心酸的句子
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇心酸的句子范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
心酸的句子范文第1篇
1、游荡着度过一天又一天，冷淡的看着自己，有时苍白，有时黑暗，一颗心随着世间的流失遗落在触摸不到的角落，最终连我自己都遗忘了它。
2、而在这流年里，爱上了断肠，断肠之曲悲鸣不已，不绝于耳，偶尔响起，触到伤心处，想哭眼泪却总往里倒流，填在胸中，涩涩的。
3、我们，曾经最甜蜜的恋人，如今却是两条平行线，再也无法找到交点。因为失去你，我冷得瑟瑟发抖；因为失去你，我害怕了冬天。
4、无情的将我抛开，我看不透你，一次次地将我伤害，再对我软语问候，只不过一句，我就将你原谅。却是你，曾经对我伤害那么深，我却从不曾将你怪过，爱到极致是宽容，除了我，这个世界，谁还会爱你，爱到死心塌地也不放弃。
5、一滴墨水，或轻或重，或浓或淡，滴在纸上却可以变成无法承受的后果。一份真情，或短或长，或深或浅，留在心上却可以变成一生一世的泪流。
6、我终究还是逃不掉，像是噩梦，一次次让我惊醒，或许你说得对，爱情对我来说太过于奢侈，我没资格拥有。可你却不懂，如果能够够换回你的爱，我可以付出所有。是啊，没有谁可以为你曾经的所为买单，就像是一道疤，永远抹不掉，却总是会越伤越深。爱上你，我从来没有后悔；离开你，花掉了我全身的力气。
7、漂泊的心依旧，忙碌的脚步依旧匆匆。形单只影的浪漫之花，仍开在落寞处。唏嘘的须根早已长满，散尽繁华的红尘梦经已落下。
8、若你流泪湿的总是我的脸，若你悲戚苦的总是我的心。摊开掌心对着天空掌心里有阳光，那是我想你偶尔的笑容；掌心里有雨滴，那是我思念你时偶尔滴落的泪水。
9、我用文字麻醉对你的思念，你用真心换回我的清醒。这是你当初对我的回复，无数次的回忆，心真的好痛，如果我能放弃一切，是不是就能回到你身边，压上所有赌注，是不是你就会爱我，像我爱你这样，不愿放弃，永远坚定不移。
10、我们都躲在某一地点，回忆某一个人。冷冷的台阶冷冷的心，有些人有些事已不用再在意，渐渐远去…为何你还在原地忘不掉那回忆，是他苍白了你的等待，讽刺了你的执着。谁和谁之间，究竟谁是你的过客，谁是你生命中的点缀。
11、望着星空，一片漆黑，轻托两腮，幽怨自叹，叹出一片星海，叹出一波波水纹，消散于无尽星海中，一圈一圈，消散于广阔的寂寞中。
12、真心的等待，却换来假意的爱恋。我是否等错了人，无数次问自己，爱你是对的吗，等你值得吗？
13、也许是现实的残酷使得我们变得脆弱，也许是生活的无奈让我们心酸流泪；也许是世迁让我们觉得难以接受，也许这一切并不是想象中的那么美好！
14、坐在一段时光里怀念另一段时光，是生活改变了我的心，还是心改变了我的生活，我不知道。我只知道，当我打开电视频道播放的只有各种寂寞，()当脑海里的激情已如昙花难得一现，当对以往的感情已荡不起一丝波浪时，当再也说不出跟我走这三个字时，当往事的意义已被时光碾碎时，我孤独的心是否还可以再次停泊呢？
15、我一次次告诉自己我并不孤单。我总是爱欺骗自己。就像当初我欺骗自己已经不爱你一样。
16、起初的失望，最终的绝望，开始质疑自己的存在究竟是为了什么，是为了陪衬她人的幸福生活让自己一伤在伤，还是为了让自己看清这残酷生活的本质，如若只是这样，我不需要，我唾弃这样的生活，开始思考，究竟幸福远在天边，还是从未存在，答案我不知道。
17、爱过你，在我最狂妄的时候；伤了你，在我最颓废的时候。我不想找理由，也没有理由。只是因为我爱你，奋不顾身！
18、还听说，彼岸花，开一千年，落一千年，花叶永不相见。情不为因果，缘注定生死。花开时看不到叶子，有叶子时看不到花，花叶两不相见，生生相错。听完，默然垂泪，很凄美的传说。如果在我死去的那年也能看到彼岸花，见到他们花叶同在的情景，那该有多好。
心酸的句子范文第2篇
2、真正的失望不是怒骂，不是嚎啕大哭也不是冲你发脾气，而是沉默不语，是你做什么我都觉得和我再也没有任何关联。
