科学网—标签

相关帖子	版块	作者	回复/查看	最后发表

热度 1 zlhua 2011-8-29 15:03

从前有一座山，山顶生长着一棵桃树，在山头没有人过往和居住的时候，它就已经存在。有一天，有一个流浪者发现了这座山，爬到山顶看到了这棵树，看到了上面红扑扑的,圆圆的果子，一阵风吹来，他闻到了树上果实的香味，由于饥饿难耐，他选择摘下其中的一颗果实,然后吃掉，在他用力咬开这个果实瞬间，他尝到了甜头，接下来，他开始继续，一个、两个 … 一口气他吃掉了 6 个桃子，不仅把肚子吃饱了，呵呵，还没有任何不舒服的感觉。流浪汉很高兴，他到周围捡了一些石头、树枝什么的，在山顶盖了一个可以遮风避雨、休息的小棚，打算住下来。这个桃树很大，除了自己吃外，流浪汉还用树枝编了筐子，摘了很多桃到山下，告诉过往的行人，这是一种非常可口的食物，从而跟过往的行人交换物品，但好景不长，果实总有吃完的时候，在吃完最后一个桃时候，天也越来越热了，没有了食物，流浪汉也只有选择离开。打算等第二年再来碰碰运气... 等第二年初夏他再来到这个山头时，他发现他居住的窝棚旁长了很多小桃树 …. 而且还有一个在山下经常跟他交换物品的行人也在山头搭了一个小棚，他很高兴，原来桃树也是可以移植的，呵呵，他很高兴，但同时他也很郁闷，因为有人跟他分享这些果实，不过，很快，他发现，有人陪也是一件愉快的事情，因为两个人摘果子比一个人轻松多了，而且当他们知道了桃树移植的秘密后，他们一起在这个山头载了好多桃树...除了自己吃，他们还可以换回其他很多食物和用品，从此，他不再流浪，而是留下来，和他的邻居们一起共同守护经营着这片桃树林 … 这是一个幸运的流浪者，因为善于观察和发现，他不仅解决了自己的温饱，还结交了更多的朋友，后来他还遇到了他喜欢的姑娘结了婚，生了好几个可爱的孩子。。。他们中有的也学父亲一样选择了外出流浪，而有的则留了下来，继续经营着父亲留下的桃园...

个人分类: 天马星空|2713 次阅读|3 个评论

雨过天晴逢吉祥

yangyongtian 2011-8-29 11:34

前途似锦如火旺，小小年纪心莫殇。一片冰心在玉壶，仁医济世海水量。三十而立还未到，八九点钟红太阳。偶遇坎坷寻常事，雨过天晴逢吉祥。

个人分类: 友谊|1194 次阅读|0 个评论

[转载]学而优则不仕

quanyanyan 2011-8-29 10:21

苍天如圆盖，陆地似棋盘。世人黑白分，往来争荣辱。荣者自安安，辱者定碌碌。南阳有隐居，高眠卧不足。——诸葛亮

个人分类: 名言|1365 次阅读|0 个评论

交叉感染的危险因素国际文献计量分析报告 1976-2011年

xupeiyang 2011-8-29 09:30

交叉感染的危险因素国际文献计量分析报告中国医学科学院医学信息研究所许培扬检索策略： Cross Infection Hospitalization "Risk Factors" 检索年限： 1976 – 2011 年检索结果：总计 4167 篇检索时间： 2011 年 8 月 28 日分析平台： www.gopubmed.org 文献年代分布 Top Years Publications ‍ 2010 309 ‍ 2009 290 ‍ 2008 287 ‍ 2005 264 ‍ 2007 263 ‍ 2006 252 ‍ 2004 236 ‍ 2001 215 ‍ 2003 213 ‍ 2002 209 ‍ 2000 186 ‍ 1998 152 ‍ 1999 148 ‍ 1996 127 ‍ 1997 124 ‍ 1995 110 ‍ 1993 107 ‍ 1994 105 ‍ 1991 85 ‍ 1992 79 文献国家地区分布 Top Countries Publications ‍ USA 979 ‍ France 287 ‍ Spain 258 ‍ United Kingdom 233 ‍ Germany 194 ‍ Brazil 150 ‍ Italy 140 ‍ Canada 108 ‍ Turkey 77 ‍ Taiwan 76 ‍ Switzerland 71 ‍ Japan 69 ‍ Australia 67 ‍ China 66 ‍ Netherlands 66 ‍ Thailand 53 ‍ India 49 ‍ Israel 41 ‍ Belgium 39 ‍ Greece 39 文献城市分布 Top Cities Publications ‍ Atlanta 104 ‍ Paris 94 ‍ London 91 ‍ Barcelona 78 ‍ Boston 59 ‍ Madrid 51 ‍ St. Louis 51 ‍ New York City 48 ‍ Baltimore 46 ‍ Rome 43 ‍ Taipei 39 ‍ Geneva 37 ‍ Chicago 35 ‍ Toronto 31 ‍ Bangkok 30 ‍ So Paulo, Brazil 28 ‍ Philadelphia 26 ‍ Berlin, Germany 24 ‍ Houston 24 ‍ Athens 24 文献期刊分布 Top Journals Publications ‍ Infect Cont Hosp Ep 288 ‍ J Hosp Infect 272 ‍ Am J Infect Control 135 ‍ Clin Infect Dis 89 ‍ Crit Care Med 65 ‍ Infect Control Hosp Epidemiol 46 ‍ Chest 46 ‍ Intens Care Med 45 ‍ Pediatr Infect Dis J 45 ‍ Eur J Clin Microbiol 43 ‍ Am J Med 43 ‍ Infection 42 ‍ Arch Intern Med 39 ‍ Braz J Infect Dis 38 ‍ Ann Intern Med 33 ‍ Scand J Infect Dis 32 ‍ Enferm Infec Micr Cl 32 ‍ J Clin Microbiol 28 ‍ J Med Assoc Thai 28 ‍ J Infect Dis 27 文献主题分布 Top Terms Publications ‍ Risk Factors 4,167 ‍ Humans 4,032 ‍ Hospitalization 3,965 ‍ Hospitals 3,935 ‍ Cross Infection 3,430 ‍ Patients 3,202 ‍ Middle Aged 1,791 ‍ Adult 1,755 ‍ Aged 1,501 ‍ Anti-Bacterial Agents 1,360 ‍ Incidence 1,320 ‍ Intensive Care Units 1,081 ‍ Intensive Care 1,080 ‍ Mortality 1,080 ‍ Infection Control 976 ‍ Prevalence 890 ‍ Prospective Studies 875 ‍ Pneumonia 858 ‍ Length of Stay 802 ‍ Evaluation Studies as Topic 800 文献作者分布 Top Authors Publications ‍ Jarvis W 53 ‍ Pittet D 31 ‍ Kollef M 29 ‍ Gastmeier P 28 ‍ Rüden H 24 ‍ Fraser V 22 ‍ Wenzel R 21 ‍ Delgado-Rodriguez M 20 ‍ Gaynes R 19 ‍ Culver D 18 ‍ Rello J 16 ‍ Daschner F 16 ‍ Edwards J 14 ‍ Vandenbroucke-Grauls C 14 ‍ McNeil M 13 ‍ Schumacher M 12 ‍ Sax H 12 ‍ Bouza E 12 ‍ Gálvez Vargas R 12 ‍ Gudiol F 11 交叉感染的危险因素国际文献演变趋势图

