




版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
PAGE2小型微型计算机系统2004年1期作者一等:文章题目PAGE3小型微型计算机系统20**年月第期JournalofChineseComputerSystemsVol.30No.20**收稿日期:20**-10-1基金项目:基金中文完整名称(基金项目号)资助作者简介:作者一,性别,生年,最高学位,目前学历,技术职称等,研究方向为;作者二,性别,生年,最高学位,目前学历,技术职称等,研究方向为;作者三,性别,生年,最高学位,目前学历,技术职称等,研究方向为.(6号宋体)一种使用图像融合的图像检索方法摘要:基于内容的图像检索是指根据图像内容进行检索,常用的方法是通过对从底层到高层的自动处理和分析来描述其内容。目前,基于内容的图像检索存在着低精度、高反馈率等问题。提出一种使用图像融合方法的图像检索方法。该方法以RFGAIR和图像融合技术为基础,利用图像融合技术,在检索反馈过程中,根据用户需求动态修正查询向量,同时结合遗传算法,动态修正图像相似度模型。与现有检索方法相比,实验结果表明,该算法对于旋转、平移和尺度变化具有较强的鲁棒性,同时具有减少反馈次数和较高查询精度的性能。同时该算法比RFGAIR具有更高的查询效率。关键词:基于内容的图像检索;图像融合;遗传算法;相关反馈;图像处理PAGE6小型微型计算机系统20**年1期作者一等:文章题目PAGE7第25卷第11期小型微型计算机系统Vol.25No.112004年11月MINI-MICROSYSTEMSNov.2004收稿日期:2005--基金项目:基金中文完整名称(基金项目号)资助作者简介:作者一,性别,某年生,籍贯(具体到市、县或地区),最高学位,目前学历,职称等,研究方向为;作者二,性别,某年生,籍贯(具体到市、县或地区),最高学位,目前学历,职称等,研究方向为;作者三,性别,某年生,籍贯(具体到市、县或地区),最高学位,目前学历,职称等,研究方向为.ANovelImageImageRetrievalApproachWithImageFusion-basedCEHNPeng(TaizhouTeachersCollege,Jiangsu,Taizhou,China)Abstract:Thepaperproposesanovelimageretrievalmethodbasedonimagefusion.ThealgorithmisbasedonRFGAIRandimagefusiontechnology,modifytheretrievalvectoraccordingtotheuser’sneedsinthefeedbackprocessbyusingimagefusiontechnology,andatthesametime,modifythesimilaritymodelbygeneticalgorithm.Comparedwiththeexistingalgorithms,theexperimentalresultsshowthattheproposedalgorithmisrobustforrotation,translationandscalechangesstrongly,andhashigherqueryprecisionandlowerfrequencyoffeedbacksimultaneously.Inaddition,thesearchefficiencyoftheproposedalgorithmisbetterthanRFGAIR.Keywords:CBIR;imagefusion;geneticalgorithm;relevancefeedback;imageprocessing
1引言基于内容的图像检索(Content-Based-Image-Retrieval,CBIR)技术通过对图像从底层到高层的自动处理和分析来描述其内容,并根据内容进行检索[1]。近年来,针对CBIR中的查询精度低,反馈率高的问题,很多学者提出很多解决方案。