1 引言

随着我国经济快速增长、工业蓬勃发展和城市化进程的加快，能源消耗和人类活动导致我国京津冀、长三角、珠三角和成渝等大型城市群或地区的空气中细颗粒物浓度明显增加，以PM2.5为主要成分的大气污染事件频发[1]。相关监测结果表明，我国约大部分地区和近一半人口正在遭受灰霾的危害，特别是华北平原地区大气污染更加严重[2]。当雾霾污染天气出现时，由于空气中含有大量的细微颗粒物，在此情况下给人体健康带来了极大的危害。同时，由于雾霾的主要成分是气溶胶，而气溶胶粒子的消光作用会影响能见度，特别是它们吸湿增长后使能见度大幅度下降，从而给交通出行带来很大影响[3-5]。

为了防治雾霾及监测空气质量，我国在许多地区设立了地面观测站点或进行飞行监测，获取霾现象发生时近地面的PM2.5等污染物浓度。虽然我们可以及时获取观测点附近的污染数据，但缺乏关于霾分布的大尺度数据。特别是大范围的雾霾发生时，地面观测往往达不到理想的效果。二十世纪八十年代兴起的遥感技术，为我们解决这一问题提供了有力的工具。卫星遥感具有大面积覆盖、准实时获取等特点，可以对气溶胶进行快速准确的监测。在大气遥感领域中，经常使用美国航空航天中心（NASA）发射的中分辨率成像光谱仪（MODIS）产品来识别云或霾。MODIS暗像元算法和深蓝算法的云识别部分使用波段的反射率和反射率的空间变化率，并辅助以水汽数据进行云识别。但这个产品中的云监测和暗像元反演算法，通常把灰霾当做薄云、雾或其它目标处理，没有方法反演出霾的气溶胶光学厚度（aerosol optical depth，AOD）。

随着雾霾现象的日趋严重和频繁化，云霾识别是在治理雾霾过程中一个非常现实、又迫切需要解决的问题。近年来，国内外许多学者提出了诸多的方法尝试解决该问题。在气溶胶遥感领域，气溶胶光学厚度表示单位大气柱内的气溶胶粒子的消光作用，与气溶胶粒子浓度成正相关关系，通常使用“暗像元”算法[6]或“深蓝”算法[7]来反演气溶胶光学厚度。MODIS气溶胶反演算法通过不断更新一些阈值提高气溶胶识别的准确度 [8]，尝试解决云和霾的识别问题。基于MODIS数据，基于一些云和气溶胶反演算法，葛等[2]通过选取多个对灰霾敏感的典型光谱波段，计算其反射率和亮度温度，讨论了不同波段对霾与薄云等像元之间的光谱差异，统计出霾分布的阈值区间值，并设计基于MODIS卫星遥感数据的灰霾识别系统。通过选取为几个特征属性，熊等[1]利用数据挖掘算法中的KNN分类器，进行霾的等级预报及识别。文献[9]从图像的角度出发，运用傅立叶变换和缨帽变换等工具，清除了试验区遥感图像上的云层；毛宇清等[4]使用模式识别中的SVM分类器对南京地区霾日进行了分类，并通过回归方法给出了预报模型。鹿丽鹏等[5]通过图像灰度差分统计方法，对雾霾污染的程度进行了分类研究。陈晓颖[9]在进行了云的纹理特征提取后，通过模式识别中的k近邻法，神经网络方法和支持向量机方法对云进行了分类。基于云和气溶胶物理和光学特性的差异，Shang[10]等利用MODIS level 2云性质，提出了一个从云区域区别气溶胶装载的新方法。为了探讨2013年1月华北地区重雾霾过程形成原因，利用大气化学模式系统，高和张[11]模拟了华北地区气溶胶的时空变化。

为此，司法部刚刚出台《关于充分发挥职能作用为民营企业发展营造良好法治环境的意见》，要求各级司法行政机关坚决贯彻落实党中央、国务院决策部署，切实提高政治站位，站在推进全面依法治国的战略高度，充分发挥司法行政职能作用，积极为民营企业发展提供坚实法治保障、营造良好法治环境、提供优质法律服务。

目前的研究表明，云霾的识别问题一般通过阈值或目视解译的方法来解决。由于阈值的设定依赖于经验，因此对于同一地点不同时间的遥感数据或不同地点的遥感数据，无法用一个或几个固定的阈值来处理。由于云和霾在不同环境，不同大气条件和不同时间的形状千变万化，以经验和阈值对不同时间、地点的遥感数据进行云霾识别无疑是非常困难的。本文利用FCM和MRF，提出了一种云霾识别的模糊分类方法。实验表明，该方法不仅能够克服传统云霾识别方法的缺点，且能得到理想的分类效果。

证法1 不妨设a>0,b<0,c>0.如图1，在平面直角坐标系中，确定两个固定点以线段AB为直径作⊙P，设⊙P与x轴相交于点C和点D，与y轴相交于点E，作PF⊥x轴，BG⊥x轴，垂足分别为F、G，连结AC、BC、AD、BD和BE.

