人类行为1003
犯罪是特殊情况下人的道德的严重错失
犯罪是特殊情况下人的道德的严重错失作者：严存生来源：《江汉论坛》2014年第06期摘要：人是社会的动物，道德是生活于社会中的理性动物对人生之道和应有之德感悟后产生的观念和行动。
作为观念的道德其真谛是正义，内涵是和谐，特点是利他。
道德性是人的基本属性，它是在社会环境中生成的。
由于人的理性有限，因而人难以事事都保持足够的道德性，会在特殊情况下作出不道德的事情。
犯罪就是人在特殊情况下道德的严重错失，其产生原因既来自主观——缺少相关的道德知识或以错误的道德观念为指导，又来自客观——特殊的社会环境，是主客观两方面原因的耦合。
关键词：犯罪原因；道德错失；社会环境；人性中图分类号：D90文献标识码：A文章编号：1003-854X（2014）06-01 19-06犯罪是人类社会特有的一种现象，它为什么会存在于人类社会，其产生的原因又是什么？人的本性，即社会性使人产生了许多欲望，也使人产生了其他生物所没有的理性，这使得人类具有其他生物所不具有的能力和属性，其中最主要的属性是道德性，它要求人的行为必须与周围环境保持和谐，才能求得最大的利益或善。
但是，由于人的欲望无穷，而能力特别是理性能力有限，因而人即使组成社会。
其行为的道德性也往往难以充分显现，甚至因对人生之道的错误理解而做出违背道德的行为，即“道德的错失”，它使人类社会行为中现了“恶”。
古罗马的奥古斯丁说：“恶是善的阙如”，而我们知道，犯罪属于严重的恶。
故而推知它也是严重的道德性错失。
而这种错失并不具有必然性，只是在特殊的社会环境下才会发生。
因此，犯罪是道德性的严重阙如与特殊社会环境的偶然结合所致。
一、人的道德本性1.人的道德广义的道德内容很复杂，它包括感性的道德情操，有同情心、怜悯心和责任心；理性的道德观念或范畴，有正确的人生观念，对人生的价值或意义的正确认识；对人际关系及其交往原则的正确理解：制度化了的道德规范：秩序化了的良好的道德氛围。
狭义的道德仅指个人的道德人格及其道德修养。
含有课内实验的课程
矫正社会工作 康复社会工作 社会工作实务与技能 社会工作法律基础 文案写作 广告学
编辑理论与实务
B3211015 B3211020
人员招聘与配置 社会保险 影视理论与制作ห้องสมุดไป่ตู้
B3211009
B321017 B321019 B321020A
B321023
人力资源管理 社区工作
老年社会工作
劳动法 劳动关系 人员招聘与配置 社会保险
编辑学概论
B321027 B321033 B321033
B321034
B321039 B321041 B321203
B321209 B321210 B321211
B221062
B221202 B221207 B221208
课程名称 社会工作行政 人力资源管理 社会工作概论 图形创意 文化创意产业概论
公共事业管理概论
珠宝玉石鉴定
金石书画基础
社会保障概论 个案社会工作 社区工作 青少年社会工作 妇女社会工作
文化市场策划
B320081 B321001 B321003 B321004A B321005
B2210061 B3211007
B2211003 B2211005 B2211013
B3210151
B3210340 B3211001
B3211002
B3211003
43 44 45 46 47 48 49 50 51 52
B3211004 B3211005
B3211006 B3211007
B3211010 B3211011
个案社会工作 社区工作 广告学 古代玉器鉴定
广告与市场策划
金石书画鉴定
国家自然科学基金申请代码
C.生命科学部C01 微生物学C0101 微生物资源与分类学C010101 细菌资源、分类与系统发育C010102 放线菌资源、分类与系统发育C010103 真菌资源、分类与系统发育C010104 病毒资源与分类C0102 微生物生理与生物化学C010201 微生物生理与代谢C010202 微生物生物化学C0103 微生物遗传育种学C010301 微生物功能基因C010302 微生物遗传育种C0104 微生物学研究的新技术与新方法C0105 环境微生物学C010501 陆生环境微生物学C010502 水生环境微生物学C010503 其他环境微生物学C0106 病原细菌与放线菌生物学C010601 植物病原细菌与放线菌生物学C010602 动物病原细菌与放线菌生物学C010603 人类病原细菌与放线菌生物学C0107 病原真菌学C010701 植物病原真菌学C010702 动物病原真菌学C010703 人类病原真菌学C0108 病毒学C010801 植物病毒学C010802 动物病毒学C010803 人类病毒学C010804 噬菌体C0109 支原体、立克次体与衣原体C010901 支原体C010902 立克次体、衣原体等C02 植物学C0201 植物结构学C020101 植物形态结构与功能C020102 植物形态与发生C0202 植物分类学C020201 种子植物分类C020202 孢子植物分类C020203 植物地理学C0203 植物进化生物学C020301 植物系统发育C020302 古植物学与孢粉学C020303 植物进化与发育C0204 植物生理与生化C020401 光合作用C020402 生物固氮C020403 呼吸作用C020404 矿质元素与代谢C020405 有机物质合成与运输C020406 水分生理C020407 抗性生理C020408 植物激素与生长发育C020409 植物次生代谢与调控C020410 种子生理C0205 植物生殖生物学C020501 植物配子体发生与受精C020502 植物胚胎发生C0206 植物资源学C020601 植物资源评价C020602 植物引种驯化C020603 植物种质C020604 植物化学C020605 水生植物与资源C0207 植物学研究的新技术、新方法C03 生态学C0301 分子与进化生态学C030101 分子生态学C030102 进化生态学C0302 行为生态学C030201 昆虫行为生态学C030202 其他动物行为生态学C0303 生理生态学C030301 植物生理生态学C030302 动物生理生态学C0304 种群生态学C030401 植物种群生态学C030402 昆虫种群生态学C030403 其他动物种群生态学C0305 群落生态学C030501 群落结构与动态C030502 物种间相互作用C0306 生态系统生态学C030601 农田生态学C030602 森林生态学C030603 草地与荒漠生态C030604 水域生态学C0307 景观与区域生态学C030701 景观生态学C030702 区域生态学C0308 全球变化生态学C030801 陆地生态系统与全球变化C030802 海洋生态系统与全球变化C0309 微生物生态学C0310 污染生态学C031001 污染生态学C031002 毒理生态学C0311 土壤生态学C031101 土壤生态系统水分、养分循环C031102 土壤生物与土壤生态系统C0312 保护生物学与恢复生态学C031201 生物多样性C031202 保护生物学C031203 受损生态系统恢复C0313 生态安全评价C031301 转基因生物的生态安全性评价C031302 外来物种的入侵与生态安全性评价C031303 生态工程评价C04 动物学C0401 动物形态学及胚胎学C0402 动物系统及分类学C040201 动物分类学C040202 动物系统学C040203 动物地理学C040204 动物进化C0403 动物生理及行为学C040301 动物生理生化C040302 动物行为学C0404 动物资源与保护C0405 昆虫学C040501 昆虫系统及分类学C040502 昆虫形态学C040503 昆虫行为学C040504 昆虫生理生化C040505 昆虫毒理学C040506 昆虫资源与保护C0406 实验动物学C040601 实验动物C040602 模式动物C05 生物物理、生物化学与分子生物学C0501 生物大分子结构与功能C050101 生物大分子结构计算与理论预测C050102 生物大分子空间结构测定C050103 生物大分子相互作用C0502 生物化学C050201 蛋白质与多肽生物化学C050202 核酸生物化学C050203 酶学C050204 糖生物学C050205 无机生物化学C0503 蛋白质组学C0504 膜生物化学与膜生物物理学C050401 生物膜结构与功能C050402 跨膜信号转导C050403 物质跨膜转运C050404 其他膜生物化学与膜生物物理学C0505 系统生物学C050501 生物模块C050502 生物网络的结构与功能C050503 生物网络动力学C050504 生物系统的信号处理与控制C050505 生物系统功能与预测C050506 系统生物学研究新技术及新方法C0506 环境生物物理C050601 电磁辐射生物物理C050602 声生物物理C050603 光生物物理C050604 电离辐射生物物理与放射生物学C050605 自由基生物学C0507 空间生物学C0508 生物物理、生物化学与分子生物学研究的新方法与新技术C06 遗传学与生物信息学C0601 植物遗传学C060101 植物分子遗传C060102 植物细胞遗传C060103 植物数量遗传C0602 动物遗传学C060201 动物分子遗传C060202 动物细胞遗传C060203 动物数量遗传C0603 微生物遗传学C060301 原核微生物遗传C060302 真核微生物遗传C0604 人类遗传学C060401 人类遗传的多样性C060402 人类起源与进化C060403 人类行为的遗传基础C060404 人类表型性状与遗传C060405 人类细胞遗传C0605 基因组学C060501 基因组结构与分析C060502 比较基因组与进化C060503 基因组信息学C0606 基因表达调控与表观遗传学C060601 组蛋白修饰及意义C060602 DNA修饰及意义C060603 染色体重塑及意义C060604 非编码RNA调控与功能C060605 转录与调控C0607 生物信息学C060701 生物数据分析C060702 生物信息算法及工具C060703 生物信息的整合及信息挖掘C060704 生物系统网络模型C060705 生物环路的模拟与构建C060706 生物信息学研究新技术与新方法C0608 