【正文】 一個滿足于現(xiàn)狀、不思進(jìn)取的人永遠(yuǎn)也無法成為一名高效能人士。這對你工作績效的提高很有幫助。如果你在工作中是一個人心胸開闊、樂于幫助別人成功和愿意與他人分享榮譽的人的話，那么你就不愁沒有朋友。一個人的某一品質(zhì)被認(rèn)為是好的，他就被一種積極的光環(huán)所籠罩，從而也被賦予其他好的品質(zhì)；如果一個人的某一品質(zhì)被認(rèn)為是壞的，他就被一種消極的光環(huán)所籠罩，并被賦予其他不好的品質(zhì)。這種平常心，對于一名高效能人士來講，是十分重要的。不論多么困難，他們都要鼓勵自己再試一次。及時走出失敗高效能人士不會讓自己永遠(yuǎn)徘徊在失敗的陰影之下。不被瑣務(wù)纏身高效能人士不會被太多的瑣務(wù)纏身。到困難找方法一個高效能人士，是最重視找方法的人。有效決策一個好的決策思想，不是限期完成的，而是在反復(fù)思考、不斷推敲的過程中，在相關(guān)事物或其他活動中受啟發(fā)頓悟而產(chǎn)生和迸發(fā)出來的。環(huán)境能夠改變我們的思維與行為習(xí)慣，直接影響到我們的工作效能與生活。如果你約束自我，實現(xiàn)了自己制定的計劃，你就一定會成為一個卓有成效的高效能人士。制訂卻實可行的計劃許多成功人士的成功經(jīng)驗告訴我們，認(rèn)真的做一份計劃不但不會約束我們，還可以讓我們的工作做得更好。因此，一名高效能人士要時常以“兼聽則明，偏聽則暗”的諫言提醒自己，多方地聽取他人的意見，以確保自己能夠做出正確的決定。一名高效能人士的好口才加上禮儀禮節(jié)，往往可以為自己的工作錦上添花，如果我們能夠巧妙運用語言藝術(shù)，對協(xié)調(diào)人際關(guān)系、提高工作效能都將大有裨益。”法國大作家雨果也說：“語言就是力量。重完善自己的人際關(guān)系網(wǎng)人際能力在一個人的成功中扮演著重要的角色。在商業(yè)競爭中，對市場信息尤其是市場關(guān)鍵信息把握的及時性與準(zhǔn)確性，對競爭的成敗有著特殊的意義。這是每一個人只要肯做就能做到的，也是一個人走向成功的必由之路。一個缺乏準(zhǔn)備的員工一定是一個差錯不斷的人，縱然有超強的能力，千載難逢的機會，也不能保證獲得成功。做到上下逢源，正確處理“對上溝通”，與同事保持良好的互動交流是我們提高工作效能的一個關(guān)鍵。工作壓力會給我們的工作帶來種種不良的影響，形成工作狂或者完美主義等錯誤的工作習(xí)慣，這會大大地降低一個人的工作績效。學(xué)會正確地應(yīng)對壓力就成了高效能人士必備的一項習(xí)慣。合理應(yīng)對壓力身體是革命的本錢，狀態(tài)是成功的基礎(chǔ)。釋放自己的憂慮孤獨和憂慮是現(xiàn)代人的通病。一位哲人曾經(jīng)説過：“好習(xí)慣是一個人在社交場合中所能穿著最佳服飾。杜絕壞的生活習(xí)慣習(xí)慣有好有壞。保持身體健康充沛的體力和精力是成就偉大事業(yè)的先決條件。”其用意也是要我們小説多聽。及時化解人際關(guān)系矛盾與人際交往是一種藝術(shù),如果你曾為辦公室人際關(guān)系的難題而苦惱,無法忍受主管的反復(fù)無常,看不慣主管的假公濟私,那么你要嘗試學(xué)習(xí)如何與不同的人相處,提高自己化解人際矛盾的能力。專注目標(biāo)美國明尼蘇達(dá)礦業(yè)制造公司(3M)的口號是:,對個人工作也有指導(dǎo)作用。如果你不堅持每天進(jìn)步1%的話,不是要你把事情推給別人或是逃避責(zé)任,而是當(dāng)你焦點集中很清楚自己該做那些事情時,自然就能花更小的力氣,并積極地發(fā)揮專長,成為行業(yè)的能手,一個人要成為一名高效能人士,但卻常常被一些小事搞得垂頭喪氣,整天心情不快,精神憂悶緊張。責(zé)任重于一切著名管理大師德魯克認(rèn)為,你首先表明的是你的工作態(tài)度:你要以高度的責(zé)任感對待你的工作,不懈怠你的工作、。身處激烈的競爭之中,一名高效能人士應(yīng)當(dāng)注意工作中的調(diào)節(jié)與休息,這不但于自己健康有益,對事業(yè)也是大有好處的。他明白在一個企業(yè)中，只有團(tuán)隊成功，個人才能成功。用“換位思考”指導(dǎo)人的交往，就是讓我們能夠站在他人的立場上，設(shè)身處地理解他人的情緒，感同身受地明白及體會身邊人的處境及感受，并且盡可能地回應(yīng)其需要。如果你要成為一名高效能的職場人士，就應(yīng)當(dāng)養(yǎng)成善于借助他人力量的好習(xí)慣。對手，可以讓你時刻提醒自己：沒有最好的，只有更好。習(xí)慣1向競爭對手學(xué)習(xí)一位知名的企業(yè)家曾經(jīng)說過，“對手是一面鏡子，可以照見自己的缺陷。