个人分类: 信息分析|1619 次阅读|0 个评论

话说嵇康兼及名利场中学人的德行

热度 13 卫军英 2011-8-29 09:18

敲出这个题目时候我还不知道自己接下来该写一些什么，只是觉得博客多天没有打理，必须得写点什么东东，于是便写嵇康。嵇康是一个写不尽的人物，这样不假构思的便去写肯定不是很妥帖。不过想到魏晋名士们随意自然的风度，大概这样随意自然的写也别有风味吧。在著名的竹林七贤里，嵇康是首屈一指的人物，他和阮籍一样都是那个时代的士人领袖，他们都放达，但是相对于阮籍来说，嵇康的放达则更有一种超逸群伦的气度。何况他还是那么很有风度，言及于此便索性由表及内从他的外貌写起吧。（网络图片。嵇康：手挥五弦，目送归鸿）嵇康有些玉树临风的样子，这在魏晋正始年间非常注重形象美的那个时期，还是格外引人注目的。关于嵇康的外貌风度，史书多有记载，《世说新语》上面说：嵇康身长七尺八寸，风姿特秀。见者叹曰：“萧萧肃肃，爽朗清举。”或云：“肃肃如松下风，高而徐引。”他的好朋友山涛说“嵇叔夜之为人也，岩岩若孤松之独立；其醉也，傀俄若玉山之将崩。”如此这般风度气质的一个人物，却又不像是如今俊男们那样喜欢装酷，也不像是韩版帅哥那样泡菜奶油，跟那个时期喜欢服食五石散之类养颜的男人诸如何晏那样的相比，偏偏这人又从不注意打扮甚至是不怎么讲究个人卫生：“面常一月十五日不洗,不大闷养,不能沐也。”所以《晋书》本传便说他“土木形骸，不自藻饰，人以为龙章凤姿，天质自然。”如此看来真正出特的人物，那种卓然独立的风度大都是自然发出，这就像是后来王国维讲李后主词时候所做的一个比喻一样：“淡妆佳，严妆亦佳，粗头乱面，不掩国色。”王国维说的是女人，有风度的男人更其如此，现如今经常会说到某人很有“气场”，估计嵇康就是那种由内而外的气场特别强大的人物。一个人如此这般好风度好人品再加上好学问，那不是人中之龙又是什么？所以嵇康在那个时候影响极大，作为士人领袖自然受到尊崇，从即将君临天下的司马昭到显贵一时的钟会都想与他交结。嵇康是一个全才，他曾经做过中散大夫，后来朝廷叫他做官他还不干；在学问上他精通哲学、文学、音乐等，而且又有打铁的手艺，放在今天的科学网上，就是一个人文艺术修养极致的工科大牛，而且不屑于搞什么虚名，羡慕什么官位。嵇康境界极高，这种境界是咱们这些凡俗夫子们永远无法企及的。就说官位吧，他的朋友山涛离任尚书吏部郎向朝廷推荐他接替这个职务，这是个什么官？大概类似于今天的中央组织部长吧，那是今天这些有志于仕途的学者们做梦也不敢想的位子，但是嵇康硬是不干，不仅不干而且还写了一篇文章和朋友绝交，《与山巨源绝交书》通篇骂人，骂好朋友山涛不理解他为人，这是中国历史上骂人骂的最有水平的文章。再说音乐吧，金庸武侠小说有本《笑傲江湖》，那上面写到一段魔教的曲洋和恒山派刘正风琴箫合奏“笑傲江湖”之曲的故事，就写得极有境界。按照金庸说的这曲子其实就是嵇康的《广陵散》，后来这曲子大概就被令狐冲给继承下来了，令狐冲那种侠义率真千山我独行的个性，倒是很符合这《广陵散》的本色。大凡登峰造极的人物，出神入化到了极致往往都有一种常人不能理解的亦正亦邪个性，金庸小说里还有段写北丐洪七公和西毒欧阳锋最后比武的情节，也很有境界，两人不分胜负，内力耗尽便坐在那里比划，一正一邪却也惺惺相惜，前尘旧事灿然洞明，于是两人大笑而死。不知怎么说到曲洋和刘正风之死便会想到这里，大概是因为都如当年嵇康《广陵散》那样从容而死，死得很有境界吧。人就是这样的，超凡入圣太出特了，有时候你想低调也低调不了。所以嵇康尽管没有去当官，但是他的威望太高了，用现在的话说就是一个“无冕之王”和“意见领袖”。木秀于林风必摧之，这时候执政的有个很有地位的谋士叫钟会，钟会也是一个聪明绝顶有学问又有权术的人，但是在那个很崇尚学问的年代，他的学问还没有上升到嵇康的层次，所以他很想结交嵇康提振自己。这有点像是现如今的那些当官的想搞个院士做做，做了院士又想谋个官位玩玩的。只不过现今的院士无论如何是做不到嵇康那样学术和思想的影响力，即便做官也做不到终会那种级别而已。钟会这人太功利而且太有心计了，所以嵇康对他很是不屑。有一次钟会带了一大批官员来拜见嵇康，嵇康正在树下和向秀两个打铁（算是实验室里做科研吗？），见钟会来了也不理睬自顾自只管在打，钟会呆立半天只好无趣而退。临走嵇康发言了：“何所闻而来？何所见而去？”会曰：“闻所闻而来，见所见而去。”这件事情让钟会很记恨，也难怪，伤自尊啦。他原本是想通过嵇康提振自己的，不成想嵇康不给面子。学术领袖没有承认，钟会便永远只能处在二流水平，所以后来一有机会他便设法陷害嵇康，最后置之于死地。嵇康的死是值得浓墨重彩去写的一笔。在今天的人看来他死的太TMD冤屈，实际上说到底他是因为捍卫正义和精神自由而死的。起因是他有两个朋友吕姓兄弟，吕兄睡了吕弟的媳妇，经调解弟弟原谅了哥哥，但是哥哥怕弟弟反悔便倒打一耙诬告弟弟不孝。弟弟被捕想到朋友嵇康，嵇康便写文章与这个哥哥绝交，以此为弟弟辩白。但是哥哥关系硬功力好，嵇康不但没有捞出人，连自己也搭了进去。这时候前面得罪过的钟会找到了最后的报复机会，他对司马昭说：嵇康是条卧龙，不可启用。你现在要拿大位天下无忧，只有嵇康这样的人得担心。司马昭听了之后略加思索，当下反应就是一个字：“杀！”这么一来嵇康便注定要死于非命，死于非罪了。且说嵇康死的时候，整个社会都很震动。太学生的集体上书，地方豪杰的群起响应，当时名士的联名救援，无疑在社会上形成了一股强大的政治示威。然而，中国历代的专制统治者，从来也没有在民意前，退让过哪怕半步。反过来说，嵇康有这么强大的政治号召力，对于朝廷而言不但不是好事而且还加速了他的死亡。司马昭见这般情景，先是不动声色，支走了阮籍、刘伶等人，后又密令大量军队戒严在刑场四周，准备随时应对可能发生的“突发事件”。等一切部署妥当，他才派人进入法场，向大家宣布他维持嵇康死刑原判的法令。这个法令一经宣读，法场上便炸开了锅。3000血气方刚的太学生群情激愤，他们开始推搡戒严在刑场四周的卫兵，小规模的肢体冲突也在刑场四周时有暴发，随处可见。其实那时候的太学生地位是很高的，也就3000人比现在的教授还值钱。但是3000太学生跪地求情，“释放嵇康”的声浪响彻刑场所在的东门，最终还是无济于事。嵇康明白自己不免一死，他的眼神里透视出一种空漠无人的孤独。他回头看了看日影，揣摩了一下行刑时间，问哥哥嵇喜：“我的片玉古琴带来了吗？”接过嵇喜递来的琴，随即弹了一首曲子，这首曲子便是《广陵散》。史书上关于这段的记载是这样的：康将刑于东市，太学生三千请以为师，弗许。康顾视日影，索琴弹之，曰：“昔袁孝尼尝从吾学《广陵散》，吾每靳固之，《广陵散》于今绝矣。”他就是这样毫无迟疑地走向死亡，从容、镇静、安详，这是一种什么样的伟大风范啊！【余言】嵇康死了。按说《广陵散》是嵇康的独传,他死后《广陵散》也失传了，那怎么《笑傲江湖》里面又出现了呢？关于这个问题，金庸在小说里好像有个说法，虽然小说者言，但讲得有板有眼，所以便姑且信之。