当下，虽然中国特色社会主义建设所面临的问题与列宁时期面临的问题有很大的差异，但是列宁关于领导干部要有着眼大局、团结协作的思想，仍然具有重要的现实意义和实践价值。面对当前复杂多变的社会思潮和政治形势，无产阶级政党的领导干部要站稳政治立场、找准正确方向，正确认识和处理个人利益与整体利益、当前利益与长远利益的关系，在实际工作中要具有大局观念，要用前瞻性和战略性的眼光分析和处理问题。同时，党的领导干部要像列宁那样严格遵守党的纪律，服从党和国家的政治大局。

2 模糊C均值和马尔科夫随机场

2.1 模糊C均值方法

分类是数据挖掘和模式识别研究的最基本问题。分类的目的是将给定的数据集划分为一些不相交的子集，使得在每个子集中的元素尽可能的相似，不同子集中的元素尽可能的不相似。我们可以形式的表示问题如下：

其中，表示像素点xi属于第k类的隶属度，表示调整后的xi点属于第k类的隶属度，表示根据空间邻居关系计算的隶属度。

 

根据样本是否有类标签的情况，分类算法又可以分为监督分类，无监督分类（又称聚类）和半监督分类三种。1973年，Dunn[12]提出了著名的Fuzzy C-means算法（FCM）。FCM算法是一种经典的无监督软聚类算法，它是在C-means算法的基础上，通过引入了模糊数学中隶属度的概念，将每一个类看成是一个模糊集合，则隶属度反映了每个样本点对于不同类别的隶属程度。由于该聚类算法速度快且可以得到精确度高的聚类结果，从而得到了广泛的认可并被成功的应用在多个领域[13，14]。

通过优化（2）式的目标函数，FCM算法将数据集分为C个类：

 

其中μij表示第i个样本点属于第j类的隶属度；表示第i个样本点到第j类质心距离的平方；vj∈Rd是第 j类的质心（j=1,2,…,C）。

实验数据来自于AQUA卫星的MODIS测绘数据，地点是我国的华北平原（北纬30-42，东京112-123），具体时间是2014.1.29和2017.1.26。遥感图像大小为600x550，分辨率为0.02 deg grids。我们选取了波长为 645，859，469，555，1240，1640，2130nm 的7个波段用来区分目标。实验地区的RGB真彩图如图1所示。从图中可知，场景中云霾交错在一起，无明显的边界。图2给出了通过本文算法识别出的遥感影像（2014.1.29）的云霾识别结果。我们不但得到了云、霾分布的不规则区域，同时也得到了云和霾的厚薄变化情况。在图3中，我们得到了2017.1.26高光谱图像的云、霾的覆盖区域及厚薄变化情况。从图2和图3可以看出，利用我们的方法可以有效地发现发现云、霾的不规则边界及其覆盖范围。颜色的渐变过程反映出了云的厚薄变化或霾的浓淡变化。识别结果与卫星图像有较高的吻合度，说明了所提出方法的可行性。

输入：高光谱图像HIS。

 

基于FCM算法和改进后的马尔科夫随机场模型，本文提出了一种云霾识别的模糊分类方法。该方法克服了传统的云或霾通过阈值划分方法的缺点。解决了云霾混合场景下，云霾的识别问题。实验结果表明，所提出的方法不仅可以较好的识别云霾混合场景下的云霾分类问题，且能反映出云霾的分布情况，结果与卫星图像有较好的吻合度。和C均值方法相比，我们得到了更为理想的识别效果。

 

FCM算法利用公式（4）不断更新隶属度和聚类中心，直到所有聚类中心趋于稳定，此时我们便得到最终的聚类结果。

在宁夏扶贫工作已进入攻艰克难的阶段，适时加大力度发展人身险业务一则响应国家扶贫攻坚战略的贯彻落实。二则在已有扶贫经验的基础上，依托互联互通的医疗资源（银川作为全国互联网医院基地，入驻有17家医院，可与其合作，依托线上+线下的服务便捷优势，将优质医疗资源下沉至贫困地区的乡镇、村，提升基层医疗服务水平），有助于建立多层次的保险服务组织体系，并不断进行产品与服务的持续开发，为保险行业“扶贫攻坚”探索方向。

2.2 马尔科夫随机场（MFR）模型

马尔科夫随机场是一种利用像素点空间近邻关系和属性信息去除噪音点的有效方法，目前已成功应用到图像处理和遥感图像处理中[15]。MFR指出，像素点xi的类别与其邻居的类别有密切的关系。给定一幅高光谱图像HSI，像素点xi的Moore邻居定义如下：

