久别的人

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篇久别的人范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

久别的人范文第1篇

职业：上市公司财务

爱好：跳操、逛街、唱歌、跳舞

装扮原则：怪――别人没有的就好

徐轶背着一个大大的运动背包，披肩的中长发迎风飞舞着，来到了我们的摄影棚。一个动感的女孩，这是我对她的第一印象。

她一边摆甫士拍照，一边跟我有一搭没一搭地闲聊。我问她的着装风格，她大大咧咧地说：“休闲，决不穿职业装，耍怪，别人没有的就好。”果然，我见她从包里抖出的服装，都是我这种职业女性平常少见的。她的搭配也大胆而奇怪，比如这款“行头”(图一)。

咖啡上衣：迪美购买，120元；

裙子：日本的牌子COCO cat，陕西路上有一家小专卖店，250元；

皮鞋：韩国的牌子，东方商厦购买，350元；

袜子：襄阳路买，10元；

帽子：迪美购买，68元。

我对她的桔红色袜子“大惊失色”，我是无论如何不敢如此穿着。她却得意地说：搭配要大胆，穿时要自信。这样彩色的袜子：玫瑰红、绿色等等，我有一大把呢!

等到我了解了她的职业之后，我不禁对她说：财务人员照理该是文静、传统、略为保守的一类，你却是……未等我说完，她就笑着打断我: “我就是喜欢不按常理出牌的，穿衣打扮只有如此才能别出心裁，达到“衣不惊人誓不休”的境地呢!况且，她还坦白，这个职业是当初由老师和父母一起“密谋”而定的，其实她的愿望是入幼儿师范，将来当幼儿园老师。所以，你看她的这款服饰多么有童趣啊(图二):

奶牛裤：迪美买的，120元；

皮带：襄阳路买的，30元；

人造毛马夹：weekend，190元。

长袖衫：逸飞牌，268元。

她的“淘衣”经验是这样的：酷爱运动的她，每周三到四次去位于淮海路上的子曦女子会所跳操，来去的路上或休息天顺便逛街，让自己慢慢练成火眼金睛，在路边不起眼的小店内的一大堆衣服中翻出属于自己的那一款。在这个过程中，父母由原先对她的服装不以为然和大加指摘变成有点欣赏了，她也正准备去考跳操教练证呢!

最喜欢的也是最能获得别人赞赏的一套衣服是(图三):

中装上衣: 在北京旅游时在特色小店订制的，200元；

九分裤: De Season，太平洋百货购买，380元。

图四: 彩条裤: 自然物语，茂名路买，168元；

短袖上衣: 陕西路买，78元；

久别的人范文第2篇

我堂堂女子汉怎么能蒙受这种屈辱呢？于是我气愤说：“你们在说什么！！！小心我告诉老师你们诬陷我们！！（其实当时是吓唬他们的）”他们果真被吓到了，一个个都不出声了。这一天就这样不愉快地度过了。

第二天，我来到学校，认真的早读起来，可是过了好久，同桌萧茗还是没有来上学，我的心里出现了一个大大问号：萧茗怎么没来？

老师慢慢的走过来面对同学说：“同学们，萧茗出车祸了。”我听到这个消息，犹如晴天霹雳！我也不知道为什么，便飞跑到市医院，在抢救室外等着，等着，终于，一个医生跑到我身边说：“你是郑小冰吗？萧茗同学想和你说最后的几句话，我飞快地走进抢救室，只见萧茗静静地躺在那里，用微弱的声音对我说：“这是我送给你礼物，你好......好保存，我就要走了。”

“你不会走的，你不会走的！！！”说完我的泪花从眼眶里涌了出来。

“再见了！再也不能和你斗......嘴了，抽屉里有......”没说完萧茗的手便沉了下去。

“不你可以的，可以的。”

“他已经走了，没用的了。”

我伤心地离开了医院，回到学校，班级的门已经关了（我是班级的门长，所以有钥匙可以开门），我走进班里，坐在座位上默默地流泪，突然发现抽屉里有一封信，我拆了开来，看见信上写的是这样的：

小冰：

其实我一直很喜欢你，但是我不敢对你表白，今天我把信给你,希望你能明白我的心意.

