2作者简介.FIT)
病人权力距离量表的编制与信效度检验
病人权力距离量表的编制与信效度检验王吟雨1，俞海萍1*，顾艳芬1，周珊珊21.同济大学附属东方医院，上海200120；2.同济大学医学院Development and reliability and validity test of patients'power distance scaleWANG Yinyu,YU Haiping,GU Yanfen,ZHOU ShanshanShanghai East Hospital Affiliated to Tongji University，Shanghai200120ChinaCorresponding Author YU Haiping，E⁃mail：********************Abstract Objective：To develop the patients'power distance scale，and to test its reliability and validity.Methods：The"power distance" dimension of cultural dimension theory was taken as the theoretical framework.The patients'power distance scale was developed through literature review，interviews and Delphi method.A total of230patients hospitalized in a tertiary grade A hospital of Shanghai from November1，2020to February28，2021were selected to test the reliability and validity.Results：The final patients'power distance scale included3dimensions with authority perception，emotional communication，and decision participation，involving16items.The I⁃CVI ranged from0.830to1.000，and the S⁃CVI was0.950.The exploratory factor analysis（EFA）extracted3common factors，and the cumulative variance contribution rate was66.507%.Confirmatory factor analysis（CFA）showed that the fit values were good，suggesting that the scale had an excellent fitting degree.The overall Cronbach'sαcoefficient of the scale was0.908，and Cronbach'sαcoefficients of each item ranged from0.851to0.908.The half⁃fold reliability ranged from0.852to0.933.The overall retest reliability of the scale was 0.853，and the retest reliability of each dimension ranged from0.808to0.874.Conclusions：The patients'power distance scale had good reliability and validity，which can provide an effective tool for measuring the individual power distance of patients.Keywords power；power distance；doctor⁃patient relationship；scale development；reliability；validity摘要目的:编制病人权力距离量表，并进行信效度检验。
基于剪切波变换和拟合优度检验的遥感图像去噪
第61卷第5期吉林大学学报(理学版)V o l.61 N o.5 2023年9月J o u r n a l o f J i l i nU n i v e r s i t y(S c i e n c eE d i t i o n)S e p2023d o i:10.13413/j.c n k i.j d x b l x b.2022197基于剪切波变换和拟合优度检验的遥感图像去噪成丽波,陈鹏宇,李喆,贾小宁(长春理工大学数学与统计学院,长春130022)摘要:针对遥感图像中的高斯白噪声,提出一种基于剪切波变换和拟合优度检验的遥感图像去噪算法.首先,将含噪遥感图像通过剪切波变换多尺度分解得到不同子带,利用剪切波域下高斯白噪声系数的统计关系估计去噪阈值;其次,计算高频子带的拟合优度检验统计量,将统计量与去噪阈值相比较进行去噪;最后,对系数矩阵进行剪切波逆变换重建去噪图像.仿真实验结果表明,该算法能有效去除遥感图像中的高斯噪声,保持图像的边缘纹理信息,并且在不同噪声水平下,均获得了较高的峰值信噪比,其中与剪切波阈值去噪算法相比平均提高0.33d B.关键词:遥感图像;剪切波变换;拟合优度检验;图像去噪中图分类号:T P341.4文献标志码:A 文章编号:1671-5489(2023)05-1187-08 R e m o t e S e n s i n g I m a g eD e n o i s i n g B a s e d o nS h e a r l e tT r a n s f o r ma n dG o o d n e s s o f F i t T e s tC H E N GL i b o,C H E NP e n g y u,L I Z h e,J I A X i a o n i n g(S c h o o l o f M a t h e m a t i c s a n dS t a t i s t i c s,C h a n g c h u nU n i v e r s i t y o f S c i e n c e a n dT e c h n o l o g y,C h a n g c h u n130022,C h i n a)A b s t r a c t:A i m i n g a tw h i t eG a u s s i a nn o i s e i nr e m o t es e n s i n g i m a g e s,w e p r o p o s e dar e m o t es e n s i n g i m a g e s d e n o i s i n g a l g o r i t h m b a s e do ns h e a r l e t t r a n s f o r m a n d g o o d n e s so f f i t t e s t.F i r s t l y,t h en o i s y r e m o t e s e n s i n g i m a g ew a s d e c o m p o s e d i n t o d i f f e r e n t s u b-b a n d s t h r o u g h s h e a r l e t t r a n s f o r ma tm u l t i p l e s c a l e s,a n d t h e d e n o i s i n g t h r e s h o l dw a s e s t i m a t e du s i n g t h e s t a t i s t i c a l r e l a t i o n s h i p o fw h i t eG a u s s i a n n o i s e c o e f f i c i e n t s i n t h e s h e a r l e t d o m a i n.S e c o n d l y,w e c a l c u l a t e d t h e g o o d n e s s o f f i t t e s t s t a t i s t i c s o f h i g h-f r e q u e n c y s u b-b a n d sa n d c o m p a r e di t w i t h t h e d e n o i s i n g t h r e s h o l df o r d e n o i s i n g.F i n a l l y, s h e a r l e t i n v e r s et r a n s f o r m o nt h ec o e f f i c i e n t m a t r i x w a s p e r f o r m e dt o r e c o n s t r u c tt h e d e n o i s e d i m a g e s.T h e s i m u l a t i o ne x p e r i m e n t r e s u l t s s h o wt h a t t h i s a l g o r i t h mc a ne f f e c t i v e l y r e m o v eG a u s s i a n n o i s e i n r e m o t es e n s i n g i m a g e s,m a i n t a i nt h ee d g e t e x t u r e i n f o r m a t i o no f i m a g e s,a n da c h i e v eh i g h p e a ks i g n a l-t o-n o i s e r a t i ou n d e rd i f f e r e n tn o i s e l e v e l s,a m o n g w h i c ht h ea v e r a g e i n c r e a s e i s0.33dB c o m p a r e dw i t h t h e s h e a r l e t t h r e s h o l dd e n o i s i n g a l g o r i t h m.K e y w o r d s:r e m o t e s e n s i n g i m a g e;s h e a r l e t t r a n s f o r m;g o o d n e s s o f f i t t e s t;i m a g e d e n o i s i n g遥感图像目前已成为人们观察㊁分析世界的一种有效工具,在各领域均广泛应用[1-3].