贈別詩范文
時間：2023-03-24 17:17:55
導語：如何才能寫好一篇贈別詩，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。
篇1
今宿浦陽汭。
方作云峯異。
豈伊千里別。
芳塵未歇席。
零淚猶在袂。
停艫望極浦。
弭棹阻風雪。
風雪既經時。
夜永起懷舊上述。
汛濫畏沃若。
人事亦銷鑠。
子衿怨勿往。
谷風誚輕薄。
共秉延州信。
無慚仲路諾。
靈芝望三秀。
孤筠情所托。
所托已殷勤。
祗足攪懷人。
今行嶀嵊外。
行銷上述至海濱。
覿子杳未僝。
欵睇在何辰。
雜佩雖可贈。
疏華謂無陳。
無陳心悁勞。
旅人豈游遨。
幸及風雪霽。
青春滿江皋。
解纜候前侶。
還望方郁陶。
篇2
堂中皆食客，門外多酒債。產業曾未言，衣裘與人敝。
飄飖戎幕下，出入關山際。轉戰輕壯心，立談有邊計。
云沙自回合，天?？仗鲞f。星空漢將驕，月盛胡兵銳。
沙深冷陘斷，雪暗遼陽閉。亦謂掃欃槍，旋驚陷蜂蠆。
歸旌告東捷，斗騎傳西敗。遙飛絕漢書，已筑長安第。
畫龍俱在葉，寵鶴先居衛。勿辭部曲勛，不藉將軍勢。
相逢季冬月，悵望窮海裔。折劍留贈人，嚴裝遂云邁。
我行將悠緬，及此還羈滯。曾非濟代謀，且有臨深誡。
隨波混清濁，與物同丑麗。眇憶青巖棲，寧忘褐衣拜。
自言愛水石，本欲親蘭蕙。何意薄松筠，翻然重菅蒯。
恒深取與分，孰慢平生契。款曲雞黍期，酸辛別離袂。
篇3
投贈詩即作者寫給具體的人的詩歌作品，或者說作者專門賦詩送給某個人。如李白的《贈汪倫》。它的對象主要是自己的朋友。而干謁詩是古代文人為推銷自己而寫的一種詩歌，類似于現代的自薦信。
詩歌，是一種抒情言志的文學體裁。是用高度凝練的語言，生動形象地表達作者豐富情感，集中反映社會生活并具有一定節奏和韻律的文學體裁。
（來源：文章屋網 ）
篇4
藥材根氐罹斸掘，蜜蟲奪房抱饑渴。
有心無心材慧死，人言不如龜曳尾。
衛平哆口無南箕，斗柄指日江使噫。
狐腋牛衣同一燠，高丘無女甘獨宿。
虛名挽人受實禍，累棋既危安處我。
室中凝塵散發坐，四壁矗矗見天下。
奎蹄曲隈取脂澤，婁豬艾豭彼何擇。
傾腸倒胃得相知，貫日食昴終不疑。
古來畢命黃金臺，佩君一言等觜觿。
月沒參橫惜相違，秋風金井梧桐落。
故人過半在鬼錄，柳枝贈君當馬策。
篇5
《 痛心曲 》
憶夜苦，
驚嚇匆忙歸。
不愿病魔纏，
祈愿得安康。
《 君心愿 》
虛友病床臥，
執筆盡歡顏。
愿友早安好，
揮筆寫蒼穹。
《 再見愿 》
初夏時離別，
望友虛憔悴。
愿君體健魄，
再見如雄鷹。
——段凌云
贈 ：段凌云
《淚盡曲 》
與君約江南，
把酒盡言歡。
共論雄心事，
席散滄海淚。
《君安曲 》
愿君離別后，
夢得紅顏歸。
家業壯美勝，
百載更長久。
《滄海曲 》
約君江南見，
繁華一席地。
一盞清酒嘗，
揮淚遙相望。
篇6
老師像是天上最亮的北斗星，而我們是紅塵中迷失方向的黑鴨子，每當我們迷失方向時，只要一看見老師耀眼的光芒，就能讓我們找回回家的路途。所以一定不要對老師吝嗇自己的祝福。下面是小編整理的給老師的畢業贈言，歡迎閱讀。
給老師的畢業離別贈言1、明天，這是個美麗燦爛、輝映著五光十色的迷人的字眼。
愿你的明天無限美麗、無限燦爛、無限迷人!