萧茗

久别的人范文第3篇

在逛街的时候，看见了他，最熟悉的陌生人。他牵着一个卡哇伊的小女孩，样子甜美洋溢着青春的气息，属于小鸟依人的类型吧。他并没有看见我，我连忙避开。姐妹见我转变线路，好奇问我发生了什么事。我淡淡地说，再回头逛逛吧。刚才那件化妆店其实也蛮不错的。姐妹并没有继续追问，于是带着复杂的心情在那间化妆店走马观花地看着。懵懂地撞到了一个人，急忙说抱歉，抬起头的时候，映入眼底的正是那张清秀的脸，干净的眼眸，灿烂的笑容。他看是我，脸部掠过一些惊讶。他身边的女友倒是蛮善解人意的，笑着说他是运动员，这点碰撞习惯的了。我尴尬地笑了笑，对她点头表示谢意。想要装作若无其事逃离时，姐妹过来了，见到他熟悉地开着她的玩笑。我想示意姐妹的时候已经迟了。以前我和他恋爱多年，姐妹习惯了他，也是一个很不错的朋友。但这个场合却不适合聚旧。他倒也没什么，也是笑呵呵地回应着我的姐妹。他身边的小女人大概也擦觉到了吧，笑着对我说，你是他以前的女友吧，他时常说起你。我觉得诧异。小女人接着说，他总是说我不够坚强总喜欢依赖她，她说你是一个个性鲜明，很要强的人。接着她有点自嘲地说，如果我学到你一半的话，那我这个麻烦鬼一定让他少点烦恼的。他抚摸她的头发，笑着说，哪有呢。我看见她淘气地吐了吐舌头。我再看着他，他的眼里有我以前不曾看过的温柔。

分道扬镳后，我的心突然针扎般的痛。我意想不到他会在现任的女友面前说起我，以前我们很多争吵，其实现在回首发现自己其实太过自我了。我总有自己的想法，我认为两个人哪怕在一起，也不需要太多迁就，每个人应该拥有自己的宇宙。就因为太要强了，他从最开始的包容，到了后来的迁就，逐渐就是无尽头的争吵。但我却始终不肯退步，最后分手告终这段感情。现在他的女友小鸟依人的，一定不会让他感觉难受吧。姐妹安慰我说，两个人都走了尽头无需刻意检讨着什么。我说，如果当初自己不那么任性，能够放下自己的所谓的个性，那么也许我就不会失去他。姐妹想了想说，每段恋爱都能够让人成熟。你这样想吧，谁的新欢曾不是别人的旧爱呢。

谁的新欢曾不是别人的旧爱？我以前的他是小女人的现任男友，而我下任的男友也会是别人的旧爱。每个人在时间流逝中走来，沿途的风光迷人也会遇到陪伴着你一路前行的人。也许彼此的终点不一样，也许每个人的选择不一样，也许下一个分歧路口，我们就分道扬镳了。接着下一站，也会碰到前行的人，可他一路走来，也许以前也是别人的伴侣。每个人的性格，脾气，梦想不一致，手牵手走到彼此约定的终点是一件艰难的事。也许和别人分开后，总会寻找自己身上的毛病，但有些不适合就是最简单的致命一击。

从一段感情的开始，发展到最后，总能学会太多，感悟太多。也许就是把这些感悟还有学会的累积，才能更接近幸福的彼岸。以前的他，也许也会有一番属于自己的感悟吧，也许他也会怪责自己不能容忍多一些，那么的话，也许属于我们的路就能更长久一些。而我呢，也在想，如果我当初能够小鸟依人多一些，能够多一些温柔，那么我们也会少点争吵更多幸福的。

谁的新欢曾不是别人的旧爱呢，对的，以后我的男人也不可避免是别人的旧爱。那么他在前一段感情走来，会不会成熟更多一些，会懂得总结一下得失的原因。而我就认识到自己太要强，不懂包容，需要改进一些。每个人都是自己独一无二的宇宙，但是每段感情却始终都是两个世界的融合。把自己看轻一点，在乎他人多一点，我知道幸福也会更多一些。