遥感图像在收稿日期:2022-05-01.第一作者简介:成丽波(1971 ),女,汉族,博士,教授,从事小波分析及遥感图像处理的研究,E-m a i l:c l b y y@126.c o m.通信作者简介:陈鹏宇(1999 ),男,汉族,硕士研究生,从事机器学习及遥感图像处理的研究,E-m a i l:919089661@q q.c o m.基金项目:国家自然科学基金(批准号:12171054)和吉林省教育厅科学技术研究项目(批准号:J J K H20230788K J).Copyright©博看网. All Rights Reserved.成像过程中会受随机噪声的干扰[4-6].为获取尽可能真实㊁清晰的遥感图像,满足工程实践的需要,如何在尽量不影响遥感图像原始信息的情况下有效对其进行去噪具有重要意义.遥感图像去噪的目的是抑制和消除随机噪声,保持图像的细节信息及良好的视觉效果.遥感图像的稀疏表示和去噪也是对其进一步处理的基础.经典的遥感图像去噪方法如小波变换[7-9]和复小波变换[10-11]是将噪声视为高频信号,过滤较大的变换系数[12-13],进而实现去噪,但高频系数中的图像细节部分通常会与噪声一起被去除[14].为克服上述问题,近年来,剪切波变换(s h e a r l e tt r a n s f o r m ,S T )[15-16]作为一种新的多尺度分析[17-18]技术已成为该领域研究的焦点.在频域中,剪切波变换是逐层细分的.因此,剪切波是性能较优的多维函数稀疏表示方法[19],使它在图像去噪领域有广泛的应用前景.剪切波变换具有良好的各向异性,可以很好地识别和分析图像的边缘和纹理信息[20].遥感图像含有大量的细节信息,因此,在遥感图像去噪中,剪切波是一种理想的工具.遥感图像噪声的主要来源是空气中的微小粒子,粒子对光的透射率及其空间分布均呈高斯分布[21].基于拟合优度(g o o d n e s so f f i t ,G O F )检验的图像去噪方法[22-23]利用高斯白噪声及变换系数的统计相关性估计去噪阈值,该方法能有效去除高斯噪声.相比于其他检验方法,A n d e r s o n -D a r l i n g (A D )检验[24]能在较小的样本条件下,保持稳健的检验性能.因此,本文使用A D 检验进行遥感图像的噪声识别.针对遥感图像去噪问题,本文提出一种基于剪切波和拟合优度检验的遥感图像去噪算法(s h e a r l e tt r a n s f o r ma n d g o o d n e s s o f f i t t e s t ,S T -G O F ),先使用剪切波变换分解含噪遥感图像,将高频系数进行拟合优度检验,再通过计算剪切波系数经验分布函数(e m p i r i c a l d i s t r i b u t i o n f u n c t i o n ,E D F )和模拟高斯噪声的累积分布函数(c u m u l a t i v ed i s t r i b u t i o n f u n c t i o n ,C D F )的统计距离获得A D 检验统计量,将统计量与阈值进行对比实现去噪.与其他相关算法进行仿真对比实验的结果表明了本文算法在视觉和性能上的优越性.1 剪切波变换二维图像函数f ɪL 2(ℝ2)的连续剪切波变换定义为S H ψf (a ,s ,t )=<f ,ψa ,s ,t >,(1)其中ψa ,s ,t (x )=d e t M a ,s1/2ψ(M -1a ,sx -t ),M a ,s =a a 1/2s 0æèçöø÷a ,a >0,s ɪℝ,t ɪℝ2.每个矩阵M 可分解为剪切矩阵S s =1s æèçöø÷01和各向异性矩阵A a =a 00a 1/æèçöø÷2的乘积,其中a >0且s ɪℝ,则连续剪切波可表示为ψa ,s ,t =a -3/4ψ(S s A a (x -t ))=a -3/4ψa -1-s/a 0a -1/æèçöø÷æèçöø÷2(x -t ),(2)其中ψa ,s ,t 是一个尺度㊁方向及位置参数分别为a ,s ,t 的局部性函数集合,此时a 称为尺度参数,s 为剪切参数,t 为平移参数.每个ψa ,s ,t 的频域支撑区间在一个梯形对内,该梯形对在不同的尺度参数a 下关于原点对称,其方向由剪切参数s 确定.通过减小尺度参数a ,剪切波能很好地捕捉图像的轮廓与边缘信息.每个剪切波ψa ,s ,t 在频域的支撑区间为(ξ1,ξ2):ξ1ɪ-2a ,-12éëêùûúa ɣ12a ,2éëêùûúa ,ξ2ξ1-s ɤa 1/{}2.(3)ψa ,s ,t 的频域支撑区间如图1所示.对于给定的一张不含噪声的图像P ,基于剪切波变换对加噪图像P n o i s y 的阈值去噪算法实现过程为P d e n o i s e =S T -1T σS T P n o i s y ,(4)其中S T 为剪切波正变换,T σ为阈值算子,S T -1为剪切波逆变换.剪切波正变换后获得图像的高频和低频系数,而噪声主要分布在高频系数中,因此需对高频系数选取合适的阈值算法进行处理,对处理后的全部系数进行剪切波逆变换得到去噪图像P d e n o i s e .8811 吉林大学学报(理学版) 第61卷Copyright ©博看网. All Rights Reserved.图1 剪切波水平(A )和垂直(B )频域支撑F i g .1 H o r i z o n t a l (A )a n d v e r t i c a l (B )f r e q u e n c y d o m a i n s u p po r t o f s h e a r l e t 2 拟合优度检验检验一个指定的样本与一套给定结果的吻合程度称为拟合优度检验,通常通过计算检验统计量并与临界值进行比较判断样本分布是否与假设分布一致.若样本分布与假设理论分布一致,即将观测值或数据符合指定模型或分布的情况称为零假设,把观测值拒绝指定模型或分布的情况称为替代假设.不同方法定义了不同的检验统计量作为量化观测值与指定分布下预期值之间差异的衡量标准.2.1 A n d e r s o n -D a r l i n g 检验设F (t )=ðt1(z >t )表示具有支持度t 的输入样本z 的经验分布函数,F r (t )=ʏtp (z >t )d z 表示对应于概率密度函数p (z )的假设累积分布函数.A n d e r s o n -D a r l i n g (A D )检验统计量定义为τA D =ʏɕ-ɕ(F r (t )-F (t ))2ψ(F r (t ))d F r (t ),(5)其中ψ(F r (t ))是为分布函数F r (t )的尾部赋予更多权重的加权函数,定义为ψ(F r (t ))=(F r (t )(1-F r (t )))-1,(6)其目的是提高检验时的灵活性.实际计算过程中式(5)统计距离的数值表达式可简写为τA D =-L -q ,(7)其中:L 表示给定观测值x t 的大小或在拟合优度检验时分块(窗口)的大小;q 定义为q =ðLt =1(2t -1)L[l n (F r (z t ))-l n (F r (z L +1-t ))].(8)在拟合优度检验框架内,错误拒绝候选分布的概率称为虚警概率P f a ,定义为P f a =P {τ>T H 0}=ʏ{z s .t .τ>λ}p (z H 0)d z ,(9)其中H 0表示与噪声检测相对应的零假设.文献[25-26]给出了虚警概率P f a 对应阈值的表格.2.2 本文算法本文利用剪切波变换对噪声图像的剪切波子带系数进行拟合优度检验,提出一种剪切波拟合优度检验去噪算法,在多尺度上将信号和噪声分离为单独的系数.令T G O F 表示阈值算子,则尺度j 处的阈值T j 为T j =T G O F (s ηj ,Pf a ),(10)其中s ηj 为输入标准差为σ的高斯白噪声(w h i t eG a u s s i a nn o i s e ,WG N )剪切波系数.通过计算s ηj的累积分布函数F r (t )进行拟合优度检验找到对应给定虚警概率的阈值T j .针对高斯噪声分布,F r (t )为F r (t )=ʏt-ɕ12πσe z2/σ2d z ,(11)取高频系数s ji 的中值估计噪声为9811 第5期成丽波,等:基于剪切波变换和拟合优度检验的遥感图像去噪 Copyright ©博看网. All Rights Reserved.0911吉林大学学报(理学版)第61卷^σ=m e d i a n(s j i)0.6745,(12)并通过s j i=s j i^σ,(13)对剪切波系数进行归一化.对归一化后的剪切波系数s j i执行拟合优度检验,以产生阈值系数^s,其中^s=GO F(s j i,T j).(14)本文算法的去噪二元假设表示如下:H0:τA DɤT j;i.e.s j iɪ噪声,H1:τA D>T j;i.e.s j iɪ信号,(15)其中H0和H1分别表示多尺度下的零假设和替代假设.通过给定阈值T j,首先利用式(7)计算高频系数的经验分布函数和模拟WG N系数的累积分布函数之间的统计距离,以获得检验统计量τA D,然后将其与阈值进行比较.由式(15)可见,噪声(即H0)样本的系数在变换矩阵中被识别出来,而剩余系数被保留为期望信号(即H1).