遗传学研究新技术与方法C07 细胞生物学C0701 细胞、亚细胞结构与功能C0702 细胞生长与分裂C0703 细胞周期与调控C0704 细胞增殖、生长与分化C0705 细胞衰老C0706 细胞死亡C0707 细胞运动C0708 细胞外基质C0709 细胞信号转导C0710 细胞物质运输C0711 细胞呼吸与代谢C0712 细胞生物学研究中的新方法C08 免疫学C0801 免疫生物学C080101 分子免疫C080102 细胞免疫C080103 免疫应答C080104 免疫耐受C080105 免疫调节C0802 免疫遗传学C0803 生殖免疫学C0804 黏膜免疫学C0805 疫苗学C080501 疫苗设计C080502 疫苗佐剂C080503 疫苗递送系统C080504 疫苗效应及机制C0806 抗体工程学C080601 抗体与功能C080602 重组与改型C080603 抗体的高效表达系统C0807 免疫学研究新技术与新方法C09 神经科学、认知科学与心理学C0901 心理学C090101 认知心理学C090102 生理心理学C090103 医学心理学C090104 工程心理学C090105 发展心理学C090106 教育心理学C090107 社会心理学C090108 应用心理学C0902 神经生物学C090201 分子神经生物学C090202 细胞神经生物学C090203 发育神经生物学C090204 系统神经生物学C090205 计算神经生物学C090206 视觉神经生物学C090207 听觉神经生物学C090208 嗅觉神经生物学C090209 触觉神经生物学C090210 痛觉神经生物学C0903 认知科学C090301 认知的脑结构及神经基础C090302 认知语言学C090303 学习与记忆C090304 注意与意识C090305 认知模拟C090306 认知科学研究的新技术与方法C10 生物力学与组织工程学C1001 生物力学与生物流变学C100101 细胞与分子生物力学C100102 骨、关节与运动系统生物力学C100103 心、血管组织生物力学与流变学C100104 软组织生物力学C1002 生物材料C1003 组织工程学C100301 组织工程皮肤C100302 组织工程骨和软骨C100303 组织工程神经C100304 组织工程血管与心肌C100305 组织工程肌组织与肌腱C100306 组织工程肝、胆、胰C100307 组织工程肾与膀胱C100308 干细胞移植与组织再生C100309 人工器官C1004 生物电子学C100401 生物信号检测与识别C100402 生物信号功能分析C100403 生物传感C1005 生物图像与成像C100501 生物系统成像C100502 生物信号与图像C100503 生物信息系统C100504 生物系统检测与成像的器件及仪器C1006 仿生学C1008 生物系统工程研究的新技术与新方法C11 生理学与整合生物学C1101 细胞生理学C110101 细胞膜生理功能C110102 细胞代谢与自由基C110103 细胞间相互作用C1102 系统生理学C110201 循环生理C110202 血液生理C110203 呼吸生理C110204 消化生理C110205 泌尿生理C110206 内分泌生理C110207 外分泌生理C110208 生殖生理C110209 上皮组织与结缔组织生理C1103 整合生理学C110301 生物的调节与适应C110302 应激与代偿C110303 神经、内分泌与免疫调节C110304 内分泌与代谢调节C110305 造血调控与微环境C110306 水、电解质平衡与调节C1104 衰老与生物节律C1105 营养与代谢生理学C110502 蛋白质代谢与肝脏代谢C110503 骨与钙、磷代谢C110504 微量元素代谢C1106 运动生理学C1107 特殊环境生理学C1108 比较生理学C1109 整合生物学C1110 人体解剖学C1111 人体组织与胚胎学C12 发育生物学与生殖生物学C1201 发育生物学C120101 性器官与性细胞发育C120102 卵巢功能与卵子成熟C120103 精卵识别与受精C120104 体外受精与植入C120105 着床与胚胎早期发育C120106 组织、器官的形成与发育C120107 组织、器官的维持与再生C120108 细胞的分化与发育C120109 核质互作与重编程C120110 模式生物C120111 成体干细胞C120112 胚胎干细胞C120113 干细胞多能性维持与自我更新C120114 干细胞定向分化机理C120116 体细胞克隆C120117 发育生物学研究的新技术、新方法C1202 生殖生物学C120201 胚胎着床及妊娠识别C120202 妊娠的维持和妊娠期生理C120203 分娩与泌乳C120204 性别决定与性腺发育C120205 辅助生殖工程C120206 环境与生殖健康C120207 生殖生物学研究的新技术与新方法C13 农学基础与作物学C1301 农学基础C130101 农业数学C130102 农业物理学C130103 农业气象学C130104 农业信息学C130105 农业系统工程C1302 作物生理学C1303 作物栽培与耕作学C130301 作物栽培学C130302 耕作学C1304 作物种质资源与遗传育种学C130401 稻类作物种质资源与遗传育种C130402 麦类作物种质资源与遗传育种C130403 玉米及其他禾谷类作物种质资源与遗传育种C130405 油菜及其他油料作物种质资源与遗传育种C130406 棉麻类作物种质资源与遗传育种C130407 薯类作物种质资源与遗传育种C130408 糖料作物种质资源与遗传育种C130409 饲料作物种质资源与遗传育种C130410 其他作物种质资源与遗传育种C1305 作物杂种优势及其利用C1306 作物分子育种C1307 作物种子学C14 植物保护学C1401 植物病理学C140101 植物病害测报学C140102 植物真菌病害C140103 植物细菌病害C140104 植物病毒病害C140105 植物其他病害C140106 植物抗病性C1402 农业昆虫学C140201 植物害虫测报学C140202 粮食作物害虫C140203 油料作物害虫C140204 园艺作物害虫C140205 经济及其他作物害虫C140206 植物抗虫性C1403 农田草害C1405 植物化学保护C140501 农药毒理学与有害生物抗药性C140502 植物病害化学防治C140503 植物害虫化学防治C140504 其他有害生物化学防治C1406 生物防治C140601 植物病害生物防治C140602 植物害虫生物防治C140603 其他有害生物的生物防治C1407 农业有害生物检疫与入侵生物学C1408 植物保护生物技术C15 园艺学与植物营养学C1501 果树学C150101 果树生理与栽培学C150102 果树种质资源与遗传育种学C150103 果树分子生物学C1502 蔬菜学与瓜果学C150201 蔬菜生理与栽培学C150202 蔬菜种质资源与遗传育种学C150203 蔬菜分子生物学C150204 瓜果学C1503 观赏园艺学C150301 观赏作物生理与栽培学C150302 观赏作物种质资源与遗传育种学C150303 观赏作物分子生物学C1505 园艺作物采后生物学C1506 食用真菌学C1507 植物营养学C150701 植物营养遗传C150702 植物营养生理C150703 肥料与施肥科学C150704 养分资源与养分循环C150705 作物－土壤互作过程与调控C150706 农田水土资源利用学C16 林学C1601 森林资源学C1602 森林资源信息学C160201 森林资源管理与信息技术C160202 森林灾害监测的理论与方法C1603 木材物理学C160301 材性及其改良C160302 木材加工学C160303 人工复合木材C1604 林产化学C160401 树木化学成分分析C160402 造纸与制浆C1605 森林生物学C160501 树木生长发育C160502 树木抗逆生理学C160503 树木繁殖生物学C1607 森林培育学C160701 森林植被恢复与保持C160702 人工林培育C160703 种苗学C160704 复合农林业C1608 森林经理学C160801 森林可持续发展C160802 森林分类经营C1609 森林健康C160901 森林病理C160902 森林害虫C160903 森林防火C1610 林木遗传育种学C161001 林木种质资源C161002 林木遗传改良C161003 林木育种理论与方法C1611 经济林学C161101 经济林重要形状形成及调控C161102 经济林栽培生理C161103 林木果实采后生物学C161104 茶学C1612 园林学C161201 园林植物种质资源C161202 城市园林与功能C161203 园林规划和景观设计C1613 荒漠化与水土保持C161302 森林植被与水土保持C161303 植被与荒漠化C1614 林业研究的新技术与新方法C17 畜牧学与草地科学C1701 畜牧学C170101 畜禽资源C170102 家畜遗传育种学C170103 家禽遗传育种学C170104 畜禽繁殖学C170105 单胃动物营养学C170106 家禽营养学C170107 反刍动物营养学C170108 饲料学C170109 畜禽行为学C170110 畜禽环境学C1702 草地科学C170201 草地与放牧学C170202 草种质资源与育种C170203 草地环境与灾害C170204 牧草生产与加工C1703 养蚕学C1704 养蜂学C18 兽医学C1801 基础兽医学C180101 畜禽解剖学C180102 畜禽组织胚胎学C180103 畜禽生理学C180104 动物生物化学C1802 动物病理学C1803 兽医免疫学C1804 兽医寄生虫学C1805 兽医传染病学C180501 病原学C180502 流行病学C180503 兽医传染病的预防C1806 中兽医学C1807 兽医药理学与毒理学C180701 动物药物学C180702 兽医药理学C180703 兽医毒理学C1808 临床兽医学C180801 兽医外科学C180802 兽医内科学C180803 兽医产科学C180804 兽医临床诊断学C180805 兽医治疗学C19 水产学C1901 水产基础生物学C190101 