BingWang等人将相关反馈与神经网络技术应用于基于内容的图像检索中,以解决图像特征描述不一致问题[2];PengYengYin等人提出了一种结合强化学习技术的图像检索框架,利用强化学习方法构造一个主动学习的强化学习框架,在一定程度提高后续检索的效率[3];江祥奎等提出一种基于灰色系统理论的多特征相关反馈图像检索方法,该方法将灰色系统理论引入图像检索中,利用灰关联度作为特征权重估计,利用用户的少量选择做出判断,常陷入局部最优问题[4];许相莉等人提出一种基于粒子群优化的图像检索算法,该方法提取图像的颜色和纹理特征,并利用粒子群算法调整特征权重,优化检索,然而该方法对于平移、旋转和尺度变换没有很强鲁棒性[5];Akrem等人提出一种针对图像形状检索的图像融合算法,针对图像边界无法确定的问题,提出通过图像融合技术来构造检索向量[6];党长青等人提出一种基于多特征融合和相关反馈的图像检索方法,该方法利用SVM算法结合用户标注构造一个图像分类器,利用该分类器对检索结果图像重新计算相似度[7]等。2基于遗传反馈的多特征图像检索2.1遗传算法遗传算法可定义为一个八元组,如式(1)所示。(1)其中C是染色体编码方法;E是个体适应度评价函数;P0是初始种群;M是种群大小;是选择算子;QUOTE是交叉算子;QUOTE是变异算子;T为算法终止条件。文献[1]定义图像表示方法及将遗传算法用于图像检索中的染色体编码、适应度函数设计及终止准则。2.2相关反馈技术经典的相关反馈技术,一方面是通过对最佳查询方向的估计,调整查询方向不断靠近用户反馈的正例,远离反例;另一方面,利用反馈信息修改距离公式中各分量的权值,突出重要的分量[11]。对一个给定的查询,系统首先根据事先定义好的相似性度量进行计算,获得一组根据相似度排列的图像,相似性度量通常被定义为查询向量和数据库中图像特征向量之间的距离。然后,用户对这组图像进行相关和不相关的标注。最后,系统重新对查询进行定义,获取新的图像序列。如果已知一组相关图像(DR)和不相关图像(DN),最优化查询定义如式(2)所示[16]。(2)其中,QUOTE,QUOTE和是一组参数;QUOTE和是相关图像(DR)和不相关图像(DN)的数量;QUOTE和QUOTE是查询向量。式(5)表明查询优化是通过在查询的结果中加入相关的图像,除去不相关的图像来实现的。相关反馈在MARS系统中的使用,说明通过用户相关性反馈操作,能够提高检索精度。2.3基于遗传反馈的多特征图像检索算法(RFGAIR)相关反馈主要用于与用户的交互操作,目的在于消除被检索图像的语义不确定性,提高查询精度;遗传算法在于帮助系统理解用户的具体需求,提高查询效率。RFGAIR是一种以遗传算法和相关反馈技术为基础的图像检索方法[1]。在相关反馈过程中引入遗传算法,利用遗传算法的自适应机制,在反馈过程中,动态修正图像相似度模型,使相似度模型最大程度反映两幅图像之间的距离,以达到提高查询精度和较少反馈次数的目的。同时在检索过程中,该算法从颜色,纹理和形状三个角度提取图像特征,利用组合特征描述图像,避免在单特征图像检索中出现的不同图像却具有相同单特征的问题。3基于Haar小波变换的图像融合算法3.1小波变换1986年,著名数学家Meyer构造了一个真正小波基,并与Mallat合作建立了构造小波基的统一方法——多尺度分析。从此小波分析开始了蓬勃发展的阶段。小波变换的性质包括:(1)线性(2)平移不变性(3)伸缩公共性(4)自相似性(5)冗余性[12]。常用的小波函数有,Haar(哈尔)小波,Daubechies(dbN)小波系,墨西哥草帽小波,双正交小波系等。小波变换不同于傅立叶变换,小波系数与原始图像存在着空间上的对应关系。图像可以看作是二维的矩阵,一般假设图像矩阵的大小为N×N,且有N=2n(n为非负的整数)。那么每次小波变换后,图像便分解为4个大小为原来尺寸1/4的子块频带区域,如图1所示,分别包含了相应频带的小波系数,相当于在水平方向和竖直方向上进行隔点采样。当再进行下一层小波变换时,变换数据集中在LL频带上[13]。小波系数的空间分布同原始图像的空间分布具有很好的对应关系。LL频带是图像内容的缩略图,是低频分量,它是图像数据能量集中的频带。而HL、LH、和HH频带存放的是图像的细节信息,它们的关系如下:HL频带存放的是图像水平方向的高频信息,它反映了图像水平方向上灰度变化信息和边缘信息;LH频带存放的是图像竖直方向的高频信息,它反映了图像竖直方向上灰度变化信息和边缘信息;HH频带存放的是图像在对角线方向上的高频信息,它反映了水平方向和竖直方向上图像灰度的综合变化信息,同时包含了少量的边缘信息。图1数字图像小波分解流程图3.2基于Haar小波变换的图像融合算法图像融合(ImageFusion)是信息融合范畴内主要以图像为对象的研究领域,所处理的数据主要是各种图像,通过综合提取各输入图像的信息,形成统一的图像或数据来控制其他系统或指导决策[14]。图像融合的优点包括:(1)扩大系统工作范围,(2)提高系统可靠性,(3)获取信息的更高表现形式,(4)提高系统的性价比。