 

为说明本文方法的有效性，我们通过选取两幅典型的云霾场景来进行实验，实验结果表明了该方法的可行性。

MRF的局部能量函数如下：

 

其中μspectral(E(xi))是光谱能量函数；μspatial(E(xi))是空间能量函数。

 

分别对其中的变量μij和vj求偏导数并令其为0，可得到如下的隶属度和质心的更新公式：l(xi)是像素点xi的类别；当l(xi)=l(xj)时，δ函数值取 1，否则取 0。

结合FCM算法中隶属度更新公式（4）高光谱图像的性质，将公式（6）和（7）改进为：

因为满足Ax.2必满足Ax.1(见文献[1]推论4.3)，由文献[1]表7.1可知满足Ax.2则对于数学模型(3)有k=1,h=0,X∈{S,R,T,T-1};满足Ax.6,对于模型(3)有X∈{N,P,S,T};同时满足Ax.2和Ax.6,必须k=1,h=0,X∈{S,T}，由文献[1]中推论3.3知指标T与S等价.于是仅须考虑模型

 

设 X={X1,X2,…,XN}，xi∈Rd是一个给定的数据集。C1，C2，…，CK是 X 的子集，并满足条件：

这事也不是个小事，老鳜鱼可是真的想杀一个人哩。不管怎么说，应该让院长知道最好。让他想个应付的办法。然后，我们顺便再问下当年的事。

 

其中dij表示像素点xi与其邻居xj之间的欧氏距离。

食用向日葵SH363（内蒙古三瑞农业科技有限公司）、JK601（安徽华夏农业科技股份有限公司）；供试向日葵列当种子：采自内蒙古巴彦淖尔市乌拉特前旗西小召乡；供试药剂：植物诱抗剂-IR-18（内蒙古锦苗农业发展有限责任公司提供）。

3 基于FCM和MFR的云霾分类方法

在大气遥感和气溶胶遥感领域，识别云或霾的通常方法是在特定的波段上设定阈值，通过阈值将云或霾从其他地物中识别出来。这种方法实现简单快捷，在某些场景下可以取得很好的分类效果。但该方法的不足之处在于过分依赖于经验，不同的遥感图像阈值不同，所以很难确定理想的阈值。针对该问题，本文给出了一种云霾的模糊识别方法。所提出的方法适用于云霾混合场景下的云霾分类问题，且能给出云霾的边界和分布状况。

对于下载后的MODIS数据，我们首先进行几何校正，大气校正等方法对其进行预处理，得到较理想的高光谱图像。在去除地物后，然后使用FCM算法对其分类，由于只有云霾两种情形，故分类数c=2。在得到隶属度矩阵后，通过改进后的隶属度更新公式（8）进行噪音点处理。具体的算法步骤如下。

我们利用拉格朗日乘子法求解方程（2）。构造拉格朗日函数：

输出：云霾分类结果。

Step 1：数据预处理（大气校正，几何校正），去除地物。

Step 2：随机指定C=2个质心。

Step 3：根据公式（4）更新隶属度矩阵。

立德树人是大学的根本任务。“办好中国特色社会主义大学,要坚持立德树人,把培育和践行社会主义核心价值观融入教书育人全过程。”[19]在此,习近平强调了青年教育过程中的德育为先原则,教育工作“要坚持把立德树人作为中心环节,把思想政治工作贯穿教育教学全过程,实现全程育人、全方位育人,努力开创我国高等教育事业发展新局面”[20]。党的十九大报告中,进一步明确了立德树人任务的目标指向就是培养社会主义事业建设者和接班人。“要全面贯彻党的教育方针,落实立德树人根本任务,培养德智体美全面发展的社会主义建设者和接班人。”[21]此语深刻地揭示出我国教育的社会主义性质与立德树人的质的规定性。

Step 4：判断（2）中的目标函数前后两次的差值，若不成立，根据公式（4）更新质心，goto step 3。

讨论 PPC是最常见胰腺囊性病变，约占全部胰腺囊性病变的75%。PPC多继发于AP发作4周左右[7]，为胰液、血液外溢及胰酶自身消化的周围组织坏死后积聚在网膜内，未吸收，刺激周围组织及器官的浆膜形成纤维包膜而成[8]。SAP治愈2年后再发胰尾部假性囊肿的情况尚未见文献报道。

Step 5：应用公式（5），（8），（9）计算隶属度更新。

Step 6：根据公式（8）的结果计算 l(xi)。

4 实验与讨论

这里(i1,i2)为像素点xi的位置坐标。

慢性肺心病为临床常见病、多发病，导致该疾病发生的原因有很多。在对患者开展临床治疗过程中，实施具有针对性的护理举措，具有相当重要的现实意义。因为慢性肺部功能损害的原因，肺心病患者机体长时间处于低血氧状态，在这种情况下，除了会导致红细胞数量增多，血液粘稠度增加之外，也会令血管内皮受损，这一点在急性期患者中被尤为体现，因为严重感染的原因，患者缺氧情况加重，酸中毒和免疫复合物过度积累，进一步加重血管内皮受损程度，令胶原组织外露，血小板过度聚集和积累，激活凝血反应链。