久别的人范文第4篇

论文关键词：人力资本投资，性别差异，收益

一、 引 言

随着知识经济时代的到来，人力资本在经济中的作用越来越重要，人力资本投资也成为研究的热点之一。分工的细化使女性更多的参与到经济活动中，女性人力资本投资问题逐渐引起学者的关注.学者们对女性人力资本特征、投资现状、以及女性人力资本的价值实现等问题进行了研究，并取得了一定的成果。但人力资本投资存在性别差异，投资主体为了追求利益，会先比较人力资本的投资收益。目前关于人力资本性别投资收益的研究还不够深入，两性人力资本哪个投资收益大，哪个更具有投资价值，学术界还存在很大的争议。本文通过对国内、外学者在人力资本性别投资差异研究的成果的梳理，在分析目前研究现状的基础上，做了相关评述，以期对将来学者们的研究有一定的参考价值。

二、 国外学者人力资本投资性别差异的研究情况

著名的古典学派代表亚当·斯密认为人力资本投资可以由私人出于追求利益的投资行为完成。他建议由国家“推动、鼓励甚至强制全体国民接受教育”。即传统的古典经济学在研究人力资本投资问题时忽略了人类性别的划分，认为男性和女性的社会地位和角色没有差别，不需要进行单独研究，没有从性别角度对人力资本投资展开研究。

美国学者舒尔茨较早明确的阐述了人力资本的投资理论。他认为“人力资本投资不应该仅仅局限于男人的范围，忽略“女人资本”的倾向令人担忧”。[3]由此可见，舒尔茨注意到投资中的性别差异，认为以前的研究忽略了对女性的思考，有必要对女性人力资本进行单独研究。但他比较注重宏观方面的分析，缺乏微观的支持，没有就人力资本性别投资问题展开探讨。

在舒尔茨的基础上，贝克尔发展了人力资本投资理论。他主要从微观的角度进行研究，弥补了舒尔茨研究的缺陷。贝克尔认为：“投资量是预期收益率的函数。”收益率越高，投资量就越大收益，男女两性在学校教育中的机会成本与预期收益的差异使家庭在进行人力资本投资时更愿意向男性倾斜。他指出女性人力资本投资和男性有很大的区别，女性人力资本与家庭决策有很大的关系，即专业化投资会强化女性在家庭部门的比较优势，如果妇女在做家务上优于男人，从经济效率的角度讲，妇女应更多地从事家庭劳动。贝克尔的家庭决策理论为研究女性人力资本投资奠定了基础。但他的理论定性的分析居多，定量的分析很少。

明赛尔从投资收益的角度进行分析，他建立了人力资本投资的收益率模型，最早提出人力资本收益函数，并将人力资本理论与分析方法用于家庭决策中来研究人力资本的性别投资行为。他在《家庭背景下妇女的劳动力供给》以及与波拉切克合著的《家庭的人力资本投资》中指出：由于家庭决策的原因，女性的劳动力市场收益低于男性收益。在人力资本投资中，女性人力资本折旧率高于男性，女性人力资本投资的边际收益率递减速率快于男性。[5]他通过建立模型对人力资本投资收益进行了定量分析，但没有就性别投资收益展开定量的比较分析，仍需要继续研究论文格式。

继舒尔茨、贝克尔、明赛尔的研究之后，后期的学者对人力资本投资的研究逐渐细化。莱姆使用国别数据，将寿命差距作为家庭资源投资男女的指数，分析整个生命周期的家庭分配，最后指出家庭内部资源分配优先给予创收能力更强的成员。邓肯通过对巴西儿童死亡率数据，进行博弈框架经验分析，得出母亲更倾向于女孩的健康投资，而父亲更倾向于男孩的健康投资。P．Duraisamy通过对印度的数据研究发现，1983、1993、1994年，投资于女性的中级和中高级教育的收益要比投资于男性的高。[4]

综上所述，国外学者对人力资本投资的研究比较早，虽然没有从性别角度进行专门的研究，但研究中涉及到了人力资本性别投资问题。分析视角从微观到宏观，从定性分析到定量分析，相关理论在不断的完善，为科学的分析性别投资行为提供了依据，也为国内学者的研究提供了方向。但国外学者没有对性别投资收益展开比较研究，研究的还不够全面，仍需要深入的探讨。