2、日月如梭，一轉瞬，4年的同窗生活已成為從前。
但教室里，還回響著我們朗朗的讀書聲;操場上，還留著我們奔馳矯健的身影。這里的草坪、小溪、竹亭，是我們永遠迷戀的百草園。
4、我們領有4個在一起的年齡，每一次游戲，每一次探討，每一次爭吵，都將成為我記憶中可貴的一頁。
5、聚也不是開始，散也不是結束，同窗數載凝的無數美好瞬間，將永遠銘刻在我的記憶之中……
6、畢業了，多么想留住那些溫暖的日子，但又多么渴望著能早日投進生活的洪流。
那以往的同窗生活，是一串甜蜜的糖葫蘆;那迷人的甜與酸，將永遠回味不完。
7、在一起的歲月是如許快活，在花壇的芳香中，收藏著我們的點點滴滴，其中當然也有咱們的友情與歡喜。
8、你給我的那純粹的友誼是我長生難忘的，我祝你成就越來越好。
9、還記得嗎?軍訓場上的一頂頂紅帽，閱兵場上響亮的口號，是的，從那時起，我們獨特踏進了這片令人向往的天地……
10、你留給我的，是美麗的記憶。
你使是懷念少年時的純真和友誼。當我捧起記憶中的佳釀想請你喝時，卻先醉了自己。
11、生命，從小溪的流淌中獲得;
青春，在飛流的傾瀉中閃光;存在的'價值，于大河的奔流中呈現。
12、從五湖四海來，到天南地北去。
不管走到哪里，不管在什么崗位，讓我們繼續填好人生的履歷表，交出事業的優秀答卷，為母校的旗幟增輝添彩。
13、是你的，就是你的。
越是緊握，越容易失去。我們努力了，珍惜了，問心無愧。其他的，則交給命運。
14、還記得嗎?軍訓場上的一頂頂紅帽，閱兵場上響亮的口號，是的，從那時起，我們獨特踏進了這片令人向往的天地……
15、生涯的大陸已鋪開金色的路，浪花正分列兩旁搖著歡送的花束。
英勇地去吧，友人!前方，已吹響出征的海螺;彩霞，正在將鮮紅的大旗飄動……
16、雖說，我跟你相處未幾，但我們是最好的友人，我要把我最好的貨色送給你，也要把這份真誠的友情，永遠珍藏在心里。
17、采擷一串串的夢，學校的嬉戲，回憶起是那么繽紛壯麗;
而成長的追趕，竟已一躍而過。世間的塵囂喧擾，仿佛沉靜，讓我重新拾取記憶的落英。
18、同窗四年，你把友誼的種子撒在我心靈上。
我將默默地把它帶走，精心澆灌、栽培，讓它來日開出芳馨的鮮花。
19、越是熟的朋友，對話就越粗魯，越是熟的朋友，行為就越猥瑣，越是熟的朋友，開玩笑就越不計較，越是熟的朋友，你出來玩就越是要管你，越是熟的朋友，見面少了就越思念越是熟的朋友，你一有錯他就越毫不留面地罵你。
20、愿你作一滴晶亮的水，投射到浩瀚的大海;作一朵鮮美的花，組成百花滿園;作一絲閃光的纖維，繡織出鮮紅的戰旗;作一顆小小的螺絲釘，一輩子堅守自己的崗位……
21、教室里，有一種永恒旋律，是您的聲音;
辦公室里，有一種美麗，是您的疲倦身影;人生答卷上，有一個高分，是您的智慧結晶。
22、曾經有一份真誠的關懷放在我的面前，可是我卻沒有好好的珍惜，如果上天能再給我一次機會，我會對您說五個字：老師，謝謝您!
23、是您將我培育，讓我遨游在知識的海洋里;
是您將我指引，讓你給我不至于在花花世界里迷失自己;師恩難忘，永記于心。
24、刻在木板上的名字未必不朽，刻在石頭上的名字也未必流芳百世;
老師，您的名字刻在我們心靈上，永遠不會忘記您的孜孜教誨。
25、我用最溫暖的愛，報答老師的傳業之恩，用最深情的關切，祝福老師笑口常開，用最感激的行動，讓老師事事順心愉快。
26、德容天地，情系桑梓。
勤業勤職勤公勤奉獻，從來勤為天性;愛國愛校愛生愛教育，總之愛是源泉!今天是您的節日，我要衷心對您說一聲：謝謝您，老師!
27、您用智慧之光，照亮希望;
您用樸實之情，教化世人;您用平凡之舉，抒寫偉大;您用勤勞之手，培育棟梁。
28、暖暖的愛，祝福的話，清涼的風，關心的眼神，幸福的滋味，給我們的老師送去我們最真誠的祝福!
29、我親愛的老師：在教師節到來之際，學生送您一幅對聯：兩袖清風琴劍書畫文韜武略，一身正氣馬列毛鄧教書育人!
30、春風化雨潤花蕊，三尺講臺寫春秋。
不慕名利和地位，平凡之中見偉大。一心教書傳知識，不忘育人明事理。雖有桃李滿天下，甘居清貧不后悔。
畢業短句說說1、玉壺存冰心，朱筆寫師魂。
諄諄如父語，殷殷似友親。輕盈數行字，濃抹一生人。寄望后來者，成功報師尊。
2、您像一支紅燭，為后輩獻出了所有的熱和光!
3、我們的心田才綠草如茵，繁花似錦!
4、老師，您是美的耕耘者，美的播種者。
5、為國為家為民，風吹日曬雨淋。
碧海藍天白云，日月星辰，相伴一生追尋。
6、正是您，支撐起我們一代人的脊梁!
7、這無私的奉獻，令人永志不忘。
8、十年樹木，十載風，十載雨，十萬棟梁。
9、春滿江山綠滿園，桃李爭春露笑顏。
東西南北春常在，唯有師恩留心間。
10、一位好老師，勝過萬卷書。
11、師門立雪得心傳，詔恩分務許優閑。
鳧飛難學王喬舄，身世相忘象外天。
12、老師，人類靈魂的工程師，有誰不在將您贊揚!
13、仰之彌高，鉆之彌堅。
14、虛空無處所，仿佛似琉璃詩境何人到，禪心又過詩。
15、您的'愛，太陽一般溫暖，春風一般和煦，清泉一般甘甜。
16、老師就像蠟燭，燃燒自己，照亮別人。
17、您的愛，比父愛更嚴峻，比母愛更細膩，比友愛更純潔。
18、我們是祖國的花朵，老師是辛勤的園丁。
19、您的品格和精神，可以用兩個字就是——燃燒!不停的燃燒!
20、欲求賢才棟梁，天空陸地海洋。
半世東奔西忙，今又遠航，路遙山高水長。
給老師的感恩畢業贈言1、悅耳的鈴聲，妖艷的鮮花都受時間的限制，只有我的祝福永恒，永遠永遠祝福您，給我智慧之泉的老師!
2、一切過去了的都會變成親切的懷念，一切逝去了的方知其可貴------我懷念這您帶我們走過的分分秒秒。
3、讓陽光送去美好的期待，讓清風送去我們深深的祝福，讓白云和藍天永遠點綴你的餓生活，愿你的生活充滿快樂!
4、您就像一位辛勤的園丁，我們就像您培植的小樹，我們愿在冬天為您抵擋寒冷，春天帶給您綠意，夏天帶給您涼爽，秋天帶給您碩果!
5、敬愛的老師，并不是只在今天才想起您，而是今天特別想念您!