水产生物生理学C190102 水产生物繁殖与发育学C190103 水产生物遗传学C1902 水产生物遗传育种学C190201 鱼类遗传育种学C190202 虾蟹类遗传育种学C190203 贝类遗传育种学C190204 藻类遗传育种学C190205 其他水产经济生物遗传育种学C1903 水产资源与保护学C190301 水产生物多样性C190302 水产生物种质资源C190303 水产保护生物学C190304 水产养殖生态系统恢复C1904 水产生物营养与饲料学C190401 水产生物营养学C190402 水产生物饲料学C1905 水产养殖学C190501 鱼类养殖学C190502 虾蟹类养殖学C190503 贝类养殖学C190504 藻类养殖学C190505 其他水产经济生物养殖学C1906 水产生物免疫学与病害控制C190601 水产免疫生物学C190602 水产生物病原学C190603 水产生物病理学C190604 水产生物疫苗学C1907 养殖与渔业工程学C190701 高效养殖工程学C190702 水产增殖、捕捞与设施渔业C1908 水产生物研究的新技术和新方法C20 食品科学C2001 食品科学基础C200101 食品生物化学C200102 食品营养学C200103 食品检验学C2002 食品加工学基础C200201 食品油脂加工C200202 制糖C200203 肉加工C200204 乳加工C200205 蛋加工C200206 水果、蔬菜加工C200207 食品发酵与酿造C200208 食品焙烤加工C200209 调味食品C200210 食品添加剂C200211 饮料冷饮C2003 食品加工技术C200301 储藏与保鲜C200302 食品机械C200303 食品加工的副产品加工与再利用。
企业火灾疏散人员行为及心理特征研究_杨立兵
在烟草商业行业和化工行业各选一家企业进行调 查， 共发放 203 份问卷（ 收回 198 份） ， 经过分析得到有 化工企业 效问卷 182 份 （ 其中烟草商业企业 106 份， 76 份） 。调查样本在年龄、 性别、 文化层次上基本覆盖 企业 各 类 工 作 人 员， 性 别 方 面： 男 性 52． 7% 、 女性 47． 3% ； 年龄方面： 受调查者平均年龄 32 岁， 最大年龄 52， 最小年龄 18； 学历方面： 初中及以下 1． 7% ， 高中或 大 专 33． 7% ， 本 科 21% ， 硕士及以上 中专 39． 8% ， 3． 9% ， 人员文化程度主要集中在中等学历。受调查者 文化、 学历相关信息如图 1所示。 年龄、
Abstract： In order to study behavior and psychological characteristics of evacuees from enterprise on fire， 182 employees were investigated in terms of environmental factors，management factors，and human factors． Four representative factors were identified by system clustering method． Then，Crosstabs of influencing factors were built on the basis of Chisquare test． The behavior and psychological characteristics of evacuees were analyzed in light of categories of enterprises，sex，age，and education background． It turned out to be that escape desire was connected with individual educational background，that is to say， highdegree individuals show much stronger escape desire． Periodic emergency drilling and daily safety learning contributed to safe evacuation． The differences in group assistance，escape desire and controlling fire accident were obvious among the female and the male． Key words： fire； questionnaire survey； behavior； psychology； evacuation； cluster analysis； crosstabs 其恶劣的影响。因此， 研究火灾时人的心理、 行为特 征， 帮助人们快速、 有效疏散、 减少火灾损失成为一 项意义重大的研究课题。 受生理特征、 认知能力、 社会关系及火灾环境等
人力资源管理视角下的蜜蜂社会行为
•係程於文园他人力资源管理视角下的蜜蜂社会行为金佳盈\胡福良2(1.浙江大学工商管理1802班，浙江杭州310058; 2.浙江大学动物科学学院，浙江杭州310058)摘要：蜜蜂世界的社会结构复杂而精确，劳动分 工明确而有序，各项工作有条不紊。
当从人力资源管理 的视角去解读这个社会的合作冲突、劳动分工时，能发 现智慧的蜜蜂用行动印证了部分现有的人力资源管理理 论，并给现代的人力资源管理带来更大的启示。
关键词：蜜蜂；人力资源管理；劳动分工；冲突中图分类号：S89 文献标识码：A文章编号：1003-9139 (2021) 02-0024-041蜜蜂劳动分工与人力资源管理无论是人类还是蜜蜂，都会面临自身利益与行为的冲突。
要让高密度群体形成一个有序的组织，则需要让组织成员各司其职、使其利益最大化。
而分工协作是人力资源管理的基础工作之一。
1.1人力资本理论视角下的内勤蜂与外勤蜂依据工作场所以及日龄划分，工蜂可以分成内勤蜂与外勤蜂。
其中从事巢内劳动的工蜂即内勤蜂，主要职责为哺育、筑巢、清洁。
外勤蜂则会飞出蜂箱，进行采集花粉和花蜜，5~7周后还会再次分工，专门负责采集花蜜或者花粉叱外勤蜂主要是青壮年蜂和老年蜂。
我们可以这样理解，外勤蜂需要背负较多的东西、承担较大的任务，且需要一定的经验积累。
青壮年蜂身体强壮、老年蜂“经验”丰 富，因而去到了相应的岗位上。
蜜蜂群体依据工蜂的能力、资历与工作时长进行其岗位的划分与适配，这种劳动分工恰好印证了人力资本理论。
在该理论下，组织能够通过投资员工的人力资本来提升组织竞争力|2|;而人力资本在学者贝克尔看来，不仅包括员工的知识、才 干、技能和资历，还由时间、健康和寿命组收稿日期：2020-05-08指导老师：胡福良，教授，博导，E-mail: ************.cn 成|31。
蜜蜂的劳动分工同人力资源管理一样，是一项投资；只有通过合理调配、开发“员 工”的最大潜力，运用科学的管理理念与方法，使各尽其才、各尽其用，才能实现最终的共同目标、获取投资的最大收益。
山东省自然基金生命科学类代码
生命科学部C01微生物学C0101微生物资源与分类学C010101细菌资源、分类与系统发育C010102放线菌资源、分类与系统发育C010103真菌资源、分类与系统发育C010104病毒资源与分类C0102微生物生理与生物化学C010201微生物生理与代谢C010202微生物生物化学C0103微生物遗传育种学C010301微生物功能基因C010302微生物遗传育种C0104微生物学研究的新技术与新方法C0105环境微生物学C010501陆生环境微生物学C010502水生环境微生物学C010503其他环境微生物学C0106病原细菌与放线菌生物学C010601植物病原细菌与放线菌生物学C010602动物病原细菌与放线菌生物学C010603人类病原细菌与放线菌生物学C0107病原真菌学C010701植物病原真菌学C010702动物病原真菌学C010703人类病原真菌学C0108病毒学C010801植物病毒学C010802动物病毒学C010803人类病毒学C010804噬菌体C0109支原体、立克次体与衣原体C010901支原体C010902立克次体、衣原体等C02植物学C0201植物结构学C020101植物形态结构与功能C020102植物形态与发生C0202植物分类学C020201种子植物分类C020202孢子植物分类C020203植物地理学C0203植物进化生物学C020301植物系统发育C020302古植物学与孢粉学C020303植物进化与发育C0204植物生理与生化C020401光合作用C020402生物固氮C020403呼吸作用C020404矿质元素与代谢C020405有机物质合成与运输C020406水分生理C020407抗性生理C020408植物激素与生长发育C020409植物次生代谢与调控C020410种子生理C0205植物生殖生物学C020501植物配子体发生与受精C020502植物胚胎发生C0206植物资源学C020601植物资源评价C020602植物引种驯化C020603植物种质C020604植物化学C020605水生植物与资源C0207植物学研究的新技术、新方法C03生态学C0301分子与进化生态学C030101分子生态学C030102进化生态学C0302行为生态学C030201昆虫行为生态学C030202其他动物行为生态学C0303生理生态学C030301植物生理生态学C030302动物生理生态学C0304种群生态学C030401植物种群生态学C030402昆虫种群生态学C030403其他动物种群生态学C0305群落生态学C030501群落结构与动态C030502物种间相互作用C0306生态系统生态学C030601农田生态学C030602森林生态学C030603草地与荒漠生态C030604水域生态学C0307景观与区域生态学C030701景观生态学C030702区域生态学C0308全球变化生态学C030801陆地生态系统与全球变化C030802海洋生态系统与全球变化C0309微生物生态学C0310污染生态学C031001污染生态学C031002毒理生态学C0311土壤生态学C031101土壤生态系统水分、养分循环C031102土壤生物与土壤生态系统