三、 国内学者人力资本投资性别差异的研究情况

国内学者对性别人力资本的研究比较晚，但是发展的比较快。在借鉴国外理论的基础上，首先提出了性别人力资本，进一步分析女性人力资本的现状和特征、女性人力资本的价值问题，并取得了一定的成果。但是在人力资本性别投资收益的研究上争议还很大，国内学者从不同的角度进行了探讨，主要集中在以下几个方面：

(一)性别人力资本概念的提出

传统人力资本投资理论认为投资对象是同质的，这对投资性别差异的解释不充分，因此潘锦棠（2003）提出性别人力资本，即将人力资本的投资对象按男性和女性划分，研究女性相对于男性的投资价值。他认为传统的人力资本投资理论缺乏对人力资本“投资对象”和“投资环境”的研究。他首次提出人力资本投资之所以向男性倾斜，是因为目前“人力环境”中男性比女性更有投资价值；男性收入高于教育投资相同的女性是因为存在“性别租金”；男女两性相对投资价值的变化是因为“人力环境”的变化。[6]他从投资的性别差异角度、投资回报的性别差异角度进行了探讨。性别人力资本的提出引起了学者对女性人力资本的重视，进一步提升了女性人力资本的存量。

(二)性别歧视是导致人力资本投资性别差异的重要因素

20世纪90年代后期，性别职业隔离现象较为严重，女大学生就业比较难，就业中性别歧视成为女性人力资本投资的障碍。学者开始关注性别歧视对人力资本投资的影响。投资中的性别歧视收益，一方面受传统观念的影响，另一方面是由于经济人的投资决策产生。李莹（2004）认为，传统的性别观念对人们的行为有指导作用，主要通过影响各微观投资主体的投资决策，来削弱对女性的投资动力，降低投资的预期收益，影响投资范围，因此出现人力资本投资的性别差异。徐彩莲（2006）研究发现由于性别歧视的存在，使女性接受教育的机会少于男性，人力资本投资造成人力资本存量的性别差异。毛艺林（2008）认为人力资本投资中的性别歧视阻碍了女性自我价值的实现和两性的平等发展。他从经济学角度分析导致性别差异的原因，除了传统性别歧视的因素，还包括经济利益的影响。人力资本投资中的性别差异除受传统文化的影响外，经济因素也会影响家庭和社会的投资决策，所以投资中差别地、甚至歧视的对待某一性别群体，实现两性优势互补，是一种理性的选择。张抗私（2002）从经济学角度解释了投资中的性别歧视，人力资本投资中的性别歧视主要体现在受教育的程度和职业培训上的不同，真实收益中女性人力资本的经济效益高于男性，即女性具有明显的社会效益。邵明波（2005）指出女性人力资本投资具有较高的个人收益率和社会收益率。受传统社会观念和经济原因的影响，对女性的投资不足，进一步影响女性就业，导致女性人力资本投资收益下降，降低家庭对女性人力资本投资偏好，影响国民经济的发展。张春霞（2006）从经济学角度出发，结合社会学、心理学等学科分析出，受性别歧视的影响，女性和男性在教育培训和迁移等方面的投资存在差异。由于投资对象和投资环境的性别差异，知识女性的投资机会比男性少，投资回报率低，人力资本投资的差异造成了两性人力资本存量的差异。

关于性别歧视研究有非经济学和经济学的视角，但结论大致相同，认为性别歧视的存在降低了人力资本投资的效率。非经济学角度的研究指出，性别歧视会降低对女性的投资动力，导致女性的投资收益低于男性；经济学角度的分析指出，人力资本投资之所以会有性别差异，除了性别歧视的因素外，经济利益的影响也是一个很重要的原因。从经济学角度分析性别歧视，有利于改善女性人力资本投资状况，为科学的进行人力资本投资提供依据。但关于性别歧视的分析多是定性的分析，定量的分析还不多见。

