《增广贤文》

摘要： 童蒙教材作为我国重要的文化经典,是古代儿童消除暗昧的启蒙读物。其中,《幼学琼林》《增广贤文》都曾作为通俗的童蒙读物而流传。二者的影响,民间曾用“读了《增广》会说话,读了《幼学》走天下”的对举来描述。尽管二者都以伦理道德为稳定的主线,但在著书目的、文体形式、具体内容及后世流传等方面皆有可比之处。聚焦二者的道德教育思想,有助于重审道德教育的童与蒙,观照道德教育的时与序,反思道德教育的文与质,守望道德教育的根与魂,以资现今道德教育实践与观念变革借鉴。

摘要： 节俭是魏征对唐太宗的劝谏“戒奢以俭”,是司马光对儿子的训示“由俭入奢易,由奢入俭难”,是《增广贤文》中对黄发稚子的教导“常将有日思无日,莫待无时思有时”。走过先秦的原野,迈过秦汉的高山,跨过唐宋明清的沟壑,“节俭”都是那颗最具“价值观”的明星,在历史的天空熠熠生辉。

摘要： 古文《增广贤文》有句经典的话,“君子爱财,取之有道”,这对经济活动中的投融资,算是作了一个精准定位。所以,我在《中国发展观察》2020年第1-2期上,发了《靠什么样的投融资行稳致远》一文,至今仍被“学习强国”列为热点文章。

摘要： 《增广贤文》日:“贪他一斗米,失却半年粮。争他一脚豚,反失一肘羊。”占便宜之害,跃然纸上。古代兵家也讲究欲取先予,想从对方那里得到什么,必先给对方一点甜头,使之放松警惕,然后找机会夺取。

摘要： 《增广贤文》作为中国经典蒙学典籍,承载着中华文化的独特智慧和语言魅力。本文试图以贝尔曼的"否定分析"为理论基础,从合理化、扩充、性质受损、数量缺失、韵律的破坏等角度,对比分析胡晓阳和赵彦春的两个英译本中是否存在一定程度的"变形倾向",对于进一步探究中国经典文学的翻译规范以及帮助中华文化更好地"走出去"具有重要价值。

摘要： “良言一句三冬暖,恶语伤人六月寒。”这句话出自《增广贤文》,意为: 一句同情理解的话,就能给人很大的安慰,增添勇气,即使身处寒冷的冬季也能感到温暖;一 句不合时宜的话,就如一把利剑,刺伤人们脆弱的心灵,即使在六月的夏季,也会感到阵阵的严寒。一句良言,甚至可以改变人的一生。

摘要： 400多年前明朝的《增广贤文》里,收集了一句令今人亦视作箴言的古谚——“好事不出门,坏事传千里”。这句古谚语在21世纪之初被美国的心理学家罗伊·鲍迈斯特破解了其中的“密码”,他与另一位美国心理学家约翰·蒂尔尼合写的著作《The Power of Bad》今年1月在中国出版,中文书名叫《会好的》。

摘要： 《增广贤文》中有这样一句发人深省的话:“良言一句三冬暖,恶语伤人六月寒。”意思是说,我们要学会使用“爱语”。很多时候,一句同情理解的话,就能给人莫大的安慰,并增添勇气,即便处于寒冷的冬天也能让人感到温暖;而一句不合时宜的话,就如同一把利刃,会刺伤他人的心,即便处于炎热的六月,也会感到阵阵寒意。

摘要： 古语有云:"读了《增广》会说话,读了《幼学》走天下。"其中的"增广"是指《增广贤文》,"幼学"是指《幼学琼林》。那么,人们为什么会对这两本书有如此评价呢?原来,《增广贤文》中有大量口语化的语言,它们既富哲理又具有知识性,非常有助于人们在待人接物和表达思想时使用。而《幼学琼林》内容广博,涉及著名人物、天文地理、典章制度、风俗礼仪、鸟兽花木等诸多方面,被称为"中国古代的百科全书"。

摘要： 近水知鱼性,近山识鸟音。居于水边的人,可以知晓各种鱼的生活习性;住在大山附近的人,能辨别各种鸟的叫声。(这两句是说环境对人知识、才能的长进具有重要影响,也说明要认识某些事物就必须深入地了解和观察它们)流水下滩非有意,白云出岫本无心。

摘要： 本申请涉及一种合同文书的数据增广方法、装置、计算机设备及存储介质，其中方法包括获取合同领域数据，并合同领域数据分成标注样本数据和未标记合同文书数据；基于标注样本数据和未标记合同文书数据，构建微调数据，并通过微调数据对预训练语言模型进行微调处理，得到微调后的预训练语言模型；获取原始合同文件，并对原始合同文件进行样本生成处理，得到新样本数据；对新样本数据进行初步筛选和语义筛选，得到基础样本数据；基于标注样本数据，识别基础样本数据中的要素标签序列，并基于要素标签序列，对基础样本数据进行筛选和迭代训练，得到目标数据。本发明实现对合同文书进行数据增广，同时减少标注噪声对训练模型的影响。

摘要： 本发明提供了一种用于小样本甲骨文识别的数据增广方法、应用及装置，其特征在于，包括如下步骤：对大样本数据、小样本数据序列化得到序列化大样本数据、序列化小样本数据；对序列化大样本数据抹除得到抹除大样本数据、完整大样本数据，对抹除大样本数据编码得到编码后抹除大样本数据；将编码后抹除大样本数据输入特征提取网络得到深度特征；利用预测网络对抹除大样本数据预测得到预测大样本数据；训练更新深度学习网络得到增广器；对序列化小样本数据随机抹除得到抹除小样本数据，并对抹除小样本数据编码得到编码后抹除小样本数据；将编码后抹除小样本数据输入增广器预测得到预测小样本数据，将该预测小样本数据作为增广样本。

