前言：想要寫(xiě)出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇久別的人范文，相信會(huì)為您的寫(xiě)作帶來(lái)幫助，發(fā)現(xiàn)更多的寫(xiě)作思路和靈感。

久別的人范文第1篇

職業(yè)：上市公司財(cái)務(wù)

愛(ài)好：跳操、逛街、唱歌、跳舞

裝扮原則：怪――別人沒(méi)有的就好

徐軼背著一個(gè)大大的運(yùn)動(dòng)背包，披肩的中長(zhǎng)發(fā)迎風(fēng)飛舞著，來(lái)到了我們的攝影棚。一個(gè)動(dòng)感的女孩，這是我對(duì)她的第一印象。

她一邊擺甫士拍照，一邊跟我有一搭沒(méi)一搭地閑聊。我問(wèn)她的著裝風(fēng)格，她大大咧咧地說(shuō)：“休閑，決不穿職業(yè)裝，耍怪，別人沒(méi)有的就好?！惫?，我見(jiàn)她從包里抖出的服裝，都是我這種職業(yè)女性平常少見(jiàn)的。她的搭配也大膽而奇怪，比如這款“行頭”(圖一)。

咖啡上衣：迪美購(gòu)買(mǎi)，120元；

裙子：日本的牌子COCO cat，陜西路上有一家小專(zhuān)賣(mài)店，250元；

皮鞋：韓國(guó)的牌子，東方商廈購(gòu)買(mǎi)，350元；

襪子：襄陽(yáng)路買(mǎi)，10元；

帽子：迪美購(gòu)買(mǎi)，68元。

我對(duì)她的桔紅色襪子“大驚失色”，我是無(wú)論如何不敢如此穿著。她卻得意地說(shuō)：搭配要大膽，穿時(shí)要自信。這樣彩色的襪子：玫瑰紅、綠色等等，我有一大把呢!

等到我了解了她的職業(yè)之后，我不禁對(duì)她說(shuō)：財(cái)務(wù)人員照理該是文靜、傳統(tǒng)、略為保守的一類(lèi)，你卻是……未等我說(shuō)完，她就笑著打斷我: “我就是喜歡不按常理出牌的，穿衣打扮只有如此才能別出心裁，達(dá)到“衣不驚人誓不休”的境地呢!況且，她還坦白，這個(gè)職業(yè)是當(dāng)初由老師和父母一起“密謀”而定的，其實(shí)她的愿望是入幼兒師范，將來(lái)當(dāng)幼兒園老師。所以，你看她的這款服飾多么有童趣啊(圖二):

奶牛褲：迪美買(mǎi)的，120元；

皮帶：襄陽(yáng)路買(mǎi)的，30元；

人造毛馬夾：weekend，190元。

長(zhǎng)袖衫：逸飛牌，268元。

她的“淘衣”經(jīng)驗(yàn)是這樣的：酷愛(ài)運(yùn)動(dòng)的她，每周三到四次去位于淮海路上的子曦女子會(huì)所跳操，來(lái)去的路上或休息天順便逛街，讓自己慢慢練成火眼金睛，在路邊不起眼的小店內(nèi)的一大堆衣服中翻出屬于自己的那一款。在這個(gè)過(guò)程中，父母由原先對(duì)她的服裝不以為然和大加指摘變成有點(diǎn)欣賞了，她也正準(zhǔn)備去考跳操教練證呢!

最喜歡的也是最能獲得別人贊賞的一套衣服是(圖三):

中裝上衣: 在北京旅游時(shí)在特色小店訂制的，200元；

九分褲: De Season，太平洋百貨購(gòu)買(mǎi)，380元。

圖四: 彩條褲: 自然物語(yǔ)，茂名路買(mǎi)，168元；

短袖上衣: 陜西路買(mǎi)，78元；

久別的人范文第2篇

我堂堂女子漢怎么能蒙受這種屈辱呢？于是我氣憤說(shuō)：“你們?cè)谡f(shuō)什么?。?！小心我告訴老師你們誣陷我們?。。ㄆ鋵?shí)當(dāng)時(shí)是嚇唬他們的）”他們果真被嚇到了，一個(gè)個(gè)都不出聲了。這一天就這樣不愉快地度過(guò)了。

第二天，我來(lái)到學(xué)校，認(rèn)真的早讀起來(lái)，可是過(guò)了好久，同桌蕭茗還是沒(méi)有來(lái)上學(xué)，我的心里出現(xiàn)了一個(gè)大大問(wèn)號(hào)：蕭茗怎么沒(méi)來(lái)？

老師慢慢的走過(guò)來(lái)面對(duì)同學(xué)說(shuō)：“同學(xué)們，蕭茗出車(chē)禍了?！蔽衣?tīng)到這個(gè)消息，猶如晴天霹靂！我也不知道為什么，便飛跑到市醫(yī)院，在搶救室外等著，等著，終于，一個(gè)醫(yī)生跑到我身邊說(shuō)：“你是鄭小冰嗎？蕭茗同學(xué)想和你說(shuō)最后的幾句話，我飛快地走進(jìn)搶救室，只見(jiàn)蕭茗靜靜地躺在那里，用微弱的聲音對(duì)我說(shuō)：“這是我送給你禮物，你好......好保存，我就要走了?！?/p>

“你不會(huì)走的，你不會(huì)走的?。。　闭f(shuō)完我的淚花從眼眶里涌了出來(lái)。

“再見(jiàn)了！再也不能和你斗......嘴了，抽屜里有......”沒(méi)說(shuō)完蕭茗的手便沉了下去。

“不你可以的，可以的?！?/p>

“他已經(jīng)走了，沒(méi)用的了。”

我傷心地離開(kāi)了醫(yī)院，回到學(xué)校，班級(jí)的門(mén)已經(jīng)關(guān)了（我是班級(jí)的門(mén)長(zhǎng)，所以有鑰匙可以開(kāi)門(mén)），我走進(jìn)班里，坐在座位上默默地流淚，突然發(fā)現(xiàn)抽屜里有一封信，我拆了開(kāi)來(lái)，看見(jiàn)信上寫(xiě)的是這樣的：

小冰：

其實(shí)我一直很喜歡你，但是我不敢對(duì)你表白，今天我把信給你,希望你能明白我的心意.

