原数据进行线性变换，获得新的一组变量，即主成分。其中前几个主成分包含了原数据主要方差，同时各个主成分之间是不相关的。 (2) 最大噪声比变换：最大噪声比变换（Maximum Noise Fraction，MNF）[24]由Green等（1989）提出，该变换通过引入噪声协方差矩阵以实现对噪声比率的估计。首先，通过一定方式（比如对图像进行高通滤波）获取噪声的协方差矩阵，然后将噪声协方差矩阵对角化和标准化，即可获得对图像的变换矩阵，该变换实现了噪声的去相关和标准化，即变换后的图像包含的噪声在各个波段上方差都为1，并且互不相关。最后对变换后的图像再做主成分变换，从而实现了MNF变换，此时得到的图像的主成分的解释方差量对应于该主成分的信噪比大小。 (3) 奇异值分解：奇异值分解（Singular Value Decomposition, SVD）也是遥感图像处理中常用的变换，与PCA类似，SVD能够找出包含原始数据大部分方差的特征方向，不同的是，SVD特别适合于波段间高度相关的数据，而PCA在这种情况下很有可能会失败[25]。

端元法

【遥感专题系列】定量/高光谱遥感之——混合像元分解(2013-09-09 09:55:23) 转载▼ 分类：遥感技术 标签： 混合像元分解 端元波谱提取 杂谈 当具有不同波谱属性的物质出现在同一个像素内时，就会出现混合像元。混合像元不完全属于某一种地物，为了能让分类更加精确，同时使遥感定量化更加深入，需要将混合像元分解成一种地物占像元的百分含量（丰度），即混合像元分解，也叫亚像元分解。混合像元分解是遥感技术向定量化深入发展的重要技术。 本文主要介绍以下内容： ?基本概念 ?端元波谱提取 ?混合像元分解 ?基于MNF的MTMF混合像元分解 1.基本概念 ?混合像元 地球自然表面几乎不是由均一物质所组成的。当具有不同波谱属性的物质出现在同一个像素内时，就会出现波谱混合现象，既混合像元（Mixed Pixel）。Singer和McCord（1979）发现如果混合像元的尺度很大（宏观），那么混合像元将存在线性关系。对于微观的混合，混合像元通常表现为非线性关系（Nash and Conel，1974；Singer，1981）。 ?混合像元形成原因 从理论上讲，混合像元的形成主要有以下原因： 1) 单一成分物质的光谱、几何结构、及在像元中的分布； 2) 大气传输过程中的混合效应； 3) 传感器本身的混合效应； 其中：2)和3)为非线性效应，2)可以通过大气校正进行修正；3)可以通过仪器的校准、定标加以部分克服；1)部分是线性效应，也是本文讨论的内容。 ?混合像元分解 混合像元分解技术假设：在一个给定的地理场景里，地表由少数的几种地物（端元）组成，并且这些地物具有相对稳定的光谱特征，因此，遥感图像的像元反射率可以表示为端元的光谱特征和这个像元面积比例（丰度）的函数。这个函数就是混合像元分解模型。 近年来，研究人员提出了许多有效的分解模型，主要有：线性混合光谱模型、模糊监督分类模型、神经网络模型等。其中比较常用的是线性模型，即线性混合光谱模型。 ?线性混合光谱模型

完美主义研究

一、完美主义研究的发展 在心理学文献中，经常可以看到“完美主义”(Perfectionism)这个词，从对完美主义心理的研究以来，很多学者对完美主义都下了定义，但是在咨询界或心理学上，“完美主义”却一直没有得到大家认可的、正式一致的定义。 国外对“完美主义”的研究，溯推其源，最早可以追溯到20世纪20年代，Freud在其人格结构理论中提及的“超我”——驱动个体不顾一切地追求成就目标的满足，Freud认为，超我遵循的原则就是完美主义。在对神经症患者的研究中，Freud将完美主义视为强迫性神经症的常见症状1。 Horney（1950）也把完美主义视为神经症之一，将其与友爱、权利、赞许、成就和社会认可等并列为潜意识的驱动力量2。 个体心理学派的创始人奥地利心理学家Alfred Adler，他对“追求卓越”的诠释是积极意义的“完美主义”研究的开端3。Adler4人生的主导动机就是追求卓越，即人类最根本的目的就是去不断地、更好地适应其所在的生存环境，而促使人类不断改变自己、发展自己的内在动力就是追求完美(striving for perfection)。一方面它可能激励人追求更大的成就，促使人格向积极的方向发展。另一方面，它也可能会使人专注于个人优越而忽视社会和他人的需要，从而产生“自尊情节”，成为一个缺乏社会兴趣，妄自菲薄的人。根据追求完美的动机取向的不同，Adler将个体的生活方式分为四种：统治型、获得型、回避型和社会型，他认为，只有“社会型”是代表着个体追求完美的动机导向有益于社会的健康生活方式，而其他三种生活方式意味着个体心理的失调5。Adler认为在人类众多的动机中，追求完美是最纯净和最本质的动机，但是他也认为,个体追求完美必须以社会兴趣为目的，否则将导致诸多心理问题和心理障碍6。 自Adler以来，各种有关完美主义的理论观点不断涌现，但其后的心理学家 1弗洛伊德著,车文博主编.自我与本我[M].长春：长春出版社，2004. 2 Horney，K．Neurosis and Human Growth．The Struggle Toward Self － Realization．NewYork：W．W．Norton，1950． 3 A 阿德勒著,黄光国译.自卑与超越[M].北京：作家出版社,1986. 4Adler,A.Striving for superiority.In H.L.Ansbacher,& R.Ansbacher(Eds.),The Individual Psychology of Alfred Adler:ASystematic Presentation in Selections from His Writings [z].NewYork:Harper&Row,1956:101-125. 5 Adler,A.In Ansbacher,H.L.,& Ansbacher,R.(Eds.).Alfred Adler:Superiority and social interest-A collection of later writings[z].Northwestern University Press,1964.