6、世界上有一種情，超越了親情友情。
那就是老師對我們無微不至的關懷之情，對我們細心教導之情。我真心祝福老師萬事如意永遠健康，永遠HAPPY!
7、講臺上，寒來暑往，春夏秋冬，撒下心血點點;
花園里，扶殘助弱，風霜雨雪，育出新蕊亭亭。
8、老師您好，千言萬語表達不了我的感激之情，我只說一句我的心里話：老師節日快樂，愿您有一個更美好的明天。
9、忘不了您和風細雨般的話語，蕩滌了我心靈上的塵泥;
忘不了您浩蕩東風般的叮嚀，鼓起我前進的勇氣。老師，我終生感激您!
10、那一張張樸實的面孔，那一雙雙辛勤的雙手，為培育祖國的花朵而不辭辛勞的園丁，在您的季節里，祝你們節日快樂!
11、當你青絲變白發，你的桃李已滿天下。
親愛的老師，向你道聲辛苦了!
12、老師，您好嗎?很想您，但請相信：無論我們身在何方都不會忘記您---我最親愛的老師!
13、老師是神圣的職業，你們為了我們的學習成長，不辭辛勞的教導教育我們。
在這個神圣的節日中，我們要說一聲：老師，您辛苦了!
14、一路上有您的教導，才不會迷失方向;一路上有您的關注，才更加的自信勇敢…老師，謝謝您!
15、我虔誠得不敢尋覓詞匯，因為“老師”這兩個字本身就是世界上最崇高的敬詞。
16、教師節祝福語我不是您最出色的學生，而您卻是我最崇敬的老師。
在您的節日，您的學生愿您永遠年輕!
17、送個短信祝福您，深深表達我心意。
桃李天下漫花雨，幸福常在您心底!
18、您的眼神是無聲的語言，對我充滿期待;是燃燒的火焰，給我巨大的熱力：它將久久地久久地印在我的心里……
19、學而不厭，誨人不倦，桃李芬芳，其樂亦融融祝福您，節日愉快!
20、一個個日子升起又降落，一屆屆學生走來又走過，不變的'是您深沉的愛和燦爛的笑容。
祝福您，親愛的老師!
21、撥動真誠的心弦，銘記成長的辛酸，成功的道路上永遠離不開您，親愛的老師，祝您永遠幸福!
22、一份誠摯的祝福，代表一顆顆充滿感激的心愿您的喜悅，您的愿望，在您打開這小小卡片時能夠同時滿足!
23、我不是您最出色的學生，而您卻是我最崇敬的老師。
在您的節日，您的學生愿您永遠年輕!
24、有一道彩虹，不出現在雨后，也不出現在天空，它常出現在我心中，鞭策著我堂堂正正地做人――給時刻關懷著我的導師!
25、心血育桃李，辛勤扶棟梁。
節日快樂，敬愛的老師!
26、我是一棵綠樹，沐浴著智慧的陽光，在您知識的土壤里，茁壯成長天的深情，地的厚愛，銘刻在我心里，生生世世，永不忘懷
27、您授予我們知識，您，指給我們向前的路。
你如同母親一樣保護我們。作為您的學子祝身體健康，一帆風順!
28、天涯海角有盡處，只有師恩無窮期。
祝福您，老師!
29、白色的粉筆末，一陣陣的飄落。
它染白了您的黑發，卻將您青春的綠色映襯得更加濃郁。祝您心想事成，每天都有一份好的心情!
篇7
1、老師，在今天我們身上散發的智慧光芒里，依然閃爍著您當年點燃的火花!
2、您推崇真誠和廉潔，以此視作為人處世的準則。您是我們莘莘學子心目中的楷模。
3、您在學生的心目中，是“真的種子，善的信使，美的旗幟”。
4、老師，您是海洋，我是貝殼，是您給了我斑斕的色彩……我當怎樣地感謝您!
5、往日，您在我的心田播下了知識的種子，今天，才有我在科研中結出的碩果DD老師，這是您的豐收!
6、老師，您就像春雨一樣，滋潤了我們這些小草，像園丁哺育我們這些花朵。老是，您是偉大的。
7、您的音容笑貌，時時閃現在我的眼前;您是品行人格，永遠珍藏在我記憶的深處。
8、您不是演員，卻吸引著我們饑渴的目光;您不是歌唱家，卻讓知識的清泉叮咚作響，唱出迷人的歌曲;您不是雕塑家，卻塑造著一批批青年人的靈魂……老師啊，我怎能把您遺忘!
9、老師，您好比一對偉大的翅膀，安插在我們的身上，帶我們飛向天空。謝謝您!
10、鳥兒遇到風雨，躲進它的巢里;我心上有風雨襲來，總是躲在您的懷里--我的師長，您是我遮雨的傘，擋風的墻，我怎能不感謝您!
11、您諄諄的教誨，化作我腦中的智慧，胸中的熱血，行為的規范……我感謝您，感謝您對我的精心培育。
12、我崇拜偉人、名人，可是我更急切地把我的敬意和贊美獻給一位普通的人DD我的老師您。
13、老師，您就像我們心中的雨點，把自己埋沒，讓小草生長，這種無私的奉獻，我們將永遠感激于心。
14、老師在我心里，您一直照顧我們，一直關心我們。您這么辛苦，我們能做些什么呢 我知道只有一直好好學習，才能給您最好的回報!
15、生旅程上，您豐富我的心靈，開發我的智力，為我點燃了希望的光芒。謝謝您，老師!
16、天涯海角有盡處，只有師恩無窮期。感謝您，老師!
17、您用火一般的情感溫暖著每一個同學的心房，無數顆心被您牽引激蕩，連您的背影也凝聚著滾燙的目光……
18、您用心中全部的愛，染成了我青春的色彩;您用執著的信念，鑄成了我性格的不屈……老師，我生命的火花里閃耀著一個您!