图像融合目前主要有像素级图像融合、特征级图像融合和决策级图像融合。基于Haar小波变换的图像融合算法属于像素级图像融合算法。算法1.基于Haar小波变换的图像融合算法1.对每一幅图像分别进行小波分解;2.对各分解层分别用不同的融合算子及规则进行处理;3.对融合后的图像数据进行小波逆变换,即可得到融合图像F。其中小波变换采用Haar小波函数,采用的融合算子及规则如下:(1)图像经过K层分解,则对分解后的低频部分采用基于区域的算子的,以低频部分的每一个像素为区域中心,分别计算两幅图像中与该像素点对应局部区域(区域大小取为)的方差Vk,A和Vk,B(3)(2)对于高频部分,采用基于区域的算子,采用基于区域能量的方法对高频部分进行处理,首先对高频区域计算不同图像的对应区域的能量及,ε=1,2,3(4)其中W(m,n)为加权系数,l,p定义了局部区域的大小。(3)计算两幅图像对应区域的匹配度(5)(4)定义一个匹配度阈值(通常取0.5-1.0),如果(6)如果(7)其中如公式(8)所示,如公式(9)所示。(8)(9)4使用图像融合的图像检索(RFGA-IFIR)基于遗传反馈的多特征图像检索算法利用遗传算法对图像相似度模型进行修正,然而对于查询向量仅仅是利用普通的反馈公式进行修正,这种程度上的向量修正并不能真正反映用户的需求。因此,本文提出一种结合图像融合技术的图像检索方法——使用图像融合的图像检索方法,该方法在反馈过程过中引入图像融合技术,从图像自身内容的层面对查询图像进行修正,进而得出更加切合用户需求的查询向量,使得算法能够更好更快地获得查询结果。下面给出具体的使用图像融合的图像检索算法的运行流程。算法2.使用图像融合的图像检索算法1.给出查询向量),测试图像向量QUOTE及一个测试集T,指定图像库I和其对应的特征库F。2.根据测试集T及测试图像QUOTE,利用算法1,得出一组最佳的权值——w1,w2,w3,分别对应图像三个特征——颜色,纹理和形状。3.利用图像相似度模型[1],计算出图像特征库中每幅图像Ii与查询向量Q的距离D(Q,Ii),根据距离进行排序,给出结果集O。4.与用户交互操作。如果当前结果集满足用户的要求,则结束操作,否则用户选出结果集中最理想的图像,记做QUOTE,同时转入第5步。5.由QUOTE及在图像库中随机抽取的图像更新测试集T,将测试图像向量更新为当前查询向量Q,同时利用算法1合成新的检索图像,并计算更新查询向量Q,转入第2步。在算法2中,为了加快算法的执行速度,指定测试集T中的图像数目nT远小于图像库C中的图像数目nc,即QUOTE,同时,在计算距离的时候,直接用特征库进行计算。5实验结果分析为了检验本文所提出的检索算法的性能,分别设计几组不同的实验,选用Corel-1000database[]作为测试图像库,该数据库共包含1000幅图像,分为10类,每类100幅彩色图像,主要包括非洲、海滩、建筑、公共汽车、恐龙、大象、花、食物、马和山川的图像。为了评价本文提出的方法的效果,以查全率(recall)和查准率(presion)为基础设计评价模型并作为相似度的评价准则,公式如式(12)所示。其中查全率定义为检索结果中检索到的目标图像与数据库中全部目标图像数之比,如公式(10);查准率定义为检索结果中检索到的目标图像数与检索结果中的所有图像数之比,如式(11)所示。(10)(11)(12)其中q是查询向量;QUOTE是查询得到的与查询向量q相关的图像数目;QUOTE是图像数据库中与q相关的图像总数;QUOTE是查询到的图像总数;QUOTE、QUOTE是参数,实验中QUOTE为0.7,QUOTE为0.3。图1算法检索性能比较图Fig1theperformanceofthealgorithms实验1主要用于测试使用图像融合的图像检索算法的检索性能。在Corel-1000database中,从每类图像中抽取出30幅图像,共300幅图像组成一个用于测试的图像数据库。分别用本文提出的RFGA-IFIR,文献[1]提出的RFGAIR,文献[15]中提出的基于颜色特征的检索算法和文献[16]中提出的基于综合特征和相关反馈的检索算法进行检索,以公式(12)作为评价函数,结果如图1所示。基于颜色特征的图像检索方法以颜色特征作为查询向量,以反馈技术作为执行手段,从图1可知,性能不是理想,准确度只有60%左右,误检率较高,同时需要较多的反馈次数;基于综合特征和相关反馈的检索方法精确度较高,但是在执行检索过程中,反馈次数波动较为明显,比如在海滩图像的检索过程中,反馈次数过多,影响到检索效率;而本文提出的RFGA-IFIR和文献[1]的RFGAIR两个方法在检索精度上有很大的提高,检索过程中反馈次数较少,同时RFGA-IFIR与RFGAIR相比,在反馈次数上又有进一步的较少,能够在尽量少的反馈次数之后得到比较好的检索结果。