常见混合像元分解方法

常见混合像元分解方法 常见的混合像元分解方法，主要包括线性波谱分离(Linear Spectral Unmixing )、匹配滤波(MF )、混合调谐匹配滤波(MTMF）、最小能量约束(CEM）、自适应一致估计（ACE）、正交子空间投影(OSP)等。 下面分别对几种分类方法原理一一说明。 1线性波段预测(Linear Band Prediction) 线性波段预测法（LS-Fit）使用一个最小方框（least squares）拟合技术来进行线性波段预测，它可以用于在数据集中找出异常波谱响应区。LS-Fit先计算出输入数据的协方差，用它对所选的波段进行预测模拟，预测值作为预测波段线性组的一个增加值。还计算实际波段和模拟波段之间的残差，并输出为一幅图像，残差大的像元（无论正负）表示出现了不可预测的特征（比如一个吸收波段）。 2线性波谱分离(Linear Spectral Unmixing ) Linear Spectral Unmixing可以根据物质的波谱特征，获取多光谱或高光谱图像中物质的丰度信息，即混合像元分解过程。假设图像中每个像元的反射率为像元中每种物质的反射率或者端元波谱的线性组合。例如：像元中的25%为物质A，25%为物质B，50%为物质C，则该像元的波谱就是三种物质波谱的一个加权平均值，等于0.25A+0.25B+0.5C，线性波谱分离解决了像元中每个端元波谱的权重问题。 线性波谱分离结果是一系列端元波谱的灰度图像（丰度图像），图像的像元值表示端元波谱在这个像元波谱中占的比重。比如端元波谱A的丰度图像中一个像元值为0.45，则表示这个像元中端元波谱A占了45%。丰度图像中也可能出现负值和大于1的值，这可能是选择的端元波谱没有明显的特征，或者在分析中缺少一种或者多种端元波谱。

高光谱图像混合像元解混技术研究

高光谱图像混合像元解混技术研究 随着高光谱遥感技术不断发展,高光谱图像具有显著特点:光谱分辨高,图谱合一,并广泛应用到各个领域。但遥感技术向定量化方向进一步发展的主要障碍是广泛存在着混合像元。 为了突破遥感图像空间分辨率低的障碍与地物具有复杂多样性的影响,多种类型的地物常包含于独立的单个像元中,要在亚像元级别的精度上得到混合像元的真实属性信息,提高图像分类精度。在高光谱图像中,关键问题之一是如何有效地对混合像元进行分解已经得到了广泛关注,并一直进行着深入地研究。 本文首先对其所研究内的相关技术及应用进行了叙述,并阐述了高光谱解混的研究现状,混合像元分解存在的问题,如解混效果不理想,算法的目标函数收敛速度慢,图像分类不精确,耗时多等。针对以上问题,本文在NMF算法的基础上,提出了3种混合像元分解算法:(1)基于图正则和稀疏约束半监督NMF的混合像元分解算法。 该算法加入了拉普拉斯图正则化约束和部分样本的类别信息,并对丰度矩阵施加稀疏约束,最后融合到同一目标函数中,能够改善解混效果;(2)基于图正则和稀疏约束的INMF高光谱解混。该算法将稀疏非负矩阵分解与增量型学习相结合,既能降低平均运行时间又能提高图像分类精度;(3)基于双图正则的半监督NMF混合像元解混。 该算法不仅考虑了高光谱数据流形与特征流形的几何结构,还将已知的标签类别信息施加于非负矩阵分解中,极大加快了目标函数的收敛速度,改善效果得到进一步提高,耗时少。本文分别对提出的3种算法在真实遥感数据集上进行仿真实验,在解混性能评价指标均方根误差和光谱角度距离上与NMF和改进的NMF

算法作比较,实验结果表明本文提出的3种算法解混可靠性和有效性高。 最后,对3种解混算法进行比较,得到基于双图正则的半监督NMF混合像元解混算法耗时最少,解混效果最优。

主观幸福感的研究综述

大学生主观幸福感的研究综述 摘要: 主观幸福感是个人根据自定的标准对其生活质量的总体评价。大学生主观幸福感的状况是大学生生活质量的反映，对其身心健康及其发展都有积极影响，研究大学生主观幸福感具有重要意义。本综述对主观幸福感念、结构、特点及研究的回顾与发展等进行了梳理，对大学生主观幸福感的研究基础进行了综合述评。通过述评，一方面对大学生主观幸福感研究进行综合评价，丰富和深化大学生主观幸福感研究;另一方面有助于改善大学生的生活质量，提高他们对各生活领域的满意度，让他们体验到更多的积极的心理状态，塑造他们良好的心理素质。 关键词: 大学生; 主观幸福感; 综述 目录 主观幸福感的研究概述 (2) 国内外主观幸福感的研究进展 (2) 三 (2) 大学生主观幸福感的测量工具 (3) 五、影响大学生主观幸福感的因素 (3) 六、 (4)