3、想爱不能爱才最寂寞，我试着勇敢一点，可我无法面对镜中颤抖的双眼，所以只能跟靠近我的每个人说再见。
4、有时候，我们不得不坚强，于是乎，在假装坚强中，就真的越来越坚强。
5、也许一个人最好的样子就是静一点。哪怕一个人生活。穿越一个又一个城市，走过一条又一条街道，仰望一片又一片天空，见证一场又一场离别。然后淡下来，于是终于可以坦然的说，我终于不那么执着了。
心酸的句子范文第3篇
1、老人颧骨很高，两鬓斑白，脸色暗淡无光，脸上布满皱纹，那皱纹使他的脸像树皮一样粗糙。一副饱经沧桑的样子。
2、我的奶奶年已七旬，一头的短发像罩了一层白霜，一双大眼睛已经深深地陷了下去，嘴里的牙也已经快，一双粗糙的手爬满了一条条蚯蚓似的血管，那饱经风霜的脸上刻满了皱纹，像是记载着她70年来的千辛万苦。
3、那是一位年过半百的老人，一张饱经风霜的脸，两只深陷的眼睛，深邃明亮，看上去很有神;头发很却很整齐。
4、这是一位慈祥的老人，头发梳得十分认真，没有一丝凌乱。可那一根根银丝一般的白发还是在黑发中清晰可见。微微下陷的眼窝里，一双深褐色的眼眸，悄悄地诉说着岁月的沧桑。
（来源：文章屋网 ）
心酸的句子范文第4篇
1、因为你，我每天很晚入睡 只为等你，和你说说话；因为你，我会时不时拿手机 看有没有你的未接来电 有没有你的短信；因为你，我会莫名的生气 莫名的无理取闹；因为你，我变得很纠结 变得不知如何是好。你的一句话可以改变我一天的心情，你的一条短信可以左右我一天的情绪…一切都只是因为你。
2、爱情，本就是件宁缺勿滥的事，急不得。要学会一个人生活，不论身边是否有人疼爱。做好自己该做的，有爱或无爱，都安然对待。缘分到了，便去伸手抓住，缘份未到，就让自己活得精彩。
3、两个人在一起的时候，你往往不晓得爱情的珍贵，以为就是普通的生活而已，虽然甜蜜，但却平淡。然而一旦分开，那种心被割去一块的感觉，就会让你明白，原来平淡的生活，就是爱情最好的礼物。所以很多人以为，分手后痛彻心扉的才是爱。其实你错了，让你甜蜜的才是爱，让你痛苦的只是不甘心。
4、相爱是一种缘分，人海茫茫中遇见你，这本身就是上帝的恩赐。相爱是一种默契，大千世界，能和最适合自己最体贴最温暖的那个人相守是一种默契。相爱是一种感觉，一种须用两颗心去体验和感受，才能体会出那跌宕起伏的美丽。相爱也是一种付出，是无怨无悔心甘情愿为心爱的人付出一切。
5、有钱，不可能养你一辈子。帅气，不可能炫耀一辈子。男人是拿来过日子，而不是拿来比较的。日子过的好，才是真的好。所以不找帅不找富，找个能包容你的。如果他不能包容你的情绪和缺点，就算条件好又有什么用呢？其实最好的日子，无非是你在闹，他在笑，如此温暖过一生。
6、真正爱你的人，是要和你走到未来；真正的爱情，不是某一个时刻的承诺和表白，而是之后一起走过的岁月；真正的缘分，并非是冥冥注定的安排，而是两个人彼此认定的决心。
7、不要认为后面还有更好的，因为现在拥有的就是最好的；不要认为还年轻可以晚些结婚，爱情是不等年龄的；不要因为距离太远而放弃，爱情是可以和你一起坐火车的；不要因为对方不富裕而放弃，只要不是无能的人，彼此鼓励可以让你们富足的；不要因为外人反对而放弃，幸福是靠自己内心来感受的。
8、一段路，每段情都会有回忆，每段路都会有记忆。当一条路没有走完时，若在中途看到岔路口，不要因一时好奇而转弯，到时发现自己走错了路，却已没有回头路可走……在一段情还没有结束时，若看到一个转折点，不要因一时心迷而选择放弃，等到自己后悔之后再回头，却发现已无路可走。
9、你说不想恋爱，我等你；你突然有了新的开始，我等你；你结束了你的爱需要疗伤，我陪你，我等你。我不介意迁就你，我可以一直抬头仰望你，只是，你真的，从来都不看我吗。你知道没有回应的等待有多辛苦吗。我曾经多少的炽烈，最终还是被你耗尽了。别说我很好，我很好为什么你不要。
10、很多时候并不是爱情离我们远去，而是自己放弃，一个真正值得拥有的人，想必你也是不愿意放手的对吧，一份不完整的感情也就不值得你用心去守护。既然选择自己所爱的人，就要有克服任何问题的决心，要知道追求的都是自己想要的、所爱的，也是值得的。