蕭茗

久別的人范文第3篇

在逛街的時(shí)候，看見(jiàn)了他，最熟悉的陌生人。他牽著一個(gè)卡哇伊的小女孩，樣子甜美洋溢著青春的氣息，屬于小鳥(niǎo)依人的類(lèi)型吧。他并沒(méi)有看見(jiàn)我，我連忙避開(kāi)。姐妹見(jiàn)我轉(zhuǎn)變線路，好奇問(wèn)我發(fā)生了什么事。我淡淡地說(shuō)，再回頭逛逛吧。剛才那件化妝店其實(shí)也蠻不錯(cuò)的。姐妹并沒(méi)有繼續(xù)追問(wèn)，于是帶著復(fù)雜的心情在那間化妝店走馬觀花地看著。懵懂地撞到了一個(gè)人，急忙說(shuō)抱歉，抬起頭的時(shí)候，映入眼底的正是那張清秀的臉，干凈的眼眸，燦爛的笑容。他看是我，臉部掠過(guò)一些驚訝。他身邊的女友倒是蠻善解人意的，笑著說(shuō)他是運(yùn)動(dòng)員，這點(diǎn)碰撞習(xí)慣的了。我尷尬地笑了笑，對(duì)她點(diǎn)頭表示謝意。想要裝作若無(wú)其事逃離時(shí)，姐妹過(guò)來(lái)了，見(jiàn)到他熟悉地開(kāi)著她的玩笑。我想示意姐妹的時(shí)候已經(jīng)遲了。以前我和他戀愛(ài)多年，姐妹習(xí)慣了他，也是一個(gè)很不錯(cuò)的朋友。但這個(gè)場(chǎng)合卻不適合聚舊。他倒也沒(méi)什么，也是笑呵呵地回應(yīng)著我的姐妹。他身邊的小女人大概也擦覺(jué)到了吧，笑著對(duì)我說(shuō)，你是他以前的女友吧，他時(shí)常說(shuō)起你。我覺(jué)得詫異。小女人接著說(shuō)，他總是說(shuō)我不夠堅(jiān)強(qiáng)總喜歡依賴(lài)她，她說(shuō)你是一個(gè)個(gè)性鮮明，很要強(qiáng)的人。接著她有點(diǎn)自嘲地說(shuō)，如果我學(xué)到你一半的話，那我這個(gè)麻煩鬼一定讓他少點(diǎn)煩惱的。他撫摸她的頭發(fā)，笑著說(shuō)，哪有呢。我看見(jiàn)她淘氣地吐了吐舌頭。我再看著他，他的眼里有我以前不曾看過(guò)的溫柔。

分道揚(yáng)鑣后，我的心突然針扎般的痛。我意想不到他會(huì)在現(xiàn)任的女友面前說(shuō)起我，以前我們很多爭(zhēng)吵，其實(shí)現(xiàn)在回首發(fā)現(xiàn)自己其實(shí)太過(guò)自我了。我總有自己的想法，我認(rèn)為兩個(gè)人哪怕在一起，也不需要太多遷就，每個(gè)人應(yīng)該擁有自己的宇宙。就因?yàn)樘獜?qiáng)了，他從最開(kāi)始的包容，到了后來(lái)的遷就，逐漸就是無(wú)盡頭的爭(zhēng)吵。但我卻始終不肯退步，最后分手告終這段感情?，F(xiàn)在他的女友小鳥(niǎo)依人的，一定不會(huì)讓他感覺(jué)難受吧。姐妹安慰我說(shuō)，兩個(gè)人都走了盡頭無(wú)需刻意檢討著什么。我說(shuō)，如果當(dāng)初自己不那么任性，能夠放下自己的所謂的個(gè)性，那么也許我就不會(huì)失去他。姐妹想了想說(shuō)，每段戀愛(ài)都能夠讓人成熟。你這樣想吧，誰(shuí)的新歡曾不是別人的舊愛(ài)呢。

誰(shuí)的新歡曾不是別人的舊愛(ài)？我以前的他是小女人的現(xiàn)任男友，而我下任的男友也會(huì)是別人的舊愛(ài)。每個(gè)人在時(shí)間流逝中走來(lái)，沿途的風(fēng)光迷人也會(huì)遇到陪伴著你一路前行的人。也許彼此的終點(diǎn)不一樣，也許每個(gè)人的選擇不一樣，也許下一個(gè)分歧路口，我們就分道揚(yáng)鑣了。接著下一站，也會(huì)碰到前行的人，可他一路走來(lái)，也許以前也是別人的伴侶。每個(gè)人的性格，脾氣，夢(mèng)想不一致，手牽手走到彼此約定的終點(diǎn)是一件艱難的事。也許和別人分開(kāi)后，總會(huì)尋找自己身上的毛病，但有些不適合就是最簡(jiǎn)單的致命一擊。

從一段感情的開(kāi)始，發(fā)展到最后，總能學(xué)會(huì)太多，感悟太多。也許就是把這些感悟還有學(xué)會(huì)的累積，才能更接近幸福的彼岸。以前的他，也許也會(huì)有一番屬于自己的感悟吧，也許他也會(huì)怪責(zé)自己不能容忍多一些，那么的話，也許屬于我們的路就能更長(zhǎng)久一些。而我呢，也在想，如果我當(dāng)初能夠小鳥(niǎo)依人多一些，能夠多一些溫柔，那么我們也會(huì)少點(diǎn)爭(zhēng)吵更多幸福的。

誰(shuí)的新歡曾不是別人的舊愛(ài)呢，對(duì)的，以后我的男人也不可避免是別人的舊愛(ài)。那么他在前一段感情走來(lái)，會(huì)不會(huì)成熟更多一些，會(huì)懂得總結(jié)一下得失的原因。而我就認(rèn)識(shí)到自己太要強(qiáng)，不懂包容，需要改進(jìn)一些。每個(gè)人都是自己獨(dú)一無(wú)二的宇宙，但是每段感情卻始終都是兩個(gè)世界的融合。把自己看輕一點(diǎn)，在乎他人多一點(diǎn)，我知道幸福也會(huì)更多一些。