C0312保护生物学与恢复生态学C031201生物多样性C031202保护生物学C031203受损生态系统恢复C0313生态安全评价C031301转基因生物的生态安全性评价C031302外来物种的入侵与生态安全性评价C031303生态工程评价C04动物学C0401动物形态学及胚胎学C0402动物系统及分类学C040201动物分类学C040202动物系统学C040203动物地理学C040204动物进化C0403动物生理及行为学C040301动物生理生化C040302动物行为学C0404动物资源与保护C0405昆虫学C040501昆虫系统及分类学C040502昆虫形态学C040503昆虫行为学C040504昆虫生理生化C040505昆虫毒理学C040506昆虫资源与保护C0406实验动物学C040601实验动物C040602模式动物C05生物物理、生物化学与分子生物学C0501生物大分子结构与功能C050101生物大分子结构计算与理论预测C050102生物大分子空间结构测定C050103生物大分子相互作用C0502生物化学C050201蛋白质与多肽生物化学C050202核酸生物化学C050203酶学C050204糖生物学C050205无机生物化学C0503蛋白质组学C0504膜生物化学与膜生物物理学C050401生物膜结构与功能C050402跨膜信号转导C050403物质跨膜转运C050404其他膜生物化学与膜生物物理学C0505系统生物学C050501生物模块C050502生物网络的结构与功能C050503生物网络动力学C050504生物系统的信号处理与控制C050505生物系统功能与预测C050506系统生物学研究新技术及新方法C0506环境生物物理C050601电磁辐射生物物理C050602声生物物理C050603光生物物理C050604电离辐射生物物理与放射生物学C050605自由基生物学C0507空间生物学C0508生物物理、生物化学与分子生物学研究的新方法与新技术C06遗传学与生物信息学C0601植物遗传学C060101 植物分子遗传C060102 植物细胞遗传C060103植物数量遗传C0602动物遗传学C060201动物分子遗传C060202动物细胞遗传C060203动物数量遗传C0603微生物遗传学C060301原核微生物遗传C060302真核微生物遗传C0604人类遗传学C060401人类遗传的多样性C060402人类起源与进化C060403人类行为的遗传基础C060404人类表型性状与遗传C060405人类细胞遗传C0605基因组学C060501基因组结构与分析C060502比较基因组与进化C060503基因组信息学C0606基因表达调控与表观遗传学C060601组蛋白修饰及意义C060602DNA修饰及意义C060603染色体重塑及意义C060604非编码RNA调控与功能C060605转录与调控C0607生物信息学C060701生物数据分析C060702生物信息算法及工具C060703生物信息的整合及信息挖掘C060704生物系统网络模型C060705生物环路的模拟与构建C060706生物信息学研究新技术与新方法C0608遗传学研究新技术与新方法C07细胞生物学C0701细胞、亚细胞结构与功能C0702细胞生长与分裂C0703细胞周期与调控C0704细胞增殖、生长与分化C0705细胞衰老C0706细胞死亡C0707细胞运动C0708细胞外基质C0709细胞信号转导C0710细胞物质运输C0711细胞呼吸与代谢C0712细胞生物学研究中的新方法C08免疫学C0801免疫生物学C080101分子免疫C080102细胞免疫C080103免疫应答C080104免疫耐受C080105免疫调节C0802免疫遗传学C0803生殖免疫学C0804黏膜免疫学C0805疫苗学C080501疫苗设计C080502疫苗佐剂C080503疫苗递送系统C080504疫苗效应及机制C0806抗体工程学C080601抗体与功能C080602重组与改型C080603抗体的高效表达系统C0807免疫学研究新技术与新方法C09神经科学、认知科学与心理学C0901心理学C090101认知心理学C090102生理心理学C090103医学心理学C090104工程心理学C090105发展心理学C090106教育心理学C090107社会心理学C090108应用心理学C0902神经生物学C090201分子神经生物学C090202细胞神经生物学C090203发育神经生物学C090204系统神经生物学C090205计算神经生物学C090206视觉神经生物学C090207听觉神经生物学C090208嗅觉神经生物学C090209触觉神经生物学C090210痛觉神经生物学C0903认知科学C090301认知的脑结构及神经基础C090302认知语言学C090303学习与记忆C090304注意与意识C090305认知模拟C090306认知科学研究的新技术与新方法C10 生物力学与组织工程学C1001生物力学与生物流变学C100101细胞与分子生物力学C100102骨、关节与运动系统生物力学C100103心、血管组织生物力学与流变学C100104软组织生物力学C1002生物材料C1003组织工程学C100301组织工程皮肤C100302组织工程骨和软骨C100303组织工程神经C100304组织工程血管与心肌C100305组织工程肌组织与肌腱C100306组织工程肝、胆、胰C100307组织工程肾与膀胱C100308干细胞移植与组织再生C100309人工器官C1004生物电子学C100401生物信号检测与识别C100402生物信号功能分析C100403生物传感C1005生物图像与成像C100501生物系统成像C100502生物信号与图像C100503生物信息系统C100504生物系统检测与成像的器件及仪器C1006仿生学C1007纳米生物学C1008生物系统工程研究的新技术与新方法C11 生理学与整合生物学C1101细胞生理学C110101 细胞膜生理功能C110102 细胞代谢与自由基C110103 细胞间相互作用C1102系统生理学C110201 循环生理C110202 血液生理C110203 呼吸生理C110204 消化生理C110205 泌尿生理C110206 内分泌生理C110207 外分泌生理C110208 生殖生理C110209 上皮组织与结缔组织生理C1103整合生理学C110301 生物的调节与适应C110302 应激与代偿C110303 神经、内分泌与免疫调节C110304 内分泌与代谢调节C110305 造血调控与微环境C110306 水、电解质平衡与调节C1104衰老与生物节律C1105营养与代谢生理学C110501 糖、脂代谢C110502 蛋白质代谢与肝脏代谢C110503 骨与钙、磷代谢C110504 微量元素代谢C1106运动生理学C1107特殊环境生理学C1108比较生理学C1109整合生物学C1110人体解剖学C1111人体组织与胚胎学C12发育生物学与生殖生物学C1201发育生物学C120101性器官与性细胞发育C120102卵巢功能与卵子成熟C120103精卵识别与受精C120104体外受精与植入C120105着床与胚胎早期发育C120106组织、器官的形成与发育C120107组织、器官的维持与再生C120108细胞的分化与发育C120109核质互作与重编程C120110模式生物C120111成体干细胞C120112胚胎干细胞C120113干细胞多能性维持与自我更新C120114干细胞定向分化机理C120115体细胞重编程C120116体细胞克隆C120117发育生物学研究的新技术、新方法C1202生殖生物学C120201胚胎着床及妊娠识别C120202妊娠的维持和妊娠期生理C120203分娩与泌乳C120204性别决定与性腺发育C120205辅助生殖工程C120206环境与生殖健康C120207生殖生物学研究的新技术与新方法C13农学基础与作物学C1301农学基础C130101农业数学C130102农业物理学C130103农业气象学C130104农业信息学C130105农业系统工程C1302作物生理学C1303作物栽培与耕作学C130301作物栽培学C130302耕作学C1304作物种质资源与遗传育种学C130401稻类作物种质资源与遗传育种C130402麦类作物种质资源与遗传育种C130403玉米及其他禾谷类作物种质资源与遗传育种C130404大豆作物种质资源与遗传育种C130405油菜及其他油料作物种质资源与遗传育种C130406棉麻类作物种质资源与遗传育种C130407薯类作物种质资源与遗传育种C130408糖料作物种质资源与遗传育种C130409饲料作物种质资源与遗传育种C130410其他作物种质资源与遗传育种C1305作物杂种优势及其利用C1306作物分子育种C1307作物种子学C14植物保护学C1401植物病理学C140101植物病害测报学C140102植物真菌病害C140103植物细菌病害C140104植物病毒病害C140105植物其他病害C140106植物抗病性C1402农业昆虫学C140201植物害虫测报学C140202粮食作物害虫C140203油料作物害虫C140204园艺作物害虫C140205经济及其他作物害虫C140206植物抗虫性C1403农田草害C1404农田鼠害及其他有害生物C1405植物化学保护C140501农药毒理学与有害生物抗药性C140502植物病害化学防治C140503植物害虫化学防治C140504其他有害生物化学防治C1406生物防治C140601植物病害生物防治C140602植物害虫生物防治C140603其他有害生物的生物防治C1407农业有害生物检疫与入侵生物学C1408植物保护生物技术C15园艺学与植物营养学C1501果树学C150101果树生理与栽培学C150102果树种质资源与遗传育种学C150103果树分子生物学C1502蔬菜学与瓜果学C150201蔬菜生理与栽培学C150202蔬菜种质资源与遗传育种学C150203蔬菜分子生物学C150204瓜果学C1503观赏园艺学C150301观赏作物生理与栽培学C150302观赏作物种质资源与遗传育种学C150303观赏作物分子生物学C1504设施园艺学C1505园艺作物采后生物学C1506食用真菌学C1507植物营养学C150701植物营养遗传C150702植物营养生理C150703肥料与施肥科学C150704养分资源与养