主观幸福感的研究概述 主观幸福感研究大致自20世纪50年代在美国兴起，80年代中后期开始进入我国研究者的视野,主观幸福感(Subjective Well-being,简称SWB)是指个体依据自定的标准对其生活质量的整体的评价。这是Diener(1984)提出来的在心理学界得到公认的概念.它包括生活满意度和情绪体验两个基本成分,前者是个体对生活总体质量的认知评价,即在在总体上对个人生活做出满意判断的程度;后者是指个体生活中的情绪体验,包括积极情绪(愉快、轻松等)和消极情绪(抑郁、焦虑、紧张等)两方面.主观性、整体性、相对稳定性是SWB有三个特点。 国内外主观幸福感的研究进展 1.国外主观幸福感的研究进展 国外对主观幸福感的研究以Wilson(1967)撰写的第一篇综述《自称幸福的相关因素》为标志。Diener(1997)在其论文《主观幸福感研究新纪元》中，把西方幸福感研究划分出描述比较、理论建构、测量发展三个主要的发展阶段。第一阶段主要是集中在人口统计学的维度，描述与比较不同人群幸福感;第二个阶段主要是将研究重点转向内部因素，建构有关的理论框架，探讨获得幸福的各种途径和跨文化研究; 第三个阶段主要是将研究方法、途径和主观幸福感测量的理论进行整合，形成了以自陈量表为主体，并结合其他评估技术，以正面评价为主，并兼顾负面指标的新格局。 2.国内主观幸福感的研究进展 国内主观幸福感的研究开始于20世纪80年代中期,由90年代到本世纪初,研究逐渐由老年群体开始逐渐向其他人群发展.在理论方面,理论综述和有关主观幸福感结构的讨论都取得了很多成果.在测评工具的建设来看，主要是引进和修订国外量表，也有较少研究者自编问卷进行测量。 三、我国大学生主观幸福感研究现状 国内对大学生人群主观幸福感的研究在90年代中后期逐渐展开，主要是应用国外研究工具小范围测查大学生主观幸福感的状况，测查样本都在400人以下，目的是引入量表。段建华(1996)在我国部分大学生中试用了Fazio修订了总体幸福感量表(GWBS)。通过《CNKI全文期刊、专利库》中的《中国期刊全文数据库》进行检索，从1997-2011年检索到最早关于大学生主观幸福感实证研究的是1997年景淑华、张积家在《大学生主观幸福感的研究》中对烟台师范学院224名本科生进行的测查。调查工具采用美国国立统计中心制定的总体幸福感量表(1977)和kamlnan和FIett(1983)制定的情感量表，调查方法为问卷调查法。何瑛(2000)应用总体幸福感量表和单项人面量表对重庆大学生主观幸福感状况进行了调查。2000年后对大学生主观幸福感比较系统深入的研究逐渐出现，集中于郑雪、严标宾等近几年的系列研究，其研究基本一致使用Diener编制的国际大学调查量表.本世纪初至今是对大学生主观幸福感研究飞速发展的阶段，研究者们不仅探讨大学生主观幸福感的状况，还开始研究相关变量对大学生主观幸福感的影响。通过对大量实证研究的分析，可以发现大学生实证研究的变化趋势，即由最初的人口统计学变量等外部因素的研究逐步深入到人格、归因方式等内部因

十年代以来我国人口发展的数学模型和展望

八十年代以来我国人口发展的数学模型和展望1 ThemathematicalmodelingandprojectionofChinapopula tionafter1980 物理学院技术物理系99级王彦 摘要 以LESLIE矩阵构建人口的动力学方程，建立了80年以来中国人口的数学模型,并用人口普查的数据验证了该模型的有效性及所含假设的合理性。利用该模型可推算82年至98年的逐年的以岁为单位的年龄构成。通过调整模型中有关参数及输入的条件，定量地分析了“夫妻双方均为独生子女可生两胎”这一政策将在未来15年内对我国人口的影响。 所建模型有很好的移植性，理论上来讲可推测很长一段时期内任一年的年龄结构，并可通过调整参量定量分析一部分人口政策及社会因素对人口发展的影响，可供有关研究及政策制定部门参考。 abstract BasedontheLESLIEMatrixasthedynamicfunction,webuiltupthemathematicalmodelof thechinapopulationdevelopmentsincetheadoptionof“FamilyPlanningPolicy”.,,wef urtheralculatethepopulationagedistributionin2015withandwithoutadoptionof“asp ousecanhavetwochildrenifthetwopartiesofthespouseareboththeonlychildintheirfam ily”.Thismodelcouldbeused,throughadaptingitsparameters,tocalculateandproject populationdevelopmentundersomedifferentsocialconditions 社会经济的许多领域的规划都必须考虑人口这一重要因素。而人口普查只能为我们提供某几个时间点的横截面数值，但在现实生活中，人们常常需要其他时间点的人口总数及其构成。于是一个迫切的任务就是如何用少数的几个时点的信息比较准确的得到较详尽的其他时点的人口数据。同时我们知道，人口与政策密切相关，这一点对于自80年起实施“一对夫妇只生一个孩子”的中国更是如此。为了定量分析政策对它的影响，也需要建立一个现实的，可靠的模型。这两方面的原因促使作者从人口发展的动力学机制出发，建立一个含多方面参量包括政策参量的数学模型。 本文由五部分构成：第一部分介绍人口学中部分专业词汇的定义；第二部分模型的建立和检验。第三.四部分为该模型的两个应用,针对缺乏相关参量的直接统计数据是两种不同的处理方法。第五部分为总结和讨论。 0.数据定义 这部分介绍本文中出现的人口学名词并加以简单分析。 年龄别生育率：某年的某年龄妇女生的孩子数与该年龄妇女总数之比。 总和生育率：某年各年龄组妇女生育率的合计数。即 总和生育率=各年龄组妇女生育率之和 我们可以把年龄别生育率看作一个妇女在该年龄时平均生的孩子，于是各个不同年龄段的生育率分布可以看成一个妇女处在不同年龄段生育孩子数的分布。我们把这一分布称为生育模式。而总和生育率等于每个妇女一生中一共生育的孩子数。 出生率：某年的出生人数与该年总人数之比。 1“政基金”项目和国家自然科学基金委员会杰出青年基金项目资助（No

