遥感罗伯特算法为什么要加一行

‘壹’ 机器苍蝇的特点

由于体型小，苍蝇周围气流的粘性比鸟类或者机翼固定的飞机更大。对昆虫来说飞行就像是踩水一样。苍蝇翅膀运动产生的空气动力可以在千分之一秒内改变激烈程度。相反，传统的机翼却受制于平稳的气体流动。正是因为这个差异，预测飞机性能的分析工具对于动态飞行昆虫效果甚微，这也使得罗伯特伍德和他的同事的工作愈发的困难重重。
经过无数次的反复试验，罗伯特伍德和他的同事的机器蝇以其自己独特的发展方式，在功能上渐渐的越来越像真的苍蝇一样。罗伯特伍德和他的同事运用了生物学最基本的两个原则：机翼面积与身体重量的比例和翅膀的扑闪频率。还有，因为在这方面电子设备并不占优势，所以罗伯特伍德和他的同事没有必要盲目的对无脊椎动物的生理进行模仿。就拿昆虫胸膛和翅膀的弹性和结构属性来说，因为他们都是由角素构成的，所以再坚韧的普通多聚糖化合物都还是比不上碳纤维来的坚固。 对昆虫而言飞行就像踩水一样。包括翅膀复杂的拍打和扭动运动在内，苍蝇已经有一套复杂的机制来调节自己的飞行。为了让他一直在摄像机的范围内，罗伯特伍德和他的同事将其夹住测试，结果机器蝇每秒也能有120次扇翅。
如右图，罗伯特伍德和他的同事的机器蝇也有和真正的苍蝇相同的主要飞行结构：机身（外骨骼），发动机（飞行肌） ，传动机（胸） ，机翼（翅膀）。其每部分的功能都比较简单。机体必须为发动机和传动机提供一个坚实的机械地面。驱动器为机器蝇胸的共振提供能源。最后，机翼必须在一些根本性不同的气动条件下保持足够的刚性以维持自身形状。
罗伯特伍德和他的同事的设计注意到了物理学中最精细的部分。由于机器人设备的缩小，地面力量开始在动态运动中占主导地位。由于体积越小接触面就越大，摩擦力也就越大，这就使得轴承的作用也很有限。然而，因为罗伯特伍德和他的同事仅仅是设计的机器人，所以并不意味着罗伯特伍德和他的同事知道如何制作他，使它机械部件误差远低于标准制造工艺。罗伯特伍德和他的同事既不需要雇佣微电子机械系统也不需要微机电系统，因为这些对于机器蝇要承受的压力来说太易碎了。更重要的是制作一个微机电系统原型需要花费很多时间，而罗伯特伍德和他的同事的设计策略正是要建立大量的原型。 罗伯特伍德现在使用的是制作精良硬度适中的碳纤维增强复合材料，而不是激光微细加工技术的超薄材料。这些简便的技术能使罗伯特伍德和他的同事在一周内便可以制作出一个机器蝇的原型。
为了制作关节，罗伯特伍德和他的同事在两个又薄又硬的碳化纤维中间割开裂缝，在其中间夹入薄薄的聚合纤维，这样就可以来回的弯曲而不致使其失灵。四个这样的关节都是用一系列长短不一，平而坚硬的碳纤维连接起来。对于链接长度适当的选择，其传输可以让原来的小角度转动向相反方向做更大的运动。
为了使得发动机模拟真实的肌肉运动，罗伯特伍德和他的同事为他增加了碳纤维混合物。这种碳纤维混合物是一种受电场可以改变形状的电镀材料。在设计这些电机的时，不但要让他们保证有足够的能量供给，还要尽可能的使其更小更轻便。这也是罗伯特伍德和他的同事的首要任务。电机的能源密度为每千克400多瓦，比普通苍蝇翅膀肌肉能力的4倍还多！在成功模拟翅膀运动后紧接着的第二个突破口便是使用四根连接杆，令罗伯特伍德和他的同事满意的是，这种机制与双翅类昆虫非常相似，也是使用其胸腔来控制他们的翅膀运动。
罗伯特伍德和他的同事最新版机器蝇的重量只有60毫克，与双翅类昆虫的重量几乎一样，而对自身的推力将近却是他们的两倍。这跟正真的苍蝇几乎一样了，比如可以获得3倍至5倍于自身重量的升力。紧接着的目标是让他盘旋，这在有限的空间里是非常机动化的。盘旋这种能力也使得他们能够在适当的位置转身。
为了保证稳定自由的飞行，还需要安装和小型化三各部件：感应器，控制器和电源。许多实验室和公司正在开发一套可靠的感应器，通过生物学的感应系统，使机器人稳定飞行和控制一些简单的行为。罗伯特伍德以前的导师展示过生物启发陀螺仪和有探测视野能力的传感器，在华盛顿特区，已经开发出了重量不到1克的视觉传感器用来协助飞行机器人导航。 如何控制仍然是一个挑战。一个真正的苍蝇能够快速的转身，因为它有一个专门的反应迅速的神经系统。在苍蝇体内，神经冲动从内部反馈到传感器，期间无需中枢神经系统处理便直接调节飞行肌。罗伯特伍德和他的同事正在寻找有效的途径来模仿这种神经系统，通过一些姿态传感器指明飞行方向然后直接操纵电机。
接下来便是机器蝇如何获取能源的问题了。一块足以提供机器蝇飞行的电池将比一般的电池占用更大的面积体积比。罗伯特伍德和他的同事估计如今压缩过的最好的锂电池也要50毫克，占了机器蝇体重的一半！而且也只能维持他5-10分钟的飞行。为了增加飞行时间，罗伯特伍德和他的同事必须增加电池的能量密度，或者开发自给能量技术，比如在他背上安装一个太阳能电池板，又或者将其翅膀的振动转换成电流等等。 现在，罗伯特伍德和他的同事要把的注意力转移到机器人的低功耗分散控制算法上来。虽然群居昆虫用简单的局部规则和直接的方法进行沟通，但他们完成的任务却惊人的复杂。例如，在没有一个白蚁有蓝图的情况下，他们依然能够能建造一种比他们自身大数百万倍的建筑物。相信罗伯特伍德和他的同事的机器人终有一天也会成为学习这种昆虫本领的工具。这样就可以帮罗伯特伍德和他的同事设计算法，使成群的简单机器人去完成复杂的任务。
有了基本的控制算法后，罗伯特伍德和他的同事期盼微型机器人在特设的移动传感器网络能起更重要的作用。搜索与救援行动，危险环境中的探索和监测，行星探测和建筑物巡查，只是一小部分高度灵活的昆虫类救援机器人的潜在应用。
翅膀上的智能传感器并不是一个遥远的梦：罗伯特伍德和他的同事预测一个完全自主的机器人昆虫需要在实验室进行5年的研发过程；而五年以后，我们将看到这些设备开始融入我们的日常生活

‘贰’ 遥感罗伯特方法怎么算

1、 遥感技术是20世纪60年代发展起来的一门综合性探测技术。
2、遥感的特性：大面积的同步观测、时效性、数据的综合性和可比性经济性、局限性
3、遥感平台是装载传感器的运载工具，按高度分为：地面平台（为航空和航天遥感作校准和辅助工作）、航空平台（80 km 以下的平台，包括飞机和气球）、航天平台（80 km 以上的平台，包括高空探测火箭、人造地球卫星、宇宙飞船、航天飞机）、航宇遥感。
4、遥感数据的类型：
按平台分：地面遥感、航空遥感、航天遥感、航宇遥感数据。
按电磁波段分：
紫外遥感数据、可见光遥感、红外遥感、微波遥感等。3按传感器的工作方式分
主动遥感、被动遥感数据；成像遥感、非成像遥感。
5、什么是传感器？传感器是收集、量测和记录遥远目标的信息的仪器，是遥感技术系统的核心。
6、传感器是收集、量测和记录遥远目标的信息的仪器，是遥感技术系统的核心。