分循环C150705作物－土壤互作过程与调控C150706农田水土资源利用学C16林学C1601森林资源学C1602森林资源信息学C160201森林资源管理与信息技术C160202森林灾害监测的理论与方法C1603木材物理学C160301材性及其改良C160302木材加工学C160303人工复合木材C1604林产化学C160401树木化学成分分析C160402造纸与制浆C1605森林生物学C160501树木生长发育C160502树木抗逆生理学C160503树木繁殖生物学C1606森林土壤学C1607森林培育学C160701森林植被恢复与保持C160702人工林培育C160703种苗学C160704复合农林业C1608森林经理学C160801森林可持续发展C160802森林分类经营C1609森林健康C160901森林病理C160902森林害虫C160903森林防火C1610林木遗传育种学C161001林木种质资源C161002林木遗传改良C161003林木育种理论与方法C1611经济林学C161101经济林重要形状形成及调控C161102经济林栽培生理C161103林木果实采后生物学C161104茶学C1612园林学C161201园林植物种质资源C161202城市园林与功能C161203园林规划和景观设计C1613荒漠化与水土保持C161301防护林学C161302森林植被与水土保持C161303植被与荒漠化C1614林业研究的新技术与新方法C17畜牧学与草地科学C1701畜牧学C170101畜禽资源C170102家畜遗传育种学C170103家禽遗传育种学C170104畜禽繁殖学C170105单胃动物营养学C170106家禽营养学C170107反刍动物营养学C170108饲料学C170109畜禽行为学C170110畜禽环境学C1702草地科学C170201草地与放牧学C170202草种质资源与育种C170203草地环境与灾害C170204牧草生产与加工C1703养蚕学C1704养蜂学C18兽医学C1801基础兽医学C180101畜禽解剖学C180102畜禽组织胚胎学C180103畜禽生理学C180104动物生物化学C1802动物病理学C1803兽医免疫学C1804兽医寄生虫学C1805兽医传染病学C180501病原学C180502流行病学C180503兽医传染病的预防C1806中兽医学C1807兽医药理学与毒理学C180701动物药物学C180702兽医药理学C180703兽医毒理学C1808临床兽医学C180801兽医外科学C180802兽医内科学C180803兽医产科学C180804兽医临床诊断学C180805兽医治疗学C19水产学C1901水产基础生物学C190101水产生物生理学C190102水产生物繁殖与发育学C190103水产生物遗传学C1902水产生物遗传育种学C190201鱼类遗传育种学C190202虾蟹类遗传育种学C190203贝类遗传育种学C190204藻类遗传育种学C190205其他水产经济生物遗传育种学C1903水产资源与保护学C190301水产生物多样性C190302水产生物种质资源C190303水产保护生物学C190304水产养殖生态系统恢复C1904水产生物营养与饲料学C190401水产生物营养学C190402水产生物饲料学C1905水产养殖学C190501鱼类养殖学C190502虾蟹类养殖学C190503贝类养殖学C190504藻类养殖学C190505其他水产经济生物养殖学C1906水产生物免疫学与病害控制C190601水产免疫生物学C190602水产生物病原学C190603水产生物病理学C190604水产生物疫苗学C1907养殖与渔业工程学C190701高效养殖工程学C190702水产增殖、捕捞与设施渔业C1908水产生物研究的新技术和新方法C20食品科学C2001食品科学基础C200101食品生物化学C200102食品营养学C200103食品检验学C2002食品加工学基础C200201食品油脂加工C200202制糖C200203肉加工C200204乳加工C200205蛋加工C200206水果、蔬菜加工C200207食品发酵与酿造C200208食品焙烤加工C200209调味食品C200210食品添加剂C200211饮料冷饮C2003食品加工技术C200301储藏与保鲜C200302食品机械C200303食品加工的副产品加工与再利用。
基于智能手机传感器的人类行为识别研究
doi:10.3969/j.issn.1003-3114.2023.03.023引用格式:丁阁文,丁绪星,许蓉,等.基于智能手机传感器的人类行为识别研究[J].无线电通信技术,2023,49(3):566-576.[DING Gewen,DING Xuxing,XU Rong,et al.Research on Human Activity Recognition Based on Smartphone Sensors[J].Radio Com-munications Technology,2023,49(3):566-576.]基于智能手机传感器的人类行为识别研究丁阁文,丁绪星∗,许㊀蓉,王㊀冲,邹孝龙(安徽师范大学物理与电子信息学院,安徽芜湖241002)摘㊀要:针对因人类行为识别中手机位置的不确定性导致的行为识别率低的问题,提出了一种实时行为识别方法㊂首先对智能手机中加速度计和陀螺仪所获取的各行为下的传感器数据,依次进行零偏误差补偿㊁异常值处理和db7小波阈值去噪;其次使用滑动窗口对预处理后的数据进行分割,同时基于各行为特征分布规律进行特征提取;最后将提取的特征用于支持向量机(Support Vector Machine,SVM)分类器模型的训练,通过调用SVM 模型结合多票判决策略实现当前时刻行为预测㊂仿真结果表明,该方法能有效地识别坐㊁站立㊁行走㊁跑步㊁上楼㊁下楼㊁躺㊁卧8种基本行为,并能区分握㊁阅读㊁接听㊁摆臂㊁口袋5种手机位置㊂分类器模型的整体识别率达到了97.6%,在手机位置固定和不固定的情况下,实时行为识别的平均识别准确率分别达到了90.6%和84.8%,平均耗时为177.803ms㊂关键词:人类行为识别;智能手机传感器;支持向量机;小波分析中图分类号:TP391.4㊀㊀㊀文献标志码:A㊀㊀㊀开放科学(资源服务)标识码(OSID):文章编号:1003-3114(2023)03-0566-11Research on Human Activity Recognition Based on Smartphone SensorsDING Gewen,DING Xuxing ∗,XU Rong,WANG Chong,ZOU Xiaolong(School of Physics and Electronic Information,Anhui Normal University,Wuhu 241002,China)Abstract :There is low activity recognition rate caused for the uncertainty of smartphone positions in human activity recognition.Aiming at above problem,a real-time activity recognition method is proposed in this paper.First,the raw data is processed using zerobias error compensation,outlier processing and db7wavelet threshold denoising respectively,which is the sensor data of various behav-iors obtained by the accelerometer and gyroscope of smart phone.Then,the processed data is segmented by a sliding window.At the same time,the features are extracted based on data feature distribution law of each activity.Finally,Support Vector Machine(SVM)al-gorithm and the extracted features are used for training of the classifier model.Behavior is predicted by invoking the SVM model com-bined with the multi-vote decision strategy at the current moment.Simulation results show that eight main behaviors (sitting,standing,walking,running,going upstairs,going downstairs,half lying,and lying)under five smartphone positions (holding,reading,answering,arm swinging,pocket)can be effectively identified.The overall recognition rate of the classifier model reached 97.6%.When the mobilephone position is fixed and not fixed,the average recognition accuracy of real-time behavior recognition reaches 90.6%and 84.8%,re-spectively,and the average time-consuming is 177.803ms.Keywords :human activity recognition;smartphone sensors;SVM;wavelet analysis收稿日期:2023-01-15基金项目:安徽省发展和改革委员会支持项目(832132)Foundation Item :Anhui Development and