11、一见钟情这种事，浪漫但不一定长久。日久生情这种事，很难却更难分开。一见钟情永远和外貌有关，日久生情永远和习惯有关。越缓慢的爱上一个人，就爱的越长久。爱情可以有一瞬间，但真情却需时间浇灌。因为用多长时间爱上，就需要用多长时间来遗忘……用一生来爱，才永远忘不掉。
12、世界上最难受的爱，是我爱你，你却不爱我，世界上最麻烦的爱，我不爱你，你却来缠着我，世界上最痛苦的爱，我们都相爱，却不能在一起，世界上最悲哀的爱，我们都不爱，却要在一起。
13、每一个不懂爱旳人，都会遇到一个懂爱的人。然后经历一场撕心裂肺旳爱情，然后分开。()后来不懂爱的人慢慢懂了。懂爱旳人，却不敢再爱了；不管你爱过多少人，不管你爱得多么痛苦或快乐，最后，你不是学会了怎样恋爱，而是学会了怎样去爱自己。
14、如果，如果能回到过去，你是否能鼓起勇气牵起我的手；如果，时光可以倒流，我会不会为了你勇敢一点；如果，我们不曾相遇，彼此会不会过的安生一点；如果，我们都失去记忆，那属于我们的空缺，要拿什么来填补。如果那时，我说带我走吧，会不会改变现在的结果。如果，我只是说，如果。
15、爱上一个人容易，等平淡了后，还坚守那份诺言，就不容易了。在平淡的时候，遇见另一个让自己动心的人，总会觉得自己应该跟着感觉走，离开旧人，去追求此刻感受到的惊心动魄的真爱，其实再过五年回过头来看，也不过如是。激情是会变麻木的。当在爱里伤害了别人，最终自己会受到伤害。平平淡淡才是真。
16、你可以得到爱情，可以得到婚姻，可以得到优质生活。但如果得不到安全感，那这一切又有什么用呢？生活在富足的恐惧中，还不如生活在安定的贫乏里。你以为自己要的是一个爱人，但到最后才会知道，真正想要的，无非是安心。所以啊，幸福不是努力去爱，而是安心的生活。
17、其实很想念曾经，关于那些人、那些事，不是说忘掉就能忘掉。想念我们曾经肆无忌惮的笑。想念我们曾经的喜怒哀乐。想念我们曾经天真的誓言。想念我们曾经一切的一切。只是，如今我已释怀。谁都不会是谁的谁。谁也不会一辈子陪在谁的身边。我只希望我们都好好的。好好的笑，好好的过，好好的一辈子。
18、相爱的人不会因为一句分手而结束，更不会因为一个错误而真的做到绝情绝义。相爱的人会在感情的曲折里一起成长。只要经过一个曲折熬过去，爱又增长了点，又一个曲折熬过去，学会珍惜对方了一点。一路下去爱越来越深，只会深深的相爱着，懂得对方的好，不会再分开。对也不对，爱情因人而异。
心酸的句子范文第5篇
【关键词】聚类算法；k-means；最大最小距离法；多中心
1.引言
k-means算法具有简单、快速的优点。然而这种算法需要指定k值，而k值一般在聚类前是难以确定的。其次，当初始聚类中心选择不当时，算法容易陷入局部极小点。文献[1]提出一种基于距离统计的动态分裂类，合并类的改进k-means算法。文献[2]提出一种基于最大最小距离法和DBSCAN算法的改进算法，可以有效地对不规则形状数据集进行聚类。文献[3]提出了一种基于最大最小距离法和动态隧道的聚类算法，算法具有较高的准确率和稳定性。文献[4]详细比较了各种聚类算法的优劣。本文提出了一种基于最大最小距离法的k-means改进算法。具有时间复杂度低，可自动获得k值，不会产生空类，有较高的准确率的优点。
2.聚类算法及其分类
聚类（clustering）就是将数据对象分组成为多个簇（cluster），使得同一个簇中的对象之间具有较高的相似性(similarity)，而不同簇中的对象具有较大的相异性（dissimilarity）一个好的聚类方法应产生具有如下特性的聚类结果：簇内的对象高度相似(high intra-class similarity)，而簇间的对象很少相似(low inter-class similarity)[5]。向上进行层次分解，则称为凝聚的层次
聚类；而按自顶向下的进行层次分解，则常见的聚类算法分为以下几类：划分的方法，层次的方法，基于密度的方法，基于网格的方法，基于模型的方法。