(三)人力资本投资性别差异的研究从定性研究走向定量研究

性别歧视通过影响人力资本投资的性别倾向，使两性在投资收益上存在很大的差异。但是对于这种差异没有定量分析，因此将性别歧视作为投资差异的主要原因，解释力度不够，不少学者开始对性别投资收益进行量化。国内学者在计算人力资本投资收益时，主要是通过收益率来衡量。如禇建芳（1999）等通过对个人投资收益率的研究，得出女性的教育收益率为5.82%，男性为4.36%。[12]孙兰（2003）从人力资本投资成本与收益的角度分析，指出男性与女性之间的差距是很显然的收益，女性人力资本投资成本比男性大，而收益比男性小，这两者相比较是进行女性人力资本投资的一个重要的前提。高梦滔、姚洋、梁宏（2004）等通过分析女性健康数据，指出女性的健康情况不如男性，即女性的保健投资低于男性。刘国恩（2004）对通过实证分析，指出男性的健康的经济收益低于女性。毕雪晴、岳晓菲（2007）通过对国内外教育投资收益率的比较，发现我国教育收益率低于国际水平，与同等学历的男性相比，女性收入只及男性的2/3。钟威（2007）指出性别人力资本投资的收益主要表现在被投资者将会获得较高的预期货币报酬以及在一定程度上减少企业投资风险两方面，他认为传统的人力资本投资倾向走入误区，通过对成本收益中性别差异的分析，指出对女性人力资本投资可获得比男性更高的收益。从上面的研究看出，女性的收益率显著高于男性，对女性人力资本投资，有利于提升女性人力资本存量。但对于投资性别差异的定量分析还不够深入，需要继续探讨。

(四)人力资本投资性别差异的研究从静态走向了动态

在参与经济的过程中，两性时间配置差异较大。女性的时间在家庭、市场以及闲暇三个部门间配置，男性只在市场和闲暇两个部门间配置。新古典经济学采用两部门分析法，将人力资本投资对象假设为男性，忽视了两性的时间配置差异，存在很大的缺陷。人力资本投资是属于时间密集型的，只有闲暇时间才能用来人力资本投资，闲暇时间在某种程度上对人力资本投资有决定作用，因此有必要对女性闲暇时间进行分析论文格式。有学者从这个角度对人力资本性别投资差异做了研究。郭砚莉（2006）从女性人力资本投资现状出发，结合经济学、人口学和可持续发展的理论分析指出：由于传统分工的存在，女性在三部门间时间配置不同于男性只在两部门间配置，对女性教育投资小于男性，中断工作经历对女性人力资本投资的影响最大，中断期间女性不仅无法进行在职投资等活动，还会加速原有人力资本的折旧。导致女性人力资本含量比男性低，从而收益率也比男性低。袁迎菊（2008）从男女两性的时间配置对人力资本的投资分析。她认为女性由于要承担工作和抚养孩子的责任，其时间配置与男性有很大的差别，因为生育孩子需要工作要中断一段时间，这样会造成女性人力资本因闲置而贬值，降低人力资本投资的收益。朱凯（2009）指出女性由于生育等因素的影响，预期人力资本投资回报率比较低，而人力资本投资受限。通过时间配置角度的分析，使人力资本的分析由静态分析走向动态分析。从经济人的角度对女性时间进行分析，为增加女性人力资本投资提供了客观依据。

四、 结束语

综上所述，国外学者的研究比较早，且不同时期的研究视角不一样，从微观到宏观，从定性分析到定量分析，人力资本性别投资的理论在不断的完善，为国内学者提供了借鉴的依据。国外学者没有从性别角度将投资对象进行区分，因此不能充分解释两性人力资本投资差异的问题，他们的研究多是关于家庭投资差异的分析，没有进行全面的比较分析，仍需要深入的研究。

国内学者对性别人力资本的研究比较晚，但发展的比较快。学者们从不同的角度对性别人力资本进行分析收益，有了一定的研究基础。与国外学者相似，从宏观分析到微观分析，从定性分析到定量分析，涉及到社会学、心理学、经济学等学科，研究在不断的深化。但仍存在一些问题需要继续完善。在研究的内容上，学者主要是关于教育投资和在职培训投资的分析，人力资本投资还包括健康投资、迁移投资等，但对这些投资进行比较分析的文献还不多见。从研究方法上看，定性、定量的研究都有，但定量分析还不够深入，能将两种方法紧密结合，系统的分析人力资本投资差异的文献也不多见。在今后的研究中，可以通过设定相关的衡量指标，对两性投资收益进行全面的定量分析。