19、老師，感謝您用自己的生命之光，照亮了我人生的旅途。
20、老師，您是一個花園的園丁，而我們是您培育出來的鮮花，我會永遠感謝您的。
21、您送我進入一個彩色的天地，您將我帶入一個無限的世界……老師，我的心在喊著您，在向您敬禮。
22、踏遍心田的每一角，踩透心靈的每一寸，滿是對您的敬意。
23、忘不了您和風細雨般的話語，蕩滌了我心靈上的塵泥;忘不了您浩蕩東風般的叮嚀，鼓起我前進的勇氣。老師，我終生感激您!
24、老師，是您帶我們進入了一個彩色的世界，為我們點燃了智慧之燈，帶著我們在廣闊無際的知識海洋里泛舟，讓我們在湛藍的天空中自由翱翔，帶領我們朝自己的夢想前進......天涯海角有盡處，只有師恩無窮期!
25、南風又輕輕地吹送，相聚的光陰匆匆。
26、老師，當了您六年的學生，我明白了：原來春雨是這樣無微不至地滋潤樹苗;太陽是這樣照料大地;園丁是這樣培育花朵的。
27、您的眼神是無聲的語言，對我充滿期待;是燃燒的火焰，給我巨大的熱力：它將久久地、久久地印在我的心里……
28、老師，這個光彩奪目的名稱，將像一顆燦爛的明星，永遠高懸在我們的胸中。
29、您的思想，您的話語，充溢著詩意，蘊含著哲理，又顯得那么神奇DD呵，在我的腦海里，它們曾激起過多少美妙的漣漪!
30、我不是您最出色的學生，而您卻是我最崇敬的老師。在您的節日，您的學生愿您永遠年輕!
31、沒有您的慷慨奉獻，哪有我收獲的今天。十二萬分地感謝您，敬愛的老師。
32、老師，您是一個非常勤勞的園丁，而我是您細心培育的鮮花，是您把所有的知識傳遞給了我，我會永遠感謝您!
33、老師，當了您六年學生，我明白了：老師是一位辛勤的園丁，無微不至地培養著我們這棵小樹苗。老師，我們永遠忘不了您對我們的恩情。寫給老師的畢業留言
34、能擁有一位您這樣的老師，是我的榮幸。對您六年的諄諄教誨，我會銘記在心，您的言行將影響我的一生，我會永遠記得你。我的靈魂的塑造者。
35、老師，您好比一位辛勤的園丁，哺育我們這些祖國的花朵，讓我們茁壯成長，我們將永遠感謝您。
36、老師，您啟迪我真正領會了大自然的恩惠，從此我讀懂了每一瓣綠葉，每一片彩云，每一個浪花。
37、您是嚴冬里的炭火，是酷暑里的濃蔭灑湍流中的踏腳石，是霧海中的航標燈DD老師啊，您言傳身教，育人有方，甘為人梯，令人難忘!畢業贈言
38、您對我們嚴格要求，并以自己的行動為榜樣。您的規勸、要求，甚至命令，一經提出，便要我們一定做到，然而又總使我們心悅誠服，自覺行動。這就是您留在我心中的高大形象。
篇8
1、發生的時間不同。繼承發生在被繼承人死亡后，而贈與一般發生在贈與人生前。
2、接受財產的主體不同。繼承的主體為配偶、父母、子女為第一順序繼承人，沒有第一順序繼承人的，由兄弟姐妹、祖父母、外祖父母第二順序繼承人享有權利或者是繼承人遺囑指定的繼承人，而贈與的主體為贈與人自愿指定的任何受贈人。
3、適用的法律不同。繼承主要適用的是《繼承法》，而贈與主要適用的是《合同法》。
4、適用的稅費規定不同。個人無償贈與不動產的，需繳納全額契稅，房屋贈與在多數情況下要繳納個人所得稅，但贈與給直系親屬、撫養人或贍養人、房屋遺產依法繼承人這三種情況免交個人所得稅。個人通過遺囑、法定繼承不動產的，繳納契稅有兩種情況：
①對于《繼承法》規定的法定繼承人繼承土地、房屋權屬的，不用繳納契稅；
②對非法定繼承人根據遺囑承受土地、房屋權屬的，需要繳納契稅，此外還需收取產權登記費按件收取。
篇9
關鍵詞 拉曼光譜; 濾波; 小波變換; 支持向量機
1 引 言
目前，體內常見及其代謝物的主要分析方法有免疫分析法、光譜法、色譜法以及各種聯用技術。高效液相色譜（High performance liquid chromatography， HPLC）與氣相-色譜質譜聯用（Gas chromatograph-mass spectrometer， GC/MS）技術均得到廣泛應用[1～3]，這些檢測方法均需要處理樣品， 檢測費時， 設備昂貴， 對操作人員技術要求高。拉曼光譜檢測技術無需對樣品預處理， 成本低， 檢測周期短， 可用于現場檢測，已成為快速檢測的重要武器<sup>[4，5]</sup>。
以尿液進行檢測取樣方便。甲基苯丙胺（Methamphetamine， MAMP）在人體內大約有45%仍以原體形式存在<sup>[2]</sup>;在尿液中MDMA藥物原體的檢出時限達藥后5天<sup>[1]</sup>。本研究在正常人體尿液中定量加入被檢測，模擬吸毒人體的尿液樣本，并結合表面增強拉曼光譜技術，實現尿液中MAMP和MDMA的微量定性分析。
由于尿液成分復雜，待檢樣品含量低，獲取的拉曼光譜信噪比低，被檢物質的特征峰容易被背景信號淹沒，為光譜分類帶來困難。結合化學計量學方法，構建適合的最優分類器，有望實現類間差異微小的光譜有效分類，例如，文獻[6～8]均通過化學計量學方法完成了類間差異很小的光譜的分類任務，分類準確率高于88.4%。為此，本研究提出了自適應濾波法，以及結合小波變換的支持向量機分類器，從而實現尿液中MAMP和MDMA檢測的表面增強拉曼光譜分析。
2 光譜獲取
MAMP和MDMA樣本由中華人民共和國公安部物證鑒定中心提供。隨機選擇12名志愿者， 采集尿液，配制空白尿液（Ⅰ類）、含有50 mg/L MAMP的尿液（Ⅱ類）、含有50 mg/L MDMA的尿液（Ⅲ類）、同時含有30 mg/L MAMP和30 mg/L MDMA的尿液（Ⅳ類）4類樣本，取一小滴滴在金納米棒拉曼光譜（中國科學院合肥智能機械研究所研發）增強基底上，在空氣中自然揮干10～20 s，由Inspector便攜型拉曼光譜儀（DeltaNu公司）采集光譜，激發光波長785 nm，曝光時間為5 s，光譜采集過程均在尿液樣本獲得后的30 min內完成。
對所有拉曼光譜數據進行如下分組：隨機選擇10個尿液樣本對應的1475條光譜作為訓練集，其中包含Ⅰ類光譜350條，Ⅱ類光譜450條，Ⅲ類光譜450條，Ⅳ類光譜225條;剩余2個尿液樣本的450條光譜作為檢驗集，包含Ⅰ類光譜150條，Ⅱ類光譜100條，Ⅲ類光譜100條，Ⅳ類光譜100條。