久別的人范文第4篇

論文關(guān)鍵詞：人力資本投資，性別差異，收益

一、 引 言

隨著知識(shí)經(jīng)濟(jì)時(shí)代的到來(lái)，人力資本在經(jīng)濟(jì)中的作用越來(lái)越重要，人力資本投資也成為研究的熱點(diǎn)之一。分工的細(xì)化使女性更多的參與到經(jīng)濟(jì)活動(dòng)中，女性人力資本投資問(wèn)題逐漸引起學(xué)者的關(guān)注.學(xué)者們對(duì)女性人力資本特征、投資現(xiàn)狀、以及女性人力資本的價(jià)值實(shí)現(xiàn)等問(wèn)題進(jìn)行了研究，并取得了一定的成果。但人力資本投資存在性別差異，投資主體為了追求利益，會(huì)先比較人力資本的投資收益。目前關(guān)于人力資本性別投資收益的研究還不夠深入，兩性人力資本哪個(gè)投資收益大，哪個(gè)更具有投資價(jià)值，學(xué)術(shù)界還存在很大的爭(zhēng)議。本文通過(guò)對(duì)國(guó)內(nèi)、外學(xué)者在人力資本性別投資差異研究的成果的梳理，在分析目前研究現(xiàn)狀的基礎(chǔ)上，做了相關(guān)評(píng)述，以期對(duì)將來(lái)學(xué)者們的研究有一定的參考價(jià)值。

二、 國(guó)外學(xué)者人力資本投資性別差異的研究情況

著名的古典學(xué)派代表亞當(dāng)·斯密認(rèn)為人力資本投資可以由私人出于追求利益的投資行為完成。他建議由國(guó)家“推動(dòng)、鼓勵(lì)甚至強(qiáng)制全體國(guó)民接受教育”。即傳統(tǒng)的古典經(jīng)濟(jì)學(xué)在研究人力資本投資問(wèn)題時(shí)忽略了人類(lèi)性別的劃分，認(rèn)為男性和女性的社會(huì)地位和角色沒(méi)有差別，不需要進(jìn)行單獨(dú)研究，沒(méi)有從性別角度對(duì)人力資本投資展開(kāi)研究。

美國(guó)學(xué)者舒爾茨較早明確的闡述了人力資本的投資理論。他認(rèn)為“人力資本投資不應(yīng)該僅僅局限于男人的范圍，忽略“女人資本”的傾向令人擔(dān)憂”。[3]由此可見(jiàn)，舒爾茨注意到投資中的性別差異，認(rèn)為以前的研究忽略了對(duì)女性的思考，有必要對(duì)女性人力資本進(jìn)行單獨(dú)研究。但他比較注重宏觀方面的分析，缺乏微觀的支持，沒(méi)有就人力資本性別投資問(wèn)題展開(kāi)探討。

在舒爾茨的基礎(chǔ)上，貝克爾發(fā)展了人力資本投資理論。他主要從微觀的角度進(jìn)行研究，彌補(bǔ)了舒爾茨研究的缺陷。貝克爾認(rèn)為：“投資量是預(yù)期收益率的函數(shù)?！笔找媛试礁撸顿Y量就越大收益，男女兩性在學(xué)校教育中的機(jī)會(huì)成本與預(yù)期收益的差異使家庭在進(jìn)行人力資本投資時(shí)更愿意向男性?xún)A斜。他指出女性人力資本投資和男性有很大的區(qū)別，女性人力資本與家庭決策有很大的關(guān)系，即專(zhuān)業(yè)化投資會(huì)強(qiáng)化女性在家庭部門(mén)的比較優(yōu)勢(shì)，如果婦女在做家務(wù)上優(yōu)于男人，從經(jīng)濟(jì)效率的角度講，婦女應(yīng)更多地從事家庭勞動(dòng)。貝克爾的家庭決策理論為研究女性人力資本投資奠定了基礎(chǔ)。但他的理論定性的分析居多，定量的分析很少。

明賽爾從投資收益的角度進(jìn)行分析，他建立了人力資本投資的收益率模型，最早提出人力資本收益函數(shù)，并將人力資本理論與分析方法用于家庭決策中來(lái)研究人力資本的性別投資行為。他在《家庭背景下婦女的勞動(dòng)力供給》以及與波拉切克合著的《家庭的人力資本投資》中指出：由于家庭決策的原因，女性的勞動(dòng)力市場(chǎng)收益低于男性收益。在人力資本投資中，女性人力資本折舊率高于男性，女性人力資本投資的邊際收益率遞減速率快于男性。[5]他通過(guò)建立模型對(duì)人力資本投資收益進(jìn)行了定量分析，但沒(méi)有就性別投資收益展開(kāi)定量的比較分析，仍需要繼續(xù)研究論文格式。

繼舒爾茨、貝克爾、明賽爾的研究之后，后期的學(xué)者對(duì)人力資本投資的研究逐漸細(xì)化。萊姆使用國(guó)別數(shù)據(jù)，將壽命差距作為家庭資源投資男女的指數(shù)，分析整個(gè)生命周期的家庭分配，最后指出家庭內(nèi)部資源分配優(yōu)先給予創(chuàng)收能力更強(qiáng)的成員。鄧肯通過(guò)對(duì)巴西兒童死亡率數(shù)據(jù)，進(jìn)行博弈框架經(jīng)驗(yàn)分析，得出母親更傾向于女孩的健康投資，而父親更傾向于男孩的健康投資。P．Duraisamy通過(guò)對(duì)印度的數(shù)據(jù)研究發(fā)現(xiàn)，1983、1993、1994年，投資于女性的中級(jí)和中高級(jí)教育的收益要比投資于男性的高。[4]

綜上所述，國(guó)外學(xué)者對(duì)人力資本投資的研究比較早，雖然沒(méi)有從性別角度進(jìn)行專(zhuān)門(mén)的研究，但研究中涉及到了人力資本性別投資問(wèn)題。分析視角從微觀到宏觀，從定性分析到定量分析，相關(guān)理論在不斷的完善，為科學(xué)的分析性別投資行為提供了依據(jù)，也為國(guó)內(nèi)學(xué)者的研究提供了方向。但國(guó)外學(xué)者沒(méi)有對(duì)性別投資收益展開(kāi)比較研究，研究的還不夠全面，仍需要深入的探討。

三、 國(guó)內(nèi)學(xué)者人力資本投資性別差異的研究情況

國(guó)內(nèi)學(xué)者對(duì)性別人力資本的研究比較晚，但是發(fā)展的比較快。在借鑒國(guó)外理論的基礎(chǔ)上，首先提出了性別人力資本，進(jìn)一步分析女性人力資本的現(xiàn)狀和特征、女性人力資本的價(jià)值問(wèn)題，并取得了一定的成果。但是在人力資本性別投資收益的研究上爭(zhēng)議還很大，國(guó)內(nèi)學(xué)者從不同的角度進(jìn)行了探討，主要集中在以下幾個(gè)方面：