若τA DɤT j,则该系数源于给定的累积分布函数F r(t)为噪声点.此时,将s j i 设置为0;否则,保留原始值,生成^s.最后,将系数矩阵逆归一化并通过剪切波逆变换恢复去噪图像.2.3算法流程本文提出的S T-G O F算法实现过程主要分为7个步骤.图2为S T-G O F算法的实现流程.图2S T-G O F算法流程F i g.2F l o wc h a r t o f S T-G O Fa l g o r i t h m算法1S T-G O F算法.步骤1)输入含噪遥感图像P n;步骤2)对P n进行剪切波变换P nѳS T(X)得到高频和低频系数矩阵;步骤3)模拟输入WG NѳS T(X),利用式(10),(12)估计T j,^σ,本文P f a=0.005;步骤4)利用式(13)对高频系数s j i进行归一化,计算检验统计量τA D:τA D=-L-ðL t=1(2t-1)L[l n(F r(s))-l n(F r(s L+1-n))];步骤5)若τA DɤT j,则s j iѳ0,否则,s j iѳ^s;步骤6)P dѳS T-1(^sˑ^σ);步骤7)输出去噪遥感图像P d.3仿真实验及结果分析为验证本文算法的有效性,选择灰度遥感图像进行主观和客观指标的评价.主观上,通过视觉观察遥感图像的边缘显示能力,并对比细节恢复程度等对本文算法的去噪效果进行评价;客观上,使用峰值信噪比(p e a ks i g n a l t on o i s e r a t i o,P S N R)衡量本文算法的去噪效果.3.1图像质量评价指标P S N R值作为图像去噪问题中的重要衡量指标,数值越大表示去噪程度越好.本文采用P S N RCopyright©博看网. All Rights Reserved.作为评价指标验证算法的优越性:P S N R =10l g25521X Y ðXi =1ðYj =1(p (i ,j )-d (i ,j ))2,(16)其中p (i ,j )表示原始无噪声图像,d (i ,j )表示去噪图像,X ,Y 表示图像尺寸.3.2 实验结果与分析本文从遥感数据集R S S C N 7中选取6张大小为400ˑ400的遥感图像F o r e s t ,P a r k i n g ,R e s i d e n t ,P l a y g r o u n d ,I n d u s t r y,M o u n t a i n s 作为仿真实验图像,如图3所示.将本文算法与离散小波拟合优度算法(DWT -G O F )㊁双树复小波拟合优度算法(D T C WT -G O F )㊁曲波阈值去噪算法(C u r v e l e t )㊁剪切波阈值去噪算法(S h e a r l e t )进行对比,5种算法均使用MA T L A BR 2018b 实现,计算平台为内存16G B的计算机,搭载处理器为I n t e l (R )C o r e (T M )i 7-8750H C P U@2.20G H z .图3 实验采用的无噪声遥感图像F i g .3 N o i s e -f r e e r e m o t e s e n s i n g i m a g e s u s e d i n e x pe r i m e n t 对比发现,添加了标准差约为20的高斯白噪声的遥感图像接近含有真实随机噪声的遥感图像.因此,对实验图像分别添加标准差为10,15,20,25的高斯白噪声.实验所得5种算法的P S N R 值分别列于表1~表4.由表1~表4可见,本文算法在不同噪声强度下的去噪图像P S N R 值均优于其他4种算法,其中与曲波阈值算法相比平均提高2.15d B ,与DWT -G O F 算法相比平均提高1.04d B ,与剪切波阈值算法相比平均提高0.33d B ,与D T C WT -G O F 算法相比平均提高0.23d B .表1 噪声标准差为10时不同算法的P S N R 值T a b l e 1 P S N Rv a l u e s o f d i f f e r e n t a l go r i t h m sw h e n s t a n d a r dd e v i a t i o no f n o i s e i s 10d B算法F o r e s tP a r k i n gR e s i d e n tP l a y g r o u n d I n d u s t r yM o u n t a i n s C u r v e l e t28.810327.428226.575829.509725.971727.3744DWT -G O F 30.229429.513128.603731.124428.185129.2467S h e a r l e t 30.446530.664429.648231.663729.355529.7056D T C WT -G O F 30.945930.761729.537531.868329.336929.9343S T -G O F 31.011730.870429.878731.923729.700730.2571图4为噪声标准差为25时,实验所得5种算法的去噪图像及局部细节放大结果.由图4可见,本文算法的去噪效果明显优于其他4种算法,能更好地保持遥感图像的边缘㊁轮廓和特征信息.在对局部细节进行放大时,本文算法去噪图像的纹理更细腻,视觉效果最优.1911 第5期成丽波,等:基于剪切波变换和拟合优度检验的遥感图像去噪 Copyright ©博看网. All Rights Reserved.2911吉林大学学报(理学版)第61卷表2噪声标准差为15时不同算法的P S N R值T a b l e2P S N Rv a l u e s o f d i f f e r e n t a l g o r i t h m sw h e n s t a n d a r dd e v i a t i o no f n o i s e i s15d B 算法F o r e s t P a r k i n g R e s i d e n t P l a y g r o u n d I n d u s t r y M o u n t a i n s C u r v e l e t27.349825.338224.819227.944724.163625.7178 DWT-G O F28.081127.113826.363829.022025.925626.9795 S h e a r l e t28.329628.178727.122729.549626.761127.2968 D T C WT-G O F28.646228.120127.105429.536326.877527.5937 S T-G O F28.778428.366827.380729.703327.101827.8700图4不同算法对遥感图像的去噪及细节效果F i g.4D e n o i s i n g a n dd e t a i l e f f e c t s o f d i f f e r e n t a l g o r i t h m s o n r e m o t e s e n s i n g i m a g e sCopyright©博看网. All Rights Reserved.表3 噪声标准差为20时不同算法的P S N R 值T a b l e 3 P S N Rv a l u e s o f d i f f e r e n t a l go r i t h m sw h e n s t a n d a r dd e v i a t i o no f n o i s e i s 20d B算法F o r e s tP a r k i n gR e s i d e n tP l a y g r o u n d I n d u s t r yM o u n t a i n s C u r v e l e t26.402524.202223.827527.020323.162724.6409DWT -G O F 26.826025.467124.842827.651824.408625.5641S h e a r l e t 27.053926.417025.447628.076425.025825.8947D T C WT -G O F 27.331126.379725.503428.153924.995326.2388S T -G O F 27.468426.649425.587728.266225.264026.3585表4 噪声标准差为25时不同算法的P S N R 值T a b l e 4 P S N Rv a l u e s o f d i f f e r e n t a l go r i t h m sw h e n s t a n d a r dd e v i a t i o no f n o i s e i s 25d B算法F o r e s tP a r k i n gR e s i d e n tP l a y g r o u n d I n d u s t r yM o u n t a i n s C u r v e l e t25.699123.383622.948926.290422.484523.9223DWT -G O F 25.871323.811823.310126.487222.796424.2511S h e a r l e t 26.228625.376724.272427.338624.034624.9171D T C WT -G O F 26.427625.176224.422727.218024.008225.1921S T -G O F 26.778025.568524.663327.457424.309825.4887综上所述,针对遥感图像中的高斯白噪声,本文提出了一种基于剪切波变换和拟合优度检验的遥感图像去噪算法,将遥感图像的去噪转换成了一个二元假设检验问题.首先,利用剪切波变换在频域分解含噪遥感图像,对分解得到的高频子带进行拟合优度检验;其次,通过对比检验统计量与去噪阈值分类系数,保留期望信号系数,实现去噪;最后,对系数矩阵逆归一化,通过剪切波逆变换进行图像重建.