表2图像融合算法对反馈次数的影响Tab2theeffectofimagefusionalgorithmtothefrequencyofthefeedback类别RFGAIRRFGA-IFIR基于综合特征和相关反馈检索非洲325海滩227建筑336公共汽车335恐龙116大象424花326食物426马336山428平均32.26实验2主要用于测试在反馈检索过程中,基于Haar小波变换的图像融合算法对于反馈次数的影响。在Corel-1000database中,从每类图像中抽取中15幅图像,共150幅图像组成一个用于测试的图像数据库。分别用本文提出的检索方法和RFGAIR对每类图像进行检索,对检索过程中所需要的反馈次数进行统计,具体如表2所示。从表2的数据可知,本文提出的检索方法的平均反馈次数为2.2次,即平均进行2次左右,反馈检索就可以得到用户比较满意的检索结果,RFAIR大约在反馈3次之后可以得到比较好的检索结果,而基于综合特征及相关反馈的检索方法[16]平均需要6次才可以得到比较好的检索结果。在试验结果中,由于图像库中测试图像数目较少,融合算法对于反馈的影响不是特别的明显,但是对于数据库中图像数目超过5000之后,在检索性能上可以提高40%左右。在于反馈过程中,图像融合算法对于查询向量的调整,融合算法会动态根据用户的反馈结果,对查询向量进行修正,同时结合遗传算法对相似度函数进行调整,在检索性能上有明显的提高。综合上述两个试验,可以看出,结合图像融合算法的检索算法与其他的一般检索方法相比,检索精度有很大的提高,同时与文献[1]的检索算法(RFGAIR)相比,在检索精度上没有明显的提高,但是在检索效率上,特别是对于大规模数据集的图像检索来说,有较大的提高。
6结束语在文献[1]中提出一种基于遗传反馈的多特征图像检索方法。该方法以遗传算法和相关反馈技术为基础,在相关反馈过程中引入遗传算法,利用遗传算法的自适应机制,在反馈过程中,动态修正图像相似度模型,使相似度模型最大程度反映两幅图像之间的距离,以达到提高查询精度和较少反馈次数的目的。同时在检索过程中,算法从颜色,纹理和形状三个角度提取图像特征,利用组合特征描述图像,避免在单特征图像检索中出现的不同图像却具有相同单特征的问题。实验结果表明,算法对于旋转、平移和尺度变化具有较强的鲁棒性,同时与现有方法相比,具有更高的查询精度和查询效率。但是在算法执行过程中,对于查询向量仅仅是利用普通的反馈公式进行修正,这种程度上的向量修正并不能真正反映用户的需求。因此本文结合图像融合领域的知识,提出一种使用图像融合的图像检索算法,该算法以RFGAIR和算法1为基础,在反馈过程中,利用图像融合技术修正查询向量。试验结果表明,与RFGAIR相比,在大规模数据检索中,可以较好提高检索效率,同时对于查询精度也有一定的提高。
References:[1]FuQiMing,LiuQuan,WangXiaoYan,ZhangLe.Relevancefeedbacktechniquesandgeneticalgorithmforimageretrievalbasedonmultiplefeatures[J].JournalofImageandGraphics,,2021,16(10):1858-1865.[2]WangBing,ZhangXin,LiNa.RelevanceFeedbackTechniqueforContent-BasedImageRetrievalUsingNeuralNetworkLearning[J].InternationalConferenceonMachineLearningandCybernetics,2021,vol.6:3692-3696.[3]YinPengyeng,BhanuB,ChangKuangchengandetal.IntegratingRelevanceFeedbackTechniquesforImageRetrievalusingReinfor-cementLearning[J].IEEETransationsonPatternAnalysisandMachineIntelligence,2021,27(10):1536–1551.