另外，作為對方法擴展性的驗證，本研究還包含孔雀石綠樣本溶液的表面增強拉曼光譜：將被測樣本、粒度55 nm的球形Au納米增強粒子、1 mol/L KI團聚劑溶液以1∶1∶0.1的容積比例攪拌、搖勻，置于ReporteR型拉曼光譜儀（DeltaNu公司）檢測樣品槽內，曝光時間為3 s，采集光譜。共采集光譜798條，其中，以去離子水配制的孔雀石綠溶液對應的光譜636條（空白90條，非空白546條），作為訓練樣本集;以3個采樣點所得海水所配置的孔雀石綠溶液對應的光譜分別為93， 35， 34條，作為檢驗樣本集。
3 光譜分析原理
3.1 光譜預處理
在濾波過程中，希望對光譜中的噪聲和特征峰兩類區域，區別對待：特征峰區域要求更好的信號保真度;而其它區域要求更好的提高信噪比<sup>[14]</sup>。為此，本研究采用自適應濾波器，濾波過程如圖2a所示。通過公式（1）估計光譜噪聲水平，其中，λ表示調節噪聲概率分布水平的閾值;選定濾波窗口寬度初始值ω，在窗口移動過程中根據信噪比大小調整濾波器窗口寬度，如式（2），ω′為調整后的濾波窗口寬度。
3.2 特征分類
支持向量機基于統計學習理論，若應用中事先不明確訓練樣本是否線性可分，可引入懲罰因子C，允許一定的分類錯誤<sup>[15，16]</sup>。然而支持向量機未給出最優結構參數選擇的理論依據<sup>[17]</sup>，需要經過參數尋優過程，本研究選用尋優算法中常用的交叉驗證實現這一過程。
小波變換（Wavelet transform， WT）根據信號頻率的不同，將信號按多尺度分解，依據尺度信息調整取樣步長，聚焦于信號中的特定頻率分量<sup>[18]</sup>。將預處理后的光譜做N層小波變換，其近似分量長度為原始數據長度的1/2N，且可以代表光譜的大部分能量<sup>[19]</sup>。在不影響分類結果準確性的前提下，將光譜近似分量進行分類，可以減少分類器的運算量。
4 結果與討論
4.1 光譜預處理
采用文獻[12]所述方法對原始光譜進行基線校正<sup>[20]</sup>，基線校正參數為： σ=7.5， t1=0.9， t2=0.005; 對校正后的光譜進行自適應濾波處理，濾波參數為： t=30， λ=2.5; ω=31。結果如圖2b所示，此濾波方法可對噪聲區域較大平滑，并完整地保留了特征峰信息。
4.2 數據降維
選擇”db4”小波函數，對預處理后的光譜做小波變換。為了實現最優分類效果，選擇不同的分解層數，分別對訓練集進行光譜處理，并將分解結果輸入支持向量機進行分類，如圖3所示流程，選擇Thresh=90。小波分解層數與分類準確率的關系見圖4a，當分解層數從1開始逐漸增大，分類準確率逐漸提高;當分解層數為3時，分類效果最佳;此后，分類效果變差。因此，選擇3層小波分解。
4.3 特征分類
選擇Gauss核函數<sup>[21]</sup>，如式（4），其中，λ為高斯參數;引入懲罰因子C。支持向量機算法選用LIBSVM<sup>[22]</sup>，通過10-fold交叉驗證對高斯參數γ與懲罰因子C尋優<sup>[22]</sup>。分類器初始參數為C=2 Symbolm@@ 2， γ=2 Symbolm@@ 10，參數調整方式為C=C×2， γ=γ×2<sup>[21]</sup>，交叉驗證準確率與參數的對應關系如圖4b，隨著高斯參數或懲罰因子C逐漸變大，分類器容錯率逐漸降低，分類準確率逐漸提高;同時，懲罰因子C與高斯參數γ對分類準確率具有協同作用，當兩者處于最佳匹配時，分類準確率可以為99.7%。
在保證訓練結果有效的同時，為了保證分類器對未知樣本的泛化能力，對分類器參數優化結果及對應分類器的泛化能力進行了相關性研究：選擇交叉驗證結果高于70%時對應的參數組合，對檢驗集進行分類，所得分類準確率與交叉驗證準確率的關系圖如圖5所示。當交叉驗證準確率低于89%時，分類器分類準確率較差;當交叉驗證準確率高于94%時，分類器分類準確率存在振蕩，即此時分類器訓練過程的過擬合影響了分類器的泛化能力。因此，分類參數最佳組合應保證交叉驗證準確率為89%～ 94%，即圖4b所示曲面拐點范圍內。
4.4 結果分析
根據上文所述對交叉驗證準確率的允許范圍，選擇交叉驗證準確率為最小邊界（89.2%）時對應的參數組合C=25， γ=2 Symbolm@@ 10，整體分類準確率為95.1%，分類結果見表1;選擇交叉驗證準確率為最大邊界（93.8%）時對應的參數組合C=26， γ=2 Symbolm@@ 8，整體分類準確率為95.3%，分類結果見表2;選擇最佳交叉驗證準確率（91.86 %）對應的參數組合C=23， γ=2 Symbolm@@ 6，整體分類準確率為96.2%，分類結果見表3。
由分類結果可知，在交叉驗證準確率允許范圍內，整體分類準確率高于95.0%，整體假陽性率不高于9.0%; 對于含有50 mg/L MAMP或MDMA的尿液光譜，假陰性率不高于3.0%; 對于含有30 mg/L MAMP和MDMA的尿液光譜，假陰性率低于1.0%。而當選擇最佳分類參數組合時，所得假陽性率為7.3%，假陰性率為0。因此，通過參數優化，可以實現得到令人滿意的結果。
5 結 論
建立了低信噪比拉曼光譜模式識別方法。提出了自適應濾波算法，減少了拉曼特征峰強度的損失，同時得到了更好的濾波效果;通過小波分析及其分解層數尋優，實現了滿足分類最優條件的光譜數據降維;采用交叉驗證方法，研究了支持向量機參數優化對分類器性能的影響，給出參數尋優條件。將本方法用于人尿液中MDMA和（MAMP）兩種的微量分析，實現了4種樣本分類，參數達到最優組合時，整體分類準確率高于95.0%，假陽性率為7.3%，假陰性率為0。將本方法用于海水中孔雀石綠的表面增強拉曼光譜檢測，實現了痕量定性分析。本方法分類能力強，識別度高，但是前期需以較多的光譜樣本作為訓練數據，因而適用于光譜樣本易獲得， 光譜重現性較好的應用體系。
References
1
SHEN Min， SHEN Bao-Hua， HUANG Zhong-Jie， XIANG Ping， LIU Wei， BU Jun. Journal of Chinese Mass Spectrometry Society， 1998， 19（2）： 65-69
沈 敏， 沈寶華， 黃仲杰， 向 平， 劉 偉， 卜 俊. 質譜學報， 1998， 19（2）： 65-69
2 SUN Hong-Feng， GU Xue-Xin， WANG Ji-Fen， NI Wei-Gui， LI Wen-Jun， LI-Ying. Chinese Journal of Chromatography， 2007， 25（4）： 590-593