Reform Commission (832132)0 引言近年来,人类行为识别(Human Activity Recog-nition,HAR)成为了人工智能领域的研究热点,并被广泛地应用于老年监护[1-2]㊁智慧医疗[3]㊁运动监测[4]等领域㊂HAR 的研究方法大致可分为两类:基于计算机视觉的行为识别[5]和基于可穿戴设备的行为识别[6-7]㊂基于计算机视觉的行为识别是利用图像或视频来提取人体的行为特征,这种方法通常要求固定照相机㊁摄像机等硬件设备,且在使用中视线容易被障碍物遮挡,存在局限性[8]㊂而基于可穿戴设备的行为识别主要使用设备中的惯性传感器㊁心率传感器等获得人体行为数据和生理信息,研究人员利用这些数据来预测人们站立㊁行走㊁跑㊁上下楼㊁跳跃等基本行为[9-10]㊂因此与基于计算机视觉的行为识别相比,可穿戴设备方便携带㊁成本低㊁灵敏性高,能方便高效地收集数据且数据处理较简单,在行为识别领域应用更为广泛㊂在过去的10年中,智能手机已经成为一些可穿戴传感器的替代品㊂如今的智能手机中搭载了各种类型的传感器,如GPS㊁惯性传感器(加速度计㊁磁力计㊁陀螺仪)和环境传感器(麦克风㊁光线传感器㊁距离传感器)等[11]㊂不仅如此,智能手机还具有强大的计算能力,可以轻松高效地收集和处理有关用户的丰富信息㊂相对于可穿戴设备,使用智能手机进行数据采集与处理更加方便㊁更具便携性,不管是将手机拿在手里还是装在口袋里,智能手机均可以持续地感知用户的行为㊂尤其是在COVID-19 (Coronavirus Disease2019)较为严重的情况下[12],基于智能手机的行为识别成为了一种高效㊁廉价和安全的方法,利用智能手机传感器数据预测人类行为从而实现对身体行为变化和心理健康的监测,而不需要专门的或者昂贵的医疗备来监测㊂因此,基于智能手机传感器的行为识别具有更高的研究价值㊂1㊀当前研究现状近年来,尽管研究者们在利用智能手机传感器识别人类行为的研究中取得了一些成果,但仍存在以下不足:①手机放置的位置对识别结果有着很大的影响[13]㊂研究者们通常要求将手机放在身体上的特定位置(比如腰部[13]㊁口袋[14]等),研究的实验位置是不自然的,携带不方便;②加速度数据对多种行为数据难以区分,尤其是在识别上下楼梯时,结果不太理想;③大部分的研究者只是致力于数据分析及处理,未结合实际做实时行为识别的研究㊂针对以上问题,Menhour等人[15]使用来自文献[16]的公开在线数据集,将加权K近邻(Weigh-ted K-Nearest Neighbors,WKNN)算法和支持向量机(Support Vector Machine,SVM)相结合,对6项人体行为(行走㊁站㊁坐㊁跑㊁上楼㊁下楼)和4种手机位置(右牛仔裤口袋㊁手臂㊁腰带和手腕)进行识别;其结果为:手机固定在腰部时,上㊁下楼的识别率分别在91.8%和94.2%左右;手机固定在手腕时,上㊁下楼的识别率分别达到了98.1%和99.6%㊂虽然识别率有所提高,但在正常生活中,手机放置在这两处的较少㊂Wang等人[17]在SVM算法基础上引入了D-S 证据理论,再利用数据融合的思想识别人类行为;使用智能手机获取4种行为(行走㊁跑㊁上楼和下楼)以及4种手机位置(阅读㊁接听㊁摇摆和口袋)下的加速度计和陀螺仪数据;该研究中将跑的识别准确率提高到了99.7%,但上楼的准确率仅有92.1%㊂孔菁等人[18]同样使用智能手机的加速度计和陀螺仪数据并采用主成分分析方法对数据统计特征进行降维处理,将决策树与SVM相结合实现对行为特征的分类,模型对所有行为识别的平均准确率达到97.5%,上下楼的识别率也能在96%左右;但文章未给出手机放置位置㊂Qi等人[19]提供了一个基于智能手机的自适应人类行为识别实时监控系统识别12种人类行为,其中包括5种动态行为(步行㊁慢跑㊁跳跃㊁上楼和下楼)㊁6种静态行为(站立㊁坐㊁左右躺㊁俯卧和仰卧)以及一系列的过渡行为(如从坐到站)㊂在模型训练和测试过程中,使用了4种携带手机的方式:裤子的口袋㊁衬衫的口袋㊁腰部和背包,并且将手机按任意方向携带,模型对手机置于腰部和口袋的行为识别取得较好的性能(腰部95.15%,口袋92.20%)㊂在最后的实时行为识别实验中,仅验证了手机放在腰部和左边口袋的两项新的行为:深蹲㊁扭屁股㊂针对以上问题,考虑实时的人类行为识别,本文对5种手机位置下(握㊁阅读㊁接听㊁摆臂㊁口袋)的8种人类基本行为(坐㊁站立㊁行走㊁跑㊁上楼㊁下楼㊁躺㊁卧)展开了研究,并设计了一种基于SVM结合多票判决的实时行为识别方法㊂为减少手机位置对识别率的影响,将行为识别分为离线阶段和在线阶段,主要研究内容包括:数据采集㊁数据预处理㊁特征提取与特征选择㊁分类器模型的训练以及实时行为识别设计5个方面㊂在离线阶段,数据经过预处理后提取相关特征作为输入向量用来训练分类器模型;在线阶段中,对逐渐累积的数据采用离线阶段的数据处理方法进行特征提取,然后调用分类器并结合多票判决的方法预测当前行为㊂2㊀方法框架概述按照人类行为识别研究的总体框架,将实时行为识别分为两个阶段:离线阶段和在线阶段㊂离线阶段具体流程如图1所示,包括:数据采集㊁数据预处理㊁特征提取㊁特征选择以及分类器模型的训练㊂首先,以50Hz的采集频率获取各行为下智能手机中加速度计和陀螺仪的数据,并对采集到的数据进行预处理,依次为零偏误差补偿㊁基于箱型图和均值修正法的异常数据处理㊁以及基于db7小波基和SURE 阈值的软阈值去噪㊂其次,采用固定长度为64,重叠率为50%的滑动窗口对与处理后的数据进行划分,在每个窗口中对数据提取特征用于描述每种行为,并对提取的特征进行筛选以减少冗余特征的影响㊂最后将特征选择后形成的新数据集用于分类器模型的训练㊂图1㊀离线阶段主要流程Fig.1㊀Main process in offline stage在线阶段主要实现实时行为识别,流程如图2所示㊂图2㊀在线阶段主要流程Fig.2㊀Main process of online stage此阶段仍采用固定长度为64的窗口对采集的数据进行划分,当从开始采集数据时长达到1.28s时,启动实时行为识别算法㊂随着数据的增加,每0.2s(数据集S 长度Len 每增加10)更新一次窗口,同时对当前窗口的数据采用与离线阶段相同的预处理,并按照离线阶段中最终选取的特征提取特征向量,再调用训练好的SVM 分类器预测此时行为㊂由于超过1.28s 后的数据会被划分到多个窗口中,可能被标记为不同的行为,此时结合多票判决策略[20],选择出当前位置最终的结果㊂3㊀数据采集与处理3.1㊀数据采集与数据分割将待识别的行为划分为两大类:主要行为和次要行为㊂主要行为是指人的身体姿势或运动状态,本文研究围绕人类日常的基础行为,包括静态动作和动态动作㊂静态动作包括:站㊁坐㊁躺㊁卧;动态动作包括:行走㊁跑㊁上楼和下楼㊂而次要行为是指智能手机的位置㊂根据对人类日常行为的分析,在数据采集过程中分别将手机放置在如图3所示的5个位置上㊂智能手机在位置1~5中分别表示手持不摆臂㊁阅读手机㊁接听电话㊁放置口袋中和手持摆臂,而每一种放置位置都对应人类日常的几种主要行为,如在位置3接听电话的前提下,采集对象可以处于行走㊁跑㊁上楼㊁下楼㊁站㊁坐㊁卧㊁躺这几种行为状态㊂即在不同的位置下完成对不同基本行为的数据采集㊂因此本文所研究的行为如表1所示㊂图3㊀数据采集手机位置示例图Fig.3㊀Sample graph of data acquisition mobile phone location表1㊀待研究行为类别Tab.1㊀Categories of behavior to be studied次要行为主要行为位置1行走㊁跑㊁上楼㊁下楼㊁站位置2行走㊁跑㊁上楼㊁下楼㊁站㊁坐㊁卧㊁躺位置3行走㊁跑㊁上楼㊁下楼㊁站㊁坐㊁卧㊁躺位置4行走㊁跑㊁上楼㊁下楼㊁站㊁坐位置5行走㊁跑㊁上楼㊁下楼㊀㊀实验所用的数据均使用华为nova4安卓手机作为数据采集设备,并以50Hz的频率采集数据,即每20ms获取一组传感器数据㊂因此每一次采集的数据包括7列测量值,其中第一列为时间,第2~7列为分别是加速度计和陀螺仪的测量数据㊂在数据处理之前,先使用滑动窗口算法对数据进行划分,在数据分割时每个窗口内尽可能包含一个及一个以上的完整周期,以保证每个窗口内提取的数据特征能够准确地反映某种行为㊂为选择合适的窗口长度,实验人员在较慢速度的情况下采集一些动态行为数据,通过计算得到行走㊁跑㊁上楼和下楼的平均周期分别为1.04㊁0.65㊁1.18㊁1.04s㊂因此,本文通过固定长度为64(1.28s),50%重叠率的滑动窗口来分割数据㊂所以,每个窗口内的数据样本通过64次采集得到,且每一次采集均可获得3个加速度数据和3个角速度数据,故数据分割后得到的每个数据样本由384个数据组成㊂3.2㊀数据预处理3.2.1零偏误差补偿行为识别对于传感器的精度要求相对较低,所以本文对传感器零偏误差仅做粗略估计㊂零偏误差包含了常值零偏㊁零偏稳定性和零偏不稳定性㊂对零偏误差的处理分为两步:①通过传感器在初始启动过程中采集几秒钟的静态数据求得的平均值来补偿常值零偏和零偏稳定性,测算结果如表2所示㊂②通过N秒平均法测算传感器的零偏不稳定性,如表3和表4所示㊂N秒平均法,即采集几个小时的静态数据,每10s或100s求取平均,最后统计这些平均值的均值与标准差㊂表2㊀静态数据求零偏不稳定性测量结果Tab.2㊀Static data to obtain zero bias instabilitymeasurement results坐标轴加速度计/(m/s2)陀螺仪/((ʎ)/s)X0.0946-0.0008Y-0.00200.0029Z0.0492-0.0082表3㊀N秒平均法求零偏不稳定性测量结果Tab.3㊀N-second average to obtain zero bias instability measurement results坐标轴加速度计/(m/s2)陀螺仪/((ʎ)/h)X-0.013611.6017Y0.12149.4827Z-0.0650 6.2797表4㊀传感器零偏不稳定性的N秒平均法测量结果标准差Tab.4㊀Standard deviation of sensor zero bias instability measured by N-second mean method传感器N=1N=10N=100加速度计X轴/(m/s2)0.006610.006330.00598加速度计Y轴/(m/s2)0.021180.021070.02113加速度计Z轴/(m/s2)0.060390.058790.05834陀螺仪X轴/((ʎ)/h) 