(一)性別人力資本概念的提出

傳統(tǒng)人力資本投資理論認(rèn)為投資對(duì)象是同質(zhì)的，這對(duì)投資性別差異的解釋不充分，因此潘錦棠（2003）提出性別人力資本，即將人力資本的投資對(duì)象按男性和女性劃分，研究女性相對(duì)于男性的投資價(jià)值。他認(rèn)為傳統(tǒng)的人力資本投資理論缺乏對(duì)人力資本“投資對(duì)象”和“投資環(huán)境”的研究。他首次提出人力資本投資之所以向男性?xún)A斜，是因?yàn)槟壳啊叭肆Νh(huán)境”中男性比女性更有投資價(jià)值；男性收入高于教育投資相同的女性是因?yàn)榇嬖凇靶詣e租金”；男女兩性相對(duì)投資價(jià)值的變化是因?yàn)椤叭肆Νh(huán)境”的變化。[6]他從投資的性別差異角度、投資回報(bào)的性別差異角度進(jìn)行了探討。性別人力資本的提出引起了學(xué)者對(duì)女性人力資本的重視，進(jìn)一步提升了女性人力資本的存量。

(二)性別歧視是導(dǎo)致人力資本投資性別差異的重要因素

20世紀(jì)90年代后期，性別職業(yè)隔離現(xiàn)象較為嚴(yán)重，女大學(xué)生就業(yè)比較難，就業(yè)中性別歧視成為女性人力資本投資的障礙。學(xué)者開(kāi)始關(guān)注性別歧視對(duì)人力資本投資的影響。投資中的性別歧視收益，一方面受傳統(tǒng)觀念的影響，另一方面是由于經(jīng)濟(jì)人的投資決策產(chǎn)生。李瑩（2004）認(rèn)為，傳統(tǒng)的性別觀念對(duì)人們的行為有指導(dǎo)作用，主要通過(guò)影響各微觀投資主體的投資決策，來(lái)削弱對(duì)女性的投資動(dòng)力，降低投資的預(yù)期收益，影響投資范圍，因此出現(xiàn)人力資本投資的性別差異。徐彩蓮（2006）研究發(fā)現(xiàn)由于性別歧視的存在，使女性接受教育的機(jī)會(huì)少于男性，人力資本投資造成人力資本存量的性別差異。毛藝林（2008）認(rèn)為人力資本投資中的性別歧視阻礙了女性自我價(jià)值的實(shí)現(xiàn)和兩性的平等發(fā)展。他從經(jīng)濟(jì)學(xué)角度分析導(dǎo)致性別差異的原因，除了傳統(tǒng)性別歧視的因素，還包括經(jīng)濟(jì)利益的影響。人力資本投資中的性別差異除受傳統(tǒng)文化的影響外，經(jīng)濟(jì)因素也會(huì)影響家庭和社會(huì)的投資決策，所以投資中差別地、甚至歧視的對(duì)待某一性別群體，實(shí)現(xiàn)兩性?xún)?yōu)勢(shì)互補(bǔ)，是一種理性的選擇。張抗私（2002）從經(jīng)濟(jì)學(xué)角度解釋了投資中的性別歧視，人力資本投資中的性別歧視主要體現(xiàn)在受教育的程度和職業(yè)培訓(xùn)上的不同，真實(shí)收益中女性人力資本的經(jīng)濟(jì)效益高于男性，即女性具有明顯的社會(huì)效益。邵明波（2005）指出女性人力資本投資具有較高的個(gè)人收益率和社會(huì)收益率。受傳統(tǒng)社會(huì)觀念和經(jīng)濟(jì)原因的影響，對(duì)女性的投資不足，進(jìn)一步影響女性就業(yè)，導(dǎo)致女性人力資本投資收益下降，降低家庭對(duì)女性人力資本投資偏好，影響國(guó)民經(jīng)濟(jì)的發(fā)展。張春霞（2006）從經(jīng)濟(jì)學(xué)角度出發(fā)，結(jié)合社會(huì)學(xué)、心理學(xué)等學(xué)科分析出，受性別歧視的影響，女性和男性在教育培訓(xùn)和遷移等方面的投資存在差異。由于投資對(duì)象和投資環(huán)境的性別差異，知識(shí)女性的投資機(jī)會(huì)比男性少，投資回報(bào)率低，人力資本投資的差異造成了兩性人力資本存量的差異。

關(guān)于性別歧視研究有非經(jīng)濟(jì)學(xué)和經(jīng)濟(jì)學(xué)的視角，但結(jié)論大致相同，認(rèn)為性別歧視的存在降低了人力資本投資的效率。非經(jīng)濟(jì)學(xué)角度的研究指出，性別歧視會(huì)降低對(duì)女性的投資動(dòng)力，導(dǎo)致女性的投資收益低于男性；經(jīng)濟(jì)學(xué)角度的分析指出，人力資本投資之所以會(huì)有性別差異，除了性別歧視的因素外，經(jīng)濟(jì)利益的影響也是一個(gè)很重要的原因。從經(jīng)濟(jì)學(xué)角度分析性別歧視，有利于改善女性人力資本投資狀況，為科學(xué)的進(jìn)行人力資本投資提供依據(jù)。但關(guān)于性別歧視的分析多是定性的分析，定量的分析還不多見(jiàn)。