数学建模幸福感的评价及量化模型完整版

数学建模幸福感的评价 及量化模型 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】

2011年第八届苏北数学建模联赛 承诺书 我们仔细阅读了第八届苏北数学建模联赛的竞赛规则。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与本队以外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们愿意承担由此引起的一切后果。 我们的参赛报名号为： 参赛组别（研究生或本科或专科）： 参赛队员 (签名) ： 队员1： 队员2： 队员3： 获奖证书邮寄地址：

2011年第八届苏北数学建模联赛 编号专用页 参赛队伍的参赛号码：（请各个参赛队提前填写好）： 2818 竞赛统一编号（由竞赛组委会送至评委团前编号）： 竞赛评阅编号（由竞赛评委团评阅前进行编号）： 2011年第八届苏北数学建模联赛 题目幸福感的评价与量化模型 摘要 改革开放三十多年，我国经济建设取得了巨大成就，人们物质生活得到了极大改善。但也有越来越多的人开始思考：我们大力发展经济，最终目的是为了什么？温家宝总理近年来多次强调：我们所做的一切，都是为了让人民生活得更加幸福。在今年的全国两会期间，“幸福感”也成为最热门词语之一。 在处理问题（一）时，本文根据题目已给的相关数据，将诸如“非常满意”、“比较满意”、“基本满意”、“不太满意”、“不满意”之类答项并按序排列，分别给予5～1分的分值。建立得分和得票率的函数关系，通过MATLAB进行4次多项式拟合，并算出权重，最后得出幸福指数H具有如下关系， H H=∑H H×H H H=0 在处理问题（二）时，本文利用SPSS软件，对网上搜寻的大量有用信息进行统计分析，通过使用主成份分析法建立模型I，讨论各因素对幸福影响程度的大小，由此确定了影响房幸福指数的主要因素分别是：人际关系、家庭生活、身心健康、个人价值的实现、工作及收入水平。 在处理问题（三）时，本文通过对数据的分析、权值运算以及结果分析角度论述模型I运用于普遍情况的可能性。通过此种方法虽然计算较为繁琐，但其中的方差和统计方法可以有效减少个别指标的变动带来的影响，同时三元链模型中增加了路径可以较好地反应出各个相关量之间的关系，最终通过加权平均法对幸福指数进行总的计算，减少了误差，更能反应出真是情况的幸福指数，具有统计意义。可以推广到更加普遍的人群。 目录 1 问题的背景 (5) 2 问题的提出与重述 (6) 3 基本假设 (6) 4 主要变量符号说明 (6) 5 问题一 (7)

完美主义与成就动机之间的关系

完美主义与成就动机之间的关系 摘要：一些大学生往往不能对自身做一个正确的认识和评估,也无法认识到自身过度的完美主义倾向,以至于在择业就业的过程中往往为自己设立了一些不切实际的标准和目标,而这些标准和目标往往使不少大学生的就业遭受挫折。本文结合一些理论方面的研究，对完美主义与成就动机之间的关系进行分析，旨在为大学生提供更多的理论指导，让他们能够更好地认识自己，规划自己，已取得更大的成就。 关键词：完美主义；成就动机；关系；研究 1前言 1.1研究背景 在大学生这个特殊群体中,完美主义是普遍存在的,这种倾向对大学生的学习、生活和就业都产生了不少的影响。就就业领域而言,完美主义体现了个人渴求一份完美的职业,是个人就业期望的体现。我们都知道适当的就业期望无可厚非,但过度的完美主义则可能对个人有利无害。一些大学生往往不能对自身做一个正确的认识和评估,也无法认识到自身过度的完美主义倾向,以至于在择业就业的过程中往往为自己设立了一些不切实际的标准和目标,而这些标准和目标往往使不少大学生的就业遭受挫折。如果任其发展,甚至可能对他们的心理发展造成阻碍。 在中国,这种完美主义的倾向是屡见不鲜的,因为中国的教育一直以追求卓越和成功为目标。我们常常会听到“我一定要比我的同学有更大的成就”、“我一定要在我的兄弟姐妹中成为榜样”等等言论,所有的这些言论,都反映出就业领域的完美主义倾向,而这种倾向往往成为个人做出一定成就决定的阻碍。因此,大学生要想取得应有的成就，就要认清楚完美主义与成就动机之间的关系。大学生首先最应该做的是认清理想与现实的差距,并根据自身的特点和实际情况出发来调整个人对成就的期望,这样取得成就可能性是非常大的。本文通过对完美主义与成就动机之间关系的探讨，旨在为大学生提供更多的理论指导，让他们能够更好地认识自己，规划自己，已取得更大的成就。 1．2相关理论研究 1.2.1完美主义的研究 按照Horney (1950 )的定义,完美主义是过分井然有序和一丝不苟的行为倾向,即“苟刻的行为要求”。在他看来,完美主义是一种神经症亚型。Adler (1959 )认为完美主义是对完满性的追求,是人类发展的一种天性,Adler表示:“追求完美是生活意义上的一部分,追求完美是先天的,是一种奋斗,一种内驱力,一种如果没有它生活将变得不可思议的东西”。 Burns (1980 )拓展了完美主义的概念,在他看来,完美主义是一种“认知网络”,包括期望、解析的事件、自我评价、对别人的评价。Frost (1990 )进一步确定了完美主义的行为特质,将其规定为个体对自身过高的成就期望设置,并伴随着严格的自我批评倾向。台湾学者林俊德(1998 )对其研究结果中提出了准咨商员于初次会谈中的几种完美主义类型的定