个人分类: 社会人生|4274 次阅读|40 个评论

毛嘉陵教授为中医呐喊

热度 2 xupeiyang 2011-8-28 08:06

毛嘉陵教授为中医呐喊，出版《中医大趋势》很好，有兴趣的可以读一读，中医发展需要更多的呐喊和呼声。----许博主中国中医药出版社将毛嘉陵博客中有关中医药发展问题研究的文稿汇编成《中医大趋势》，已于2011年8月正式出版。《中医大趋势》有部分是已发在毛嘉陵新浪博客中的内容，还有很多是即将发表的博客文稿，最最重要的是还收集了大量网友在毛嘉陵博客中的留言。如果你在毛嘉陵博客中留过言，也许这本书中还收录有你的观点。因此，可以说这本书不仅仅是毛嘉陵的个人博客作品集，也是广大热爱中医药事业的网友的作品集，更是毛嘉陵与网友们共同发出的振兴中医药事业的呐喊。毛嘉陵博客 http://blog.sina.com.cn/mmm999 中医服务全人类是大势所趋 http://blog.sina.com.cn/s/blog_4a2808310102dre8.html

个人分类: 中医药学|1977 次阅读|1 个评论

在纽约遭遇飓风艾琳

热度 11 rensl 2011-8-28 00:47

8月24日与黎主编及几位同事到达纽约，25日访问Springer，26日走访AIP和APS，今早5:00送几位团友去机场飞往丹佛，便回到NYCity乘车去Providence (RI). 不想因为“百年一遇”的飓风艾琳即将到达，all shut down，现在只好退居Six Av与No.32 St交叉附近的 AppleCore Hotel，等待下周一或周二再离开了。好在几位团友已抵达内陆的中转机场 :-) 飓风艾琳路径美国为应对飓风艾琳疏散数百万人 http://news.sina.com.cn/w/p/2011-08-27/134423060936.shtml 　　新华网华盛顿8月26日电(记者支林飞)由于美国气象部门警告说将于27日袭击东海岸的飓风“艾琳”可能带来严重灾害，截至26日美东部沿海已有十个州先后宣布进入紧急状态，并下令将约230万居民进行紧急疏散。这是美国历史上第一次因自然灾害进行如此大规模的疏散行动。　　“艾琳”飓风预计将在27日早上在北卡罗来纳州沿海率先登陆，然后北上。美国国家飓风研究中心主任里德说，预计“艾琳”飓风将对东部沿海和一些内陆地区造成重大灾害，带来强风、暴雨和巨浪，导致洪灾、断电、停水、房屋倒塌等危害。　　美国总统奥巴马26日提前结束在马萨诸塞州的休假赶回首都华盛顿，指挥针对飓风“艾琳”的应急准备工作。奥巴马当天发表公开讲话，呼吁居住在可能遭受风暴袭击的沿海地区居民“严肃看待”这次强度可能是“历史性的”飓风，立即进行疏散，“不要等待，不要延迟”。　　奥巴马当天还宣布纽约州进入紧急状态，指示国土安全局、联邦紧急措施署等联邦部门随时准备向该州提供联邦救灾援助。同日，纽约市长布隆伯格对数个沿海城镇发布紧急疏散命令，要求大约30万沿海居民撤到安全地带。为了确保安全，纽约市还宣布将于27日中午关闭地铁系统，这是该市历史上第一次因为应对自然灾害而宣布地铁停运。　　除纽约州外，美国东海岸南至北卡罗来纳州、北至缅因州的其他9个州也已宣布进入紧急状态，政府部门下令居住在沿海和低洼地带的居民撤离。　　连日来，美国东部沿海地区的许多居民纷纷抢购发电机、瓶装水、雨具、手电、罐头食品等应急物资，导致许多商品被抢购一空，许多大型超市和商店紧急调运物资以满足需求。　　有经济学家预测，“艾琳”将可能造成高达100亿美元的经济损失，这对陷于困境的美国经济来说无疑是雪上加霜。

个人分类: 人在旅途|5132 次阅读|23 个评论

[转载]科学网真的不该关闭饶毅追随者们的博客！

热度 1 xiangchengbin 2011-8-27 11:59