(三)人力資本投資性別差異的研究從定性研究走向定量研究

性別歧視通過(guò)影響人力資本投資的性別傾向，使兩性在投資收益上存在很大的差異。但是對(duì)于這種差異沒(méi)有定量分析，因此將性別歧視作為投資差異的主要原因，解釋力度不夠，不少學(xué)者開(kāi)始對(duì)性別投資收益進(jìn)行量化。國(guó)內(nèi)學(xué)者在計(jì)算人力資本投資收益時(shí)，主要是通過(guò)收益率來(lái)衡量。如禇建芳（1999）等通過(guò)對(duì)個(gè)人投資收益率的研究，得出女性的教育收益率為5.82%，男性為4.36%。[12]孫蘭（2003）從人力資本投資成本與收益的角度分析，指出男性與女性之間的差距是很顯然的收益，女性人力資本投資成本比男性大，而收益比男性小，這兩者相比較是進(jìn)行女性人力資本投資的一個(gè)重要的前提。高夢(mèng)滔、姚洋、梁宏（2004）等通過(guò)分析女性健康數(shù)據(jù)，指出女性的健康情況不如男性，即女性的保健投資低于男性。劉國(guó)恩（2004）對(duì)通過(guò)實(shí)證分析，指出男性的健康的經(jīng)濟(jì)收益低于女性。畢雪晴、岳曉菲（2007）通過(guò)對(duì)國(guó)內(nèi)外教育投資收益率的比較，發(fā)現(xiàn)我國(guó)教育收益率低于國(guó)際水平，與同等學(xué)歷的男性相比，女性收入只及男性的2/3。鐘威（2007）指出性別人力資本投資的收益主要表現(xiàn)在被投資者將會(huì)獲得較高的預(yù)期貨幣報(bào)酬以及在一定程度上減少企業(yè)投資風(fēng)險(xiǎn)兩方面，他認(rèn)為傳統(tǒng)的人力資本投資傾向走入誤區(qū)，通過(guò)對(duì)成本收益中性別差異的分析，指出對(duì)女性人力資本投資可獲得比男性更高的收益。從上面的研究看出，女性的收益率顯著高于男性，對(duì)女性人力資本投資，有利于提升女性人力資本存量。但對(duì)于投資性別差異的定量分析還不夠深入，需要繼續(xù)探討。

(四)人力資本投資性別差異的研究從靜態(tài)走向了動(dòng)態(tài)

在參與經(jīng)濟(jì)的過(guò)程中，兩性時(shí)間配置差異較大。女性的時(shí)間在家庭、市場(chǎng)以及閑暇三個(gè)部門(mén)間配置，男性只在市場(chǎng)和閑暇兩個(gè)部門(mén)間配置。新古典經(jīng)濟(jì)學(xué)采用兩部門(mén)分析法，將人力資本投資對(duì)象假設(shè)為男性，忽視了兩性的時(shí)間配置差異，存在很大的缺陷。人力資本投資是屬于時(shí)間密集型的，只有閑暇時(shí)間才能用來(lái)人力資本投資，閑暇時(shí)間在某種程度上對(duì)人力資本投資有決定作用，因此有必要對(duì)女性閑暇時(shí)間進(jìn)行分析論文格式。有學(xué)者從這個(gè)角度對(duì)人力資本性別投資差異做了研究。郭硯莉（2006）從女性人力資本投資現(xiàn)狀出發(fā)，結(jié)合經(jīng)濟(jì)學(xué)、人口學(xué)和可持續(xù)發(fā)展的理論分析指出：由于傳統(tǒng)分工的存在，女性在三部門(mén)間時(shí)間配置不同于男性只在兩部門(mén)間配置，對(duì)女性教育投資小于男性，中斷工作經(jīng)歷對(duì)女性人力資本投資的影響最大，中斷期間女性不僅無(wú)法進(jìn)行在職投資等活動(dòng)，還會(huì)加速原有人力資本的折舊。導(dǎo)致女性人力資本含量比男性低，從而收益率也比男性低。袁迎菊（2008）從男女兩性的時(shí)間配置對(duì)人力資本的投資分析。她認(rèn)為女性由于要承擔(dān)工作和撫養(yǎng)孩子的責(zé)任，其時(shí)間配置與男性有很大的差別，因?yàn)樯⒆有枰ぷ饕袛嘁欢螘r(shí)間，這樣會(huì)造成女性人力資本因閑置而貶值，降低人力資本投資的收益。朱凱（2009）指出女性由于生育等因素的影響，預(yù)期人力資本投資回報(bào)率比較低，而人力資本投資受限。通過(guò)時(shí)間配置角度的分析，使人力資本的分析由靜態(tài)分析走向動(dòng)態(tài)分析。從經(jīng)濟(jì)人的角度對(duì)女性時(shí)間進(jìn)行分析，為增加女性人力資本投資提供了客觀依據(jù)。

四、 結(jié)束語(yǔ)

綜上所述，國(guó)外學(xué)者的研究比較早，且不同時(shí)期的研究視角不一樣，從微觀到宏觀，從定性分析到定量分析，人力資本性別投資的理論在不斷的完善，為國(guó)內(nèi)學(xué)者提供了借鑒的依據(jù)。國(guó)外學(xué)者沒(méi)有從性別角度將投資對(duì)象進(jìn)行區(qū)分，因此不能充分解釋兩性人力資本投資差異的問(wèn)題，他們的研究多是關(guān)于家庭投資差異的分析，沒(méi)有進(jìn)行全面的比較分析，仍需要深入的研究。

國(guó)內(nèi)學(xué)者對(duì)性別人力資本的研究比較晚，但發(fā)展的比較快。學(xué)者們從不同的角度對(duì)性別人力資本進(jìn)行分析收益，有了一定的研究基礎(chǔ)。與國(guó)外學(xué)者相似，從宏觀分析到微觀分析，從定性分析到定量分析，涉及到社會(huì)學(xué)、心理學(xué)、經(jīng)濟(jì)學(xué)等學(xué)科，研究在不斷的深化。但仍存在一些問(wèn)題需要繼續(xù)完善。在研究的內(nèi)容上，學(xué)者主要是關(guān)于教育投資和在職培訓(xùn)投資的分析，人力資本投資還包括健康投資、遷移投資等，但對(duì)這些投資進(jìn)行比較分析的文獻(xiàn)還不多見(jiàn)。從研究方法上看，定性、定量的研究都有，但定量分析還不夠深入，能將兩種方法緊密結(jié)合，系統(tǒng)的分析人力資本投資差異的文獻(xiàn)也不多見(jiàn)。在今后的研究中，可以通過(guò)設(shè)定相關(guān)的衡量指標(biāo)，對(duì)兩性投資收益進(jìn)行全面的定量分析。

由于學(xué)者分析視角的不同，關(guān)于人力資本投資哪個(gè)收益更大，目前還存在很大的爭(zhēng)議。受傳統(tǒng)觀念的影響，女性部分價(jià)值是沒(méi)有計(jì)入收益中，女性人力資本收益低于男性，但從女性經(jīng)濟(jì)人角度分析，其收益卻高于男性。人力資本性別投資差異的研究，是目前人力資本投資研究的難點(diǎn)。因此對(duì)這個(gè)問(wèn)題進(jìn)行探討，有很大的理論和現(xiàn)實(shí)意義。理論上豐富了性別人力資本的內(nèi)容，也是對(duì)人力資本投資理論的細(xì)化和補(bǔ)充；同時(shí)為科學(xué)的分析女性人力資本投資行為提供了依據(jù)。最后對(duì)改善女性的投資狀況，縮小歧視性人力資本投資所造成的人力資本存量的性別差異，提升女性人力資本存量，推動(dòng)社會(huì)經(jīng)濟(jì)的進(jìn)步有一定的現(xiàn)實(shí)意義。

———————————————

參考文獻(xiàn)

[1]舒爾茨.論人力資本投資[M].北京:北京經(jīng)濟(jì)學(xué)院出版社，1990.