常见混合像元分解方法简介

常见混合像元分解方法 (2011-04-20 20:35:42) 转载▼ 分类：遥感技术 标签： 混合像元 亚像元分解方法 线性波谱分离 教育 常见的混合像元分解方法，主要包括线性波谱分离(Linear Spectral Unmixing )、匹配滤波(MF )、混合调谐匹配滤波(MTMF）、最小能量约束(CEM）、自适应一致估计（ACE）、正交子空间投影(OSP)等。 下面分别对几种分类方法原理一一说明。 (1)线性波段预测(Linear Band Prediction) 线性波段预测法（LS-Fit）使用一个最小方框（least squares）拟合技术来进行线性波段预测，它可以用于在数据集中找出异常波谱响应区。LS-Fit先计算出输入数据的协方差，用它对所选的波段进行预测模拟，预测值作为预测波段线性组的一个增加值。还计算实际波段和模拟波段之间的残差，并输出为一幅图像，残差大的像元（无论正负）表示出现了不可预测的特征（比如一个吸收波段）。 (2)线性波谱分离(Linear Spectral Unmixing ) Linear Spectral Unmixing可以根据物质的波谱特征，获取多光谱或高光谱图像中物质的丰度信息，即混合像元分解过程。假设图像中每个像元的反射率为像元中每种物质的反射率或者端元波谱的线性组合。例如：像元中的25%为物质A，25%为物质B，50%为物质C，则该像元的波谱就是三种物质波谱的一个加权平均值，等于0.25A+0.25B+0.5C，线性波谱分离解决了像元中每个端元波谱的权重问题。 线性波谱分离结果是一系列端元波谱的灰度图像（丰度图像），图像的像元值表示端元波谱在这个像元波谱中占的比重。比如端元波谱A的丰度图像中一个像元值为0.45，则表示这个像元中端元波谱A占了45%。丰度图像中也可能出现负值和大于1的值，这可能是选择的端元波谱没有明显的特征，或者在分析中缺少一种或者多种端元波谱。 (3)匹配滤波(Matched Filtering ) 使用匹配滤波（MF）工具使用局部分离获取端元波谱的丰度。该方法将已知端元波谱的响应最大化，并抑制了未知背景合成的响应，最后“匹配”已知波谱。该方法无需对图像中所有端元波谱进行了解，就可以快速探测出特定要素。这项技术可以找到一些稀有物质的“假阳性(false positives)”。 匹配滤波工具的结果是端元波谱比较每个像素的MF匹配图像。浮点型结果提供了像元与端元波谱相对匹配程度，近似混合像元的丰度，1.0 表示完全匹配。

数学建模幸福感的评价与量化模型

2011年第八届苏北数学建模联赛 承诺书 我们仔细阅读了第八届苏北数学建模联赛的竞赛规则。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与本队以外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们愿意承担由此引起的一切后果。 我们的参赛报名号为： 参赛组别（研究生或本科或专科）： 参赛队员 (签名) ： 队员1： 队员2： 队员3： 获奖证书邮寄地址：