我了解的XX是鲁白、饶毅、施一公等科学家科学价值观的追随者，科学网真的不该在没有任何提醒的情况下、因博主言辞不当，关闭人家的博客！！真的不该用敌对思维对待人家！！！科学在中国依然没有土壤————“诚实”和“宽容”，在中国十分稀少！！！饶毅院士落选的影响和意义精选 http://blog.sciencenet.cn/home.php?mod=spaceuid=393255do=blogid=479925 已有 1404 次阅读 2011-8-26 19:41 | 系统分类: 观点评述时代周报记者吴娟饶毅 2007 年回国，是北京大学公开招聘的生命科学院院长。回国之前曾任美国西北大学讲席教授、神经科学研究所副所长，担任多个国际学术杂志编委。是在神经科学领域中做出过重要贡献，在国际学术界享有相当声望的科学家。 2005 年，饶毅根据在中国做出的工作，在顶级学术刊物《细胞》上发表了论文。这是该刊 25 年来第一篇来自中国的论文。作为一名年富力强的科学家，饶毅在最近一轮中科院院士选举中落选。比饶毅晚两年回国，现为美国葛兰素史克中国研发部副总裁的神经科学家鲁白对时代周报说，“这也许会是中国科学史上留下一笔的事件。”他对饶毅在科学上的成就非常了解，“这一次很多人评价院士落选事件，甚至开始质疑到饶毅的科学水平。”他在看过院士增选的名单后说，“饶毅绝不会比其他的院士水平低”。鲁白认为 , 对一个科学家学术水平的评价，不能简单的靠论文的数量，影响因子，获得头衔来衡量。生命科学的评判标准是，“有没有重要的原创性发现，开创一个新的领域；有没有解决最基本的，最重要的生物学问题；有没有做出对本学科甚至对社会有巨大影响的科学思想，理论，技术，方法等方面的突破；有没有对人类的疾病提出新的认识，新的治疗；有没有做出对实际应用有巨大和明显意义的工作，等等。” 但作为学术共同体的院士们，“是应该知道这个标准的。科学院选院士，应该是根据这几点要求”。他觉得饶毅出局的结果，会有两个负面意义，“我们不应该简单地从饶毅个人有没有被选上院士来看该事件。中国过去 30 年的经济发展，得益于出口，廉价的劳动力，等等。但今后中国长期可持续的发展，要靠科技创新、靠人才。人才的主力军广大学生，青年学者。当这些青年学者看到，一个被国际学术界认可的优秀科学家居然不能进入中国科学院，他的科学水平不被承认，他们会怎么想？其次是，近年有大批海外华裔的科学家，在考虑要不要回国工作。饶毅作为生命科学领域，无论按什么标准，他都是领先的学者，他却不能入选。这些观望的海归们会如何看待此事？” “一般科学家的成就并不能用过于量化的方式来评价，但如果要用大众更能接受的方式解释，像《自然》《细胞》《科学》这样顶级的学术刊物，因为评审专家的水平很高，如果你不是有相当的科学突破，是很难入其法眼的。他要看你的原创性和重要性，你的研究发现对这个领域有多大影响。” 据鲁白介绍，归国之后，饶毅发表过三篇论文，一篇刊于《自然》，两篇刊于其子刊《自然神经科学》。他试图用比较通俗语言来描述饶毅的科学成果。“社会生物学过去是现象描述，而饶毅的这几篇论文研究，开始用基因和分子细胞水平上来解释社会生物学，这在社会生物学里是相当前沿的研究。” 鲁白介绍，在美国大学，教授按照级别分为助理教授、副教授、教授、讲席教授。华裔科学家做到讲席教授然后回国效力，饶毅是第一人。饶毅当年回国成为北京大学生科院院长，第二位科学家施一公回国，成为清华大学生科院院长。饶毅回国还闹出过一段国籍小插曲。这个故事在当时被纽约时报报道。饶毅不仅选择回国，还到美国大使馆要求退出美国籍。结果大使馆不知如何是好，因为从来都是人们加入美国籍，还从没遇到过要求退出美国籍。几次三番，饶毅才如愿退出美国籍，重新加入中国籍。在这期间，因为国籍的问题，很多国外大学请饶毅演讲都未能成行。饶毅、鲁白、施一公同属被美国主流社会认可的一批华人科学家。据鲁白介绍，在选择回国之前，他们都曾在一起商议过回国之后的选择和困境，及应对的办法。在美国多年形成的科学思维与国内情况有冲突时，很多人指责这些海归科学家“不懂国情”。鲁白说，“我们多次讨论，觉得还是要坚持自己做人的原则。要是随波逐流就不要回国了。我们的价值就在于对于科学的理念和思维不同。” 他们分明的感到中国科学界的进步，也同时看到，“氛围不好，浮躁。”很多科学研究都直接和经济效益挂钩，“如果你在《自然》上发一篇论文，就会有直接间接的好处；如果你选上院士，更会带来很多利益。滋生出大量学术造假、夸张宣传、学术腐败和拉关系等等。”