[4]JiangXiangkui,YuanSicong,WangFazhan.Multi-fleaturerelevancefeedbackimageretrievalbasedongreysystemtheory[J].ComputerEngineering,2021,32(23):207-209.[5]XuXiangli,ZhangLibiao,LiuXiangdongandetal.Particleswarmoptimizationbasedrelevantfeedbackalgorithminimageretrieval[J].JournalofChineseComputerSystems,20**,30(5):971-973.[6]AkremEl-ghazal,OtmanBasir,SaeidBelkasim.AContext-BasedFusionAlgorithmforShapeRetrieval[C].in:11thInternationalConferenceonInformationFusion,2021,pp:121–128.[7]DangChangqing,SongFengjuan,LiuShuming.Imageretrievalbasedonmulti-featureintegrationandrelevancefeedback.ComputerEngineeringandApplications,2021,44(3):186-188.[8] KuoLungHung,YihChengTsay.AFastImageRetrievalMethodUsingMulti-FeatureDimensionTechnique[C].in:FifthInternationalConferenceonIntelligentInformationHidingandMultimediaSignalProcessing.20**,pp:290–294[9] LiMinqiang,KouJisong,LinDan.TheTheoryandApplicationofGeneticAlgorithms[M].Beijing:SciencePress,2021.135–145[10] SuXiaoHong,YangBo,WangYaDong.Ageneticalgorithmbasedonevolutionarilystablestrategy[J].JournalofSoftware,2021,14(11):1863-1868[11] WuHong,LuHanqing,MaDongde.ASurveyofRelevanceFeedbackTechniquesinContent-basedImageRetrival[J].ChineseJournalofComputer,2021,28(12):1303-1314.[12] WangZhiZhong,YongJunHai.TextureAnalysisandClassificationWithLinearRegressionModelBasedonWaveletTransform[J].ImageProcessing,2021,pp:1421-1430.[13] AnZhiyong,ZengZhiyong,ZhouLihua.Content-BasedImageRetrievalBasedontheWaveletTransformandRadonTransform[J].IndustrialElectronicsandApplications,20**,pp:1421-1430.[14] RahmanMd.M,DesaiB.C,BhattacharyaP.AFeatureLevelFusioninSimilarityMatchingtoContent-BasedImageRetrieval[C].in:9thInternationalConferenceonInformationFusion,2021,pp:1-6.[15]BaiXue,LiuWanjun.ResearchofImageRetrievalBasedonColor[J].20**InternationalForumonComputerScience-TechnologyandApplications,20**,vol.1:283-286.[16]JiangShuhong,ChenBingfa.Methodofimageretrievalbasedonintegratinglowlevelfeaturewithrelevancefeedback[J].MachineBuildingandAutomation,20**,38(3):51-53.