由于学者分析视角的不同，关于人力资本投资哪个收益更大，目前还存在很大的争议。受传统观念的影响，女性部分价值是没有计入收益中，女性人力资本收益低于男性，但从女性经济人角度分析，其收益却高于男性。人力资本性别投资差异的研究，是目前人力资本投资研究的难点。因此对这个问题进行探讨，有很大的理论和现实意义。理论上丰富了性别人力资本的内容，也是对人力资本投资理论的细化和补充；同时为科学的分析女性人力资本投资行为提供了依据。最后对改善女性的投资状况，缩小歧视性人力资本投资所造成的人力资本存量的性别差异，提升女性人力资本存量，推动社会经济的进步有一定的现实意义。

———————————————

参考文献

[1]舒尔茨.论人力资本投资[M].北京:北京经济学院出版社，1990.

[2]加里·S·贝克尔.人力资本[M].北京:北京大学出版社，1997

[3]郭砚莉.女性人力资本投资问题研究[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·明塞尔.人力资本研究[M].北京:中国经济出版社，2001(9)

[6]潘锦棠.性别人力资本理论[J].中国人民大学学报，2003(3):94-104

[7]晏月平.女性人力资本理论研究述评[J].理论探索，2008(6):161-163

[8]张抗私.人力资本投资中性别歧视的经济解析[J].财经经济问题，2002(7):19-21

[9]李莹.简析传统性别观念对人力资本投资性别差异的影响[J].西北人口，2004(3):56-59

[10]邵明波.中国女性人力资本特点及现状分析[J].市场与人口分析，2005(4):15-21

[11]徐彩莲.论女研究生人力资本投资[J].西南农业大学学报，2007(1):18-20

[12]张春霞.性别歧视与性别人力资本投资差异的纠结[J].中国劳动关系学院学报，2006(4)

[13]禇建芳.中国人力资本投资的个人收益率研究[J].经济研究，1995(12)

[14]孙兰.论女性人力资本投资.渝西学院学报.[J].渝西学院学报，2003(3):80-83

[15]毕雪晴、岳晓菲.论女性人力资本的收益率问题[J].四川经济管理学院学报，2007(4)42-46

[16]钟威.人力资本投资性别差异问题分析[D].2007

[17]郭砚莉.女性人力资本投资问题研究[M].2006

[18]袁迎菊.人力资本投资风险的性别差异分析[J].生产力研究，2008(15)

[19]朱凯.浅析性别产生的社会工资差异[J].金卡工程，2009(7)

[20]冯颖.人力资本投资理论的发展脉络[J].基础理论研讨.2008(32):51-52

[21]李芳.国内外关于女性人力资本理论研究综述[J].理论聚焦，2007(11):39-41

[22]张莹.社会性别视野中的人力资本投资[J].经济问题，2007.(4):30-32

[23]李莹.观念对人力资本投资性别差异的影响[J].西北人口，2003.(9):56-59

[24]陈丹.我国女性人力资本投资问题分析[D].2007

[25]秦政、曾繁荣.性别人力资本投资价值研究[J].人力资源，2006（8）:133-134

久别的人范文第5篇

关键词关键词：人脸识别；卷积神经网络；图像识别；深度学习；模式识别

DOIDOI：10.11907/rjdk.171043

中图分类号：TP317.4

文献标识码：A文章编号文章编号：16727800（2017）005018603

0引言

人脸识别是近年来模式识别、图像处理、机器视觉、神经网络及认知科学领域的研究热点[12]。所谓人脸识别，是指给定一个静态人脸图像或动态视频，利用存储有若干已知身份的人脸数据库验证单个或多个人的身份[1]。作为生物特征识别的一个重要方面，人脸识别有着广泛的应用场景，如：档案管理系统、公安系统的犯罪身份识别、银行和海关的监控、安全验证系统、信用卡验证等领域。在人脸识别巨大魅力的影响下，国内互联网公司也开始了人脸识别应用的探索，如百度推出的人脸考勤系统、阿里支付宝的刷脸登录等功能都是人脸识别的具体应用。目前，人脸识别的代表性方法主要有以下几种：Turk和Pentland[3]提出的特征脸（Eigenface）方法；基于线性区别分析，Belhumeur 等[4]提出了Fisherface方法；基于统计理论，剑桥大学的 Samaria和Fallside[5]提出了隐马尔科夫模型[5]（HMM），Lawrence 等[6]提出的通过多级自组织映射神经网络（SOM）[6]与卷积神经网络相结合进行人脸识别。上述方法虽然获得了良好的识别正确率，但需要人工参与特征提取，然后将提取的特征送入分类器进行识别，过程较为复杂。