‘叁’ 罗伯特梯度和索伯尔梯度计算有什么区别

罗伯特算法更突出边远，索伯尔算法更考虑领域点的关系。

‘肆’ 麻烦谁给我介绍一下金融数学，金融工程，精算学！

金融数学
21世纪数学技术和计算机技术一样成为任何一门科学发展过程中的必备工具。美国花旗
银行副总裁柯林斯（Collins）1995年3月6日在英国剑桥大学牛顿数学科学研究所的讲演
中叙述到：“在18世纪初，和牛顿同时代的着名数学家伯努利曾宣称：‘从事物理学研
究而不懂数学的人实际上处理的是意义不大的东西。’那时候，这样的说法对物理学而
言是正确的，但对于银行业而言不一定对。在18世纪，你可以没有任何数学训练而很好
地运作银行。过去对物理学而言是正确的说法现在对于银行业也正确了。于是现在可以
这样说：‘从事银行业工作而不懂数学的人实际上处理的是意义不大的东西’。”他还
指出：花旗银行70%的业务依赖于数学，他还特别强调，‘如果没有数学发展起来的工具
和技术，许多事情我们是一点办法也没有的……没有数学我们不可能生存。”这里银行
家用他的经验描述了数学的重要性。在冷战结束后，美国原先在军事系统工作的数以千
计的科学家进入了华尔街，大规模的基金管理公司纷纷开始雇佣数学博士或物理学博士
。这是一个重要信号：金融市场不是战场，却远胜于战场。但是市场和战场都离不开复
杂艰深，迅速的计算工作。
然而在国内却不能回避这样一个事实：受过高等教育的专业人士都可以读懂国内经济类
，金融类核心期刊，但国内金融学专业的本科生却很难读懂本专业的国际核心期刊《Jo
urnal of Finance》，证券投资基金经理少有人去阅读《Joural of Portfolio Manage
ment》，其原因不在于外语的熟练程度，而在于内容和研究方法上的差异，目前国内较
多停留在以描述性分析为主着重描述金融的定义，市场的划分及金融组织等，或称为描
述金融；而国外学术界以及实务界则以数量性分析为主，比如资本资产定价原理，衍生
资产的复制方法等，或称为分析金融，即使在国内金融学的教材中，虽然涉及到了标的
资产（Underlying asset）和衍生资产（Derivative asset）定价，但对公式提出的原
文证明也予以回避，这种现象是不合理的，产生这种现象的原因有如下几个方面：首先
，根据研究方法的不同，我国金融学科既可以归到我国哲学社会科学规划办公室，也可
以归到国家自然科学基金委员会管理科学部，前者占主要地位，且这支队伍大多来自经
济转轨前的哲学和政治学队伍，因此研究方法多为定性的方法。而西方正好相反，金融
研究方向的队伍具有很好的数理功底。其次是我国的金融市场的实际环境所决定。我国
证券市场刚起步，也没有一个统一的货币市场，投资者队伍主要由中小投资者构成，市
场投机成分高，因此不会产生对现代投资理论的需求，相应地，学术界也难以对此产生
研究的热情。
然而数学技术以其精确的描述，严密的推导已经不容争辩地走进了金融领域。自从1952
年马柯维茨（Markowitz）提出了用随机变量的特征变量来描述金融资产的收益性，不确
定性和流动性以来，已经很难分清世界一流的金融杂志是在分析金融市场还是在撰写一
篇数学论文。再回到Collins的讲话，在金融证券化的趋势中，无论是我们采用统计学的
方法分析历史数据，寻找价格波动规律，还是用数学分析的方法去复制金融产品，谁最
先发现了内在规律，谁就能在瞬息万变的金融市场中获取高额利润。尽管由于森严的进
入堡垒，数学进入金融领域受到了一定的排斥和漠视，然而为了追求利润，未知的恐惧
显得不堪一击。
于是，在未来我们可以想象有这样一个充满美好前景的产业链：金融市场--金融数学--
计算机技术。金融市场存在巨大的利润和高风险，需要计算机技术帮助分析，然而计算
机不可能大概，左右等描述性语言，它本质上只能识别由0和1构成的空间，金融数学在
这个过程中正好扮演了一个中介角色，它可以用精确语言描述随机波动的市场。比如，
通过收益率状态矩阵在无套利的情形下找到了无风险贴现因子。因此，金融数学能帮助
IT产业向金融产业延伸，并获取自己的利润空间
金融数学（Financial Mathematics），又称数理金融学、数学金融学、分析金融学，是利用数学工具 研究金融，进行数学建模、理论分析、数值计算等定量分析，以求找到金融学内在规律并用以指导实践。金融数学也可以理解为现代数学与计算技术在金融领域的应用，因此，金融数学是一门新兴的交叉学科，发展 很快，是目前十分活跃的前言学科之一。
金融数学是一门新兴学科，是“金融高技术 ”的重要 组成部分。研究金融数学有着重要的意义。 金融数学总的研究目标是利用我国数学界某些方面的优势，围绕金融市场的均衡与有价证券定价的数学理论进行深入剖析，建立适合我国国情的数学模型，编写一定的计算机软件，对理论研究结果进行仿真计算，对实际数据进行计量经济分析研究，为实际金融部门提供较深入的技术分析咨询。
金融数学主要的研究内容和拟重点解决的问题包括：
(1)有价证券和证券组合的定价理论
发展有价证券（尤其是期货、期权等衍生工具）的定价理论。所用的数学方法主要是提出合适的随机微分方程或随机差分方程模型，形成相应的倒向方程。建立相应的非线性Feynman一Kac公式，由此导出非常一般的推广的Black一Scho1es定价公式。所得到的倒向方程将是高维非线性带约束的奇异方程。
研究具有不同期限和收益率的证券组合的定价问题。需要建立定价与优化相结合的数学模型，在数学工具的研究方面，可能需要随机规划、模糊规划和优化算法研究。
在市场是不完全的条件下，引进与偏好有关的定价理论。
(2）不完全市场经济均衡理论（GEI）
拟在以下几个方面进行研究：
1．无穷维空间、无穷水平空间、及无限状态
2.随机经济、无套利均衡、经济结构参数变异、非线资产结构
3．资产证券的创新（Innovation）与设计（Design）
4．具有摩擦（Friction）的经济
5．企业行为与生产、破产与坏债
6.证券市场博奕。
（3）GEI 平板衡算法、蒙特卡罗法在经济平衡点计算中的应用， GEI的理论在金融财政经济宏观经济调控中的应用，不完全市场条件下，持续发展理论框架下研究自然资源资产定价与自然资源的持续利用。
目前国内开设金融数学本科专业的高等院校中，实力较强的有北京大学、复旦大学、浙江大学、山东大学、南开大学。
后来从事计算机工作很出色。金融数学将后来在银行、保险、股票、期货领域从事研究分析，或做这些领域的软件开发，具有很好的专业背景，而这些领域将来都很重要。
国内金融数学人才凤毛麟角
诺贝尔经济学奖已经至少3次授予以数学为工具分析金融问题的经济学家。北京大学金融数学系王铎教授说，但遗憾的是，我国相关人才的培养，才刚刚起步。现在，既懂金融又懂数学的复合型人才相当稀缺。
金融数学这门新兴的交叉学科已经成为国际金融界的一枝奇葩。刚刚公布的2003年诺贝尔经济学奖，就是表彰美国经济学家罗伯特·恩格尔和英国经济学家克莱夫·格兰杰分别用“随着时间变化易变性”和“共同趋势”两种新方法分析经济时间数列给经济学研究和经济发展带来巨大影响。
王铎介绍，金融数学的发展曾两次引发了“华尔街革命”。上个世纪50年代初期，马科威茨提出证券投资组合理论，第一次明确地用数学工具给出了在一定风险水平下按不同比例投资多种证券收益可能最大的投资方法，引发了第一次“华尔街革命”。1973年，布莱克和斯克尔斯用数学方法给出了期权定价公式，推动了期权交易的发展，期权交易很快成为世界金融市场的主要内容，成为第二次“华尔街革命”。
今天，金融数学家已经是华尔街最抢手的人才之一。最简单的例子是，保险公司中地位和收入最高的，可能就是总精算师。美国花旗银行副主席保尔·柯斯林着名的论断是，“一个从事银行业务而不懂数学的人，无非只能做些无关紧要的小事”。
在美国，芝加哥大学、加州伯克利大学、斯坦福大学、卡内基·梅隆大学和纽约大学等着名学府，都已经设立了金融数学相关的学位或专业证书教育。
专家认为，金融数学可能带来的发展应该凸现在亚洲，尤其是在金融市场正在开发和具有巨大潜力的中国。香港中文大学、科技大学、城市理工大学等学校都已推出有关的训练课程和培养计划，并得到银行金融业界的热烈响应。但中国内地对该项人才的培养却有些艰辛。
王铎介绍，国家自然科学基金委员会在一项“九五”重大项目中，列入金融工程研究内容，可以说全面启动了国内的金融数学研究。可这比马科威茨开始金融数学的研究应用已经晚了近半个世纪。
在金融衍生产品已成为国际金融市场重要角色的背景下，我国的金融衍生产品才刚刚起步，金融衍生产品市场几乎是空白。“加入 W TO后，国际金融家们肯定将把这一系列业务带入中国。如果没有相应的产品和人才，如何竞争？”王铎忧虑地说。
他认为，近几年，接连发生的墨西哥金融危机、百年老店巴林银行倒闭等事件都在警告我们，如果不掌握金融数学、金融工程和金融管理等现代化金融技术，缺乏人才，就可能在国际金融竞争中蒙受重大损失。我们现在最缺的，就是掌握现代金融衍生工具、能对金融风险做定量分析的既懂金融又懂数学的高级复合型人才。
据悉，目前国内不少高校都陆续开展了与金融数学相关的教学，但毕业的学生远远满足不了整个市场的需求。
王铎认为，培养这类人才还有一些难以逾越的障碍———金融数学最终要运用于实践，可目前国内金融衍生产品市场还没有成气候，学生很难有实践的机会，教和学都还是纸上谈兵。另外，高校培养的人大多都是本科生，只有少量的研究生，这个领域的高端人才在国内还是凤毛麟角。国家应该更多地关注金融和数学相结合的复合型人才的培养。
王铎回忆，1997年，北京大学建立了国内首个金融数学系时，他曾想与一些金融界人士共商办学。但相当一部分人对此显然并不感兴趣：“什么金融衍生产品，什么金融数学，那都是国家应该操心的事。”
尽管当初开设金融数学系时有人认为太超前，但王铎坚持，教育应该走在产业发展的前头，才能为市场储备人才。如果今天还不重视相关领域的人才培养，就可能导致我们在国际竞争中的不利。