实验结果表明,与剪切波阈值去噪等算法相比,本文算法能显著提升峰值信噪比,有较强的细节留存和边缘保持能力,主观上也有较好的视觉效果.参考文献[1] 刘通,胡亮,王永军,等.基于卷积神经网络的卫星遥感图像拼接[J ].吉林大学学报(理学版),2022,253(1):99-108.(L I U T ,HU L ,WA N G YJ ,e ta l .S a t e l l i t eR e m o t eS e n s i n g I m a g e M o s a i cB a s e do nC o n v o l u t i o n a l N e u r a lN e t w o r k [J ].J o u r n a l o f J i l i nU n i v e r s i t y (S c i e n c eE d i t i o n ),2022,253(1):99-108.)[2] 夏英,黄秉坤.采用改进Y O L O v 3的高分辨率遥感图像目标检测[J ].重庆邮电大学学报(自然科学版),2022,34(3):383-392.(X I A Y ,HU A N GBK.O b j e c tD e t e c t i o no fH i g hR e s o l u t i o nR e m o t eS e n s i n g I m a ge sB a s e do n I m p r o v e dY O L O v 3[J ].J o u r n a lo fC h o n g q i n g U n i v e r s i t y o fP o s t sa n d T e l e c o mm u n i c a t i o n s (N a t u r a lS c i e n c e E d i t i o n ),2022,34(3):383-392.)[3] 宋志娜,李莎,杨建明,等.基于特征与区域定位增强的遥感舰船目标检测[J ].计算机工程,2023,49(8):257-264.(S O N GZ N ,L IS ,Y A N GJ M ,e t a l .R e m o t eS e n s i n g S h i p T a r g e tD e t e c t i o nB a s e do nF e a t u r ea n d R e g i o nL o c a l i z a t i o nE n h a n c e m e n t [J ].C o m p u t e rE n g i n e e r i n g ,2023,49(8):257-264.)[4] 徐华平,贾小宁.基于仿射不变块相似度量的B M 3D 图像去噪算法[J ].吉林大学学报(理学版),2022,253(1):109-118.(X U H P ,J I A X N.B M 3DI m a g eD e n o i s i n g A l g o r i t h m B a s e do n A f f i n eI n v a r i a n tP a t c hS i m i l a r i t y M e a s u r e [J ].J o u r n a l o f J i l i nU n i v e r s i t y (S c i e n c eE d i t i o n ),2022,253(1):109-118.)[5] 张意,阚子文,邵志敏,等.基于注意力机制和感知损失的遥感图像去噪[J ].四川大学学报(自然科学版),2021,58(4):45-55.(Z HA N G Y ,K A N Z W ,S HA O Z M ,e t a l .R e m o t eS e n s i n g I m a g eD e n o i s i n g B a s e do n A t t e n t i o n M e c h a n i s m a n dP e r c e p t u a lL o s s [J ].J o u r n a l o fS i c h u a n U n i v e r s i t y (N a t u r eS c i e n c eE d i t i o n ),2021,58(4):45-55.)[6] 周航,苏延池,李占山,等.基于子空间表示和加权低秩张量正则化的高光谱图像混合噪声去除方法[J ].吉林大学学报(理学版),2023,61(1):118-126.(Z HO U H ,S U Y C ,L IZS ,e t a l .M i x e dN o i s eR e m o v a lM e t h o df o rH y p e r s p e c t r a l I m ag e sB a s e do nS u b s p a c eR e p r e s e n t a t i o na n d W e i gh t e dL o w -R a n kT e n s o rR e g u l a ri z a t i o n [J ].J o u r n a l o f J i l i nU n i v e r s i t y (S c i e n c eE d i t i o n ),2023,61(1):118-126.)[7] F U C L ,L IP F ,S U IR L ,e ta l .H i g h -S p a t i a l -R e s o l u t i o n O F D R D i s t r i b u t e d T e m p e r a t u r eS e n s o rB a s e do n S t e p -b y -S t e p a n d I m a g eW a v e l e tD e n o i s i n g M e t h o d s [J ].S e n s o r s ,2022,22(24):9972-1-9972-8.3911 第5期成丽波,等:基于剪切波变换和拟合优度检验的遥感图像去噪Copyright ©博看网. All Rights Reserved.4911吉林大学学报(理学版)第61卷[8] WO N S E O K K,S O OHWA N Y,D O O C HU NS,e t a l.P u s h-B r o o m-T y p eV e r y H i g h-R e s o l u t i o nS a t e l l i t eS e n s o rD a t aC o r r e c t i o nU s i n g C o m b i n e d W a v e l e t-F o u r i e r a n d M u l t i s c a l eN o n-l o c a lM e a n sF i l t e r i n g[J].S e n s o r s,2015,15(9):22826-22853.[9] P A U L A,K U N D U A,C HA K I N,e ta l.W a v e l e t E n a b l e d C o n v o l u t i o n a l A u t o e n c o d e r B a s e d D e e p N e u r a lN e t w o r k f o rH y p e r s p e c t r a l I m a g eD e n o i s i n g[J].M u l t i m e d i aT o o l s a n dA p p l i c a t i o n s,2021,81(2):2529-2555.[10] L IM H,J I AZ H,Y A N GJ,e t a l.R e m o t eS e n s i n g I m a g eD e n o i s i n g B a s e do n t h eC o m b i n a t i o no f t h e I m p r o v e dB i S h r i n ka n dD TC WT[J].P r o c e d i aE n g i n e e r i n g,2011,24(6):470-474.[11] C H E N G Y,Q I A NSE.D e n o i s i n g o fH y p e r s p e c t r a l I m a g e r y U s i n g P r i n c i p a lC o m p o n e n tA n a l y s i sa n d W a v e l e tS h r i n k a g e[J].I E E ET r a n s a c t i o n s o nG e o s c i e n c e a n dR e m o t eS e n s i n g,2011,49(3):973-980.[12]J UMA H A A.D e n o i s i n g o fa nI m a g e U s i n g D i s c r e t eS t a t i o n a r y W a v e l e tT r a n s f o r m a n d V a r i o u sT h r e s h o l d i n gT e c h n i q u e s[J].J o u r n a l o f S i g n a l a n d I n f o r m a t i o nP r o c e s s i n g,2013,4(1):33-41.[13] A L E S S A N D R O G,F A B R I Z I O G,N I C O L A A,e ta l.A W a v e l e tF i l t e rC o m p a r i s o no n M u l t i p l eD a t a s e t sf o rS i g n a l C o m p r e s s i o na n dD e n o i s i n g[J].M u l t i d i m e n s i o n a l S y s t e m s a n dS i g n a l P r o c e s s i n g,2021,32(2):791-820.