230 次阅读|1 个评论

夫妻之间的相处之道

热度 2 yzsymcys 2011-8-27 09:22

今引用心理作家柯云路的几句话，很好地诠释夫妻相处之道： “任何激情都可能因为距离的接近而淡化甚至消失。在此过程中，如果一方没有过分要求，激情会逐渐转化为温情和亲情，虽然是淡淡的亲情，也能很好地维持着，双方都会感觉不错。然而当其中一方对感情有过高期待时，往往会引起极大的逆反。” “人们往往把“亲密无间”当作夫妻间的最佳和谐状态；而事实上并非如此。夫妻间的最高境界，是“亲密有间”，而不是“亲密无间”。就像对爱的索取，它的最高境界应该是随遇而安。” “好的夫妻即使长期生活在一起，也应该有相敬如宾的一面。越是亲密爱人，越要遵循“己所不欲，勿施于人”的原则，这样，彼此的关系才可能和谐自然。” 感情也是这样，不能用过分的要求让对方产生厌倦。

4929 次阅读|3 个评论

[转载]饶毅：从2011年8月17日后将不再成为候选人

dhwang 2011-8-26 13:46

转载饶毅博文：从今以后不候选中国科学院院士精选已有 86592 次阅读 2011-8-17 09:05 | 系统分类: 人物纪事 | 关键词:中国科学院院士候选人鉴于推崇中国科学院前身中央研究院生命科学方面代表性科学家林可胜等、敬佩中国科学院第一批学部委员如神经生理学家冯德培等、尊重50年代以来在国内艰苦环境中坚持做好科学研究的院士、感谢其学部委员（特别是冯德培、邹岗等）在80年代对我的支持和现有院士近年在我回国工作后多方面的支持，我于2011年初接受推荐候选中国科学院院士。在表达了的尊重和感谢后，从2011年8月17日后将不再成为候选人。 2011年3月5日写 2011年8月17日添加日期有关林可胜、冯德培、邹岗的文章: http://blog.sciencenet.cn/home.php?mod=spaceuid=2237do=blogid=3847 http://blog.sciencenet.cn/home.php?mod=spaceuid=2237do=blogid=3233 http://blog.sciencenet.cn/home.php?mod=spaceuid=2237do=blogid=3434

个人分类: 人物专访|1895 次阅读|0 个评论

京城排水何时畅

热度 1 yangyongtian 2011-8-26 09:23

十里河今天如愿，巧把汽车变成船。车厢进水马达熄，纹丝不动没有帆。一场豪雨一小时，公路成河已不鲜。排水系统何时畅？京城百姓急切盼。

个人分类: 感怀|1861 次阅读|1 个评论

地方大学面临的困境

热度 42 gfcao 2011-8-25 15:00

改革开放三十余年，中国高等教育的变化不可谓不大，期间经历了若干次不亚于 8 级地震般的变迁。高校扩招带来了中国高等教育规模的极度膨胀，中专改大专，大专改本科，学院改大学，好一片欣欣向荣的繁华景象。据说是为了强化学科交叉融合、资源共享与互补，高校合并之风又席卷全国，由此诞生了若干个超级航空母舰式的巨无霸大学。如今“争创世界一流大学”又一次如狂风般席卷中国重点高校。所有这些变化无不打上了官方烙印，换句话说，带有浓烈的行政色彩。当然，中国高校是政府办的，政府希望大学办成什么样，大学就该办成什么样，我相信政府与全国人民的愿望是一致的，那就是希望把中国的教育办成世界上最优质的教育，问题在于负责管理教育的官员却未见得具有达成这个愿望的执行水平。就说一流大学吧，世界上任何国家的高等教育都是分层次的，用时髦的话说就是既有研究型大学，也有教学型大学，两者的定位完全不同。研究型大学可能是一流的，教学型大学也可能是一流的，关键看你所培养的学生是否符合你的定位，在社会上最出色地扮演了他应扮演的角色。在一个举国上下争创“世界一流大学”的大潮中，地方大学进入了两难的境地，甚至可以说有点迷失了自我。我们一度创造了“研究型”、“教学型”、“教学研究型”等新鲜的名词，可学校与人一样总是有上进心的。当初的大专改本科、学院改大学不就是大学上进心的具体体现么？更何况在一个全社会迷信 985 、 211 的时代，谁不希望自己的学校也能跻身其中？俗话说：“弱国无外交”，学校也一样，你太差了，谁也不会正眼看你。私企、国企、事业单位的大门上就差挂上“地方大学毕业生与狗不得入内”的牌牌了。于是出现了这样一种现象，地方大学争相提高自己在高校中的地位，这与重点高校争创世界一流是一个道理，地方高校的学生争相报考重点大学的研究生从而摆脱“地方”的帽子。无论是争创世界一流的 985 、 211 ，还是努力提升自己的地方高校，都需要面对一个问题：经费。于是高校改革就不可避免地带上了作为投资人的政府的意愿。如前所说，假若真是政府的意愿未必不是件好事，因为政府作为人民的代表，也是希望学校越办越好的，遗憾的是，代表政府的官员却未见得能真正按照政府的意志去做，或者根本不具备完成政府意愿的能力。与其把教育在某些方面的失败归咎于政府，不如归咎于主管教育的某些官员，这样不仅容易与政府达成共识，也比较符合实情。政府官员毕竟不是教育家，他也许并不真正了解教育规律，关心教育是件好事，但如果不懂教育，最好不要对教育指手划脚、发号司令，有句老话说得好：“用人不疑，疑人不用”，既然你把教育交给教授们去办，就应该相信教授们能把学校办好，政府做宏观或目标管理就够了。如果觉得教授不足信，那你在做一个决策前，至少应该做好充分的调研并进行局部试点，待试点成功后再决定是否推广。可叹的是，也许是求胜心切，中国的事往往是某个人拍拍脑袋便全面推广，大家伙一窝蜂一拥而上。也难怪，资源毕竟有限，你不跟着变革就意味着落伍，落伍就意味着墨守成规，墨守成规就意味着喝西北风。记得江先生讲过这样一句话：“你不懂，老百姓为你交点学费没关系，但你不能总是留在小学一年级”。卓越，是每一所高校追求的目标，但不同的学校有着不同的卓越，为什么大家都在奔着同一个目标？都是指标惹的祸。放眼各种评价体系，有多少真正反映了人才培养质量？各级各类奖项、各级各类项目、各种类型的检索、各级各类重大重点项目，还有重点学科、重点实验室等等不一而足。不可否认，这些指标的确代表了某种水平，但这些东西应该是在科学研究、人才培养的过程中水到渠成、自然而然形成的，而不应该是争抢来的。高校应该是个无为而治的场所，每一所高校都有它与众不同的追求，只有在一种宽松、自由的氛围里，教师们才能充分挖掘并发挥出聪明才智从而逐渐形成高校各自特有的大学文化。