孫洪峰， 谷學新， 王繼芬， 倪為貴， 李文君， 李 瑛. 色譜， 2007， 25（4）： 590-593
3 CHEN Yue， ZHU Jun， YU Zhong-Shan， ZHANG Yun-Feng， LIU Yao. Chinese Journal of Chromatography， 2012， 30（11）： 1148-1152
陳 躍， 朱 軍， 于忠山， 張云峰， 劉 耀. 色譜， 2012， 30（11）： 1148-1152
4 FAN Yu-Xia， LAI Ke-Qiang， HUANG Yi-Qun. Spectroscopy and Spectral Analysis， 2014， 34（7）： 1859-1864
樊玉霞， 賴克強， 黃軼群. 光譜學與光譜分析， 2014， 34（7）： 1859-1864
5 ZHANG Jin-Ping， LU Xin-An， YANG Jie， YANG Gui-Mei， ZHU Wen-Jie. Chemical World， 2011， 8： 465-469
張金萍， 魯心安， 楊 潔， 楊桂梅， 朱文杰. 化學世界， 2011， 8： 465-469
6 Hartmann K， Putsche M B， Bocklitz T， Pachmann K， Niendorf A， Rsch P， Popp J. Anal Bioanal Chem， 2012， 403（3）： 745-753
7 Stckel S， Meisel S， Elschner M， Rsch P， Popp J. Spectroscopic Analysis， 2012， 51（22）： 5339-5342
8 Stckel S， Meisel S， Elschner M，Rsch P， Popp J. Analytical Chemistry， 2012， 84（22）： 9873-9880
9 Trachta G， Schwarze B， Sagmuller B， Brehm G， Schneider S. Journal of Molecular Structure， 2004， 693（1-3）： 175-185
10 Sgmüller B， Schwarze B， Brehm G， Trachta G， Schneider S. Journal of Molecular Structure， 2003， 661-662： 279-290
11 Hargreaves M D， Page K， Munshi T， Tomsett R， Lynch G， Edwards H G M. Journal of Raman Spectroscopy， 2008， 39（7）： 873-880
12 Stewart A， Bell S. E. Chem. Commun （Camb）， 2011， 47（15）： 4523-4525
13 Bell S E J， Thorburn B D， Dennis A C， Matchett L J， Speers J S. The Analyst， 2000， 125（10）： 1811-1815
14 Gemperline P L. Translated by WU Hai-Long， KANG Chao. Practical Guide to Chemometrics （2nd Edition）. Beijing： Science Press， 2012
保羅?戈培林 著. 吳海龍， 康 超 譯. 化學計量學實用指南 （第二版）， 北京： 科學出版社， 2012
15 GAO Jun. Artificial Neural Network Theory and Simulation （2nd Edition）. Beijing： China Machine Press， 2003： 78-84
高 雋. 人工神經網絡原理及仿真實例（第2版）， 北京： 機械工業出版社， 2003： 78-84
16 Theodoridis S， Koutroumbas K. Translated by LI Jingjiao， WANG Aixia， WANG Jiao. Pattern Recognition （4th Edition）. Beijing： Publishing House of Electronics Industry， 2010： 81-90
（希）Theodoridis S， Koutroumbas K 著. 李晶皎， 王愛俠， 王 驕 譯. 模式識別 （第四版）， 北京： 電子工業出版社， 2010： 81-90
17 LIN Ji-Peng， LIU Jun-Hua. Spectroscopy and Spectral Analysis， 2006， 12（29）： 2232-2235
林繼鵬， 劉君華. 光譜學與光譜分析， 2006， 12（29）： 2232-2235
18 Jiang X Q， Blunt L， Stout K J. Proc. R. Soc. Lond. A， 2000， 456： 2283-2313
19 Bggess A， Francis J M. Translated by RUI Guo-Sheng， KANG Jian. A First Couse in Wavelets with Fourier Analysis （2nd Edition）. Beijing： Publishing house of electronics industry， 2010： 173-195
艾伯特?博格斯， 朗西斯 J. 馬科維奇 著. 芮國勝， 康 健 譯. 小波與傅里葉分析基礎（第二版）， 電子工業出版社， 2010： 173-195
20 GUO Shu-Xia， ZHANG Feng-Ling， GAO Pan， ZENG Yong-Ming， CHEN Hong-Ju， LIU Guo-Kun， WANG Lei. Spectroscopy and spectral analysis， 2014， 34（5）： 1284-1288