划分的方法。给定n个对象，一个划分的方法构建数据的k个划分，每个划分表示一个聚簇，而且。它将数据划分为k个分组，使得每个分组至少包含一个对象并且每一个对象属于一个簇，并且要求同一个簇中的对象越接近越好、不同簇中的对象越远越好。该类算法有：k-means、PAM算法、CLARA算法、CLARANS算法、STIRR算法等[6]。
层次的方法。这类算法按数据分层建立簇，形成一棵以簇为节点的树。如果按自底称为分裂法层次聚类。该类算法包括：BIRCH、CURE、ROCK、Chameleon算法等。
基于密度的方法。这类算法的主要思想是：只要邻近区域的密度超过某个阙值，就继续聚类。该类算法包括：DBSCAN算法、OPTICS算法、DENCLUE算法、FDBSCAN算法、IncrementalDBSCAN算法等。
基于网格的方法。基于网格的聚类算法，把空间量化为有限个单元，然后对量化后的空间进行聚类。这类算法的执行时间独立于数据对象的数目，即只与单元数目有关，因此速度很快。这类算法包括：STING算法、WaveCluster算法、OptiGrid算法等。
基于模型的方法。这类算法为每个簇假定了一个模型，寻找数据对给定模型的最佳拟合。该类算法主要有两类：统计学方法和神经网络方法。统计学方法包括：AutoClass算法、COBWEB算法、CLASSIT算法。神经网络方法包括自组织特征映射法和竞争学习法。
3.k-means算法
k-means算法是一基于划分的聚类算法，它根据输入参数k，将数据集划分成k个簇。算法采用迭代更新的方法：在每一轮中，依据k个参照点将其周围的点分别组成k个簇，而每个簇的质心将被作为下一轮迭代的参照点。迭代使得所选的参照点越来越接近真实的簇质心，所以聚类效果越来越好。
k-means算法由于简单，快速而得广泛使用。但是k-means算法有三个缺点：依赖于初始的聚类中心，依赖于聚类数目，可能的退化[1]。
依赖于初始的聚类中心：当初始聚类中心选择不当时，算法极易陷入局部极小点。
依赖于聚类数目：k值必须事先指定，但是获取一个数据集的最佳k值是一个NP完全问题。当数据集的分布未知时，最佳k值是难以获得的[7]。
可能的退化：算法结束后，可能产生一些空类[1]。
4.最大最小距离法
最大最小距离法[8]是模式识别领域中的一种基于试探的算法，思想是取尽可能离得远的对象做为聚类中心，避免了k-means算法初值选取时可能出现的聚类种子过于邻近的情况。
有N个对象，。
任取一个对象，如Z1，把Z1作为第一个类的中心，从集合Sn中找出到Z1距离最大的对象作为Z2。
对Sn中剩余对象Zi，分别计算到Z1Z2的距离。令其中较小的那个为。
计算。
若，则取Zi为新的聚类中心。
重复同样的处理，直到再找不到符合条件的新的聚类中心。
式（4）中m为最大最小距离算法的参数，m的取值与算法获得的初始聚类中心数量成反比。
5.可自动获取k值的多中心聚类算法
5.1 算法基本思想
（1）假设n维数据集Sn有N个数据对象，随机选择一个数据对象作为聚类中心，利用最大最小法计算其余点与X1相似度S。
（1）
显然。我们定义两个数据对象的相似度距离Dis为：
（2）
相似度距离越小，两个数据对象的相似度越大。选取相似度距离最小的两个数据对象X2，X3和X1一起作为第一类的数据中心，并选取相似度距离最大的数据对象X4作为新的聚类中心。利用公式（1）和（2）计算剩余数据对象和数据对象X4的相似度距离。选取相似度距离最小的两个数据对象X5，X6和X4一起作为第二类的数据中心。
图1 算法流程图
Fig.1 Flowchart of Algorithm
（2）对于剩余数据对象Xi，分别计算到X1X2X3X4X5X6的相似度距离。令其中较小的那个为。
（3）计算。若，则Xi为新的数据中心，并取离Xi距离最近的两个数据对象Xi+1和Xi+2和Xi作为新类的数据中心。
（4）重复同样的处理，直到再找不到符合条件的新的聚类中心。
（5）对Sn中剩余数据对象按到各数据中心的相似度距离聚类。
（6）用公式（1）计算各类之间数据中心的相似度，令其中较大的为Sij。若，则两类合并为一类。
（7）重复同样的处理，直到不能合并为止。
步骤3和步骤6中，m和s为输入参数，可以通过样本实验得到。