2.65370 2.62860 2.62970陀螺仪Y轴/((ʎ)/h)16.0747016.0710016.14170陀螺仪Z轴/((ʎ)/h) 2.19210 2.17080 2.17390 3.2.2异常数据处理本文对异常值的处理采用均值修正法,利用原异常值所在位置的左右各两个数据的平均值来替换该异常值㊂但在处理过程中,需要注意判断数据是否越界㊂当进行异常值处理时,先对去除零偏误差后的数据采用箱型图检测出异常值所在位置㊂若异常值所在位置的左右各两个值均在原数据可检索范围内,则正常进行均值修正㊂若在寻找异常值相邻数据时,左边或右边的相邻数据索引超出了原数据序列长度,此时,只选择可检索到的数据求平均值来替换该异常值㊂图4列举了一组行为加速度数据异常值的处理结果,图中的点代表数据中的异常值㊂从图中可以看出,经处理后异常值数量明显减少㊂经大量的实验仿真,对于异常值的处理方法同样适用于其他行为数据㊂图4㊀异常数据处理前后箱型图对比Fig.4㊀Comparison of box type before and afterabnormal data processing3.2.3小波阈值去噪对于原始数据中存在的高频噪声,本文研究采用小波阈值去噪方法加以滤波,该方法不仅能够剔除信号中的噪声,而且可以尽可能地保留原始数据的特征㊂小波阈值去噪方法的主要流程如图5所示,主要步骤如下:①选择一种小波基函数并确定分解层次;②对含有噪声的数据进行小波变换,以获得不同尺度下的小波系数;③选择合适的阈值,将噪声产生的小波系数删除,只保留真实信号所产生的系数;④对处理后的小波系数利用小波逆变换实现信号重构,以获得去噪后的信号㊂在以上过程中,每个部分的设计,均会直接影响对数据的去噪效果㊂图5㊀小波阈值去噪的流程图Fig.5㊀Flowchart of wavelet threshold denoising在小波去噪中,通常使用信噪比和均方根误差来评价信号的去噪效果㊂信噪比是指信号和噪声二者间能量的比值,计算公式如式(1)所示㊂式中, f(x)为原始信号,f d(x)为去噪后的信号㊂均方根误差用于判断去噪前后信号的分散程度,计算公式如式(2)所示㊂SNR=ðN i=1f2(x i)ðN i=1[f(x i)-f d(x i)]2,(1)RMSE=1NðN i=1[f(x i)-f d(x i)]2㊂(2)一般地,信噪比越大,均方根误差越小,说明去除的噪声越多,信号去噪前后的偏差越小,去噪效果越好㊂依据上述两个指标,在实验仿真中反复调整各参数,选择出适应于大部分行为数据去噪的参数㊂图6和图7中分别展示了一组静态行为数据和一组动态行为数据的去噪前后对比图㊂经过大量的仿真分析确定了在小波阈值去噪处理中,均采用db7小波基函数㊁分解层数为3层结合基于SURE的自适应软阈值去噪方法对各行为数据进行去噪,以提高行为识别的精度㊂图6㊀行为 行走 加速度数据去噪前后对比图Fig.6㊀Comparison of acceleration data before and after denoising of walking图7㊀行为 站 加速度数据去噪前后对比图Fig.7㊀Comparison of acceleration databeforeand after denoising of station3.3㊀特征提取与特征选择为了提高预测的准确性,利用特征提取与特征选择来构建更快㊁消耗更低的预测模型㊂特征提取和特征选择通过选择重要特征的子集来减少数据的维度,以增强模型的可解释性㊂在3.1节的基础上,在每个数据样本中,利用采集到的三轴加速度数据计算出合加速度,并将其作为该数据样本的第7列测量值㊂对于每个窗口内的数据可按照表5所列的特征对7列测量值分别提取19个时域特征和16个频域特征,另外还需提取加速度计三轴测量值之间的皮尔逊相关系数(3个),陀螺仪三轴测量值之间的皮尔逊相关系数(3个),样本数及分布如表6所示㊂表5㊀时域特征㊁频域特征提取Tab.5㊀Time domain feature extraction and frequency domain feature extraction数据时域特征频域特征各列测量值㊁合加速度最小值㊁最大值㊁均值㊁众数㊁四分位数(3个)㊁四分位距㊁极差㊁方差㊁标准差㊁均方根㊁绝对值的平均值㊁平均绝对离差㊁波形因子㊁峰值因子㊁裕度因子㊁脉冲因子㊁能量最小值㊁最大值㊁均值㊁四分位数(3个)㊁四分位距㊁极差㊁方差㊁标准差㊁均方根㊁峰度㊁偏度㊁平均绝对离差㊁平均频率㊁能量加速度计三轴之间皮尔逊相关系数(3个值)无陀螺仪三轴之间皮尔逊相关系数(3个值)无表6㊀不同手机位置下行为的样本数Tab.6㊀Number of samples of behavior at differentphone locations主要行为位置1位置2位置3位置4位置5行走13201335134313211315跑12971296128512941259上楼12391279124312311258下楼12421290124312361252站1311130612981313坐129512761309躺12231223卧12261223㊀㊀为了提高各行为的识别准确率㊁缩短模型的训练时间,使分类器模型具有更好的性能,需要在提取的特征中选择出有效的特征,且这些特征易于区分㊁便于提取㊁数量尽可能少㊂本文根据特征分布规律来选择特征㊂图8为本文8种主要行为合加速度相关特征的分布统计图㊂图8(a)为随机抽取的10000个静态行为样本和动态行为样本的合加速度幅值的最大值分布情况,从图中可以看出,静态行为的合加速度最大值大部分集中在9.6~13m/s2,而动态行为则集中分布在10~80m/s2㊂图8(b)和图8(c)分别为4种动态行为和4种静态行为的合加速度幅值的均值分布情况,对于4种静态行为,合加速度幅值大致分布相同;在4种动态行为中, 跑 的数据特征分布明显与另外3种行为的特征分布有所差异㊂因此,可使用合加速度幅值的相关特征来区分静态行为㊁ 跑 和另外3种动态行为㊂(a)合加速度最大值分布(b)各静态行为合加速度均值分布(c)各动态行为合加速度均值分布图8㊀8种主要活动合加速度幅值相关特征分布Fig.8㊀Characteristic distribution of amplitude correlation of the combined acceleration of eight majoractivities㊀㊀为区分除 跑 以外的另外3种动态行为,以位置4下的各行为数据为例㊂图9中列出了位置4时 行走 上楼 下楼 加速度计X 轴和Z 轴的最小值和最大值的详细分布情况㊂从图中可知,虽然3种行为的数据分布出现重叠,但也存在一些差异,图9(a)和图9(b)中以最上面的虚线为参考面, 行走 的加速度计X 轴和Z 轴的最大值75%以上的数据在虚线上方,而 下楼 的数据特征有50%以上在虚线以下;图9(a)和图9(b)中以最下面的虚线为参考面, 上楼 下楼 两种行为的加速度计X 轴和Z 轴的最小值75%以上的数据在虚线上方,而 行走 的数据特征接近75%的数据分布在虚线以下㊂(a )加速度计X轴最值分布(b )加速度计Z 轴最值分布图9㊀位置4下 行走 上楼 下楼 加速度计最值分布Fig.9㊀Maximum accelerometer value distribution ofwalk , go up and go down at position 4对于同一种主要行为,不同手机位置下的数据特征也有所差异,以 行走 为例,图10分别列出了各种手机位置下加速度计Y 轴㊁Z 轴的数据特征分布㊂从图10(a)可以看出,位置1与位置2㊁位置3相比,数据特征分布有着较明显的差异;图10(b)中,位置2的数据与其他位置上的数据也有着明显的划分界限㊂(a )加速度计Y轴最值分布(b )加速度计Z 轴最值分布图10㊀不同手机位置下 行走 的加速度计三轴最值分布Fig.10㊀Accelerometer triaxial maximum value distributionof walk under different mobile phone positions按照上述方法,对提取的特征进行筛选㊂在原特征集的基础上选择了合加速度部分特征,加速度计和陀螺仪各轴最值㊂由于在不同的行为中,加速度计的三轴数据之间,以及陀螺仪的三轴数据之间有一定的相关性㊂因此,特征选择时保留加速度计与陀螺仪三轴之间的皮尔逊相关系数㊂本文最终选取了30个特征组成特征子集,分别为:加速度计和陀螺仪各轴测量值的最大值㊁最小值以及三轴数据之间的皮尔逊相关系数,合加速度的最小值㊁最大值㊁方差㊁平均数㊁众数㊁四分位数㊁极差㊁四分位距㊁平均绝对离差以及信号能量㊂4㊀模型训练4.1㊀SVM 分类器模型SVM 算法在非线性问题上有着突出的表现,它通过非线性变换将特征向量转换到高维的特征空间中,在高维特征空间中建立一个最大间隔的超平面来实现训练样本分类,巧妙地将非线性问题转化为线性问题㊂最终的超平面对应的模型为:f(x)=w Tφ(x)+b,(3)式中,法向量w和位移项b需满足式(4)所示的目标函数㊂由于求解映射到高维空间后的关系式较为困难,此时可以利用拉格朗日对偶性转换成求解其对偶变量的优化,对偶问题的目标函数如式(5)所示:min w,b12 w 2,㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀s.t.㊀y i(w Tφ(x)+b)ȡ1,㊀i=1,2, ,m,(4) maxαðm i=1αi-12ðm i=1ðm j=1αiαj y i y jφ(x i)Tφ(x j), s.t.