摘要： 本发明属于路面裂缝图像处理领域，公开了一种路面裂缝图像虚拟增广模型建立及图像虚拟增广方法。模型建立方法包括如下步骤：步骤1：采集路面裂缝图像，对路面裂缝图像依次进行数据质量提升和图像分割，获得真实路面裂缝图像集；步骤2：建立DCGAN生成对抗网络模型，所述DCGAN生成对抗网络模型包括生成器网络和判别器网络，所述的生成器网络和判别器网络的损失函数后设置有惩罚项；步骤3：获取随机噪声，将随机噪声和步骤1获得的真实路面裂缝图像集输入步骤2获得的DCGAN生成对抗网络模型进行训练，训练完成的模型即为路面裂缝图像虚拟增广模型。本发明有效解决了裂缝图像数据集不足的问题，很好的实现了对裂缝图像数据集的数量和多样性的增广。

摘要： 本发明涉及一种能覆盖机器人信号的无人机定位的增广Lagrange方法，所述方法提出了农林机器人的概念及其需求市场，针对农林机器人在信号源与定位功能方面的短板，本发明使用最优化技术建立一个多约束的复杂半定规划模型。通过多约束复杂半定规划模型的结构，将该模型分解为多约束简单半定规划问题模型和序列最大元问题模型。利用循环策略解决序列最大元问题，并设计一种求解多约束半定规化的增广Lagrange方法。本发明用于解决农业和林业生产中，无人机定位所面临的覆盖机器人信号的信号缺失等问题。

摘要： 本发明涉及一种基于高斯噪声全变分数据增广的图像处理方法，所述方法基于全变分正则化模型进行数据增广，并对数据增广后的数据集运用神经网络技术，实现医疗PET/CT图像的中的肿瘤分割的方法，利用变分模型进行数据增广的深度学习图像分区方法。该方法对增广后的数据集采用神经网络的方法，实现医疗PET/CT图像的中的肿瘤分割，本发明学习到的抽象特征对噪声更加具有鲁棒性。

摘要： 本发明涉及一种基于椒盐噪声全变分数据增广的图像语义分割方法，所述方法基于全变分正则化模型进行数据增广，并对增广后的数据集运用神经网络技术，实现医疗PET/CT图像的中的肿瘤分割的方法，该方法对增广后的数据集采用神经网络的方法，实现医疗PET/CT图像的中的肿瘤分割。本发明通过将该类图像数据也作为样本加入数据集，通过极小化全变分正则化去噪模型中的优化问题，迭代产生满足不同精度要求的去噪结果，对数据集进行进一步的扩充，使得得到的图像分割结果更具鲁棒性。

摘要： 本发明公开了一种基于小样本医学影像的综合性数据增广方法，涉及医学影像处理技术领域。本发明包括如下步骤：步骤S1：解析CT图像，将图像的像素矩阵值转换成HU值；步骤S2：对CT图像做预处理；步骤S3：对CT图像做角度范围内的随机旋转；步骤S4：对CT图像做倍数范围内的尺度缩放；步骤S5：对CT图像做不同维度的镜像变化；步骤S6：对CT图像做随机Gamma变换；步骤S7：将增广后的CT图像输入到U‑Net网络中训练得出U‑Net模型。本发明通过对CT图像进行预处理后，对预处理后的图像进行旋转、缩放以及镜像扩充原有的数据集，来模拟临床的各种情况下的CT数据，使得训练出来的模型具备更好的泛化性、准确性。

摘要： 本发明公开了一种基于多降质方式数据增广的高光谱图像超分辨率复原方法，属于图像处理技术领域，包括获取高光谱图像，对高光谱数据集进行预处理，将高光谱数据集中的图像按一定规则裁剪，生成非重叠的子图和重叠块，并将子图和重叠块分别作为测试数据和训练数据；对测试数据和训练数据进行数据扩增并增加高斯噪声，获得有噪声的低分辨率的测试数据和训练数据；构建高光谱图像超分辨率模型；采用训练数据对高光谱图像超分辨率模型进行训练，从而得到训练好的高光谱图像超分辨率模型；将测试数据输入训练好的高光谱图像超分辨率模型，获得超分辨率的高光谱图像。本发明对数据进行扩增，提升了高光谱图像超分辨率模型的性能。

摘要： 本发明公开了一种基于机器视觉技术的单层/双层车牌增广方法，包括：制作车牌图像；对车牌图像进行多样性增强；调整真实图像的车辆车牌角点位置；根据车牌图像和真实车牌的大小，计算四个顶点位置进行透视变换，然后进行图像填充，得到只有车牌的图像Img_tmp；制作一张大小和车牌一样，值全部为0的图像，使用该图像进行透视变换，变换到真实车牌大小的图片，并在车牌位置其余位置填充1，得到掩模图像；对掩模图像与原始真实车辆图像Img_org进行每一个像素点的与操作，得到图像Img_crop；对Img_crop与Img_tmp的像素点进行或操作，得到最终图像。本发明能够极大丰富车牌检测数据集，提高稀有车牌检测准确率。

摘要： 本发明公开了一种图像数据增广方法、装置、电子设备及存储介质，该方法包括获取第一图像数据的图像类型；根据所述图像类型，从预设的图像数据集中确定与所述第一图像数据的图像类型相同的第二图像数据，所述第二图像数据包括图像分割信息；根据所述图像分割信息，对所述第二图像数据进行分割处理，得到第三图像数据；根据预先确定的参考图像数据，将所述第三图像数据粘贴至所述参考图像数据内，以得到增广图像数据。本发明可以使得图像数据增广的方式准确度更高，降低了数据集的制作成本，提升了后续训练模型的准确性。