个人分类: 杂文|17520 次阅读|111 个评论

千字肝胆录一纸肺腑文

yangyongtian 2011-8-25 06:46

夕阳无限好，虽然近黄昏。调适好心态，做个有为人。余热献社会，精神永内存。千字肝胆录，一纸肺腑文。

个人分类: 退休人生|2445 次阅读|0 个评论

北欧夏韵

热度 22 tashaxing 2011-7-1 18:17

北欧夏韵美蓝湖夜雨烟雨淅白夜，重云逸冷湖。青霞追鹭远，客梦倚天舒。湖都暮色波浪托宫殿，兰舟载落霞。沙鸥知倦客，高韵寄天涯。美人鱼沧浪梳风韵，沧桑浑不知。明眸凝大海，日夜为谁思？访安徒生故乡童话迷千岛，童心自可矜。新装何处是？故事耐人寻。访诺奖宴会厅学问辛勤事，声名殿上光。诺翁多慧眼，可肯顾吾邦？仲夏节忘情迎仲夏，狂舞近癫疯。少年尤可爱，信是稚心同。美蓝湖上的孤鸥夕阳下的美蓝湖夕阳下的美蓝湖落霞中的瑞典皇宫流淌着安徒生童话的欧登塞河诺奖宴会厅(斯德哥尔摩City Hall宴会厅)中兴奋的学者们尽情欢度仲夏节的哥本哈根少年们美人鱼

个人分类: 新韵古风|1899 次阅读|55 个评论

ASM/AAM手工标定的Matlab脚本

热度 9 wanglin193 2011-5-25 18:57

有段时间我一直满足于在脸上画个框，后来又满足于在脸上标些点，再后来在这方面就没有进展了。剩下不多的东西包括硬盘某个文件夹里不同时期下载的paper：光流、特征检测、ASM、AAM...... 还有各种版本的人脸检测和跟踪的代码，里面藏着很多垃圾，比如每个版本的文件夹都包含一个debug和release目录。相对来说那些Matlab小程序就挺不错，不太占地方，用几行代码就能实现挺复杂的功能，比如下面这个AAM或者ASM训练用的手工标点的脚本，我把它放在这里晒晒。程序下载： Edit68CMU_pack.rar 对于人脸检测的人脸样本准备，通常需要手工从图像中截取人脸区域，为了程序鲁棒性的考虑，生成的人脸样本需要还要有一定角度的旋转；对基于统计训练的图像自动标定（image alignment，比如Active shape model 或Active appearance model）方法来说，第一步工作就是手工在图上把物体轮廓标出来，这些点一般称为landmark。在没有用过OpenCV之前，要写一个支持鼠标输入交互选点的程序还是挺麻烦的，但是等到我开始使用Matlab，并且知道有个ginput函数后，这事就变得无比简单了。首先，因为ASM的形状(shape)点是有序号的，每个点都对应一个目标上的关键点，是有具体含义的。一个标定的方法是用sh=ginput(68)一口气选取68个点，但是这中间一旦出错就前功尽弃了。所以比较好的办法是先把一个差不多的标准形状铺在输入的图像上，然后交互地调整每个点的位置，直到每个点都放到对应的位置为止，这样就把"标定形状"变成"编辑形状"了。其次，如果一个人脸图像"A.jpg"对应的landmark已经标记好了，并且保存在一个比如叫做"A.lmk"的文件中，过了一阵子我又想重新修改某些点的位置，或者因为不同的应用，形状的配置发生变化需要增加删除某些点，程序也应该满足编辑lmk文件个功能。下面的程序就主要完成这两个功能： 1.先准备个标准形状做参考，比如从论文里找这样一张图，用ginput按顺序选68个点（68个点的定义见CMU那帮人的论文，文献，也可以用画图软件事先标好你要的点，比如下图的蓝点，这样的好处是可以保证使用ginput(68)一次成功）： imshow('meanface.jpg')； sh = ginput(68); 这样这些点的X,Y坐标就放在sh的两列里。把它作为一个标准形状，存在一个文本文件里。 2.程序开始，先要load标准形状。然后通过对话框选取一个图像文件，并显示 = uigetfile( , 'Pick an image'); Aim = imread( ); imshow(Aim, 投影到图像中。 4.如果对应的lmk文件已经存在，则读入lmk，把形状铺在图像上。 5.根据上面的输入信息，粗略计算一个人脸区域box，并且放大显示 im=imcrop(Aim,box); imshow(im, =ginput(1); %最近点的序号存在ind里 =min((xc-Xo).^2 + (yc-Yo).^2); 5.2 再用ginput(1)选择要移动的位置，替换旧的值 = ginput(1); Xo(ind)=xc; Yo(ind)=yc; 重复这两个步骤，直到满意为止。 6. 保存形状文件(.lmk) fid = fopen( , 'w'); fprintf(fid,'%6.2f %6.2f\r\n', '); fclose(fid); 另外利用delaunay函数事先计算平均形状的三角网格（mesh）： mtri=delaunay(meanshape68(:,1),meanshape68(:,2)); mtri的每行存储的是3角形的3个顶点序号，我们也可以利用这个三角剖分信息，把网格画在人脸上。遗憾的是这3个点不都是顺时针或逆时针的，也就是说delaunay输出的这些三角形面片的法线方向不是朝一个方向的，这就需要交换某些三角形内某对点的位置，网格三角剖分工作甚至可以不用delaunay函数，而用手工完成，因为这个步骤都是一次性的。这些三角网格的主要用处是把人脸图像纹理warp到平均形状,叫做shape-free patch，这是AAM的关键步骤之一。如下图所示。左边是原始图的网格，右上角是表示在平均形状位置的每个三角形有一组仿射变换参数（用来到原始图像中采样，每个三角形内的图像采样点相对于该三角形网格的参数是固定的，也只要计算一次即可），右下角是得到的shape-free patch。这样做，可以有助于实现形状(shape)和纹理(appearance)的的分别训练，具体更进一步实现自动人脸校准(face alignment)，就需要好好看看下面两个文章了。： 1. AAM/ASM创始人Tim Cootes的文章: http://personalpages.manchester.ac.uk/staff/timothy.f.cootes/refs.html 2.CMU的方法，以Lucas-Kanade 算法为基础（同时可参考我之前贡献的Lucas-Kanade 算法的文档） Active Appearance Models Revisited : http://www.ri.cmu.edu/publication_view.html?pub_id=4601 3.3D电影Avatar就是用了类似的方法进行人脸表情跟踪的。 http://www.meraforum.com/showthread.php?t=36119