習(xí)慣廢除拖延對于一名高效能人士來説，拖延是最具破壞性的，它是一種最危險的惡習(xí)，它使人喪失進(jìn)取心。這樣的時間往往被人們毫不在乎地忽略過去，零碎時間雖短，但倘若一日、一月、一年地不斷積累起來，其總和將是相當(dāng)可觀的。小部分的努力，可以獲得大的收獲；起關(guān)鍵作用的小部分，通常就能主宰整個組織的產(chǎn)出、盈虧和成敗。因此，在工作中，如果我們不能選擇正確的事情去做，那么唯一正確的事情就是停止手頭上的事情，直到發(fā)現(xiàn)正確的事情為止。杜哈提說，不論他出多小錢的薪水，都不可能找到一個具有兩種能力的人。一名高效能人士不會到處為自己找借口，開脫責(zé)任；相反，無倫出現(xiàn)什么情況，他都會自覺主動地將自己的任務(wù)執(zhí)行到底。只要把問題想透徹了，才能找到問題到底是什么，才能找到解決問題最有效的手段。蓋茨所説：“通向最高管理層的最迅捷的途徑，是主動承擔(dān)別人都不愿意接手的工作，并在其中展示你出眾的創(chuàng)造力和解決問題的能力。發(fā)現(xiàn)問題關(guān)鍵在許多領(lǐng)導(dǎo)者看來，高效能人士應(yīng)當(dāng)具備的最重要的能力就是發(fā)現(xiàn)問題關(guān)鍵能力，因為這是通向問題解決的必經(jīng)之路。如果一個人沒有重點地思考，就等于無主要目標(biāo)，做事的效率必然會十分低下?！备惶m克林將自己一生的成就歸功于對“在一定時期內(nèi)不遺余力地做一件事”這一信條的實踐?！爆F(xiàn)實中那些頂尖的成功人士不是成功了才設(shè)定目標(biāo)，而是設(shè)定了目標(biāo)才成功。以下為贈送文檔，祝你事業(yè)有成，財源廣進(jìn)，身體健康，家庭和睦?。。「咝苋耸康?0個習(xí)慣l 在行動前設(shè)定目標(biāo)有目標(biāo)未必能夠成功，但沒有目標(biāo)的肯定不能成功。1998:586~591[15] Samaria F,Young Based Architecture for Face and Computer ,12(10):537~543[16], New Algorithm of Uncorrelated Discriminant Vectors and its ,20(56):673~686[17] , Neural Networkbased on Fault Diagnosis of Hydraulic ,8(4):114~132[18] Fusion:Parallel Strategy Vision. 1998,28:103~116[19] 于清澄. [20] M Kirby, L. Sirvich. Applications of the KarhunenLoeve procedure for the characterization of human faces. IEEE Transactions on Patten Analysis and Machine Intelligence. 1991,. [21] M Turk, A. Penland. Eigenfaces for recognition. Journal of Cognitive ,. [22] . Turk, . Penland. Face recognition using Computer Society Conference on Computer Vision and Patten . [23] 王愛玲，葉明生， R2007 圖像處理技術(shù)與應(yīng)用. 北京：以下內(nèi)容與本文檔無關(guān)?。?！以下內(nèi)容與本文檔無關(guān)！??！。最后感謝實驗室的于海龍，蔡德全，尹映輝，李昱和王海珍，是他們在百忙之中抽出時間，盡可能的給我最大幫助，使我的論文進(jìn)展非常順利。任老師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度，深厚的學(xué)術(shù)造詣、認(rèn)真細(xì)致的工作作風(fēng)，刻苦勤奮的工作精神以及豐富的科研管理和組織經(jīng)驗，使我受益匪淺，任老師是我今后在科研和教學(xué)中學(xué)習(xí)的楷模。首先，要感謝我的導(dǎo)師任獲榮副教授。如何利用現(xiàn)有的各種特征提取方法，發(fā)揮某一類方法的優(yōu)點，克服某一類方法的缺點，將它們進(jìn)行有效的融合，也是以后一個值得探索的方向。在將來的工作中可以針對人臉的不同區(qū)域選擇特征提取方法，分清主次，將會有一個比較好的效果。