卷积神经网络[79]是近年发展起来，并引起广泛重视的一种高效深度学习识别算法，其已成为当前语音分析和图像处理领域的研究热点。相比传统的神经网络而言，卷积神经网络具有权值共享、局部感知的优点。局部感知的网络结构使其更接近于生物神经网络，权值共享大大减少了模型学习参数的个数，同时降低了神经网络结构的复杂性。在图像处理领域，卷积神经网络的优点体现得更为突出，多维的图像数据可以直接作为网络的输入，特征提取和分类均集成在网络中，避免了传统识别算法中复杂的特征提取和训练分类器过程。除此之外，卷积神经网络对图像中的位移、比例缩放、旋转、倾斜或其它形式的变形具有很好的鲁棒性。为了解决传统人脸识别算法特征提取和训练分类器困难的问题，本文借鉴Lenet-5[10]的结构，设计一个适合ORL数据集人脸识别任务的卷积神经网络结构。

1卷积神经网络

1.1用于ORL人脸识别的CNN

本文提出的7层卷积神经网络模型由输入层、2个卷积层、2个降采样层、一个全连接层和一个Sigmoid输出层组成。卷积核的大小均为5×5，降采样层Pooling区域的大小为2×2，采用Average Pooling（相邻小区域之间无重叠），激活函数均采用Sigmoid函数。每一个卷积层或降采样层由多个特征图组成，每个特征图有多个神经元，上层的输出作为下一层的输入。此外，本文实验学习率的取值为常数1.5，该卷积神经网络结构如图1所示。

1.2卷积层

卷积神经网络中的卷积层一般称C层[11]（特征提取层）。卷积层的输入来源于输入层或者采样层。卷积层中的每一个特征图都对应一个大小相同的卷积核，卷积层的每一个特征图是不同的卷积核在前一层输入的特征图上作卷积，然后将对应元素累加后加一个偏置，最后通过激活函数得到。假设第l层榫砘层，则该层中第j个特征图的计算表达式如式（1）。

xlj=f（∑i∈Mjxl-1iklij+blj）（1）

这里的Mj表示选择的上一层输出特征图的集合。

1.3降采样层

降采样层是对上一层的特征图进行下采样处理，处理方式是在每一个特征图内部的相邻小区域进行聚合统计。常见的下采样方式有两种：Average Pooling和Max Pooling。其中，Average Pooling是取小区域内像素的平均值，而Max Pooling是取小区域内像素的最大值。降采样层只是对输入的特征图进行降维处理，不改变特征图的个数。假设down表示下采样操作，βlj表示乘性偏置，blj表示加性偏置，则降采样层中某个特征图的计算表达式如下：

xlj=f（βljdown（xl-1j）+blj）（2）

1.4输出层

卷积神经网络的输出层一般为分类器层，常用的有径向基（RBF）函数输出单元、Sigmoid输出单元和Softmax回归分类器。在ORL人脸识别任务中，采用Sigmoid函数输出单元，输出层的编码采用非分布编码“one-of-c”的方式。由于采用Sigmoid函数，每一个单元输出值是0-1范围内的一个正数，代表该样本属于该单元对应类别的概率。数值最大的那个单元即为样本的预测类别。假设x为全连接层的输出，则输出层输出结果的计算表达式如下：

y=f（wTx+b）（3）

其中，f表示激活函数，这里采用Sigmoid函数，Sigmoid函数表达式如下：

f（x）=11+e-x（4）

2实验结果与分析

实验在Windows7 64位下的Matlab 2014a中进行，采用Matlab深度学习工具箱DeepLearnToolbox。PC的内存8G，CPU主频为3.2GHZ。