[2]加里·S·貝克爾.人力資本[M].北京:北京大學(xué)出版社，1997

[3]郭硯莉.女性人力資本投資問(wèn)題研究[M].2006

[4]P．Duraisamy．Changesin Retums to Education in India，1983—94：byGender，Age—cohort and Location[J]．EconomicsofEducation Review，2002(6)

[5]雅各布·明塞爾.人力資本研究[M].北京:中國(guó)經(jīng)濟(jì)出版社，2001(9)

[6]潘錦棠.性別人力資本理論[J].中國(guó)人民大學(xué)學(xué)報(bào)，2003(3):94-104

[7]晏月平.女性人力資本理論研究述評(píng)[J].理論探索，2008(6):161-163

[8]張抗私.人力資本投資中性別歧視的經(jīng)濟(jì)解析[J].財(cái)經(jīng)經(jīng)濟(jì)問(wèn)題，2002(7):19-21

[9]李瑩.簡(jiǎn)析傳統(tǒng)性別觀念對(duì)人力資本投資性別差異的影響[J].西北人口，2004(3):56-59

[10]邵明波.中國(guó)女性人力資本特點(diǎn)及現(xiàn)狀分析[J].市場(chǎng)與人口分析，2005(4):15-21

[11]徐彩蓮.論女研究生人力資本投資[J].西南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2007(1):18-20

[12]張春霞.性別歧視與性別人力資本投資差異的糾結(jié)[J].中國(guó)勞動(dòng)關(guān)系學(xué)院學(xué)報(bào)，2006(4)

[13]禇建芳.中國(guó)人力資本投資的個(gè)人收益率研究[J].經(jīng)濟(jì)研究，1995(12)

[14]孫蘭.論女性人力資本投資.渝西學(xué)院學(xué)報(bào).[J].渝西學(xué)院學(xué)報(bào)，2003(3):80-83

[15]畢雪晴、岳曉菲.論女性人力資本的收益率問(wèn)題[J].四川經(jīng)濟(jì)管理學(xué)院學(xué)報(bào)，2007(4)42-46

[16]鐘威.人力資本投資性別差異問(wèn)題分析[D].2007

[17]郭硯莉.女性人力資本投資問(wèn)題研究[M].2006

[18]袁迎菊.人力資本投資風(fēng)險(xiǎn)的性別差異分析[J].生產(chǎn)力研究，2008(15)

[19]朱凱.淺析性別產(chǎn)生的社會(huì)工資差異[J].金卡工程，2009(7)

[20]馮穎.人力資本投資理論的發(fā)展脈絡(luò)[J].基礎(chǔ)理論研討.2008(32):51-52

[21]李芳.國(guó)內(nèi)外關(guān)于女性人力資本理論研究綜述[J].理論聚焦，2007(11):39-41

[22]張瑩.社會(huì)性別視野中的人力資本投資[J].經(jīng)濟(jì)問(wèn)題，2007.(4):30-32

[23]李瑩.觀念對(duì)人力資本投資性別差異的影響[J].西北人口，2003.(9):56-59

[24]陳丹.我國(guó)女性人力資本投資問(wèn)題分析[D].2007

[25]秦政、曾繁榮.性別人力資本投資價(jià)值研究[J].人力資源，2006（8）:133-134

久別的人范文第5篇

關(guān)鍵詞關(guān)鍵詞：人臉識(shí)別；卷積神經(jīng)網(wǎng)絡(luò)；圖像識(shí)別；深度學(xué)習(xí)；模式識(shí)別

DOIDOI：10.11907/rjdk.171043

中圖分類(lèi)號(hào)：TP317.4

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2017）005018603

0引言

人臉識(shí)別是近年來(lái)模式識(shí)別、圖像處理、機(jī)器視覺(jué)、神經(jīng)網(wǎng)絡(luò)及認(rèn)知科學(xué)領(lǐng)域的研究熱點(diǎn)[12]。所謂人臉識(shí)別，是指給定一個(gè)靜態(tài)人臉圖像或動(dòng)態(tài)視頻，利用存儲(chǔ)有若干已知身份的人臉數(shù)據(jù)庫(kù)驗(yàn)證單個(gè)或多個(gè)人的身份[1]。作為生物特征識(shí)別的一個(gè)重要方面，人臉識(shí)別有著廣泛的應(yīng)用場(chǎng)景，如：檔案管理系統(tǒng)、公安系統(tǒng)的犯罪身份識(shí)別、銀行和海關(guān)的監(jiān)控、安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證等領(lǐng)域。在人臉識(shí)別巨大魅力的影響下，國(guó)內(nèi)互聯(lián)網(wǎng)公司也開(kāi)始了人臉識(shí)別應(yīng)用的探索，如百度推出的人臉考勤系統(tǒng)、阿里支付寶的刷臉登錄等功能都是人臉識(shí)別的具體應(yīng)用。目前，人臉識(shí)別的代表性方法主要有以下幾種：Turk和Pentland[3]提出的特征臉（Eigenface）方法；基于線性區(qū)別分析，Belhumeur 等[4]提出了Fisherface方法；基于統(tǒng)計(jì)理論，劍橋大學(xué)的 Samaria和Fallside[5]提出了隱馬爾科夫模型[5]（HMM），Lawrence 等[6]提出的通過(guò)多級(jí)自組織映射神經(jīng)網(wǎng)絡(luò)（SOM）[6]與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行人臉識(shí)別。上述方法雖然獲得了良好的識(shí)別正確率，但需要人工參與特征提取，然后將提取的特征送入分類(lèi)器進(jìn)行識(shí)別，過(guò)程較為復(fù)雜。