郭淑霞， 張鳳玲， 高 盼， 曾勇明， 陳宏炬， 劉國坤， 王 磊. 光譜學與光譜分析， 2014， 34（5）： 1284-1288
21 Hsu C W， Chang C C， Lin C J. http：//csie.ntu.edu.tw/～cjlin. Version： 2003. Last update： April 15， 2010
22 Chang C C， Lin C J. ACM Transactions on Intelligent Systems and Technology， 2011， doi： 10， 1145/1961189， 196 1199
Surface Enhanced Raman Scattering Spectrum Recognition
for Trace Detection of Common Drugs in Urine
WANG Lei*1， GUO Shu-Xia1， DAI Yin-Zhen1， YANG Liang-Bao2， LIU Guo-Kun3
1（College of Physics and Mechanical and Electrical Engineering， Xiamen University， Xiamen 361005， China）
2（Institute of Intelligent Machines， Chinese Academy of Sciences， Hefei 230031， China）
3（College of Chemistry and Chemical Engineering， Xiamen University， Xiamen 361005， China）
Abstract Assembling an adapted smoothing method and a classifier of wavelet transform combined support vector machine （SVM）， a Raman spectrum recognition approach was built for low signal noise ratio situation. Firstly， spectra data were denoised by the adapted smoothing method. The smoothing window was adapted to the signal noise ratio， which would effectively remove noise with the intensity of the signal well remained. Secondly， the wavelet transform was used for dimension reduction of the data. The decomposition level of wavelet transform was optimized according to the best classification result of the training set. Lastly， SVM was used for classification. Cross Validation （CV） was applied to obtain the optimized parameters of SVM. Conditions for the effective parameters were searched considering the relation between the cross-validation result and the classification accuracy. Combined with the surface enhanced Raman scattering （SERS） technology， the developed spectrum recognition approach was used for qualitative analysis of methamphetamine （MAMP） and 3，4-methylenedioxymethamphetamine （MDMA） in people′s urine， where the detecting accuracy is above 95.0%. The uniform Au nanorods （NRs） SERS substrate synthetized by the Hefei Institute of Intelligent Machines of Chinese Academy of Sciences was used for the experiment. Raman spectra were acquired using an Inspector Raman （DeltaNu） spectrometer， with the excitation wavelength of 785 nm and the integrate time of 5 seconds.
Keywords Raman spectrum; Smoothing; Wavelet transform; Support vector machine
篇10
工信部的2014年第一季度《中國手機行業運行狀況》報告顯示，2014年一季度上市手機新品607款，同比下滑9.5%；手機出貨量為1億部，同比下降24.7%。僅從智能手機來看，一季度出貨8911萬部，也下滑了9.8%。第一季度智能手機銷量下滑的速度，遠比分析機構預測的更快。這也是手機出貨量連續七個季度增長以來的首次下降。
在4G概念落地，主要廠商激戰千元智能機普及市場的背景下，智能手機市場整體份額的萎縮態勢所透露出的危機是實質性的。產業鏈高度成熟后，智能機硬件上的創新空間非常有限，高度同質化的產品里挖掘新的消費熱點日益困難，手機市場本身已經高度飽和，增量市場的高增長開始難以為繼，智能手機市場離冬天還有多遠？
手機產業進入微利時代