记者发现即使今天，在这个问题上，仍然一方面是高校教师对于人才稀缺的担忧，一方面却是一些名气很大的专家对金融数学人才培养的冷漠。
采访中，记者多次试图联系几位国内金融数学界或金融理论界专家，可屡屡遭到拒绝。原因很简单，他们认为，谈人才培养这样的话题太小儿科，有的甚至说，“我不了解，也根本不关注什么人才培养”。还有的说，“我现在有很多课题要做，是我的课题重要，还是讨论人才培养重要”、“我没有时间，也没义务向公众解释什么诺贝尔经济学奖，老百姓要不要晓得金融数学和我没有关系”。
[编辑本段]金融中的数据挖掘
1.什么是关联规则
在描述有关关联规则的一些细节之前，我们先来看一个有趣的故事： "尿布与啤酒"的故事。
在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是："跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。
按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能发现数据内在这一有价值的规律的。
数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。关联规则挖掘在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。
2.关联规则挖掘过程、分类及其相关算法
2.1关联规则挖掘的过程
关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组(Frequent Itemsets)，第二阶段再由这些高频项目组中产生关联规则(Association Rules)。
关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(Large Itemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含{A,B}项目组的支持度，若支持度大于等于所设定的最小支持度(Minimum Support)门槛值时，则{A,B}称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequent k-itemset)，一般表示为Large k或Frequent k。算法并从Large k的项目组中再产生Large k+1，直到无法再找到更长的高频项目组为止。
关联规则挖掘的第二阶段是要产生关联规则(Association Rules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小信赖度(Minimum Confidence)的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。例如：经由高频k-项目组{A,B}所产生的规则AB，其信赖度可经由公式(2)求得，若信赖度大于等于最小信赖度，则称AB为关联规则。
就沃尔马案例而言，使用关联规则挖掘技术，对交易资料库中的纪录进行资料挖掘，首先必须要设定最小支持度与最小信赖度两个门槛值，在此假设最小支持度min_support=5% 且最小信赖度min_confidence=70%。因此符合此该超市需求的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则“尿布，啤酒”，满足下列条件，将可接受“尿布，啤酒”的关联规则。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%于此应用范例中的意义为:在所有的交易纪录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)>=70%于此应用范例中的意义为:在所有包含尿布的交易纪录资料中，至少有70%的交易会同时购买啤酒。因此，今后若有某消费者出现购买尿布的行为，超市将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据“尿布，啤酒”关联规则，因为就该超市过去的交易纪录而言，支持了“大部份购买尿布的交易，会同时购买啤酒”的消费行为。
从上面的介绍还可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。
2.2关联规则的分类
按照不同情况，关联规则可以进行分类如下：
1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。
布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然数值型关联规则中也可以包含种类变量。例如：性别=“女”=>职业=“秘书” ，是布尔型关联规则；性别=“女”=>avg（收入）=2300，涉及的收入是数值类型，所以是一个数值型关联规则。
2.基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则。
在单层的关联规则中，所有的变量都没有考虑到现实的数据是具有多个不同的层次的；而在多层的关联规则中，对数据的多层性已经进行了充分的考虑。例如：IBM台式机=>Sony打印机，是一个细节数据上的单层关联规则；台式机=>Sony打印机，是一个较高层次和细节层次之间的多层关联规则。
3.基于规则中涉及到的数据的维数，关联规则可以分为单维的和多维的。
在单维的关联规则中，我们只涉及到数据的一个维，如用户购买的物品；而在多维的关联规则中，要处理的数据将会涉及多个维。换成另一句话，单维关联规则是处理单个属性中的一些关系；多维关联规则是处理各个属性之间的某些关系。例如：啤酒=>尿布，这条规则只涉及到用户的购买的物品；性别=“女”=>职业=“秘书”，这条规则就涉及到两个字段的信息，是两个维上的一条关联规则。
2.3关联规则挖掘的相关算法
1.Apriori算法：使用候选项集找频繁项集
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。
该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。
可能产生大量的候选集,以及可能需要重复扫描数据库，是Apriori算法的两大缺点。
2.基于划分的算法
Savasere等设计了一个基于划分的算法。这个算法先把数据库从逻辑上分成几个互不相交的块，每次单独考虑一个分块并对它生成所有的频集，然后把产生的频集合并，用来生成所有可能的频集，最后计算这些项集的支持度。这里分块的大小选择要使得每个分块可以被放入主存，每个阶段只需被扫描一次。而算法的正确性是由每一个可能的频集至少在某一个分块中是频集保证的。该算法是可以高度并行的，可以把每一分块分别分配给某一个处理器生成频集。产生频集的每一个循环结束后，处理器之间进行通信来产生全局的候选k-项集。通常这里的通信过程是算法执行时间的主要瓶颈；而另一方面，每个独立的处理器生成频集的时间也是一个瓶颈。
3.FP-树频集算法
针对Apriori算法的固有缺陷，J. Han等提出了不产生候选挖掘频繁项集的方法：FP-树频集算法。采用分而治之的策略，在经过第一遍扫描之后，把数据库中的频集压缩进一棵频繁模式树（FP-tree），同时依然保留其中的关联信息，随后再将FP-tree分化成一些条件库，每个库和一个长度为1的频集相关，然后再对这些条件库分别进行挖掘。当原始数据量很大的时候，也可以结合划分的方法,使得一个FP-tree可以放入主存中。实验表明，FP-growth对不同长度的规则都有很好的适应性，同时在效率上较之Apriori算法有巨大的提高。
3.该领域在国内外的应用
3．1关联规则发掘技术在国内外的应用
就目前而言，关联规则挖掘技术已经被广泛应用在西方金融行业企业中，它可以成功预测银行客户需求。一旦获得了这些信息，银行就可以改善自身营销。现在银行天天都在开发新的沟通客户的方法。各银行在自己的ATM机上就捆绑了顾客可能感兴趣的本行产品信息，供使用本行ATM机的用户了解。如果数据库中显示，某个高信用限额的客户更换了地址，这个客户很有可能新近购买了一栋更大的住宅，因此会有可能需要更高信用限额，更高端的新信用卡，或者需要一个住房改善贷款，这些产品都可以通过信用卡账单邮寄给客户。当客户打电话咨询的时候，数据库可以有力地帮助电话销售代表。销售代表的电脑屏幕上可以显示出客户的特点，同时也可以显示出顾客会对什么产品感兴趣。
同时，一些知名的电子商务站点也从强大的关联规则挖掘中的受益。这些电子购物网站使用关联规则中规则进行挖掘，然后设置用户有意要一起购买的捆绑包。也有一些购物网站使用它们设置相应的交叉销售，也就是购买某种商品的顾客会看到相关的另外一种商品的广告。
但是目前在我国，“数据海量，信息缺乏”是商业银行在数据大集中之后普遍所面对的尴尬。目前金融业实施的大多数数据库只能实现数据的录入、查询、统计等较低层次的功能，却无法发现数据中存在的各种有用的信息，譬如对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。可以说，关联规则挖掘的技术在我国的研究与应用并不是很广泛深入。
3．2近年来关联规则发掘技术的一些研究
由于许多应用问题往往比超市购买问题更复杂，大量研究从不同的角度对关联规则做了扩展，将更多的因素集成到关联规则挖掘方法之中，以此丰富关联规则的应用领域，拓宽支持管理决策的范围。如考虑属性之间的类别层次关系，时态关系，多表挖掘等。近年来围绕关联规则的研究主要集中于两个方面，即扩展经典关联规则能够解决问题的范围，改善经典关联规则挖掘算法效率和规则兴趣性。