社会实践报告系别:班级:学号:姓名:作为祖国未来的事业的继承人,我们这些大学生应该及早树立自己的历史责任感,提高自己的社会适应能力。假期的社会实践就是很好的锻炼自己的机会。当下,挣钱早已不是打工的唯一目的,更多的人将其视为参加社会实践、提高自身能力的机会。许多学校也积极鼓励大学生多接触社会、了解社会,一方面可以把学到的理论知识应用到实践中去,提高各方面的能力;另一方面可以积累工作经验对日后的就业大有裨益。进行社会实践,最理想的就是找到与本专业对口单位进行实习,从而提高自己的实战水平,同时可以将课本知识在实践中得到运用,从而更好的指导自己今后的学习。但是作为一名尚未毕业的大学生,由于本身具备的专业知识还十分的有限,所以我选择了打散工作为第一次社会实践的方式。目的在于熟悉社会。就职业本身而言,并无高低贵贱之分,存在即为合理。通过短短几天的打工经历可以让长期处于校园的我们对社会有一种更直观的认识。实践过程:自从走进了大学,就业问题就似乎总是围绕在我们的身边,成了说不完的话题。在现今社会,招聘会上的大字报都总写着“有经验者优先”,可还在校园里面的我们这班学子社会经验又会拥有多少呢?为了拓展自身的知识面,扩大与社会的接触面,增加个人在社会竞争中的经验,锻炼和提高自己的能力,以便在以后毕业后能真正真正走入社会,能够适应国内外的经济形势的变化,并且能够在生活和工作中很好地处理各方面的问题,我开始了我这个假期的社会实践-走进天源休闲餐厅。实践,就是把我们在学校所学的理论知识,运用到客观实际中去,使自己所学的理论知识有用武之地。只学不实践,那么所学的就等于零。理论应该与实践相结合。另一方面,实践可为以后找工作打基础。通过这段时间的实习,学到一些在学校里学不到的东西。因为环境的不同,接触的人与事不同,从中所学的东西自然就不一样了。要学会从实践中学习,从学习中实践。而且在中国的经济飞速发展,又加入了世贸,国内外经济日趋变化,每天都不断有新的东西涌现,在拥有了越来越多的机会的同时,也有了更多的挑战,前天才刚学到的知识可能在今天就已经被淘汰掉了,中国的经济越和外面接轨,对于人才的要求就会越来越高,我们不只要学好学校里所学到的知识,还要不断从生活中,实践中学其他知识,不断地从各方面武装自已,才能在竞争中突出自已,表现自已。在餐厅里,别人一眼就能把我人出是一名正在读书的学生,我问他们为什么,他们总说从我的脸上就能看出来,也许没有经历过社会的人都有我这种不知名遭遇吧!我并没有因为我在他们面前没有经验而退后,我相信我也能做的像他们一样好.我的工作是在那做传菜生,每天9点钟-下午2点再从下午的4点-晚上8:30分上班,虽然时间长了点但,热情而年轻的我并没有丝毫的感到过累,我觉得这是一种激励,明白了人生,感悟了生活,接触了社会,了解了未来.在餐厅里虽然我是以传菜为主,但我不时还要做一些工作以外的事情,有时要做一些清洁的工作,在学校里也许有老师分配说今天做些什么,明天做些什么,但在这里,不一定有人会告诉你这些,你必须自觉地去做,而且要尽自已的努力做到最好,一件工作的效率就会得到别人不同的评价。在学校,只有学习的氛围,毕竟学校是学习的场所,每一个学生都在为取得更高的成绩而努力。