2011年第八届苏北数学建模联赛 编号专用页 参赛队伍的参赛号码：（请各个参赛队提前填写好）： 2818 竞赛统一编号（由竞赛组委会送至评委团前编号）： 竞赛评阅编号（由竞赛评委团评阅前进行编号）： 2011年第八届苏北数学建模联赛 题目幸福感的评价与量化模型 摘要 改革开放三十多年，我国经济建设取得了巨大成就，人们物质生活得到了极大改善。但也有越来越多的人开始思考：我们大力发展经济，最终目的是为了什么？温家宝总理近年来多次强调：我们所做的一切，都是为了让人民生活得更加幸福。在今年的全国两会期间，“幸福感”也成为最热门词语之一。 在处理问题（一）时，本文根据题目已给的相关数据，将诸如“非常满意”、“比较满意”、“基本满意”、“不太满意”、“不满意”之类答项并按序排列，分别给予5～1分的分值。建立得分和得票率的函数关系，通过MATLAB进行4次多项式拟合，并算出权重，最后得出幸福指数H 具有如下关系， 在处理问题（二）时，本文利用SPSS软件，对网上搜寻的大量有用信息进行统计分析，通过使用主成份分析法建立模型I，讨论各因素对幸福影响程度的大小，由此确定了影响房幸福指数的主要因素分别是：人际关系、家庭生活、身心健康、个人价值的实现、工作及收入水平。 在处理问题（三）时，本文通过对数据的分析、权值运算以及结果分析角度论述模型I运用于普遍情况的可能性。通过此种方法虽然计算较为繁琐，但其中的方差和统计方法可以有效减少个别指标的变动带来的影响，同时三元链模型中增加了路径可以较好地反应出各个相关量之间的关系，最终通过加权平均法对幸福指数进行总的计算，减少了误差，更能反应出真是情况的幸福指数，具有统计意义。可以推广到更加普遍的人群。 目录 1 问题的背景 (5) 2 问题的提出与重述 (6) 3 基本假设 (6) 4 主要变量符号说明 (6) 5 问题一 (7) 5.1 建模思路 (7) 5.2 最小二乘法模型建立 (7)

大学生完美主义双重过程模型的验证_张斌

理心研究心理研究Psychological Research 2014，7（5）：24-28基金项目：湖南省教育厅科学研究项目青年专项（12B095）、福建教育科学规划项目（KJJKCG13-191）、湖南中医药大学博士科研启动基金项目通讯作者：张斌，男，副教授，博士。Email ：zb303@https://www.sodocs.net/doc/2f8145520.html, 大学生完美主义双重过程模型的验证 张 斌1，2 蔡太生2 （1湖南中医药大学人文社科学院应用心理学系，长沙410208； 2中南大学湘雅二医院医学心理学研究所，长沙410011） 摘 要：本研究采用Frost 多维完美主义量表、Hewitt 多维完美主义量表、Slaney 近乎完美主义量表、正性负性情绪量表对292名大 学生进行调查，考察不同完美主义结构与正性、负性情绪之间的关系，验证完美主义的双重过程理论模型。结果显示，适应不良完美主义显著正向预测负性情绪，显著负向预测正性情绪；适应完美主义能显著正向预测正性情绪；完美主义的双重过程结构方程模型拟合结果较好。结构方程的群组分析验证了完美主义的双重过程模型具有跨性别的测量一致性。关键词：完美主义；双重过程模型；结构方程模型；测量等值性 1引言 在过去二十几年的研究中，有关完美主义的文献 过于强调完美主义的适应不良方面，而忽视了完美主义的适应方面。近年来，随着完美主义人格结构理论和研究的迅速发展，大量实证研究表明，完美主义可以分成“适应不良完美主义”（或称“神经质的完美主义”、“消极完美主义”）和“适应完美主义”（或称“正常完美主义”、“积极完美主义”）［1，2］。相应地，对于适应不良完美主义和适应完美主义的本质和特征的研究探讨也随之出现［3］。Slade 和Owens 提出了完美主义的双重过程（dual process ）模型，该模型认为适应完美主义（积极完美主义）和适应不良完美主义（消极完美主义）在行为倾向、情绪状态和认知过程上不同［4］。 Slade 和Owens 认为适应和适应不良完美主义者的行 为有着内在的差异，这些差异反应了斯金纳提出的积极和消极强化之间的差异。在这个模型中，适应完美主义者受到积极强化，强调追求卓越成功的需要；适应不良完美主义者受到消极强化，强调努力达到高目标，以避免失败。积极完美主义者经常获得赞扬，取得很好的个人成就，有着高自尊，他们设立现实的标准；而消极完美主义者寻求避免平庸或个人失败，倾向于设立不切实际的高标准。适应完美主义者强调追求成功，对未来的成功抱有积极乐观的态度，因而在失败时他们也能够保持安全感，相信总有一天会成功。适应不良完美主义者强调避免失败，对未来很担忧，他们坚信失败就围绕在他们周围。Bieling 等研究发现，与适应不良完美主义者相比，适应完美主义者在评价 性的情境中，有更少的自我挫败行为，有较多的以问题为导向的思维方式，有更少的负性情绪困扰［5］。 Bieling 等利用线性回归方程分析发现，适应不良完 美主义对焦虑、抑郁、应激等心理病理学变量有显著的正向预测力，而适应完美主义对心理病理学变量没有显著预测力［5］。Bergman 等研究认为，消极完美主义者和情绪压抑、认知功能障碍、抑郁和后悔相关［6］；而积极完美主义则与生活满意度相关，但与认知功能障碍、抑郁和后悔不相关。Mobley 等认为以前的完美主义研究的样本大都来自美国大学生，有必要在不同的种族、不同文化背景下开展完美主义研究，这样有利于丰富完美主义研究的成果［7］。本研究的主要目的是：考察中国大学生的完美主义与正性、负性情绪之间的关系，用结构方程模型对完美主义的双重过程模型进行验证。 2研究方法2．1 被试 整群抽取湖南某高校心理学公共课的大学 生，共发放问卷303份，回收有效问卷292份，回收率96．37％，其中男生137名，女生155名，经检验男女人数无显著差别（χ2（1）＝1．11，p ＝0．29）。被试年龄最大者为23岁，最小者为17岁，平均年龄为 20．04±1．39岁。2．2工具 2．2．1Frost 多维完美主义量表 中文版的Frost 多维完美主义量表由訾非等［8］修订，共27个条目，包括关注错误、组织性、父母期望、 24