金融工程的定义
关于金融工程的定义有多种说法，美国金融学家约翰·芬尼迪(John Finnerty)提出的定义最好：金融工程包括创新型金融工具与金融手段的设计、开发与实施，以及对金融问题给予创造性的解决。
金融工程的概念有狭义和广义两种。狭义的金融工程主要是指利用先进的数学及通讯工具，在各种现有基本金融产品的基础上，进行不同形式的组合分解，以设计出符合客户需要并具有特定P／L性的新的金融产品。而广义的金融工程则是指一切利用工程化手段来解决金融问题的技术开发，它不仅包括金融产品设计，还包括金融产品定价、交易策略设计、金融风险管理等各个方面。本文采用的是广义的金融工程概念。
[编辑本段]金融工程的核心内容
金融工程中，其核心在于对新型金融产品或业务的开发设计，其实质在于提高效率，它包括：
1.新型金融工具的创造，如创造第一个零息债券，第一个互换合约等；
2.已有工具的发展应用，如把期货交易应用于新的领域，发展出众多的期权及互换的品种等；
3.把已有的金融工具和手段运用组合分解技术，复合出新的金融产品，如远期互换，期货期权，新的财务结构的构造等。
[编辑本段]金融工程的运作程序
金融工程的运作具有规范化的程序:诊断—分析—开发—定价—交付使用，基本过程程序化。
其中从项目的可行性分析，产品的性能目标确定，方案的优化设计，产品的开发，定价模型的确定，仿真的模拟试验，小批量的应用和反馈修正，直到大批量的销售、推广应用，各个环节紧密有序。大部分的被创新的新金融产品，成为运用金融工程创造性解决其他相关金融财务问题的工具，即组合性产品中的基本单元。

精算学
精算学在西方已经有三百年的历史，它是一门运用概率论等数学理论和多种金融工具，研究如何处理保险业及其他金融业中各种风险问题的定量方法和技术的学科，是现代保险业、金融投资业和社会保障事业发展的理论基础。
精算是一门运用概率数学理论和多种金融工具对经济活动进行分析预测的学问。在西方发达国家，精算在保险、投资、金融监管、社会保障以及其他与风险管理相关领域发挥着重要作用。精算师是同"未来不确定性"打交道的，宗旨是为金融决策提供依据。
精算师

‘伍’ 处理遥感图像时，需要进行投影转换，则投影转换的目的是

投影转换的目的就是把影像转换到你想要的投影方式下，比如你有一副影像，是兰伯特投影，但我国使用的是高斯克里格投影方式，这时你需要把影像转换成高斯克里格投影。有时你有多幅影像，当每幅影像的投影都不一样，这时你就无法对影像做叠加的相关处理，也无法接拼，就要以其中一副影像的投影作为标准，把其他所有影像都转换到这一投影下。ENVI ERDAS ARCGIS中都有投影转换功能，自己可以试一下。

‘陆’ 奥拉星救罗伯特,我为什么找不到那条绳子

~首先找到的是这个轮子，轮子本来是在左下角红圈位置的，把它拿起来放到罗伯特头顶上的挂钩上!接下来就是这根绳子，用鼠标拿起它。把绳子拖动到滑轮上，点击一下。绳子就挂起来咯!然后在地图的右下角可以找到这个大铁夹子。
用铁夹子夹住罗伯特，然后用绳子把夹子拉住。 最后找到罗伯特脑袋边上的这个大铁墩，把它挂在绳子的另一端。这样就可以把罗伯特吊起来了成功解救出萝卜特咯! 多多号：5727123

‘柒’ 谁能帮我找找罗伯特卡帕的资料啊

罗伯特·卡帕是匈牙利人,1913年生于布达佩斯,原名安德烈,卡帕是他的笔名. 他17岁时就立志要当摄影家.在柏林大学求学后,先在柏林一家通讯社做暗房工作,后到巴黎当记者.由于他的摄影作品受到一家摄影杂志社的重视,他便被委派到战地进行采访.

1936年西班牙内战,卡帕在西班牙战场拍摄了一个战士中弹将要倒下,这幅使人有身临其境之感的作品以《西班牙战士》、《战场的殉难者》、《阵亡的一瞬间》等标题发表,立刻震动了当时的摄影界,成为战争摄影的不朽之作,也成为卡帕的传世之作. 和卡帕一起到西班牙采访的还有他的年青女友,德藉女摄影家葛尔德o达娜.他们共同奋不顾身地出没于硝烟弥漫的战场,达娜不幸死于坦克履带下.悲伤的卡帕,从此永远凝视关注着战场.他一生的摄影创作多取材于战争.他把照相机作为揭露战争的武器.卡帕说:"照相机本身并不能阻止战争,但照相机拍出的照片可以揭露战争,阻止战争的发展".

1937年,日本军国主义发动了对中国的侵略,第二年卡帕与《西行漫记》的作者斯诺一同约定赴延安采访,但是到了西安,受到国民党的阻挠,卡帕未能成行,当时他是抗日战争中唯一能在中国战区采访的盟军战地记者.他在上海等地,拍摄了许多揭露日本侵略军的罪行的新闻照片,公诸于世,后又去英国、北非、意大利进行摄影采访.1944年,他随联合国部队开辟第二战场,参加了在法国北部诺曼第的登陆战,拍摄了极为精彩的报道照片.

1946年,卡帕与波兰籍的西摩和法国籍的布勒松在纽约相聚.他们组成了"梅根"摄影通讯社,在巴黎和纽约设办事机构.后来陆续加入一些其它着名摄影家,如美国的罗嘉,瑞士的比索夫等.在"梅根社"成立后的三十年中西方世界任何一个角落发生大事,都有他们的摄影记者在场.他们以忘我的热情,甚至不惜以鲜血和生命深入到第一线去拍摄,为新闻摄影的形式和内容树立了新的典范.

1954年,卡帕不顾亲友的劝阻,悄悄来到越南战场.他用照相机反映了《越南的悲剧》(卡帕的最后一幅作品题名),不幸误踏地雷身亡,时年四十一岁.

1954年6月25日,美国各晚报都登出卡帕的死讯.第二天《每日新闻》用大标题报道"关于卡帕之死",纽约各地电视台,电台和时报也以极大篇幅刊登报道,一致赞扬他是一个最勇敢的战地摄影家.为了纪念他,世界上曾举办十三次卡帕个人作品展览,许多有世界影响的摄影书刊都介绍过他.卡帕的作品在美国,英国， 法国出版过专集.1955年美国《生活》杂志和"海外记者俱乐部"设立了"罗伯特o卡帕金质奖",用以鼓励在新闻摄影上有成就的摄影记者.1966年,美国成立了"关心人的摄影基金会",以纪念卡帕及其它梅根社牺牲了的摄影家们.

我憎恨战争

1936年,法西斯主义在许多国家相继抬头.西班牙佛朗哥发动内战.与当时许多着名人士一样,卡帕参加了人民战线的情报部. 战争是艰苦的, 一天, 卡帕正在第一线的战壕.一名战士跳出战壕,准备向敌人发起冲击, 突然,他的身体停住了,子弹击中了他的头部.卡帕面对这突如其来的事情条件反射的按下了快门. 这是在一瞬间发生的,悲剧英雄色彩的照片.因这张发表在生活杂志上的照片,卡帕扬名天下. 但卡帕憎恨战争,他决心终生将战争作为他采访的题材. 不是为了追求刺激,而是为了揭露战争的残酷.

1943年春卡帕来到非洲的阿尔及尔,拍摄沙漠,枪炮,死尸. 1944年6月6日他参加了诺曼底登陆计划. 以后他又拍摄到巴黎,柏林.一个正在用机枪设计的年轻班长,站了起来,象是要确认自己是否能成为照片的主角. 他看了卡帕一眼,无言的倒下了.鲜血从两眼之间涌了出来. 死亡与生存间就是这么简单.

二战之后,他接着拍摄战争和废墟,和废墟上的人们. 当他在印度支那拍摄的时候, 踩响了地雷. 越南,终年41岁. 卡帕的名言: 如果你拍得不够好,是因为你靠的不够近.