[14]郭林,孟旭东.基于偏微分方程与多尺度分析的图像去噪算法[J].吉林大学学报(理学版),2019,57(4):882-888.(G U O L,M E N G X D.I m a g e D e n o i s i n g A l g o r i t h m B a s e d o n P a r t i a l D i f f e r e n t i a l E q u a t i o n a n d M u l t i-s c a l eA n a l y s i s[J].J o u r n a l o f J i l i nU n i v e r s i t y(S c i e n c eE d i t i o n),2019,57(4):882-888.)[15] G U O K,L A B A T ED.O p t i m a l l y S p a r s eM u l t i-d i m e n s i o n a l R e p r e s e n t a t i o nU s i n g S h e a r l e t s[J].S I AMJ o u r n a l o nM a t h e m a t i c a lA n a l y s i s,2007,39(1):298-318.[16] K U T Y N I O K G,L A B A T ED.R e s o l u t i o no f t h eW a v e f r o n t S e tU s i n g C o n t i n u o u sS h e a r l e t s[J].T r a n s a c t i o n so ft h eA m e r i c a n M a t h e m a t i c a l S o c i e t y,2009,361(5):2719-2754.[17] B E N E D E T T OJ J,L I S.T h eT h e o r y o fM u l t i r e s o l u t i o nA n a l y s i sF r a m e sa n dA p p l i c a t i o n s t oF i l t e rB a n k s[J].A p p l i e da n dC o m p u t a t i o n a lH a r m o n i cA n a l y s i s,1998,5(4):389-427.[18]陈毅军,程浩,巩恩普,等.基于S h e a r l e t变换的尺度方向自适应阈值地震数据随机噪声压制方法[J].吉林大学学报(地球科学版),2021,51(4):1231-1242.(C H E N YJ,C H E N G H,G O N G EP,e t a l.R a n d o m N o i s e S u p p r e s s i o no f S e i s m i cD a t aw i t hS c a l e-O r i e n t e dA d a p t i v eT h r e s h o l dB a s e d o nS h e a r l e tT r a n s f o r m[J].J o u r n a l o f J i l i nU n i v e r s i t y(E a r t hS c i e n c eE d i t i o n),2021,51(4):1231-1242.)[19] L I M W Q.N o n s e p a r a b l e S h e a r l e t T r a n s f o r m[J].I E E E T r a n s a c t i o n s o n I m a g e P r o c e s s i n g,2013,22(5):2056-2065.[20] L Y UZY,Z HA N GCK,HA N M.D S T n e t:A N e w D i s c r e t eS h e a r l e tT r a n s f o r m-B a s e dC N N M o d e l f o r I m a g eD e n o i s i n g[J].M u l t i m e d i aS y s t e m s,2021,27(6):1-13.[21]梅树立,李晓飞,赵海英,等.基于剪切波和全变分的农田遥感图像去噪去伪影方法[J].农业工程学报,2017,33(增刊1):274-280.(M E I SL,L IXF,Z HA O H Y,e t a l.M e t h o do fD e n o i s i n g a n dR e m o v i n g A r t i f a c t s f o rF a r m R e m o t eS e n s i n g I m a g eB a s e do nS h e a r l e t a n dT o t a lV a r i a t i o n[J].T r a n s a c t i o n so f t h eC h i n e s eS o c i e t y o fA g r i c u l t u r a l E n g i n e e r i n g,2017,33(S u p p l1):274-280.)[22] N A V E E D K,S HA U K A TB,R E HMA N N U.S i g n a l D e n o i s i n g B a s e d o nD u a l T r e eC o m p l e xW a v e l e tT r a n s f o r ma n dG o o d n e s s o fF i tT e s t[C]//22n dI n t e r n a t i o n a lC o n f e r e n c eo nD i g i t a lS i g n a lP r o c e s s i n g(D S P).P i s c a t a w a y,N J:I E E E,2017:1-5.[23] N A V E E DK,S HA U K A TB,E H S A NS,e t a l.M u l t i-s c a l e I m a g eD e n o i s i n g U s i n g G o o d n e s s-o f-F i t T e s t B a s e d o nE D FS t a t i s t i c s[J].P L o SO n e,2019,14(5):e0216197-1-e0216197-25.[24] A N D E R S O N T W,D A R L I N G D A.A T e s to fG o o d n e s so fF i t[J].P u b l i c a t i o n so f t h eA m e r i c a nS t a t i s t i c a lA s s o c i a t i o n,1954,49:765-769.[25] S T E P H E N S M A.E D F S t a t i s t i c sf o r G o o d n e s so fF i ta n dS o m eC o m p a r i s o n s[J].J o u r n a lo ft h e A m e r i c a nS t a t i s t i c a lA s s o c i a t i o n,1974,69:730-737.[26] P E A R S O N E S,HA R T L E Y H O.B i o m e t r i k a T a b l e sf o rS t a t i s t i c i a n s[J].R o y a lS t a t i s t i c a lS o c i e t y,1967,130(2):257-258.(责任编辑:韩啸)Copyright©博看网. All Rights Reserved.。
CrossFit运动的合理营养膳食研究
营养与健康CrossFit运动的合理营养膳食研究张淑飞（山东师范大学 体育学院，山东济南 250000）摘 要：CrossFit是世界上最受欢迎的高强度功能性训练体系之一，随着CrossFit训练体系的普及，关于CrossFit运动的合理营养膳食也提出了新的要求。
本文主要从CrossFit运动的特点和营养需求角度着手，提出了一些针对性的膳食建议，以期为相关人员提供科学的营养膳食保障。
关键词：CrossFit运动；运动营养；合理营养膳食Study on Rational Nutrition Diet for CrossFit ExerciseZHANG Shufei(College of Physical Education, Shandong Normal University, Jinan 250000, China)Abstract: CrossFit is one of the most popular high-intensity functional training systems in the world. With the popularization of CrossFit training systems, new requirements have been put forward for a reasonable and nutritious diet for CrossFit exercise. This article mainly provides targeted dietary recommendations based on the characteristics and nutritional needs of CrossFit exercise, and provides scientific nutritional dietary guarantees.Keywords: CrossFit exercise; sports nutrition; reasonable and nutritious diet1 CrossFit概述1.1 CrossFit运动的发展CrossFit起源于20世纪80年代，是由美国退役运动员Greg classman创立的一套健身体系，最初在军队流行，经过几十年的发展成了世界上最受欢迎的高强度功能训练体系之一[1]。