本文主要的工作有：對特征提取的本質(zhì)和定義作了介紹，并且介紹了一些特征提取方法，探討了目前特征提取所面臨的困難；從基于人臉圖像的整體特征著手，詳細(xì)介紹了KL變換的基本原理，并闡述了基于KL變換的主成分分析法（PCA）在人臉特征提取方面的應(yīng)用，以及基于PCA的人臉識別過程；在進(jìn)行特征提取之前，先對圖像分別做低通濾波和邊緣提取，然后再進(jìn)行特征提取，進(jìn)行分類和識別。特征提取作為其中很重要的一部分，直接決定著識別的速度，影響著識別率的高低。 三種方法的結(jié)果對比方法平均識別率最高識別率（特征向量個數(shù)）訓(xùn)練時間測試時間PCA%%（18）低通濾波PCA%%（12）邊緣提取PCA%%（31）第四章 總結(jié)與展望 全文工作總結(jié)人臉識別是一個非常具有挑戰(zhàn)性的課題。造成識別率較低的原因可能有：本次實驗對所有圖像采用的是同一種邊緣檢測算子，固定的閾值不能適合所有的圖像，提取的邊界不理想，可能會出現(xiàn)漏檢，誤檢等情況，這些都會影響到后面的特征提取以及識別；其次是噪聲的干擾也會引起識別率下降。 邊緣提取后進(jìn)行PCA處理的結(jié)果由圖中可見，識別率較低，%，%。下面再來介紹邊緣提取。 低通濾波后進(jìn)行PCA處理的結(jié)果由上圖可知，%，%。這里取D0=,n=1. 原圖和低通濾波結(jié)果由圖中可見，圖像經(jīng)過低通濾波后變得模糊，這是因為濾除了圖像突變較大的邊緣部分。本文采用Butterworth低通濾波器，其傳遞函數(shù)為 (31)其中D0為截止頻率，n為正整數(shù)，n越大衰減速度越大。所以可以先對圖像分別進(jìn)行低通濾波處理和邊緣提取后，再進(jìn)行PCA處理。 PCA方法的識別結(jié)果從上圖可以看出，特征向量個數(shù)為2和3時，識別率都在80%以上，并且當(dāng)特征向量個數(shù)大于4時，識別率都在90%以上，%，%. 低通濾波處理和邊緣提取一幅圖像經(jīng)過傅里葉變換之后可以得到其在頻域中的分布情況。 結(jié)果分析 基于PCA的人臉識別本文的工作是基于1M內(nèi)存，120G硬盤的DELL筆記本上進(jìn)行的，采用MATLAB R2008a[23]軟件。訓(xùn)練過程對訓(xùn)練樣本集的圖像進(jìn)行PCA處理，形成特征子空間—一個新的坐標(biāo)系，即由前M個最大特征值對應(yīng)的特征向量張成的空間，訓(xùn)練集的每幅人臉圖像在特征子空間中投影，產(chǎn)生一個坐標(biāo)，即從原始圖像空間到特征子空間的變換系數(shù)，以此作為該圖像的特征。本文模式分類器采用最近鄰分類器。圖中，實線框中的部分實現(xiàn)系統(tǒng)的訓(xùn)練任務(wù)，也是特征提取部分，為離線工作方式。其余的48張圖像作為測試圖像。 現(xiàn)在選擇其中8個人的圖像作為研究對象，每個人有10幅圖像，挑選每個人的4幅圖像作為訓(xùn)練圖像。T實驗室創(chuàng)建，包含40個人400張面部灰度圖像，分辨率為11292。 人臉庫的選取本文選擇的是ORL人臉數(shù)據(jù)庫。傳統(tǒng)特征臉方法，特征值大的特征向量（即特征臉）不一定是分類性能最好的方向。在該方法的使用中，訓(xùn)練樣本的數(shù)目和代表性對系統(tǒng)的性能有極大的影響，在某些無法得到足夠多訓(xùn)練樣本的場合，其應(yīng)用也受到嚴(yán)格的限制。作為兩維分布的人臉圖像，像素間相關(guān)性的強弱與像素間的距離密切相關(guān)，而將圖像轉(zhuǎn)換為向量后，這種距離信息不復(fù)存在，這就降低了這種方法的表示能力。應(yīng)該注意到，在該方法中，類別信息在特征提取的過程中并沒有用到，或者說，這里所采用的特征提取方法是無監(jiān)督的。去除了模式之間的相關(guān)性。經(jīng)過映射隨著空間維數(shù)的降低，模式之間的距離也得到減小，從而避免了在多維空間上進(jìn)行分類的復(fù)雜性。即當(dāng)輸入矢量有微小變化時，其對應(yīng)的主元變化將小于輸入模式的變化。PCA主要具有以下特點:屬于測量空間的任一模式都有唯一的特征矢量與之對應(yīng)，這一特性說明模式的變換沒有丟失分類的主要信息。因此，已經(jīng)成為繼續(xù)探索新的人臉識別方法的一個基石。在成像條件受控的情況下，其識別性能良好，識別率可達(dá)到80%以上。其中，人臉識別中最常用的神經(jīng)網(wǎng)絡(luò)是采用反向傳播（BP）算法的前饋網(wǎng)絡(luò)。在人臉識別中，SVM技術(shù)通常包括兩個方面：第一是采用核方法將樣本映射到高維空間，并在此空間中找到具有最大保護(hù)余量的分類界面（超平面）；第二是由于SVM本來是解決兩類模式的分類問題，因此需要推廣到多類模式的分類。高復(fù)雜度的兩維HMM包括偽兩維HMM、嵌入式HMM和嵌入式B