对典型的500 kV交流双回路输电线路进行研究,建立了耐张塔及三塔四档的塔-线体系有限元模型,对其分别作了振动特性分析,得出如下结论:

在图4中，我们将本文所提出的方法与C均值方法得到的结果进行了对比。结果显示，本文得到的识别结果优于C均值方法得到的结果。与图2中的右图对比发现，在图4（a）中的红色区域部分在图2（b）中识别出为霾区域，但C均值算法没有识别出来。图4（b）中的红色区域部分霾上面有薄云出现（图3（a）左下角），利用本文的算法可以发现这一结果。

  

图1 华北平原的RGB真彩图

  

图2 2014.1.29遥感影像的识别结果

 

(a)白色区域为识别出的云区域。(b)红色代表云区域，白色表示出了霾的分布及变化情况。

  

图3 2017.1.26的遥感影像识别结果

 

(a)白色区域为识别出的云区域。(b)红色代表云区域，白色表示出了霾的分布及变化情况。

  

图4 利用C均值算法得到的识别结果

5 结论

其中λi是拉格朗日乘子。

参考文献：

[1]熊亚军，廖晓农，李梓铭，等.KNN数据挖掘算法在北京地区霾等级预报中的应用[J].气象，2015，41（1）：98-104.

[2]葛巍，陈良富，司一丹，等.霾光谱特性分析与卫星遥感识别算法[J].光谱学与光谱分析，2016，36（12）：3817-3820.

摘 要：在小学教学中，语文是一门基础性的学科，同时也是学生需要重点学习的学科。在开展小学语文教学的过程中，教师不仅要指导学生了解一定的文学知识，同时也要注重培养学生的核心素养。因此，在具体的教学过程中，教师就不能仅应用传统的教学模式开展教学，还要实施信息化教学策略，以提高教学水平，提升学生核心素养。

[3]吴兑.大城市区域霾与雾的区别和灰霾天气预警信号发布[J].环境科学与技术，2008，31（9）：1-7.

[4]毛宇清，孙燕，姜爱军，等.南京地区霾预报方法试验研究[J].气候与环境研究，2011，16（3）：273-279.

[5]鹿丽鹏，王彬，刘辉，王小俊.基于图像灰度差分统计的雾霾污染等级检测方法[J].计算机工程，2016，42（1）：225-230.

[6]Levy RC,Remer LA,Kleidman RG et al.,Global evaluation of the Collection 5 MODIS dark-target aerosol products over land,Atmospheric Chemistry and Physics[J].2010,10(6):10399-10420.

[7]Hsu NC,Jeong MJ,Bettenhausen C et al,Enhanced Deep Blue aerosol retrieval algorithm:The second generation [J].Journal of Geophysical Research:Atmospheres,2013,118(16):9296-9315.

[8]苏惠敏，薛亮.TM影像解译中去除云层及其阴影方法研究[J].西北大学学报（自然科学版），2005，35（6）：807-810.

[9]陈晓颖.典型地基云图云状的识别方法研究[D].东南大学，2015.

[10]Shang Huazhe,Chen Liangfu,Tao Jinhua et al,Synergetic Use of MODIS Cloud Parameters for Distinguishing High Aerosol Loadings From Clouds Over the North China Plain[J],IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING,2014,7(12):4879-4886.

[11]高怡，张美根.2013年1月华北地区重雾霾过程及其成因的模拟分析[J].气候与环境研究，2014，19（20:140-152.

[12]Dunn J C,A Fuzzy Relative of the ISODATA Process and Its Use in Detecting Compact Well-Separated Clusters[J].Journal of Cybernetics,1973,3(3):32-57.

[13]Klawonn F,Kruse R,Winkler R,Fuzzy clustering:More than just fuzzification[J],Fuzzy Sets&System,2015(281):272-279.

[14]谢福鼎，李壮.基于改进的半监督FCM算法的高光谱遥感影像分类[J].测绘通报，2016（9）：60-62.

[15]Shao P,Zhong S W,et al.Novel Approach to Unsupervised ChangeDetectionBased onaRobustSemi-SupervisedFCM Clustering Algorithm[J].Remote Sensing,2016,8(3):264.

综上所述，本研究回顾性分析脓毒症患者血常规变化水平，发现血小板减少程度与患者死亡之间存在正相关关系，血小板减少是脓毒症患者死亡的独立预测因素。因此，应对脓毒症患者应密切监测其血常规，及时纠正血小板减少，改善患者的预后。