ORL人脸数据集是在1992年至1994年之间由AT &T Cambridge实验室拍摄的人脸图像所构成。数据集中包含40个不同人物的脸部图像，每个人物包含10张图像，总共400张。每个类别中的脸部图像在不同的时间拍摄得到，存在如下差异：①光线；②面部表情，如眼睛的闭合和睁开状态，面部是否带有微笑的表情等；③一些面部细节上的差异，如是否佩戴眼镜等。该数据集中所有人脸图像均为灰度图像，且图像中人物面部朝向基本一致，都朝向正前方。

图2为ORL数据集中部分人脸图像。数据集中每个原始图像大小为92*112像素，本文实验中对这些图像进行预处理，使每一幅图像的尺寸调整为28*28，并对每一副图像进行归一化处理，这里采用简单的除255的方式。随机选取每一个类别的8张图像作为训练样本，剩下的2张作为测试样本。因此，训练集有320个样本，测试集有80个样本。

2.1改变C3层卷积核个数对网络的影响

卷积神经网络性能的好坏与卷积层卷积核的个数密切相关，但每一个卷积层应该设置多少个卷积滤波器，目前并没有数学理论指导。为了研究卷积核个数对网络最终识别准确率的影响，本文保持C1层卷积核个数不变，通过改变C3层卷积核的个数，形成新的网络结构，用训练集训练网络，训练迭代次数均为60次，然后用测试集对每一种网络结构的性能进行测试。实验结果如表1所示。

从表1可以看出，当C3层有10个卷积核时，网络模型对测试集的识别正确率最高。卷积核的个数与识别准确率并不成正比关系，当卷积核个数过多时，网络的识别准确率会下降，这是因为在卷积核个数增加的同时，需要学习的参数也随之增加，而数据集中训练样本的规模较小，已不能满足学习的要求。

2.2改变C1层卷积核个数对网络的影响

由上述实验结果可知，C3层卷积核个数为10时，网络识别效果最好。因此，为了研究卷积层C1层卷积核个数对识别准确率的影响， C3层保留10个卷积核，改变C1层卷积核的个数构造新的网络结构，用测试集针对不同网络结构就测试集和训练集的识别准确率进行测试。实验结果如表2所示。

从表2的实验结果可以得到相同结论：卷积层卷积核的个数并非越多越好，卷积核个数过多，网络需要学习的参数也随之增加，当训练集中样本个数无法满足学习需要时，网络识别准确率就会下降。

2.3与其它算法比较

为进一步说明本文所提卷积神经网络结构的有效性和优越性，将该结构（C1层6个卷积核，C3层10个卷积核，学习率1.5）的实验结果与其它识别方法在ORL数据集上的实验结果进行对比，结果如表3所示。可以看出，本文所提方法比Eigface、ICA的识别效果好，与2DPCA方法的识别准确率一样，比FisherFace方法的识别准确率只低了0.20%，这进一步证实了本文所提网络结构的有效性。

3结语

本文在理解Lenet-5结构的基础上，提出一种适用于ORL人脸数据集的卷积神经网络结构。实验结果表明，本文提出的卷积神经网络结构，不仅避免了复杂的显式特征提取过程，在ORL数据集上获得98.30%的识别正确率，而且比大多数传统人脸识别算法的效果都好。此外，本文还通过大量验就每个卷积层卷积核个数对网络识别准确率的影响进行了详细研究与分析，这对设计CNN网络结构具有一定的参考意义。

参考文献参考文献：

[1]李武军，王崇骏，张炜，等.人脸识别研究综述[J].模式识别与人工智能，2006，19（1）：5866.

[2]张翠平，苏光大.人脸识别技术综述[J].中国图象图形学报，2000，5（11）：885894.

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

[4]祝秀萍，吴学毅，刘文峰.人脸识别综述与展望[J].计算机与信息技术，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]陈耀丹，王连明.基于卷积神经网络的人脸识别方法[J].东北师范大学学报：自然科学版，2016，48（2）：7076.

[8]卢官明，何嘉利，闫静杰，等.一种用于人脸表情识别的卷积神经网络[J].南京邮电大学学报：自然科学版，2016，36（1）：1622.

[9]李彦冬，郝宗波，雷航.卷积神经网络研究综述[J].计算机应用，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.