混合像元分解及其应用(ENVI操作文本)讲解

一基于PPI的端元提取 借助纯净像元指数（PPI）和n维可视化工具用于端元波谱收集。 第一步、获取纯净像元 这个步骤是在MNF变换的结果上计算纯净像元指数（PPI），之后选择阈值范围从PPI图像上获得感兴趣区，感兴趣区包含的像元就是比较纯净的像元。 （1）打开高光谱数据。 （2）在ENVI主菜单中，选择Spectral ->MNF Rotation- > Forward MNF -> Estimate Noise Statistics From Dat a。在标准ENVI文件选择对话框中，选择高光谱图像文件。

（3）打开Forward MNF Transform Parameters面板，选择MNF输出路径及文件名，单击OK执行MNF变换。

（4）在波段列表中输出MNF影像及特征曲线值。从图中可以看出，大约20个波段以后的MNF的特征值很小 （5）MNF变换后，在ENVI主菜单中，选择 Spectral-> Pixel Purity Index->[FAST] New Output Band。在打开的Pixel Purity Index Input File对话框中，选择MNF变换结果，单击Spectral Subset按钮，选择前面10个波段（MNF后面波段基本为噪声），单击OK。

（6）在Display窗口中显示PPI结果。选择Overlay->Region of Interest，在ROI Tool 面板中，选择Options->Band Threshold to ROI，选择PPI图像作为输入波段，单击OK，打开Band Threshold to ROI 面板（图14.19）。 Min Thresh Value：10，Max Thresh Value：空（PPI图像最大值），其他默认设置，单击OK计算感兴趣区，得到的感兴趣区显示在Display窗口中。 第二步、构建n维可视化窗口 （1）在ENVI主菜单中，选择Spectral ->n-Dimensional Visualizer，在n-D Visualizer Input File 对话框中选择MNF变换结果，单击OK。 （2）在n-D Controls面板中，选择1、2、3、4、5波段，构建5维的散点图。 第三步：选择端元波谱 （1）在n-D Controls面板中，设置适当的速度（Speed），单击Start按钮，在n-D Visualizer 窗口中的点云随机旋转，当在n-D Visualizer窗口中的点云有部分聚集在一块时，单击Stop按钮。 （2）在n-D Visualizer窗口中，用鼠标左键勾画“白点”集中区域，选择的点被标示颜色。 （3）在n-D Controls面板中，选择Class->Items 1:20->White（用于删除点），单击Start按钮，当看到有部分选择的点云分散时候，单击Stop按钮，在n-D Visualizer窗口中选择分散的点，自动会将选择的点删除。借助<-，->，New按钮可以一帧帧从不同视角浏览以辅助删除分散点。 （4）在n-D Visualizer窗口中，单击右键选择New Class快捷菜单，重复（1）~（3）选择其他“白点”集中区域。

幸福感研究的述评

幸福感研究的述评 【摘要】幸福感的研究是积极心理学的研究热点，详细阐述了幸福的结构，从描述比较阶段、理论构建阶段和测量发展阶段总结了幸福的研究进程，最后提出幸福感的研究不足和展望。 【关键词】幸福感结构研究进程 幸福，是一个古老而又恒新的主题。千百年来，人们从未停止过对幸福的憧憬和追求。正因为如此，人类才而显得壮美与伟大，人类也才得以在历史的长河中不断保持并弘扬作为万物之灵的崇高和荣光。然而，幸福是什么，却是一个令人困惑却又神秘的古今难题。由于幸福是一种十分复杂的精神现象，涵盖范围很广，许多学者也从哲学、伦理学、经济学、社会学对幸福做了不同的研究，形成了各自的理论和观点，这些思想和研究散发着智慧的光芒，照耀着我们探索幸福的道路。但是，这些学科对幸福的研究都还只是在理性基础上的推测和分析，更多的是一种思辩活动。因此，这些研究都未能得到令众人满意和信服的答案。而心理学家试图从独特的视角来诠释和理解幸福，特别是随着积极心理学的出现和发展，使“幸福”这个古老而又恒新的话题进人到科学实证的领域。积极心理学研究的幸福侧重于解释什么是美好的生活，以及美好生活的衡量标准和为人们实现更加美好的生活提供有效的途径。自20世纪50年代开始，积极心理学的幸福的研究不断发展和深入，到现在已是硕果累累。 1幸福感的结构及界定 1. 1快乐论的主观幸福感 在心理学中，普遍把幸福感定义为是一个非常复杂而且主观的概念。因此，心理学中研究的幸福感是自我体验的幸福，被称为“主观幸福感”，总的来说，它是人们对于自己是否幸福，有多么幸福的评价。Diener等人认为，主观幸福感是个人根据自己的标准对生活进行的评价，以及由此所产生的情感状态[1]。因此，主观幸福感主要是由积极的情感体验、消极的情感体验和生活满意感三个维度组成。 1.2实现论的心理幸福感 主观幸福感来源于哲学中的快乐主义，侧重于强调个体主观快乐体验。而实现论的幸福感则从发展的角度认为个体在个人领域面对生活挑战时有意义的生活和自我潜能的实现也是一种幸福，这种幸福称为“心理幸福感”。它关注个人是否发挥了自己的潜能从而达到自我实现。因此，Ryff等人认为心理幸福感的核心要素是自主性、掌控环境、个人成长、与他人的积极关系、生活目标感、自我接纳六个方面[2]。 1. 3综合幸福感 随着现代幸福感研究的深入发展，主观幸福感和心理幸福感在某种程度相互补充，两者理论框架与测量指标(认知性与情感性、享乐性和发展性、状态性和倾向性)的整合，也已成为新的研究趋势。例如，苗元江（2003）在他的博士论