用生命赌影像
如果你的照片拍得不够好，那是因为离炮火不够近。 创造自己的人 “我认为战地记者比起军人来看，能获得较多的酒、较多的女人，较 好的收入以及较大的自由，然而就这场游戏而言：拥有选择立场的自由 且被准许做个不受制裁的懦夫，却能叫一个战地记者备受折磨。战地记者的赔本：生命，是操在自己手中的。他可以拥在选定的注上，也可 以在最后一分钟把它收回口袋里。

”罗伯·卡帕（Robert Capa， 1913－1954）比谁都有资格代表战地记 者发言，表白出用生命换取影像的心境和代价。他是有史以来最有名 的战地记者，他的摄影生涯就如同赌命一样，在二次世界大战期间的各 个战区——西班牙内战、日本侵华、北亚战争、意大利战争、诺曼第登陆战、法国解放战—…·的枪林弹雨中，用血肉之躯去换取莱卡相机里的 一格格底片。 他从来就没有将赌注在最后一分钟从牌桌上抽回，一直 抱着不输即赢，孤注一掷的豪情与认命，等着轮盘上的珠子落停在那一 个号码上。卡帕赢得了迄今依旧无人超越的战争照片，然而却在一九 五四年五月二十五日的一场小得不能再小的锗局里，赔上生命——误踩地雷，被炸得尸骨不存。 罗伯·卡帕这位出生入死的影像兵士，永远烙在人们的心灵上，他 的照片已成为人类和战争的象征，他一生痛恨战争，想借影像来唤醒人 们的良知，不再彼此杀戮。他的死就是为人类提出的最后谏言。看卡的照片仿佛可以听到子弹疾飞、炮弹隆隆的声响，每一帧都是人类愚 蠢行为的明证。

用生命赌影像 《我——安德烈·弗列德曼》（Andr6 Friedmann）是一篇自叙体的 散文，作者不是别人，正是卡帕老兄。弗列德曼怎么变成卡帕的经过， 倒是摄影史上绝妙透项的趣闻。 出生于匈牙利布达佩斯的弗列苗曼，在中学时对政治极感兴趣，曾有意加入共产党，在一次入党的秘密会面时，他将赌注在最后一分钟收 回口袋，转身走了，没想到第二天就被政府当局盯哨跟踪，而家人也跟 着被盘问，弗列德曼不得不立刻偷渡出国，前往德国求学，从此永远和 故乡亲人告别，那年他才不过是十八岁而已（1931）。 弗列德曼到了柏林，半工半读，在照相馆里做师傅的助手，就这样 和摄影结了缘，三年后他到巴黎闯天下，并且制造出一位世界最着名的 莫须有摄影家——罗伯·卡帕。 满脑子鬼主意的弗列德曼和西班牙籍的女友姬达·塔罗（Gerda Talc后来成为卡帕的太太）在巴黎租了间办公室，号称是美国一位年轻 富有的影像好手——罗伯·卡帕的经纪代理公司。弗列德曼负责制造 照片，塔罗则用她长袖善舞的手段推销出去，说是由于这位“卡帕”先生 富有得不得了，不屑用照片糊口，因此每张照片非要一百五十法郎不 可，否则免谈，爱买不买悉听尊便。这个价码三倍于当时最高的行情， 然而硬是让塔罗给—一推销出去了。几个月后，市面形成了一股“卡帕 热”，欧洲重要报刊都争相索取这位只闻其名不见其人的“大摄影家”的 照片。 另外，塔罗对美国新闻机构耍了同样手腕，号称“卡帕”是巴黎年轻 富有的影像高手，搞进了不少钞票。当然啦，这不只是走运而已，弗列 德曼高人一等的摄影动力才是成功的主因。 不过，这个骗局终于被《考察》（Vu）杂志的图片主编程克（M Lader Vogel）拆穿了。日内瓦有个国际会议发生了暴动事件，所有的记者都 被瑞士警察粗鲁地赶走，唯独弗列德曼混了进去，拍到了独家特写镜 头。说巧不巧，这一幕情景被在旁的提克看得一清二楚。三天后，那些 照片被送到通克的办公桌上，他拨了个电话给“卡帕”的经纪人，塔罗这 么回话： “卡帕先生的这批独家照片，一张要三百法郎。” 握充回答： “有关卡帕的事倒是挺鲜的，不过，请你转告那位穿着脏皮夹克，到 处乱拍照的荒唐小手弗列德曼，明天早上九点到我的办公室报到。” 就这样，安德烈·弗列德曼不得不以罗伯·卡帕正式亮相。而今天大家几乎都忘掉卡帕的本名 香槟·赌马·马格兰 卡帕现形之后更加走红，加上世界各地的战事逐渐升高，他就开始 终年在外奔波，和枪弹比快地猛按快门。一九三六年首度造访美国；一 九三八年到日本与中国大陆；一九三九年到欧洲并再赴美；一九四一到 四五年就开始专门为《生活》杂志在欧洲各战区拍照。这些作品都是连 底片都还没冲洗，就随军机空运回美，而由别人放大。卡帕往往要在数 个月甚至一年之后才会看到自己的作品，他整天在战壕里，根本无法想 象自己的名气已响遍全球。卡帕几乎变成战地记者的代名词了。除了 以战争摄影影响了无数后进之外，卡帕在摄影史上最大的建树，就是创 办了有史以来最具影响力的摄影组织——马格兰（MAGNUM）。 一九四七年，卡帕把几位同好——市列松、大卫·西摩（David Seymour），乔治·罗杰（George Rodger）拉在一块儿，打算成立一个代理 公司，专门负责发行乱世影像的照片。正当他们为公司名称大费周章 时，卡帕灵机一动，取了个香按酒名——“马格兰”。“马格兰”是一种两 夸脱装的大桶香摈酒，为好友们庆祝生还的聚会上经常喝的，这一点也 正反映了卡帕的诙谐性格和乐天知命的人生观。 卡帕直到去世为止，一直是“马格兰”的领导人物，没有他，这个团 体就不可能到今天还存在，成为世界所有报导摄影顶尖高手的云集地。 在草创时期，卡帕经常得靠赌马来周转员工和同仁的薪水，布列松就常 因自己的酬劳被卡帕挪用去当赔本，和他大吵一番。不过大家都知道 卡帕是为了整个团体的存亡而赌，也就不太在意了。 卡帕几乎没有为摄影艺术发表过什么创作观，文采甚高的他，在战 壕里仍保持写札记的习惯，不过都是一些当时的记事，和自己对人生、 命运、战争、友谊、感情等的文字，他最出名的一句摄影名言就是： “如果你的照片拍的不够好，那是因为离炮火不够近。” 他的照片让人不觉得技巧的重要性，而是显露出一段用生命才能 换取的勇气，这种大勇的精神使他的照片被任何派别的人都奉为经典，没有人会批评他表现得够不够精致、传达得够不够有力、裁切得够不够 紧凑、快门机会够不够恰到好处、调子够不够丰富。他最出名的照片 忡弹了，品质相当差，而另一帧《诺曼第登陆》甚至是模糊不清，焦距、 光圈、快门在他的照片里都是无用的名词，他是用生命在拍照，而不是 用机器，因此卡帕是被一般人称作“伟人”的唯一摄影家。

伟大心灵的见证 很少人讨论卡帕的作品，却很多 不用讨论，光看就够。本文也不免俗 家对他的评词，来为卡帕的人格作证谈论卡帕的人格，因为他的照片 直接引叙当代文学家、诗人、摄影 ． 海明威（E．Heminyway） “卡帕，他是一位好友，一位伟大及非常勇敢的摄影家，对所有的人 来说，不怕一万只怕万一，而碰到了‘万一’都是霉运，而对卡帕更是倒 霉，他是活生生的，想着他死了的这天，又长又难过。” 史坦贝克（J．Steinbeck） “对摄影我全然不懂，关于我必须谈的卡帕，纯粹是从一个门外汉 的观．走来看，专家们得容忍我了。 对我来说，卡帕的确是摒除一切疑虑地证明了相机不必是个冷冰 冰的机器，像笔一样，用它的人有多好，它就有多好，它可以成为头脑和灵魂的展现。 卡帕知道自己在寻找什么，并且当他找到之后知道如何处理。举例来说：战争无法被拍摄是因为它大致来讲是种‘激情’，可是他的确在 战争当中拍到了“激情”，他能在一个孩童的脸孔上显示整个民族的优 他的作品本身就是一张伟大心灵及不胜悲焾的照片，无人能取代 他的位置，我们幸运地拥有他照片里人类的品质。” 阿拉贡（L． Aragon） “这位年轻人，充满了勇气和消耗不尽的精力，那）L有战争，那儿就 有他。他奔驰于乱世各地，就好像觉得有份使命感，要永远用他的相机去捕捉生与死的一线之隔。 在我们这个分裂血腥的年代里，人类成为不 外事件的牺牲品，他是这类故事的一个现身说法。 欧文·肖（I·Shaw） “他活着像最好的士兵一样，遵守最严厉的军法，他总是驶向枪声。 在罗伯·卡帕的时光里，枪声总是风景里永远的特征。” 史秦钦（E·SteiChen） “罗伯·卡帕了解并憎恨战争，在他生动、真实的照片中，如同哥雅 （Gova）的名画《战争的灾难》一样，渲泄出人类诚挚而强烈的真情，他 纪录了战争的恐怖和荒诞的愚蠢。”