常用硅胶材料软体气动夹爪夹持性能的仿真研究
浙江理工大学学报，2021，45(3): 328-334Journal of Zhejiang Sci-Tech UniversityDOI： 10. 3969/j.issn.l673-3851(n).2021. 03.006常用硅胶材料软体气动夹爪夹持性能的仿真研究谢业平，李红军(浙江理工大学机械与自动控制学院，杭州310018)摘要：硅胶作为气动夹爪的软体材料，其对夹爪的夹持性能有直接影响。
采用有限元数值仿真方法对4种常 用桂胶材料的气动夬爪进行夹持性能分析，探究Ecoflex 00-30、Ecoflex 00-50、Dragon skin 10和Dragon skin 30材料 的影响。
通过单轴拉伸试验测定硅胶材料的变形特性；采用不同的本构模型对材料参数进行拟合，判断每种材料最适合的本构模型，并采用拉伸仿真实验验证数值模型的准确性，得到4种硅胶材料的最适本构模型；通过仿真分析，得到充气压力与夹爪弯曲角度和指尖力之间的关系。
仿真结果表明：夹爪随着充气压力增加，弯曲角度和指尖力也逐渐变大的关系；在相同气压作用下，Ecoflex 00-30产生的弯曲最大，具有最大的指尖力，而Dragon skin 30弯曲的 角度最小，具有最小的指尖力。
由此得到了不同力学性能的硅胶材料对软体气动夹爪夹持性能的影响，为后续材料选择提供依据。
关键词：软体气动夹爪；夹持性能；单轴拉伸；本构模型；仿真中图分类号：T H47 文献标志码：A文章编号：1673-3851 (2021) 05-0328-07The simulation of the clamping performance of soft pneumaticgrippers made of common silicone materialsX IE Yeping，L I Hongjun(Faculty of Mechanical Engineering & Automation, Zhejiang Sci-TechUniversity, Hangzhou 310018, China)Abstract：As a kind of soft materials for pneumatic gripper, silicone has a direct impact on the clamping performance of the gripper. The finite element numerical simulation method is used to analyze the clamping performance of pneumatic grippers made of 4 kinds of common silicone materials, and the influence of Ecoflex 00- 30, Ecoflex 00-50, Dragon skin 10 and Dragon skin 30 is explored The characteristics of silicone materials are measured by a uniaxial tensile test, and different constitutive models are used to fit the material parameters. The most suitable constitutive model for each material is judged, and the accuracy of the numerical model is verified through a tensile simulation experiment. The most suitable constitutive models for 4 kinds of silicone materials are obtained Through a simulation analysis, the relationship between inflation pressure, bending angle and fingertip force of the gripper is derived. The simulation results show that the relationship between the bending angle and fingertip force of the gripper gradually increases as the inflation pressure increases. Under the same air pressure, Ecoflex 00-30 has the largest bending angle and fingertip force, while Dragon skin 30 has the smallest bending angle and fingertip force. Thus, the effect of silicone materials with different mechanical properties on the clamping performance of soft pneumatic grippers is obtained, which provides a basis for subsequent selection of materials.Key words：soft pneumatic gripper；clamping performance；uniaxial tension；constitutive model；simulation收稿日期：2020— 11 —13 网络出版日期：2021—02 — 04基金项目：浙江省基础公益研究计划项目（LG】21E050001)作者简介:谢业平（1994一），男，江西吉安人，硕士研究生，主要从事软体机器人方面的研究。
当代大学生从教意愿的影响机理研究——基于计划行为理论的分析框架
202丨年第5期高教探索Higher Education Exploration当代大学生从教意愿的影响机理研究—基于计划行为理论的分析框架尚伟伟姜蓓佳张顾文余天佐摘要：吸引更多优秀人才从事教师职业，是我国实现教育强国目标的基础保障。
在开放的教师教育体系 构建背景下，通过对13810名在校大学生的调查，运用结构方程模型探讨了当代大学生的择业态度、主观规 范、感知行为控制及福利价值、社会支持等因素对其从教意愿产生的影响。
研究发现：择业态度、主观规范、感知行为控制均对大学生从教意愿具有显著正向影响，其中，感知行为控制即大学生对教师职业胜任力的自我 认知对其从教意愿的正向影响效应最大；福利价值和社会支持在择业态度与大学生从教意愿之间存在链式中介 效应。
建议大力支持师范院校发展，保障教师资源充足供给；完善教师福利待遇保障机制，提升教师职业吸引 力；重视专业规范与价值引领，全面营造尊师重教的社会氛围。
关键词：大学生；从教意愿；计划行为理论_、引言2018年1月，中共中央、国务院出台了《关于 全面深化新时代教师队伍建设改革的意见》，明确提 出“建立以师范院校为主体、高水平非师范院校参与 的中国特色师范教育体系”，“吸引和稳定优秀人才从 教”，“不断提高地位待遇，真正让教师成为令人羡慕 的职业”[1]。
然而，在教师教育转型发展过程中出现 了许多新问题，如师范院校教师教育地位弱化、非师 范院校对教师教育关注不足、教师职业吸引力不强 等，这些问题对吸引优秀人才从教将产生不容忽视的 影响。
2018年9月，习近平总书记在全国教育大会上 再次明确指出，“全党全社会要弘扬尊师重教的社会 风尚，努力提高教师政治地位、社会地位、职业地 位，让广大教师享有应有的社会声望”u]。
由此可见，党和国家高度重视吸引优秀人才进人教师队伍，并通 *过一系列重要举措鼓励更多的优秀青年从事教育工 作。
已有研究主要聚焦在师范院校师范生的从教意 愿，对目前教师教育转型之后形成的非师范院校与师 范院校共同参与教师培养这一政策背景的回应和关注 不足，尤其是非师范院校大学生的从教意愿。
17种免疫法粪便潜血试验检测性能评估
17种免疫法粪便潜血试验检测性能评估李 佩1， 诸佩超2， 宋荣维1， 陶 沙1（1.复旦大学公共卫生学院，上海 200032；2.上海市临床检验中心，上海 200126）摘要：目的 通过对17种常用免疫法粪便潜血试验（FIT ）的检测性能进行评估，探讨结直肠癌筛查假阳性率较高的原因。
方法 以模拟粪便为样本，配制14个不同浓度的检测样本。
采用17种FIT 对模拟粪便样本进行检测，编号1～15为定性FIT ，编号16～17为定量FIT 。
由7名操作人员进行检测，并记录结果。
2种定量FIT 由其中2名操作人员采用Luminex200多功能流式点阵仪与OC-Sensor 全自动便潜血分析仪进行检测，并记录结果。
结果 共收集1 666份样本进行检测，11种定性FIT 试剂阳性率高于理论阳性率（P <0.005）， 16、17号定量FIT 试剂阳性率与理论阳性率差异无统计学意义（P 16=0.43，P 17=0.21），其粪便样本血红蛋白水平与理论浓度呈高度相关（r 16=0.88，P <0.000 1；r 17=0.92，P <0.000 1）。
定性FIT 的敏感性可达100.00%，且11种定性FIT 的Kappa 值均<0.40。
16、17号定量FIT 的敏感性均为86.21%，特异性分别为88.24%和97.06%，Kappa 值分别为0.73、0.80。
结论 定性FIT 成本低且操作方便，但缺乏对粪便取样量及稀释液的统一标准，实际阳性判断值低于预设阳性判断值，特异性低。
定量FIT 成本较高，但不易受人为主观判断影响，特异性相对较高。