卷積神經(jīng)網(wǎng)絡(luò)[79]是近年發(fā)展起來(lái)，并引起廣泛重視的一種高效深度學(xué)習(xí)識(shí)別算法，其已成為當(dāng)前語(yǔ)音分析和圖像處理領(lǐng)域的研究熱點(diǎn)。相比傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)而言，卷積神經(jīng)網(wǎng)絡(luò)具有權(quán)值共享、局部感知的優(yōu)點(diǎn)。局部感知的網(wǎng)絡(luò)結(jié)構(gòu)使其更接近于生物神經(jīng)網(wǎng)絡(luò)，權(quán)值共享大大減少了模型學(xué)習(xí)參數(shù)的個(gè)數(shù)，同時(shí)降低了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性。在圖像處理領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)體現(xiàn)得更為突出，多維的圖像數(shù)據(jù)可以直接作為網(wǎng)絡(luò)的輸入，特征提取和分類(lèi)均集成在網(wǎng)絡(luò)中，避免了傳統(tǒng)識(shí)別算法中復(fù)雜的特征提取和訓(xùn)練分類(lèi)器過(guò)程。除此之外，卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像中的位移、比例縮放、旋轉(zhuǎn)、傾斜或其它形式的變形具有很好的魯棒性。為了解決傳統(tǒng)人臉識(shí)別算法特征提取和訓(xùn)練分類(lèi)器困難的問(wèn)題，本文借鑒Lenet-5[10]的結(jié)構(gòu)，設(shè)計(jì)一個(gè)適合ORL數(shù)據(jù)集人臉識(shí)別任務(wù)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

1卷積神經(jīng)網(wǎng)絡(luò)

1.1用于ORL人臉識(shí)別的CNN

本文提出的7層卷積神經(jīng)網(wǎng)絡(luò)模型由輸入層、2個(gè)卷積層、2個(gè)降采樣層、一個(gè)全連接層和一個(gè)Sigmoid輸出層組成。卷積核的大小均為5×5，降采樣層Pooling區(qū)域的大小為2×2，采用Average Pooling（相鄰小區(qū)域之間無(wú)重疊），激活函數(shù)均采用Sigmoid函數(shù)。每一個(gè)卷積層或降采樣層由多個(gè)特征圖組成，每個(gè)特征圖有多個(gè)神經(jīng)元，上層的輸出作為下一層的輸入。此外，本文實(shí)驗(yàn)學(xué)習(xí)率的取值為常數(shù)1.5，該卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

1.2卷積層

卷積神經(jīng)網(wǎng)絡(luò)中的卷積層一般稱(chēng)C層[11]（特征提取層）。卷積層的輸入來(lái)源于輸入層或者采樣層。卷積層中的每一個(gè)特征圖都對(duì)應(yīng)一個(gè)大小相同的卷積核，卷積層的每一個(gè)特征圖是不同的卷積核在前一層輸入的特征圖上作卷積，然后將對(duì)應(yīng)元素累加后加一個(gè)偏置，最后通過(guò)激活函數(shù)得到。假設(shè)第l層榫砘層，則該層中第j個(gè)特征圖的計(jì)算表達(dá)式如式（1）。

xlj=f（∑i∈Mjxl-1iklij+blj）（1）

這里的Mj表示選擇的上一層輸出特征圖的集合。

1.3降采樣層

降采樣層是對(duì)上一層的特征圖進(jìn)行下采樣處理，處理方式是在每一個(gè)特征圖內(nèi)部的相鄰小區(qū)域進(jìn)行聚合統(tǒng)計(jì)。常見(jiàn)的下采樣方式有兩種：Average Pooling和Max Pooling。其中，Average Pooling是取小區(qū)域內(nèi)像素的平均值，而Max Pooling是取小區(qū)域內(nèi)像素的最大值。降采樣層只是對(duì)輸入的特征圖進(jìn)行降維處理，不改變特征圖的個(gè)數(shù)。假設(shè)down表示下采樣操作，βlj表示乘性偏置，blj表示加性偏置，則降采樣層中某個(gè)特征圖的計(jì)算表達(dá)式如下：

xlj=f（βljdown（xl-1j）+blj）（2）

1.4輸出層

卷積神經(jīng)網(wǎng)絡(luò)的輸出層一般為分類(lèi)器層，常用的有徑向基（RBF）函數(shù)輸出單元、Sigmoid輸出單元和Softmax回歸分類(lèi)器。在ORL人臉識(shí)別任務(wù)中，采用Sigmoid函數(shù)輸出單元，輸出層的編碼采用非分布編碼“one-of-c”的方式。由于采用Sigmoid函數(shù)，每一個(gè)單元輸出值是0-1范圍內(nèi)的一個(gè)正數(shù)，代表該樣本屬于該單元對(duì)應(yīng)類(lèi)別的概率。數(shù)值最大的那個(gè)單元即為樣本的預(yù)測(cè)類(lèi)別。假設(shè)x為全連接層的輸出，則輸出層輸出結(jié)果的計(jì)算表達(dá)式如下：

y=f（wTx+b）（3）

其中，f表示激活函數(shù)，這里采用Sigmoid函數(shù)，Sigmoid函數(shù)表達(dá)式如下：

f（x）=11+e-x（4）

2實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)在Windows7 64位下的Matlab 2014a中進(jìn)行，采用Matlab深度學(xué)習(xí)工具箱DeepLearnToolbox。PC的內(nèi)存8G，CPU主頻為3.2GHZ。

ORL人臉數(shù)據(jù)集是在1992年至1994年之間由AT &T Cambridge實(shí)驗(yàn)室拍攝的人臉圖像所構(gòu)成。數(shù)據(jù)集中包含40個(gè)不同人物的臉部圖像，每個(gè)人物包含10張圖像，總共400張。每個(gè)類(lèi)別中的臉部圖像在不同的時(shí)間拍攝得到，存在如下差異：①光線；②面部表情，如眼睛的閉合和睜開(kāi)狀態(tài)，面部是否帶有微笑的表情等；③一些面部細(xì)節(jié)上的差異，如是否佩戴眼鏡等。該數(shù)據(jù)集中所有人臉圖像均為灰度圖像，且圖像中人物面部朝向基本一致，都朝向正前方。

圖2為ORL數(shù)據(jù)集中部分人臉圖像。數(shù)據(jù)集中每個(gè)原始圖像大小為92*112像素，本文實(shí)驗(yàn)中對(duì)這些圖像進(jìn)行預(yù)處理，使每一幅圖像的尺寸調(diào)整為28*28，并對(duì)每一副圖像進(jìn)行歸一化處理，這里采用簡(jiǎn)單的除255的方式。隨機(jī)選取每一個(gè)類(lèi)別的8張圖像作為訓(xùn)練樣本，剩下的2張作為測(cè)試樣本。因此，訓(xùn)練集有320個(gè)樣本，測(cè)試集有80個(gè)樣本。