卡帕一向以走运出名，同行的其他记者给了他一个浑号“走运·卡 帕”，在他死亡那天，他的葬身之地（Thai Binn）正是战火初熄的时刻，几 位记者一同走出战壕在外面散步，背着相机的卡帕说他要到附近走一 走，看有没有什么可拍的。不久，这些记者朋友听到自卡帕走去的方向 可预见力量所造成意 传来爆炸声，大家不由自主的这么说着： “他妈的，又让走运·卡帕抢到好镜头了。 结果是地雷格走了卡帕的生命！自此，世界又失去了一位伟人 安德烈·弗列德曼。

‘捌’ 罗伯特·弗洛伊德的人物简介

（1936－2001）Robert W．Floyd
历届图灵奖得主基本上都有高学历、高学位，绝大多数有博士头衔。这是可以理解的，因为创新型人才需要有很好的文化素养，丰富的知识底蕴，因而必须接受良好的教育。但事情总有例外，1978年图灵奖获得者、斯坦福大学计算机科学系教授罗伯特·弗洛伊德就是一位“自学成才的计算机科学家”（a Self-Taught Computer Scientist）。
弗洛伊德1936年6月8日生于纽约。说他“自学成才”并不是说他没有接受过高等教育，他是芝加哥大学的毕业生，但学的不是数学或电气工程等与计算机密切相关的专业，而是文学，1953年获得文学士学位。
20世纪50年代初期美国经济不太景气，找工作比较困难，因学习文学而没有任何专门技能的弗洛伊德在就业上遇到很大麻烦，无奈之中到西屋电气公司当了二年计算机操作员，在IBM650机房值夜班。我们知道，早期的计算机都是以批处理方式工作的，计算机操作员的任务就是把程序员编写好的程序在卡片穿孔机（这是脱机的辅助外部设备）上穿成卡片，然后把卡片叠放在读卡机上输入计算机，以便运行程序。因此，操作员的工作比较简单，同打字员类似，不需要懂计算机，也不需要懂程序设计。但弗洛伊德毕竟是一个受过高等教育的人，又是一个有心人，干了一段时间的操作员，很快对计算机产生了兴趣，决心弄懂它，掌握它，于是他借了有关书籍资料在值班空闲时间刻苦学习钻研，有问题就虚心向程序员请教。白天不值班，他又回母校去听讲有关课程。这样，他不但在1958年又获得了理科学士学位，而且逐渐从计算机的门外汉变成计算机的行家里手。
1956年他离开西屋电气公司，到芝加哥的装甲研究基金会（Armour Research Foundation），开始还是当操作员，后来就当了程序员。1962年他被马萨诸塞州的Computer Associates公司聘为分析员。此时与Warsall合作发布Floyd-Warshall算法。1965年他应聘成为卡内基—梅隆大学的副教授，3年后转至斯坦福大学。1970年被聘任为教授。
之所以能这样快地步步高升，关键就在于弗洛伊德通过勤奋学习和深入研究，在计算机科学的诸多领域：算法，程序设计语言的逻辑和语义，自动程序综合，自动程序验证，编译器的理论和实现等方面都作出创造性的贡献。其中包括：1962年，弗洛伊德完成了Algol 60编译器的开发，成功投入使用，这是世界上最早的Algol 60编译器之一，而且弗洛伊德在这个编译器的开发中率先融入了优化的思想，使编译所生成的目标代码占用空间少，运行时间短。弗洛伊德优化编译的思想对编译器技术的发展产生了深刻的影响。随后，他又对语法分析进行了系统研究，优先文法（precedence grammar），限界上下文文法（bounded context grammar）等都是弗洛伊德在首先提出来的。优先文法解决了自底向上的语法分析中的首要任务：如何找到“句柄”，也就是当前需要进行归约的符号串。弗洛伊德通过对不同的符号定义不同的优先级，解决了这个问题。限界上下文文法则通过对上下文无关文法G中的两个推导：
*
S→βArβαγ
+
S→δαε
进行比较以确定α是否是δαε的句柄，以及产生方式A→α是否是唯一可进行归约的产生式。弗洛伊德经过研究，给出其充分必要条件为：β和δ的最后m个符号相同，丁和o/的最初n个终结符相同。这样一个上下文无关文法G就称为（m，n）限界上下文文法。
在算法方面，弗洛伊德和威廉姆斯（J．Williams）在1964年共同发明了着名的堆排序算法HEAPSORT，这是与英国学者霍尔 (C.A.R.Hoare，1980年图灵奖获得者）发明的QUICKSORT齐名的高效排序算法之一。此外还有直接以弗洛伊德命名的求最短路的算法，这是弗洛伊德利用动态规划（dynamic programming）的原理设计的一个高效算法。
在程序设计方面，计算机科学家非常关心的一个重要问题是如何表达和描述程序的逻辑，如何验证程序的正确性。1967年，在美国数学会AMS举行的应用数学讨论会上，弗洛伊德发表了那篇引起轰动并产生了深远影响的论文，即“如何确定程序的意义”（Assigning Meanings to Programs）。这篇论文在程序逻辑研究的历史上，是继麦卡锡（J．McCarthy，1971年图灵奖获得者）在1963年提出用递归函数作为程序的模型这一方法以后最重大的一个进展。
麦卡锡倡导的方法对于一般程序，包括大型软件确实是行之有效的，但它有一个不足，即对于许多以命令方式编写的软件，其中包括赋值语句，条件语句，用While实现循环的语句……对这样的程序用递归定义的函数去证明其正确性就很不方便了。正是为了解决这个问题，弗洛伊德在上述论文中提出了一种基于流程图的表达程序逻辑的方法。这个方法的主要特点就是在流程图的每一弧线上放置一个“标记”（tag），也就是一个逻辑断言，并且保证只要当控制经过这个弧线时该断言一定成立。弗洛伊德的主要贡献在于解决了基于这种标记的形式系统的细节，证明了这种系统的完备性，解决了如何证明程序终结的问题。弗洛伊德还引入了验证条件的概念，包括流程图的一个组成部分（方框、圆框等）及其人口和出口处的标记。为了证明带标记的流程图的正确性，只要证明其中每一组成部分的验证条件成立就行了。弗洛伊德提出的方法被叫做“归纳断言法”（inctive assertion method），或前后断言法（pre·and post-assertion method）。在框图每个断点i上所加的逻辑断言即标记就叫i点的归纳断言，说明程序执行经过此点时在各输入变量x和各程序变量丁之间应存在的关系，以谓词Pi(x,y）的形式表示。若程序从断点i经过路段。到下一断点j的验证条件以Ra(x，y）表示，丁的值在。上的变化以ha(x，y）表示，则只要能证明下式恒真：
（∨x）（∨y）[pi(x,y）∧Ra(x,y) Pj(x,ha(x,y))]
程序从i到j的部分正确性也就证明了。
虽然用归纳断言法不能证明程序的完全正确性，因为它必须以程序能够终结为前提，但由于弗洛伊德在论文中同时也考虑了如何证明程序终结的问题，因此弗洛伊德的归纳断言法也就有了普遍的意义。

‘玖’ 五阶幻方以上的规律或简便算法

1、奇数阶幻方
n为奇数 (n=3，5，7，9，11……) (n=2×k+1，k=1，2，3，4，5……)
奇数阶幻方最经典的填法是罗伯特法(也有人称之为楼梯法)。填写方法是这样：
把1(或最小的数)放在第一行正中； 按以下规律排列剩下的n×n-1个数：
(1)每一个数放在前一个数的右上一格；
(2)如果这个数所要放的格已经超出了顶行那么就把它放在底行，仍然要放在右一列；
(3)如果这个数所要放的格已经超出了最右列那么就把它放在最左列，仍然要放在上一行；
(4)如果这个数所要放的格已经超出了顶行且超出了最右列，那么就把它放在前一个数的下一行同一列的格内；
(5)如果这个数所要放的格已经有数填入，处理方法同(4)。
这种写法总是先向“右上”的方向，象是在爬楼梯。