㊀ðm i=1αi y i=0,㊀αiȡ0,i=1,2, ,m㊂(5)式(5)中的计算涉及到φ(x i)Tφ(x j)的计算,即样本x i和x j映射到新的特征空间后的内积㊂由于经过变换后的特征空间维数可能很高,所以很难直接对公式展开计算㊂假设一个函数K(x i,x j)满足式(6),则只需通过函数K(x i,x j)计算结果㊂K(x i,x j)=φ(x i)Tφ(x j),(6)由上所述,最终的超平面对应的模型为:f(x)=ðm i=1αi y i K(x i,x j)+b,(7)式中,K(x i,x j)为SVM模型训练时需要用到的核函数,也是用于实现从低维空间映射到高维空间的功能㊂为了构建适合于本文的行为识别模型,在构建分类器模型时先后选用了线性核函数㊁二次多项式核函数㊁三次多项式核函数以及径向基核函数训练模型,通过比较各模型的准确率选择最符合要求的核函数㊂4.2㊀多票判决由于超过1.28s后的数据会被划分到多个窗口之内,并且在每个窗口内被标记的标签类型可能不一致,造成该问题的原因有两种:①当前位置处于行为之间的交界处;②该窗口内的特征不明显,经分类器识别时误判㊂为了解决上述问题,本文参考多票判决策略㊂如图11所示,在分类器进行行为识别时,同时对每个时刻被标记的标签进行计数,直到当前时刻最后一次被划分到窗口内,选择被标记次数最多的标签作为此时刻的最终标签㊂若出现次数最多的标签有两个或两个以上,选择最后一个已知的标签作为最终标签㊂例如图11中标签7和9对应的行为分别为手机在位置2时的行走和上楼,其中某时刻的数据经过了6个窗口,被标记为9的次数最多,因此当前时刻最终预测出的行为为阅读时上楼㊂实验中,在线阶段采用固定长度为64,移动步长为10的窗口,因此,每个时刻最多经过6个窗口㊂图11㊀多票判决Fig.11㊀Multiple verdict5㊀实验结果与分析本文所有分类器模型均基于Matlab2020a编写代码,在Windows10系统,CPU为Intel i5-10210U 的电脑上执行代码㊂5.1㊀分类器实验结果分析在使用SVM训练分类器模型时,分别采用不同的核函数以及 一对一 的多分类方式,并采用5折交叉验证的方式避免过拟合㊂不同核函数的训练和测试结果如表7所示㊂表7㊀不同分类模型的训练和测试结果Tab.7㊀Training and testing results of differentclassification models核函数平均准确率/%训练时间/s预测时间/ms 线性核函数90.984.73230.88二次多项式核函数97.689.16232.42三次多项式核函数97.6173.25338.96径向基核函数95.2252.33280.38㊀㊀综合比较4种核函数的训练结果,其中采用二次多项式核函数的SVM模型(Q-SVM)整体性能最好㊂为探究SVM分类器模型性能的好坏,本文又分别训练并测试了朴素贝叶斯㊁决策树㊁KNN以及BP神经网络。
威廉姆森-从选择到契约-作为治理结构的企业理论
从选择到契约:作为治理结构的企业理论〔美〕奥立弗・E.威廉姆森赵 静 丁开杰 译内容提要:威廉姆森主张从选择视角转向契约视角,对企业组织理论进行研究。
他针对理性体系中的宏观组织理论,提出了从组织理论到契约经济学的五个内容:(1)在更现实的条件下对人类行为者进行描述;(2)对所有重要的行为规范保持警觉;(3)治理的替代模式具有分立的结构方式;(4)多数属于微观分析法的行为分析;(5)合作适应性的重要性。
最后,威廉姆森认为,采用契约视角来分析企业组织,就很自然地要求对企业进行重新的定义,作者认为,企业不是作为选择理论传统所说的一种生产功能出现的,而是作为一种治理结构出现的。
关键词:治理结构 契约 交易成本经济学 组织理论中图分类号:F 文献标识码:A 文章编号:1003—3947(2003)03—0079—16 长期以来,“组织是重要的,并且是可以分析的”等命题一直受到经济学家的怀疑。
当然,也有明显的例外,如阿尔弗雷德?马歇尔的《产业与贸易》(Alfred Marshall,1932),约瑟夫・熊彼特的《资本主义、社会主义与民主》(Joseph Schum peter,1942)以及弗里德里希・哈耶克(Friedrich Hayek,1945)关于知识的论著。
像索尔斯坦・凡勃伦(Thorstein Veblen,1904)、约翰・R・康芒斯(John R.C omm ons,1934)和罗纳德・科斯(R onald C oase,1937)等制度经济学家,以及罗伯特・米歇尔斯(R obert Michels,1915)、切斯特・巴纳德(Chester Barnard,1938)、赫伯特・西蒙(Herbert Sim on,1957)、詹姆斯・马奇(James March,1958)和理查德・斯科特(Richard Scott,1992)等一些组织理论学家,也认为应该更多地关注组织问题。
人们经过很长的时间才认识到了这一点究其原因,一是指出组织的重要性要比分析组织怎么重要以及为什么重要容易得多①,二是选择方法在经济学中的流行也对此产生了阻碍作用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
案主的情绪反应：情绪反应型态、情绪强度 案主的自我陈述：案主愿意呈现的自我、有哪些非
理性想法、陈述的自我与个人行为问题间的关系。
案主对他人的察觉：对他人的一般性看法、对来自
他人之期望的认知、前述各种认知源自事实或想象。
社会认知与调节
案主对社会互动规范的认知、对友谊关系的看法、
对他人的期望、案主设身处地了解他人的能力、道德
讨论：个人问题与社会问题的关系
个人问题与社会问题的关系
个人问题不但与其所处的社会情境有关，
而且与社会公共问题有密不可分的内在联
系，社会公共问题是以个人问题为基础。
许多个人问题不可能由个人或家庭解决，
不解决社会问题，个人问题就得不到解决。
“人类是一个整体， 他人的不幸就是你的 不幸，不要以为丧钟 为谁而鸣，丧钟为你
心理危险
案主如何陈述其儿时的重大事件、案主与父母和其他
成人之间的关系、有没有被成人伤害或性侵犯的经验、
案主与同辈群体相处的经验、案主生活环境的心理气氛
和社会关系特质、案主有无心理疾病或偏差的病史、有
无使用精神科药物的历史。
案主最近几年有无经历重大的生活变化事件、最近几
年与同事之间的关系、目前有无使用精神科药物或其它
感、对互动对象的了解。
案主的认知能力、掌握真实现象的能力、案主的思
想观念。
社会认知与调节
案主的社交技巧是否适当、案主对社交礼仪规范的
认识、能否与人有效地沟通交换讯息。
案主解决问题的能力、了解问题后果的能力、能否
根据目的选择适当手段。
案主有无不良的适应行为、面对问题的态度、有无
导致自身困扰的行为模式、期待自己的行为如何改变。
忆能力、专注能力、抽象思考的能力。
案主的学习能力及表现：学校的成绩表现、解决
问题的能力、洞察力和反省力。
交流
沟通表达能力：语言表达能力、词汇丰
富程度、双语或多语能力、肢体语言能力
你不知道自己还可以撑多
久
办公室的每一个人都让你发疯
态度与情绪
案主的自我认知、人际关系的自我认知、自认符合
他人期望之程度、自认他人如何评价自己。
第三章 评估社会功能的多维框架 主要内容
一、评估社会功能的生物生理维度 二、评估社会功能的心理学维度 三、评估社会功能的社会维度
评估社会功能的多维框架的假设
一、评估人类行为有三个维度：生物生理维度、心理
学维度和社会维度。
二、这些维度构成了一个生物—心理---社会功能系统。
三、系统被组织在一个等级结构中，该结构包含了从
小到大的各种层次。
四、各个系统与其他系统持续不断地进行互动。
评估社会功能的生物生理维度
一、生物生理成长与发展 二、生物生理危险
生物生理成长与发展
1、发展过程追溯到母亲怀胎之时。 母亲的健康状况、父亲的健康状况、是否足月生产ቤተ መጻሕፍቲ ባይዱ 母亲怀胎期间有无不当地使用药物、怀孕期间有无 并发症、有无家族遗传疾病、有无基因和染色体异
常的问题、有无因生产而造成的问题。
生物生理成长与发展
2、个体出生之后的发展过程是否正常。
何时开始坐立、何时开始说话、何时开始进食穿衣、
何时开始能控制大小便、第二性征何时出现等。
3、个体身体的状况也需要评量。
体重是否稳定、月经是否规律、作息时间是否规律、
活动力、营养摄取量、有无内分泌不平衡的现象、
有无生理方面的障碍、是否吸烟饮酒、是否有药瘾、
而鸣。”
处方药物。
评估社会功能的社会维度
关于家庭的评量
关于所属团体的评量
关于支持系统的评量
关于所属社区的评量
社会问题与个人适应
关于家庭的评量
家庭组成、家庭关系结构、家庭互动规范与内 容、家庭内的冲突、家庭成员如何表达情感、
家庭内的角色分工、家庭内的权力分配、家庭
成员间的紧张关系与相互支持、家庭的价值观 念、家庭文化、家庭如何自我看待。
神经学：大脑与情绪
大脑皮质下方的一系列结构：主要是颞叶、 杏仁核、 杏仁海马、海马、额－颞皮层统称为边缘系统。情绪
冲动在边缘中心产生，但情绪表达是受制于额头后方
前额叶皮层。而且， 前额叶皮层的两侧似乎负责操控
两组不同的情绪反应，像右侧是调节比较令人沮丧让
人退缩的情绪，如恐惧、厌恶；左侧则是调节比较正 面的情绪，如快乐。我们所感受到的情绪和我们如何 处理情绪的方式，可以说是被这整个广泛联系的脑部 线路所控制。
家庭成员互动关系图
关于所属团体的评量
同事团体或所属公司组织内的互动型态、
团体动力和团体规范、团体的决策型态、
沟通型态、权力分配。
关于支持系统的评量
案主有哪些支持系统（家庭、朋友、自助
团体、组织性的支持、制度性的支持等）、
案主可以取得哪些资源、取得资源和支持
的障碍、需要哪些资源和支持系统。
是否使用非法药物、外貌有无异常、外貌是否与其 实际年龄相当、自我照顾生活自理能力如何。
生物生理危险
有无生物方面的疾病，有没有器官功能受损的问题。 家族中有无亲戚患有心脏疾病、呼吸系统疾病、癌症、 糖尿病家族性疾病。 近亲的健康状况。 近亲死亡的原因及死亡时的年龄。 案主目前和过去的健康状况。
讨论：生物生理系统对人类行为的影响。
关于所属社区的评量
社区规范与案主困境的关系
社区结构与案主问题之间的关系
社区对性别角色的刻板印象
因语言或种族族群不同而有的障碍
社会问题与个人适应
失业率、犯罪率、离婚率、外遇、不景气、
贫穷、歧视、社会制度（经济制度的生产
面与分配面、教育、司法、医疗保健、社
会福利、资讯传播）的问题。
社会问题与个人适应
特别容易会忧郁。如果左侧完全损害，那它就无法制衡
右侧的活动，也就很有可能会经常体验到负面的情绪状 态。
神经学：大脑与情绪
神经系统的强度、灵活性和均衡性是性格的生
理学基础。
评估社会功能的心理学维度
认知发展与信息处理
交流
态度与情绪
社会认知与调节
心理危险
认知发展与信息处理
案主的注意力范围、注意力集中的时间长度、记
神经学：大脑与情绪
脑部左前方区域活化程度高的人在生活中显示出比较 多正面的情绪，脑部左侧的前方区域跟亲近行为比较有
关，不管是在一般情况或是响应挑战时都是如此。
脑部右半球比较活化的人则显示出比较多的负面情绪
反应，右侧区域则是跟退缩行为比较有关；脑部右侧的
过度活化似乎会增进退缩的行为；脑部左侧受损害的人