2.1改變C3層卷積核個(gè)數(shù)對(duì)網(wǎng)絡(luò)的影響

卷積神經(jīng)網(wǎng)絡(luò)性能的好壞與卷積層卷積核的個(gè)數(shù)密切相關(guān)，但每一個(gè)卷積層應(yīng)該設(shè)置多少個(gè)卷積濾波器，目前并沒(méi)有數(shù)學(xué)理論指導(dǎo)。為了研究卷積核個(gè)數(shù)對(duì)網(wǎng)絡(luò)最終識(shí)別準(zhǔn)確率的影響，本文保持C1層卷積核個(gè)數(shù)不變，通過(guò)改變C3層卷積核的個(gè)數(shù)，形成新的網(wǎng)絡(luò)結(jié)構(gòu)，用訓(xùn)練集訓(xùn)練網(wǎng)絡(luò)，訓(xùn)練迭代次數(shù)均為60次，然后用測(cè)試集對(duì)每一種網(wǎng)絡(luò)結(jié)構(gòu)的性能進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果如表1所示。

從表1可以看出，當(dāng)C3層有10個(gè)卷積核時(shí)，網(wǎng)絡(luò)模型對(duì)測(cè)試集的識(shí)別正確率最高。卷積核的個(gè)數(shù)與識(shí)別準(zhǔn)確率并不成正比關(guān)系，當(dāng)卷積核個(gè)數(shù)過(guò)多時(shí)，網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率會(huì)下降，這是因?yàn)樵诰矸e核個(gè)數(shù)增加的同時(shí)，需要學(xué)習(xí)的參數(shù)也隨之增加，而數(shù)據(jù)集中訓(xùn)練樣本的規(guī)模較小，已不能滿足學(xué)習(xí)的要求。

2.2改變C1層卷積核個(gè)數(shù)對(duì)網(wǎng)絡(luò)的影響

由上述實(shí)驗(yàn)結(jié)果可知，C3層卷積核個(gè)數(shù)為10時(shí)，網(wǎng)絡(luò)識(shí)別效果最好。因此，為了研究卷積層C1層卷積核個(gè)數(shù)對(duì)識(shí)別準(zhǔn)確率的影響， C3層保留10個(gè)卷積核，改變C1層卷積核的個(gè)數(shù)構(gòu)造新的網(wǎng)絡(luò)結(jié)構(gòu)，用測(cè)試集針對(duì)不同網(wǎng)絡(luò)結(jié)構(gòu)就測(cè)試集和訓(xùn)練集的識(shí)別準(zhǔn)確率進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果如表2所示。

從表2的實(shí)驗(yàn)結(jié)果可以得到相同結(jié)論：卷積層卷積核的個(gè)數(shù)并非越多越好，卷積核個(gè)數(shù)過(guò)多，網(wǎng)絡(luò)需要學(xué)習(xí)的參數(shù)也隨之增加，當(dāng)訓(xùn)練集中樣本個(gè)數(shù)無(wú)法滿足學(xué)習(xí)需要時(shí)，網(wǎng)絡(luò)識(shí)別準(zhǔn)確率就會(huì)下降。

2.3與其它算法比較

為進(jìn)一步說(shuō)明本文所提卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的有效性和優(yōu)越性，將該結(jié)構(gòu)（C1層6個(gè)卷積核，C3層10個(gè)卷積核，學(xué)習(xí)率1.5）的實(shí)驗(yàn)結(jié)果與其它識(shí)別方法在ORL數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，結(jié)果如表3所示?？梢钥闯觯疚乃岱椒ū菶igface、ICA的識(shí)別效果好，與2DPCA方法的識(shí)別準(zhǔn)確率一樣，比FisherFace方法的識(shí)別準(zhǔn)確率只低了0.20%，這進(jìn)一步證實(shí)了本文所提網(wǎng)絡(luò)結(jié)構(gòu)的有效性。

3結(jié)語(yǔ)

本文在理解Lenet-5結(jié)構(gòu)的基礎(chǔ)上，提出一種適用于ORL人臉數(shù)據(jù)集的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明，本文提出的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，不僅避免了復(fù)雜的顯式特征提取過(guò)程，在ORL數(shù)據(jù)集上獲得98.30%的識(shí)別正確率，而且比大多數(shù)傳統(tǒng)人臉識(shí)別算法的效果都好。此外，本文還通過(guò)大量驗(yàn)就每個(gè)卷積層卷積核個(gè)數(shù)對(duì)網(wǎng)絡(luò)識(shí)別準(zhǔn)確率的影響進(jìn)行了詳細(xì)研究與分析，這對(duì)設(shè)計(jì)CNN網(wǎng)絡(luò)結(jié)構(gòu)具有一定的參考意義。

參考文獻(xiàn)參考文獻(xiàn)：

[1]李武軍，王崇駿，張煒，等.人臉識(shí)別研究綜述[J].模式識(shí)別與人工智能，2006，19（1）：5866.

[2]張翠平，蘇光大.人臉識(shí)別技術(shù)綜述[J].中國(guó)圖象圖形學(xué)報(bào)，2000，5（11）：885894.

[3]YANG M H.Face recognition using kernel methods[J].Nips，2002（2）：14571464.

[4]祝秀萍，吳學(xué)毅，劉文峰.人臉識(shí)別綜述與展望[J].計(jì)算機(jī)與信息技術(shù)，2008（4）：5356.

[5]SAMARIA F，YOUNG S.HMMbased architecture for face identification[J].Image and Vision Computing，1994，12（8）：537543.

[6]LAWRENCE S，GILES C L，TSOI A C.Convolutional neural networks for face recognition[C].Proceedings CVPR'96，1996 IEEE Computer Society Conference on Computer Vision and Pattern Recognition，1996：217222.

[7]陳耀丹，王連明.基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法[J].東北師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2016，48（2）：7076.

[8]盧官明，何嘉利，閆靜杰，等.一種用于人臉表情識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)[J].南京郵電大學(xué)學(xué)報(bào)：自然科學(xué)版，2016，36（1）：1622.

[9]李彥冬，郝宗波，雷航.卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J].計(jì)算機(jī)應(yīng)用，2016，36（9）：25082515.

[10]LCUN Y，BOTTOU L，BENGIO Y，et al.Gradientbased learning applied to document recognition[J].Proceedings of the IEEE，1998，86（11）：22782324.