2、双偶阶幻方
n为偶数，且能被4整除 (n=4，8，12，16，20……) (n=4k，k=1，2，3，4，5……)
先说明一个定义。互补：如果两个数字的和，等于幻方最大数和最小数的和，即 n*n+1，称为互补。
先看看4阶幻方的填法：将数字从左到右、从上到下按顺序填写：

这个方阵的对角线，已经用颜色标出。将对角线上的数字，换成与它互补（同色）的数字。
这里，n×n+1 = 4×4+1 = 17；把1换成17-1 = 16；把6换成17-6 = 11；把11换成17-11 = 6……换完后就是一个四阶幻方。
对于n=4k阶幻方，我们先把数字按顺序填写。写好后，按4*4把它划分成k*k个方阵。因为n是4的倍数，一定能用4*4的小方阵分割。然后把每个小方阵的对角线，象制作4阶幻方的方法一样，对角线上的数字换成互补的数字，就构成幻方。

3、单偶阶幻方
n为偶数，且不能被4整除 (n=6，10，14，18，22……) (n=4k+2，k=1，2，3，4，5……)
这是三种里面最复杂的幻方。
以n=10为例。这时，k=2
(1) 把方阵分为A，B，C，D四个象限，这样每一个象限肯定是奇数阶。用楼梯法，依次在A象限，D象限，B象限，C象限按奇数阶幻方的填法填数。

(2) 在A象限的中间行、中间格开始，按自左向右的方向，标出k格。A象限的其它行则标出最左边的k格。将这些格，和C象限相对位置上的数，互换位置。

(3) 在B象限任一行的中间格，自右向左，标出k-1列。(注：6阶幻方由于k-1=0，所以不用再作B、D象限的数据交换)，将B象限标出的这些数，和D象限相对位置上的数进行交换，就形成幻方。

看起来很麻烦，其实掌握了方法就很简单了。

‘拾’ 遥感数据融合详细步骤，急急急，做论文的！！！！

一、资料的收集与分析 遥感制图所需的资料范围较广，一般需要收集如下资料
1、编制地区的普通地图 、 （1）比例尺最好与成图比例尺一致或稍大于成图比例尺 （2）选用面积变形较小的地图投影
2、遥感资料 后几年的影像 在选择遥感图像时，要遵循以下几个原则：
（1）空间分辨率及制图比例尺的选择 空间分辨率指像素 代表的地面范围的大小，即扫描仪的瞬时视场或地面物体能分辨的最小单元。 空间分辨率指像素所代表的地面范围的大小，即扫描仪的瞬时视场或地面物体能分辨的最小单元的地面范围的大小 由于遥感制图是利用遥感图像来提取专题制图信息的，因此在选择遥感图像空间分辨率时要考虑以 下两点要素：一是判读目标的最小尺寸，二是地图成图比例尺。遥感图像的空间分辨率与地图比例尺有 密切关系：空间分辨率越高图像可放大的倍数越大，地图的成图比例尺也越大。 遥感图像的比例尺应与成图比例尺一致或象片比例尺稍大于成图比例尺，这样可以避免成图比例尺 大尺度变换的繁琐技术问题。但对于专题要素的判读、分类、描绘来说，往往要选择大于地图比例尺的 象片为宜。
（2）波谱分辨率与波段的选择 波谱分辨率是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔。间隔越小，分辨率越高。 波谱分辨率是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔。间隔越小，分辨率越高。 是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔 波谱分辨率，是由传感器所使用的波段数目，也就是选择的通道数，以及波段的波长和宽度所决定。各 遥感器波普分辨率在设计时， 都是有针对性的， 多波段的传感器提供了空间环境不同的信息。 TM 为例： 以 TM1 蓝波段：对叶绿素和夜色素浓度敏感，用于区分土壤与植被、落叶林与针叶林、近海水域制图。 TM2 绿波段：对无病害植物叶绿素反射敏感 TM3 红波段：对叶绿素吸收敏感，用于区分植物种类。 TM4 近红外波段：对无病害植物近红外反射敏感，用于生物量测定及水域判别。 TM5 中红外波段：对植物含水量和云的不同反射敏感，可判断含水量和雪、云。 TM6 远红外波段：作温度图，植物热强度测量 TM 图象的性质 波段 1 2 3 4 5 6 7 光谱范围 （微米） 0.45—0.52 0.52—0.60 0.63—0.69 0.76—0.90 1.55—1.75 10.4—12.5 2.08—2.35 光谱性质 蓝 绿 红 近红外 中（近）红外 热（中）红外 中红外 地面分辨 率（米） 30 30 30 30 30 120 30 主 要 应 用 地壤与植被分类 健康植物的绿色反射率 探测不同植物的叶绿素吸收 生物量测量，水体制图 植物湿度测量，区分云与雪 植物热强度测量，其它热制图 水热法制图，地质采矿 包括航空象片、卫星象片及它们的底片和磁带、航空象片镶辑图、若为动态监测还需要前
（3）时间分辨率与时相的选择 遥感图像是某一瞬间地面实况的记录，而地理现象是变化、发展的。因此，在一系列按时间序列成像的 遥感图像 多时相遥感图像中，必然存在着最能揭示地理现象本质的“最佳时相”图像 把传感器对同一目标进行重复探测时， 相邻两次探测的时间间隔称为遥感图像的时间分辨率。 Landsat 如 1、2、3 的图像最高时间分辨率为 18 天，Landsat4、5、7 为 16 天，SPOT-4 为 26 天，而静止气象卫星的 时间分辨率仅为半小时。 遥感图像的时间分辨率对动态监测尤为重要。如：天气预报、灾害监测等需要短周期的时间分辨率，因 此常以“小时”为单位。植物、作物的长势监测、估产等需要用“旬”或“日”为单位。 显然只有气象卫星的图像信息才能满足这种要求；研究植被的季相节律、农作物的长势，目前以选择 landsat-TM 或 SPOT 遥感信息为宜。
3、其他资料 土地现状图、土地利用报告 、编图地区的统计资料、政府文件、地方志等
二、确立专题要素的分类系统
三、遥感图像处理
1、遥感图像处理方法的选择 、
（1）光学处理法 常用的方法有：假彩色合成（加色法、减色法）、等密度分割、图像相关掩膜。
（2）数字图像校正 方法：辐射校正、几何校正
（3）数字图像增强的方法：
A. 对比度变换
B.空间滤波：是指在图像空间或空间频率对输入图像应用若干滤波函数而获得改进的输出图像的技术。 空间滤波 常用的空间滤波的方法有：平滑和锐化。 ：平滑和锐化 平滑：图像中出现某些亮度变化过大的区域，或出现不该有的亮点（“噪声”）时，采用平滑的方法可以减小变化， 平滑 使亮度平缓或去掉不必要的“噪声”点。具体方法有：均值平滑、中值滤波 均值平滑、 均值平滑 锐化：为了突出图像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。常用的几种方法：罗伯特 锐化 梯度、索伯尔梯度、拉普拉斯算法、定向检测
C.彩色变换 彩色变换就是将黑白图像转换成彩色图像的方法。主用的方法有单波段彩色变换、多波段彩色变换、 彩色变换: 彩色变换 HLS 变换等。
D.图像运算
E.多光谱变换 多光谱变换: 多光谱变换 两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信息 或去掉某些不必要信息的目的。方法：差值运算、比值运算 多光谱变换就是指用某种变换把信息集中于较少（一般为 3 个）波段内。常用的方法有：主成分分 主成分分 变换） 缨帽变换（ 、缨帽变换 变换） 、沃尔什—哈达玛变换、傅立叶变换、植被指数变换、斜变 析（K-L 变换） 缨帽变换（K-T 变换） 、 换、余弦变换等等。 主成分分析（ 变换） 主成分分析（K-L 变换）的主要特性有二： a．能够把原来多个波段中的有用信息尽量集中到数目尽可能少的新的组分图像中。 b．还能够使新的组分图像中的组分之间互不相关，也就是说各个组分包含的信息内容是不重叠的。 K-L 变换的缺点 的缺点是不能排除无用以至有碍的噪声和干扰因素。 的缺点 缨帽变换（ 变换） ：它是 Kauth 和 Thomas（1976 年）通过分析 MSS 图像反映农作物或植被生长过程的数据结 缨帽变换（K-T 变换） 构后，提出的正交线性变换。 K-T 变换的特点：a．能够把原来多个波段中的有用信息压缩到较少的新的波段内。 b．要求新波段正交或近似正交。 c．分离或削弱无用的干扰因素。 （4）多源信息复合 ）