个人分类: ASM/AAM|26113 次阅读|16 个评论

人脸检测之三：贝叶斯公式.概率分布

热度 1 wanglin193 2011-3-7 10:46

设计一个模式识别系统需要确定两件事：第一件，用什么模式特征进行比较？提取那些能有效区分类别的特征，让同类样本在特征空间中尽量挤在一起，而让不同类别的样本间距离尽量远。（这里的“距离”根据不同的测量方法而有所不同，但总是希望通过某些方法把特征变换到线性空间中，毕竟欧式距离是比较直观的观察方法。）比如，在一个锅里炒黑豆子和白豆子（不止两颗），要想把他们分成黑豆和白豆两堆，比较好的特征是颜色；把大白菜和甘蓝菜分成两堆的特征是形状。如果白菜的“圆度roundness”是一种度量测度，用一个坐标轴表示，那么白菜们的这个特征在坐标轴上的位置应该是扎堆（clustering）的。如果有多种特征，每个特征对应一个坐标轴，组成的一个特征空间，它可能是很多维的高维空间。第二件事，设计分类器。在特征空间中画一条线，线左边是大白菜，右边是甘蓝菜，这条线就是分类器。困难在于，两类模式在特征空间中的交界并不总是很明显。两类样本尽管聚类，比如呈现出高斯分布，但边界的地方两类是混在一起的。如果特征选择得不够好，这种不可分的情况就更加不可避免。模式分类问题其实都可以归结为"分大白菜哪点事"。对于人脸检测问题，两类目标分别为人脸(正样本'+')和非人脸(负样本 '-')，也需要经过对图像提取特征和设计分类器两个串行步骤，现有的部分方法可以列一个表，比如：特征 | 分类器 ———————————— pca降维 | AdaBoost 小波分解 | NN（神经网） Haar-like小波| SVM（支撑向量机） HOG | 贝叶斯分类法 LBP | ...... | ...... 原则上左右两边任选两项都可以组成一个图像识别系统，学术期刊（国内的更多些）上多如牛毛的文章几乎就是这么任意组合来的。实际上这也仅仅是一小部分，每种方法都能衍生出许多变化。经常听到某人听说某人的系统用了“神经网络”，这话提供的信息实在有限，因为他没有说他用的是什么特征，还有是什么神经网，是RBF网，还是BP网，如果是BP网那么有几层，每层都什么配置。久而久之，“神经网”，“SVM”这些词的滥用让它们都有被妖魔化的趋势。我们的方法可以这样准确地描述，“Viola-Jones的Haar-like小波，加上经过Boosting的Naive Bayes组合分类器”，可真够罗嗦的。Haar-like小波特征我们在上节有介绍，用matlab计算比较方便，比如我们有若干24×24的样本图像组成一个3D矩阵samples, xy方向是图像平面，沿着它的z方向可以遍历所有样本，比如samples(:,:,7)表示第7个样本。所有样本的积分图像（积分数组）分两步计算： cumsam = cunsum(cunsum(samples,1),2); 对所有样本计算一个矩形特征的方法也可以利用矩阵特性批量进行，假设矩形由a,b,c,d四点组成： f1 = cumsam(ay,ax,:)+cumsam(dy,dx,:)-cumsam(by,bx,:)-cumsam(cy,cx,:); 另一个矩形特征为f2，则一个Haar小波特征为 fv = f1 - f2. 以上是对上一节特征提取具体计算方法的补充。接下来，因为上边提到的特征数目太多（10万多），希望从大量的特征feature pool）中选取有效的特征，原则是两类样本在这个特征轴上的分布尽可能离得远些，越远越好。“训练(training)”过程是个离线的过程（离线又是个什么东西？离线offline是相对于“在线online”说的，表示这种过程是在生产线下完成的，可以不计时间代价，“我可以等！”。训练好的模型，是需要用在实际检测中的，所以需要越快越好，叫“在线”。），就是从这个pool中打捞有用的特征，它们单个的分类能力尽管有限，但它们的组合，可以很强大。如何评价每个特征分布的好坏?用Bayesian 把每个都试一试看，看看哪个特征两类的分布差距最大。贝叶斯公式，据我粗浅的认识应该是指：类别对于特征的后验概率正比于该类别在这些特征分布下的条件概率（就是上述特征分布）乘以该类的先验概率（比如世界人口的男女比例）。用公式表达: P(wi | f1,f2,...fn ) = p(f1,f2,...fn | wi ) * p(wi)，wi表示很多类中的第i类，f1,...,fn表示。它的意思是，在给定特征值 f1,f2,...fn的情况下，属于类别wi的概率是多少。比如我们有m个类别，对于每个wi，i=1...m，都可算出一个概率，选其中最大的，对应的那个wi就是最终的类别，这个唤作“最大化后验概率（MAP）”。对于每个类别，都可以根据采集到的样本实现知道特征分布函数p(f1,f2,...fn | wi )，有几类就有几个这样的分布函数，叫概率分布函数（pdf）。对于人脸检测这样的两类问题（w+和w-），贝叶斯分类器可以用两类后验概率的比值表示， f(f1,...fn) = P(w+ | f1,f2,...fn )/P(w- | f1,f2,...fn ) , 这个值越大，越倾向于正样本，通常用一个阈值决定是'+'还是'-'，另外p(w+)和p(w-)的比值可以认为是固定的和特征无关，最终分类器表示为条件概率的比值的形式： f(f1,...fn) = p( f1,f2,...fn | w+ ) / p( f1,f2,...fn | w- ) 对于组合特征f1,f2,...fn 的分布函数p( f1,f2,...fn | w+ )进一步简化的方法是，在假设n个特征统计无关的情况下，可以用每个特征的特征分布的连乘的形式来表达： p( f1,f2,...fn | w+ ) = p( f1 | w+ ) × p( f2 | w+ ) ×... × p( fn | w+ ) ；这部分具体可参考概率论相关书籍。所谓统计意义的不相关，是指每个特征呈现的分布不是由其他特征决定的，是独立的p(f1|f2,...,fn) = p(f1)，这样的独立性假设是保证每个特征对分类的贡献都不受其他特征影响，它的反面则是指它提供的信息是冗余的。就象在班会上，程老师让大家发表对某项班级活动的看法，在老薛发言之后，我站起来说：“我完全同意薛同学的看法“。这样我的意见就不包含任何有用的信息（除了暴露了我其实并不关心这样的活动），是高度冗余的。虽然实际上f1,f2,...,fn之间并非总是相对独立的，但还是假设上式勉强成立，这个一般叫做Naive Bayes（Naive 这个字源自法语，Too simple, sometimes naive.）。实际上，我们提到的AdaBoost方法就是尽量去除数据之间的相关性的。这样分类器表示为： p( f1 | w+ ) × p( f2 | w+ ) ×... × p( fn | w+ ) f(f1,...fn) = ------------------------------------------------------ p( f1 | w- ) × p( f2 | w- ) ×... × p( fn | w- ) 上式左右两边取对数，这样讨厌的乘除法就变成加减法了： ln(f(f1,...fn)) = + ....+ ; 其中ln(p( fj | w+ ))是某个特征的概率分布函数p( fj | w+ )的对数形式，p( fj | w+ )如果用参数化的形式表达成比如高斯分布或者混合高斯分布的形式的话，那么只用若干参数就可以表达了，但是它们并不是服从高斯分布的，所以通常用非参数的方法表达，那就是直方图。把ln(p( fj | w+ )) - ln(p( fj | w- )) 表示成一个直方图，表示每个特征的置信度，那么人脸检测就变成这样一个过程： 1 在输入的一个图像区域里，计算若干特征； 2 根据每个特征查表，在直方图里找到对应的置信度值； 3 把这些特征对应的置信度值求和，用一个阈值Th决定输出为‘+’或‘-’。实际上不论用什么特征，什么分类器（神经网，SVM），它们最终的形式都可以表示成一组特征数据的加权和，以及一个最后的判决阈值Th的形式： if ( SUM ( H(fj) ) Th ) , j = 1, .. .., n， n个特征 wi = face; else wi = nonface; 下节将介绍特征分布的直方图是如何被用来选取特征，并最终组合成分类器的。以上方法都不是我想出来的，我只是用白话写写我的理解。参考文献如下：边肇祺，《模式识别》 Tom M.Mitchell， Machine learning （《机器学习》） Bo WU, Haizhou AI, Chang HUANG, Shihong LAO, Fast Rotation Invariant Multi-View Face Detection Based on Real Adaboost, In Proc. the 6th IEEE Conf. on Automatic Face and Gesture Recognition (FG 2004), Seoul, Korea, May 17-19, 2004. http://media.cs.tsinghua.edu.cn/~imagevision/publications.htm