完美主义人格特质的探析

完美主义人格特质的探析 许东 (福建师范大学教育学院，福州350007) 摘要：通过对完美主义的概念，分类，结构等几方面因素探究完美主义的心理特质。重点阐述完美主义人格特质和个体心理健康的关系：个体的完美主义与心理健康在总 体上呈现负相关，即完美主义对心理健康存在一定程度的影响。在此基础上，最后提出应该如何干预消极的完美主义心态，发展积极的完美主义心态，并给出相关建议。关键词：完美主义人格特质心理健康相关建议 完美主义是一种人格特质 , 几乎每个人都有完美主义的倾向。一个完美主义者 , 往往具有很强的自尊心、上进心 , 因此在学习、生活的各个方面对自己的要求都很高。然而完美主义只是意识当中的一种愿望 , 它必须和现实结合起来 , 即跟个体的实际能力相结合。否则 , 不现实的完美主义带来的只能是痛苦。许多专家通过对中学生，大学生，研究生的完美主义人格特质与心理健康的研究中发现：个体的完美主义与心理健康在总体上呈现负相关，即完美主义对心理健康存在一定程度的影响。不少文献都记载了完美主义和许多心理障碍及心身疾病有密切关系，如：进食障碍、抑郁、强迫症、焦虑、惊恐发作、周期性头疼。随着人们对心理健康的关注 , 人们对完美主义心理也会越来越重视。国内外有关这方面的研究都在日趋完善和发展。 一、完美主义的研究综述国外关于完美主义的研究起步较早 , 近几年我国也有不少学者开始了对完美主义的研究。有研究发现 , 完美主义在资质优异和成绩出众的学生中是普遍存在的心理现象。中西方文化对完美主义的理解也有差异，因此对在中国环境下的完美主义心理的研究将有助于推动我国对这一心理特质更加全面深入的探究。 (一)完美主义的概念完美主义的研究很多，对它的界定也是众说纷纭，目前比较为学界所熟悉和公认的界定，是以下几位学者的解释。 完美主义心理的研究，最早应该可以追溯到个体心理学派的创始人阿尔弗雷德· 阿德勒( Alfred A·dler ), 他提出了“追求优越”的概念。而他对“优越”的解释类似于“完美”。 Alder 认为,追求优越的动机取向不同 ,可以导致统治型、获得型、回避型和社会型四种生活方式。其中, 只有社会型代表着追求完美的动机导向有益于社会的健康生活方 式 , 其余三种生活方式则表示个体心理的失调。 精神分析社会文化学派的代表，卡伦·霍尼( Karen ·Horney)描述完美主义为“苛刻的要求” , 将完美主义视为一种神经质性格。完美主义者为自己创造了一个非现实的、固化了的自我形象 , 并按照这个理想化了的自我形象生活。当生活中遇到不幸或发现自己并不完美时 , 完美主义者就会面临心理上的巨大失衡 , 甚至导致心理崩溃。

高光谱遥感影像混合像元分解算法研究

高光谱遥感影像混合像元分解算法研究 高光谱遥感影像相比多光谱遥感在波段数量和波段范围上提供了更多的信息,利用这些丰富的光谱信息可以更好对地物进行检测和识别。然而,混合像元的存在严重影响了高光谱数据的使用价值。 混合像元分解方法是解决混合像元问题最有效的手段。本文是在NLSMA （Non-Local Spectral Mixture Analysis）方法的基础上进行研究。 针对文中使用Kd-tree方法寻找非局部相似块占用内存过大,运算时间长的缺点,提出了基于低秩分解的联合稀疏解混方法。低秩分解模型将矩阵分解为低秩矩阵,稀疏矩阵和误差矩阵,其约束是稀疏矩阵和误差矩阵的?_?-范数小于阈值,该模型的优化算法较少且耗时过长,适当放松约束条件, 以?₂-范数来替代约束项中的?_?-范数,实验表明该方法可以取得同样的效果,并且极大地提高了运算效率。 对图像进行低秩分解后得到许多由许多相似像素构成的相似块,假定相似块中的像素点含有相同种类地物,但是对应的比例不同。NLSMA方法通过使用联合稀疏方法对每一个相似块进行全限制非负和一求解,即先通过T-MSBL （Transform-Multiple Sparse Bayesian Learning）方法来对多观测向量问题MMV（Multiple Measurement Vectors）进行求解,得到相似块中可能包含的地物种类,再根据FCLS（Fully Constrained Least Squares）方法求得相似块中每一个像素对应的丰度向量。 观察该方法得到的水体丰度图,可以看到有许多非水体的地方丰度系数并不为零。因此,考虑通过NDWI指标来先把水体提出来,这为以后可以单独提取某种特定地物提供一个框架。