四、遥感图像的判读
1、遥感图像目视判读 遥感图像的判读标志：
遥感图像的判读标志：是指图像上反映出的地物和现象的图像特征，是以深浅不同的黑白色调（灰阶） 或不同的色彩构成的各种各样图形现象出来的。 遥感图像的判读标志可概括为：颜色、形状、空间位置 ：颜色、形状、 颜色——色调、 颜色、 颜色——色调、 颜色、阴影 ——色调 形状——形状、纹理、 大小 、 形状 、 位置——位置、图型、相关布局 位置
2、目视解译的方法
（1）直接判读法（2）对比分析法 （3）信息复合法（4）综合推理法（5）地理相关分析法 （1）直接判读法：是根据遥感影像目视判读直接标志，直接确定目标地物属性与范围的一种方法。 直接判读法 例如，在可见光黑白像片上，水体对光线的吸收率强，反射率低，水体呈现灰黑到黑色，根据色调可以从影像 上直接判读出水体，根据水体的形状则可以直接分辨出水体是河流，或者是湖泊。在 MSS4、5、7 三波段假彩色影 像上，植被颜色为红色，根据地物颜色色调，可以直接区别植物与背景。 （2）对比分析法 此方法包括同类地物对比分析法、空间对比分析法和时相动态对比法。 A.同类地物对比分析法 同类地物对比分析法是在同一景遥感影像上，由已知地物推出未知目标地物的方法。 同类地物对比分析法 B.空间对比分析法 空间对比分析法是根据待判读区域的特点，选择另一个熟悉的与遥感图像区域特征类似的影像，将两个影像相互 空间对比分析法 对比分析，由已知影像为依据判读未知影像的一种方法。 C.时相动态对比法，是利用同一地区不同时间成像的遥感影像加以对比分析，了解同一目标地物动态变化的一种解 .时相动态对比法 译方法。 （3）信息复合法：利用透明专题图或者透明地形图与遥感图像重合，根据专题图或者地形图提供的多种辅助信息， 信息复合法 识别遥感图像上目标地物的方法。 （4）综合推理法：综合考虑遥感图像多种解译特征，结合生活常识，分析、推断某种目标地物的方法。 综合推理法 （5）地理相关分析法：根据地理环境中各种地理要素之间的相互依存，相互制约的关系，借助专业知识，分析推断 地理相关分析法 某种地理要素性质、类型、状况与分布的方法。

3、目视解译的基本步骤 （1）准备工作 •选择合适波段与恰当时相的遥感影像 •相关专题地图的准备 •工具材料准备 •熟悉地理概况 •确定专题分类系统 （2）室内初步解译与判读区的野外考察 室内建立初步判读标志 •初步解译的主要任务是掌握解译区域特点，确立典型解译样区，建立目视解译标志，探索解译方法，为全面解译 奠定基础。 •在室内初步解译的工作重点是建立影像解译标准，为了保证解译标志的正确性和可靠性，必须进行解译区的野外 调查。野外调查之前，需要制定野外调查方案与调查路线。 野外考察验正判读标志 在野外调查中，为了建立研究区的判读标志，必须做大量认真细致的工作，填写各种地物的判读标志登记表， 以作为建立地区性的判读标志的依据。在此基础上，制订出影像判读的专题分类系统，根据目标地物与影像特征之 间的关系，通过影像反复判读和野外对比检验，建立遥感影像判读标志。 （3）室内详细判读 在详细判读过程中，要及时将解译中出现的疑难点、边界不清楚的地方和有待验证的问题详细记录下来，留待野 外验证与补判阶段解决。 （4）野外验证与补判 野外验证指再次到遥感影像判读区去实地核实解译的结果。主要内容包括两方面： •检验专题解译中图斑的内容是否正确。 •验证图斑界线是否定位准确，并根据野外实际考察情况修正目标地物的分布界线。 （5）目视解译成果的转绘与制图 遥感图像目视判读成果，一般以专题图或遥感影像图的形式表现出来。

五、遥感图像计算机解译
图像分类方法 监督分类
1.(1) 最小距离法 最小距离法（minimum distance classifier） •以特征空间中的距离作为像素分类的依据。 •在遥感图象上对每一类别选取一个具有代表意义的统计特征量；计算待分像元与已知类别之间的距离，将其归 属于距离最小的一类。 •最小距离分类法原理简单，分类精度不很高，但计算速度快，它可以在快速浏览分类概况中使用。
(2) 分级切割分类法 分级切割分类法（multi-level slice classifier） 多级切割法（multi-level slice classifier）是根据设定在各轴上的值域分割多维特征空间的分类方法。
(3) 特征曲线窗口法 •特征曲线窗口法分类的依据是：相同的地物在相同的地域环境及成像条件下，其特征曲线是相同或相近的，而不 同地物的特征曲线差别明显。 •特征曲线窗口法分类的效果取决于特征参数的选择和窗口大小。各特征参数窗口大小的选择可以不同，它要根据 地物在各特征参数空间里的分布情况而定。
(4) 最大似然法 最大似然法（maximum likelihood classifier） •地物图象可以以其光谱特征向量 X 作为亮度在光谱特征空间中找到一个相应的特征点，来自于同类地物的各种特 征点在特征空间中将形成一种属于某种概率分布的集群。 • 判别某一特征点类属的合理途径是对其落进不同类别集群中的条件概率进行比较， 相应于条件概率大的那个类别， 应是该特征点的归属。

2、监督分类步骤
（1）选择有代表性的训练场，确定各类地物的范围界线。
（2）对各类地物光谱值统计，提取各地物的数值特征。
（3）确定分类判别函数：最小距离法、马氏距离法等。
（4）分类参数、阈值的确定；各类地物像元数值的分布都围绕一个中心特征值，散布在空间的一定范围，因此需要 给出各类地物类型阈值，限定分布范围，构成分类器。
（5）分类：利用分类器分类。
（6）检验：对初步分类结果精度进行检验（分类精度、面积精度、位置精度等） 对分类器进行调整。
（7）待分类影象分类。
（8）分类结果的矢量化。
非监督分类 前提：遥感影象上同类物体在同样条件下具有相同的光谱信息特征，依靠影象上不同类地物光谱信息（或纹理信息） 进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的个别类进行确认。 非监督分类方法是在没有先验类别（训练区）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度 非监督分类方法 的大小进行归类合并（将相似度大的像元归为一类）的方法。主要有： （1）分级集群法（2）动态聚类法
第二节 从影像生成专题地图
一、目视解释的专题地图
（1）影像预处理 包括遥感数据的图像校正、图像增强，有时还需要实验室提供监督或非监督分类的图像。
（2）目视解译 经过建立影像判读标志，野外判读，室内解译，得到绘有图斑的专题解译原图。
（3）地图概括 按比例尺及分类的要求，进行专题解译原图的概括。专题地图需要正规的地理底图，所以地图概括的同时也进行图斑向地理底图的转绘。
（4）地图整饰 在转绘完专题图斑的地理底图上进行专题地图的整饰工作。
二、数字图像处理的专题制图
（1）影像预处理 同目视解译类似，影响经过图像校正、图像增强，得到供计算机分类用的遥感影像数据。
（2）按专题要求进行影像分类。
（3）专题类别的地图概括 包括在预处理中消除影像的孤立点，依成图比例尺对图斑尺寸的限制进行栅格影像的概括。
（4）图斑的栅格/矢量变换。
（5）与地理底图叠加，生成专题地图。
三、遥感系列制图
系列地图，简单说就是在内容上和时间上有关联的一组地图。我们所讨论的系列地图，是指根据共同的制图目的，利用同一的制图信息源，按照统一的设计原则，成套编制的遥感专题地图。
地理底图的编制程序：采用常规的方法编制地理底图时，首先选择制图范围内相应比例尺的地形图，进行展点、镶嵌、照像，制成地图薄膜片，然后将膜片蒙在影像图上，用以更新地形图的地理要素。经过地图概括，最后制成供转绘专题影像图的地理底图，其比例尺与专题影响图相同。
遥感系列制图的基本要求
1.统一信息源
2.统一对制图区域地理特征的认识
3.制定统一的设计原则
4.按一定的规则顺序成图