个人分类: 人脸检测|8309 次阅读|0 个评论

[J2010-6]Simulation and analysis of aerodynamics for high speed face milling cut

melius 2010-8-10 23:47

SCIENCE CHINA-Technological Sciences Science China Press and Springer-Verlag Berlin Heidelberg 2010 tech.scichina.com www.springerlink.com *Corresponding author (email: melius@sdu.edu.cn ) RESEARCH PAPER September 2010 Vol.53 No.9: 25752580 doi: 10.1007/s11431-010-4011-7 Simulation and analysis of aerodynamics for high speed face milling cutters JI ChunHui, LIU ZhanQiang* LIU LuNing School of Mechanical Engineering, Shandong University, Jinan 250061, China Received January 18, 2010; accepted May 11, 2010 In high speed face milling, noise can be broadly categorized as idling noise and cutting noise. Idling noise mainly consists of aerodynamic noise. A mathematical model is developed based on the Ffowcs Williams-Hawkings Equation. The noise predicted with the mathematical model compares well with the experimental observations. The characteristics of aerodynamic noise with the different model parameters (number of teeth, tooth spacing) and locations of observation points are investigated. The directivity of noise is found and the peak value of sound power can be moved from the rotating frequency to higher frequency. This investigation can provide theoretical foundation for the design of face milling cutters with low noise. Keywords: face milling cutter, aerodynamic noise, numerical simulation Citation: Ji C H, Liu Z Q, Liu L N. Simulation and analysis of aerodynamics for high speed face milling cutters. Sci China Tech Sci, 2010, 53: 25752580, doi: 10.1007/s11431-010-4011-7 Full text pdf

个人分类: [Publications] 论文全文|3220 次阅读|0 个评论

帐号		自动登录	找回密码
密码			注册

关闭安全验证

标签: face

相关帖子

相关日志

关闭 安全验证

标签: face

相关帖子

相关日志

关闭安全验证