关键词：免疫法粪便潜血试验；结直肠癌；阳性判断值；敏感性；特异性Performance evaluation of 17 fecal immunochemical tests LI Pei 1，ZHU Peichao 2，SONG Rongwei 1，TAO Sha 1. （1. Department of Public Health ，Fudan University ，Shanghai 200032，China ；2. Shanghai Center for Clinical Laboratory ，Shanghai 200126，China ）Abstract ：Objective To investigate the reasons for high false positive rate of fecal immunochemical tests （FIT ） through evaluating the performance of 17 common FIT. Methods Simulated feces samples with 14 different levels were prepared. Totally ，7 laboratory assistants tested these samples by 15 qualitative FIT （No.1-No.15）and 2 quantitative FIT （No.16 and No.17）. The results were recorded. A total of 2 automatic FIT analyzers ，Luminex200 system and OC-Sensor ，were used as well. Results A total of 1 666 samples were tested. The positive rate of 11 qualitative FIT was higher than theoretical positive rate （P <0.005）. There was no statistical significance between the positive rate of 2 quantitative FIT and theoretical positive rate （P 16=0.43，P 17=0.21）. There was a correlation between theoretical concentration and the hemoglobin levels tested by the 2 quantitative FIT （r 16=0.88，P <0.000 1；r 17=0.92， P <0.000 1）. The sensitivities of qualitative FIT reached 100.00%，and the Kappa values of 11 qualitative FIT were <0.40. The sensitivities of 2 quantitative FIT （No.16 and No.17） were 86.21%，and the specificities were 88.24% and 97.06%，respectively ，and the Kappa values were 0.73 and 0.80，respectively. Conclusions The qualitative FIT are cheap and convenient ，but the quantity of feces samples and diluents are not standardized well ，and the actual cut-off values are lower than given cut-off values ，which can lead to the low specificity of qualitative FIT. The cost of quantitative FIT was high ，they are not affected by subjective judgment ，and the specificity is relatively high.Key words ：Fecal immunochemical test ；Colorectal cancer ；Cut-off value ；Sensitivity ；Specificity基金项目：社区居民大肠癌筛查方案的优化和应用研究（PKJ2016-Y28）作者简介：李 佩，女，1993年生，学士，主要从事大肠癌筛查方法评估研究。
抚育间伐对华北落叶松人工林的影响余杨春.FIT)
1 研究区概况
2 研究方法
本研究试验地位于宁夏固原市的六盘山林业 2.1 样地设置与调查
局东山坡林场，气候属于半湿润和半干旱的过渡带，
研究地点选择在东山坡林场，在样地设置前，
收稿日期：2014-01-24 基金项目院2012 年宁夏自然科学基金项目院抚育间伐对华北落叶松人工林生长的影响研究渊NZ12272冤 作者简介院余杨春（1972—），男，宁夏固原人，高级林业工程师，主要从事林木育种、森林生态和森林经营管理研究.
树种组成 林龄/年 地貌
海拔/m
表 1 样地立地因子
坡向
坡位
坡度 郁闭度 森林群落结构 林层结构
10 落
30
中山 2 200~2 500
西南
中
25毅
0.9
简单结构
单层林
样地号
1 2 3 CK 4 5 6 CK 7 8 9 CK
郁闭度
伐前 0.9 0.9 0.9 0.9 0.9 0.9 0.9 0.95 0.95 0.95 0.95 0.95
伐前 1 750 1 785 1 730 1 750 1 785 1 815 1 830 1 800 1 905 1 920 1 980 1 960
伐后 1 050 1 050 1 050 1 750 1 200 1 200 1 200 1 800 1 350 1 350 1 350 1 960
蓄积量/ 渊m3窑hm-2冤 伐前 伐后 195.39 136.40 188.46 128.83 179.64 121.66 164.24 164.24 162.60 122.63 165.33 124.60 151.92 114.01 158.84 158.84 132.43 105.54 129.07 103.87 107.92 86.34 127.36 127.36
一种基于改进的GMM算法的数据丢失预测模型
一种基于改进的GMM 算法的数据丢失预测模型王晖1，姜春茂2（1.哈尔滨师范大学计算机科学与信息工程学院，黑龙江哈尔滨150025；2.福建工程学院计算机科学与数学学院，福建福州350118）摘要：随着云平台上运行任务的数量急剧增加，任务失败的概率也随之增加，数据的丢失是任务失败的主要原因。
如果在任务运行前判断出是否可能发生丢失以及其丢失类型，那么就可以提前采取措施避免或减少损失。
该模型基于谷歌在2019年发布的最新云集群数据，对任务的数据丢失问题进行了深入的研究，针对不同任务属性探究其与数据丢失的相关性，并选用了GMM （Gaussian Mixed Model ）算法并将其改进来建立数据丢失预测模型。
经过多种聚类算法的实验比较，改进后的GMM 模型表现出极好的适应性和准确性，能够精准且迅速地在任务运行前判断其发生数据丢失的可能性以及判断其丢失类型。
最后根据预测出的不同数据丢失类型，给出了一定的建议。
关键词：谷歌云集群；任务失败；数据丢失预测；Gaussian Mixed Model 中图分类号：TP301.6文献标识码：A 文章编号：2096-9759（2023）03-0028-07A loss prediction model based on an improved GMM algorithmWANG Hui 1,JIANG Chunmao 2(1.College of Computer Science and Information Engineering,Harbin Normal University,Harbin Heilongjiang 150025,China;2.College of Computer Science and Mathematics,Fujian University of Technology,Fuzhou Fujian,350118,China )Abstract:As the number of tasks running on the cloud platform increases dramatically,the probability of task failure also increases.The loss of data is the main reason for task failure.If the possibility of loss and its type is determined before the task is run,then measures can be taken in advance to avoid or reduce the loss.Based on the latest cloud cluster data released by Google in 2019,this model conducts in-depth research on the problem of task data loss,and explores its correlation with data loss for different task attributes.And the GMM (Gaussian Mixed Model )algorithm was selected and improved to establish a data loss prediction model.After the experimental comparison of various clustering algorithms,the improved GMM model shows excellent adaptability and accuracy,and can accurately and quickly judge the possibility of data loss and the type of loss before the task runs.Finally,according to the different types of data loss predicted,some suggestions are given.Key words:Google Cloud Cluster ;Task failed ;Data Loss Prediction ;Gaussian Mixed?Model0引言随着社会的发展，现如今信息数据几乎呈指数增长。