PC機時代，當我們想買一臺電腦的時候，核心元器件像CPU不是英特爾就是AMD的，主板也就在技嘉、華碩、七彩虹、映泰等幾家間選擇，硬盤和內存的主流供應商也在2-3家內，操作系統更是微軟一家獨大。整機廠商無非在將元器件按照不同價位段整合后，貼上自己的LOGO，賣給不同層次需求的消費者。以至于現在不會DIY整機而去購買品牌整機的用戶都被視為冤大頭。
智能機時代的產業鏈條也正在快速IT化，決定手機性能的GPU、CPU市場份額主要掌握在三星、聯發科、高通等幾家巨頭手中，配套的方案商提供一體化的手機主板，海量的元器件供應商提供品質不等的標準配件產品供選擇，專業的代工廠負責貼片組裝整機。整機品牌廠商在硬件端只需根據自己規模管理好供應鏈和品控，更多的精力聚焦在工業外觀設計、決定用戶體驗的UI界面二次開發和品牌營銷上。目前開放式操作系統大行其道，Android一家獨大，現在連UI界面的二次開發也省卻了。
這種核心元器件供應高度集中，產業分工精細化，產業鏈配套成熟的IT化模式，所帶來的就是手機行業門檻的快速拉低。產業鏈資源高度透明，企業間以前所存在的信息不對等被抹平，手機在硬件端已無法構建明顯的差異化，終端產品在硬件配置和性能上高度同質化。供應鏈資源向優勢企業集中，會讓沒有品牌溢價能力的終端廠商日益喪失話語權，淪為打工者和苦力的角色。
整個手機行業的利潤正在被攤薄，三星和蘋果兩家企業能輕易拿走整個行業將近94%的利潤，對于作為全球手機代工中心的國內手機產業鏈，以及在市場份額上占優的國產品牌來說，意味著更加嚴峻的產業形勢。
較低的門檻也讓四處搶入口的互聯網企業開始大舉涉足手機行業。與阿里、360的“玩票”相比，雷軍背水一戰做小米算是徹底攪動了整個傳統手機行業的生態，這種攪動帶來的力量卻不是正向的。產品上本身并無太多創新點可言。都是MTK或者高通的芯片與解決方案，中國企業之間競爭的焦點永遠是價格戰。通過所謂線上渠道的變革，進一步的成本透明，進一步的壓低價格，進一步的凸顯性價比。
包括天音、愛施德等傳統手機渠道在手機行業利潤快速攤薄的影響下已經連續出現虧損，手機連鎖賣場崩盤的傳言也是甚囂塵上?；ヂ摼W時代的國內智能手機廠商在營銷上相互比拼著誰更無厘頭，誰更沒有節操，被互聯網企業進一步惡化的生態環境讓大家很難再抬頭看三步之外的路。
一位國產手機品牌的員工抱怨，也許能代表大多數同行的心聲：“現在是賣著白菜的價格，操著賣白粉的心?！?/p>
失去發動機
目前，傳統手機市場已經趨于飽和，社會渠道和公開渠道都開始全面萎縮，三大運營商主導下的3G網絡建設，和為各自拓展用戶所主導的定制機市場是目前智能手機的主要增量市場。
然而，現在三大運營商卻面臨著有史以來最嚴峻的局面。2013年，中移動凈利潤同比下降5.2%，為14年來的首次同比下滑。2014年第一季度，中移動凈利潤僅實現252億人民幣，同比下降9.4%，并沒能穩住下滑的局面。
運營商業績的快速下滑，一方面是外部市場日益飽和，用戶增長放緩，通信資費逐年降低；另一方面就是運營商的傳統業務正在快速被移動互聯網尤其是OTT的業務加速替代；虛擬運營商推動民資進入產生鯰魚效應，將成為更進一步價格戰的導火索。在2014年第一季度，中移動的短信使用總量已下降至1530億條，同比下降了超過20%。
三大運營商在政策層面面臨的宏觀調控措施，以及在4G建網和補貼上的大筆開支，正在加劇傳統運營商的下滑趨勢。來自瑞銀的最新研報顯示，中移動的自有現金流在2012年逾1000億，但2013年已僅剩400億，預計2014年有可能降到接近為零，甚至更低。被寄予厚望的4G在三大運營商現在的業務模式下不僅不可能成為運營商的救星，反而會加快OTT業務的替代速度。
已經開閘的虛擬運營商，受限于業務模式和政策層面的限制，目前還甘于當傳統運營商的業務“批發商”。隨著針對三大運營商市場化改革的深入，未來虛擬運營商在更公平的游戲規則下，在細分業務上實現逆襲并非沒有可能。
國家基站公司成立消息的爆出，則進一步明確了三大運營商全面轉型的信號，未來的網絡制式可能趨于減少，傳統運營商會進一步管道化，提供基礎性的產品，業務的運營將更多由虛擬運營商和全面開放后新加入的民資運營商來提供，服務資費有望大幅下降。
這些改變意味著，三大運營商不可能再像3G時代從上至下圍繞其經營的網絡制式打造全生態鏈，牽引整個行業圍繞自己發展。已經習慣了運營商定制機“包養”和話費補貼“輸血”的眾多智能機廠商在已經相當嚴酷的智能機市場環境下，面臨著失去相對可靠的增量市場的風險。
智能手機未來的市場發展更有可能國內外一體化，公開市場的裸機時代逐步終結，更多以運營商合約機的形式出現在終端市場。智能機終端渠道的門檻會被抬高，對消費者沒有品牌影響力和體驗黏性的產品獲得市場份額將會越來越難。整個手機產業或將面臨進一步的深度調整，繼山寨機后，多數傳統手機品牌也有可能將面臨倒下，產業資源進一步向優勢企業集中的局面。
難破解的困局
在傳統市場飽和，4G局面未明朗的情況下，在硬件端已經高度成熟的智能機自身所面臨的創新瓶頸，也在進一步加深智能手機市場的困境。
三星在S系列上的固步自封已經顯現摩托羅拉當年成也V3敗也V3的影子，沒有顯著的硬件提升和體驗差異化，不敢超越已成功的模式，是手機企業的通病。以機海戰術對已積累的產品信譽度的透支，勢必引發直接的消費疲勞。
蘋果從iPhone4以來所體現出來的功能創新困境與其在市場渠道上的大刀闊斧形成了鮮明對比。iPhone5c這種縮水版產品在拓展市場份額上并沒有達到預期效果。今年即將推出的iPhone6除了更大的屏幕，也鮮有革命性的亮點。
這種疲態已經開始在2014年第一季度顯現。Strategy Analytics的第一季度智能手機出貨報告顯示，三星和蘋果在智能手機的市場份額同比呈現下降趨勢。如果這兩家代表智能市場產品風向標的品牌還拿不出刺激消費熱情的產品，下滑的趨勢只會進一步加快，甚至有被替代的危險。諾基亞當年走下神壇也是在短短幾年之間。
更為關鍵的是，手機產品本身已開始平臺化，一款千元智能機已經能滿足用戶目前所有的隨身體驗，明星產品與普通產品已經很難塑造出革命性的體驗差異，自然也就會逐步失去溢價空間。另外用戶的熱情已經轉向手機APP的應用體驗。已經高度普及并工具化的手機產品很難再被賦予時尚、科技、潮流等具附加值的消費元素，沒有了消費心理中非常重要的炫耀體驗價值。
整個市場競爭核心都圍繞在了性價比上，這是一個產業進入紅海，走向衰退的標志。國內品牌在這個低附加值階段，市場占有率開始提升，外資品牌紛紛敗退不足為奇。PC時代的產業軌跡正在智能機產業中重復上演。