对于大小为N的数据集，每次寻找新的聚类中心时，第2步要进行N次距离计算。若共找到k个聚类中心，则算法结束时共进行的计算次数为：。算法的计算量取决于N的规模。
5.2 算法流程图（见图1）
6.仿真实验与结果分析
为了检验算法的有效性，采用UCI中的Iris数据集测试算法。实验中，m=0.5，s=0.75。仿真结果如图2，3，4所示。图1中，z=0的xy平面为花萼的长度和宽度。z=1的xy平面为花瓣的长度和宽度。图3为聚类结果在花萼的长度和宽度的值。图4为聚类结果在花瓣的长度和宽度的值。
表1 实验在Iris数据集测试结果
Tab.1 The result of experiment
in Iris data set
Setosa Versicolor Virginica
Setosa 50
Versicolor 50
Virginica 22 28
聚类准确率为：
（150-22）×100%=85.33%。
由实验结果可见，第一类完全聚类正确，第二类和第三类相似度比较大，因此有比较大的误差。算法有比较高的准确率，实验验证了算法具有有效性。
图2 Iris数据集聚类结果
Fig.2 The result of clustering
in Iris data set
图3 Iris数据集的花萼长度和宽度
Fig.3 Iris data set with sepal length and sepal width
图4 Iris数据集的花瓣长度和宽度
Fig.4 Iris data set with petal length and petal width
7.结束语
本文介绍了聚类算法及其分类并详细介绍了k-means算法和最大最小距离法。在此基础上，本文提出了一种新的聚类算法，并用实验验证了算法的有效性。这 个算法具有时间复杂度低，聚类准确度较高，不需要指定k值的优点，但还是有一些需要改进的地方：
(1)初始聚类中心的选择对聚类结果有一定的影响；
(2)聚类准确率还应进一步提高。
参考文献
[1]YU Y.Y-MEANS:A DYNAMIC CLUSTERING ALGORITHM[D].New Brunswick:University of new Brunswick,2003.
[2]周涓,熊忠阳,张玉芳,任芳.基于最大最小距离算法的多中心聚类算法[J].计算机应用,2006(6):1425-1427.
[3]吕佳.基于最大最小距离和动态隧道的聚类算法[J].计算机工程与设计,2010,31(8):1775-1778.
[4]Rui X.Survey of Clustering Algorithms[J].IEEE TRANSACTIONS ON NEURAL NETWORKS,2005,16(3):645-677.
[5]Han J W,Micheline Kambr.Data Mining:Concepts and Techniques[M].Morgan Kaufmarm Publishers,2001:140.
[6]栾丽华.聚类算法研究[D].南京:南京师范大学,2004.
[7]Nathan anyahu,Christine D.Piatko,Ruth Silverman,Angela Y.Wu.An Efficient k-Means Clustering Algorithm:Analysis and Implementation[J].IEEE TRANSACTIONS ON PATTERN ANALYSIS AND 145 MACHINE INTELLIGENCE,2002,24(7):881-892.
[8]N.Karthikeyani Visalakshi,J.Suguna.K-Means Clustering using Max-min Distance Measure[A].The 28th North American Fuzzy Information Processing Society Annual Conference[C].Cincinnati:2009.
作者简介：