阅览世界 百科阅读 道德经 独立宣言【学生版】
阅读终极实战词霸天下+ 万法归宗= 阅览世界Part 1. 免费课程：针对词霸天下的学员承诺过的百科阅读训练开启！I wonder why: The Wind Blows and other questions about our planet How old is the Earth?Scientists think the Earth formed about 4,600 million years ago—although no one was there to see! They think the Moon formed then, too.Human beings are very new to the Earth. If you imagine our planet’s 4,600-million-year-long history squeezed into one year, people have only been around since late on 31 December!How the Earth changed much?Yes, it has! About 200 million years ago, most of the land was joined together in one big piece. Then it began to break up into smaller pieces called continents. These slowly drifted apart until they reached the places they’re in today. About 200 million years ago there was just one supercontinent called Pangaea.About 180 million years ago Pangaea began to break up.About 65 million years ago the continents drifted farther apart.Today, the continents are still drifting.Continents are massive pieces of land. There are seven of them in all. Trace them from a map, and try to see how they once fitted together.Emus live in Australia, rheas in South America, and ostriches in Africa. They look similar, and none of them can fly. They may once have been related to one kind of bird. It could have walked to all three continents millions of years ago, when the land was joined.North America and Europe are still moving apart by about 4 centimetres each year. That’s about the length of your thumb.Part 2. 限时免费：用英语学习《道德经》——史上最开悟的课程Chapter 8The highest good is like water.上善若水。
FIT—Choice模型下初任中学体育教师职业选择的影响因素分析
FIT—Choice模型下初任中学体育教师职业选择的影响因素分析作者：杨雨馨来源：《体育风尚》2023年第19期摘要：本文运用扎根理论的研究方法，基于FIT-Choice模型对初任中学体育教师的职业选择影响因素进行探讨，归纳出内在主观因素、外在客观因素以及其他调节因素三类影响因素——内在主观因素包含职业匹配、职业态度及职业价值观念，外在客观因素包含职业特性、发展前景、社会环境、家庭因素及学校管理，其他调节因素包含现实环境及关键角色影响。
并构建出初任中学体育教师职业选择影响因素模型，以进一步探讨三类影响因素的关联性。
关键词：FIT-Choice；初任中学体育教师；职业选择；影响因素1.研究背景职业选择是择业者基于主观、客观两方面的考量，根据个人的职业理想、期望以及自身的性格、能力等因素，并与外部条件如社会环境等进行结合，在众多职业类型中进行选择并从事其中一种的过程，也是择业者的价值判断体现[1]。
初任教师特指教龄在三年及以内的新入职教师，大部分初任教师处于学生与教师角色发生转变的特殊阶段，由于社会的复杂性以及其本身的特质性，初入职的教师容易在教学与生活、社会人际关系、学校融入等诸多方面产生问题，并对其职业选择意愿造成消极影响[2]，继而影响教育教学质量并产生职业倦怠、甚至职业转移等关联性问题。
有研究指出，教师的从教动机与其长期从教意愿存在正相关关系，即从教动机越强、其长期从教意愿越强继而更能够在未来长时间坚守岗位[3]。
中学初任体育教师既是基础教育阶段的重要新生力量，也是中学学校体育教育的重要参与者之一，在初入职阶段其从教动机、对体育教学的认识以及职业满意度或会产生较大变化，因此对其进行相关探究尤为重要。
FIT-Choice即“教师职业选择影响因素”，理查德森与瓦特基于期望—价值理论，并结合自我认同理论和动机理论，编制了FIT-Choice理论框架。
该理论框架包括从教动机、职业认识以及职业选择满意度三个维度——从教动机及职业认识两方面维度由成功期望、自我能力认识、任务价值三方面改编而来；职业选择满意度维度的设置是为了进一步探究职业选择中从教动机以及教学认识起到的作用及影响[4]。
- 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)。
中公教育核心研发团队
李永新中公教育首席研究与辅导专家
毕业于北京大学政府管理学院,具有深厚的公务员考试核心理论专业背景,对中央国家机关和地方各级公务员招录考试有着博大精深的研究,极具丰富的公务员考试实战经验。
主持并研发了引领公考领域行业标准的深度辅导教材系列和辅导课程、专项突破辅导教材和辅导课程,帮助无数考生成就了梦想,备受考生推崇,是公考辅导领域行业标准的开创者和引领者。
张永生中公教育首席研究与辅导专家
中公教育资深专家与顶级辅导教师,多年来潜心致力于公务员考试的教学研究,参与编写了中央国家机关及地方各级公务员录用考试深度辅导教材,教学中认真负责,因材施教,实现了考生的高通过率,成为深受考生信赖的实力派讲师!
李琳中公教育首席研究与辅导专家
中公教育研发团队核心成员,对行政职业能力测验有着系统深入的研究,对公务员考试命题趋势把握极其准确。
在授课过程中,兼顾解题方法技巧的传授和学员基础能力的提升,帮助无数考生在短期内大幅提升了考试成绩,于众多竞争者中脱颖而出。
刘彦中公教育首席研究与辅导专家
毕业于北京大学物理学院,于多年执教生涯中积累了丰富的教学经验,对行政职业能力测验及面试辅导具备颇深的造诣,擅长用简单方法解决复杂的问题,授课幽默生动,备受学员推崇和欢迎。
李国斌中公教育首席研究与辅导专家
曾多年从事高等教育数学教学工作,对行政职业能力测验科目有系统深入的研究,尤为擅长判断推理部分,教学经验丰富,授课思路严谨,语言生动幽默。
其对面试教学的研究,同样取得了令人瞩目的成果。
王学永中公教育首席研究与辅导专家
北京大学政府管理学院公共管理硕士,理论基础扎实,对判断推理部分有深入的研
究,具备丰富的辅导经验,在理论与实战完美结合的基础上,形成了业界最前沿的研发成果,有助于学员迅速提高成绩,受到各地学员的欢迎和认可。
云哲中公教育首席研究与辅导专家
对公务员考试命题思路有透彻深入的研究,授课思路清晰,注重培养考生“举一反三”的能力,善于以启发的方式帮助学员发现各类题型的快速解题方法,帮助考生突破瓶颈,深受广大学员的好评。
王娜中公教育资深研究与辅导专家
主讲行政职业能力测验、面试理论,对中央国家机关和地方各级公务员考试有深入研究,注重对学生能力的培养,讲解知识深入浅出,条理清晰,具有丰富的教学经验和完美的授课艺术。
赵金川中公教育资深研究与辅导专家
对公务员考试行政职业能力测验部分有深入而透彻的研究,教学经验极其丰富,授课极具特色,讲解清晰明了,对待学员耐心细致,广受学员欢迎。
葛树明中公教育资深研究与辅导专家
对资料分析部分的重要概念、图表特点分析深入、透彻,总结出了一系列适合于资料分析部分的解题技巧。
授课细致认真,重点突出,条理清晰,对考点把握准确,总结的多种解题方法切实提高了学员的解题速度和准确率。
单堂云中公教育资深研究与辅导专家
执教多年,积累了丰富的教学实践经验,对行政职业能力测验有系统深入的研究,造诣颇深,授课充满激情,考点把握准确,善于将复杂的问题巧妙简化,有效提高考生快速解题的能力,深受广大学员的欢迎。
陈巍中公教育资深研究与辅导专家
对公务员考试有深入的研究,总结了言语理解与表达部分的变化过程、命题特点、考试趋势,授课严谨而不失幽默,所授方法简单实用,在教学过程中注重与学生互动,课堂氛围活泼,调动了学员学习的积极性。
中公教育研发团队其他成员介绍详见院憎憎憎援燥枣枣糟灶援糟燥皂。