而这里是工作的场所,每个人都会为了获得更多的报酬而努力,无论是学习还是工作,都存在着竞争,在竞争中就要不断学习别人先进的地方,也要不断学习别人怎样做人,以提高自已的能力!记得老师曾经说过大学是一个小社会,但我总觉得校园里总少不了那份纯真,那份真诚,尽管是大学高校,学生还终归保持着学生的身份。而走进企业,接触各种各样的客户、同事、上司等等,关系复杂,但我得去面对我从未面对过的一切。记得在我校举行的招聘会上所反映出来的其中一个问题是,学生的实际操作能力与在校理论学习有一定的差距。在这次实践中,这一点我感受很深。在学校,理论的学习很多,而且是多方面的,几乎是面面俱到;而在实际工作中,可能会遇到书本上没学到的,又可能是书本上的知识一点都用不上的情况。或许工作中运用到的只是很简单的问题,只要套公式似的就能完成一项任务。有时候我会埋怨,实际操作这么简单,但为什么书本上的知识让人学得这么吃力呢?这是社会与学校脱轨了吗?也许老师是正确的,虽然大学生生活不像踏入社会,但是总算是社会的一个部分,这是不可否认的事实。但是有时也要感谢老师孜孜不倦地教导,有些问题有了有课堂上地认真消化,有平时作业作补充,我比一部人具有更高的起点,有了更多的知识层面去应付各种工作上的问题,作为一名大学生,应该懂得与社会上各方面的人交往,处理社会上所发生的各方面的事情,这就意味着大学生要注意到社会实践,社会实践必不可少。毕竟,很快我就不再是一名大学生,而是社会中的一分子,要与社会交流,为社会做贡献。只懂得纸上谈兵是远远不及的,以后的人生旅途是漫长的,为了锻炼自己成为一名合格的、对社会有用的人才.很多在学校读书的人都说宁愿出去工作,不愿在校读书;而已在社会的人都宁愿回校读书。我们上学,学习先进的科学知识,为的都是将来走进社会,献出自己的一份力量,我们应该在今天努力掌握专业知识,明天才能更好地为社会服务。实践心得:虽然这次的实践只有短短的几天,而且从事的是比较简单的服务工作,但是通过与各种各样的人接触,还是让我学会了很多道理。首先是明白了守时的重要性。工作和上学是两种完全不同的概念,上学是不迟到很多时候是因为惧怕老师的责怪,而当你走上了工作岗位,这里更多的是由于自己内心的一种责任。这种责任是我学会客服自己的惰性,准时走上自己的岗位。这对我以后的学习生活也是一种鞭策,时刻牢记自己的责任,并努力加强自己的时间观念。其次让我真实的体会到了合作的重要性。虽然我工作的只是小小的一家餐厅,但是从点单到制作到递送到结帐这一环环的工作都是有分工的,只有这样才能使整家店的工作效率都大大的提高。以前虽然在书上看见过很多的团队合作的例子,但这一次是深刻的体会到了,正所谓“众人拾柴火焰高”,“团结就是力量”。在以后的学习和工作中,一定会要牢记这一点,将自己融入到集体中,和大家一起携手走向辉煌。再次,这次打工的经历也让我的心理更加趋于成熟。在餐厅里每天面对形形色色的客人,重复着单调的工作。让从未涉世的我还是有那么一点点不适应的,但是坚持就是胜利。打工毕竟和在家是完全不同的概念,我们学会需要忍耐,需要学会承受,需要学会坚持。将自己这短短的一月的实践同理论相联系,我了解到当代大学生与以往的大学生相比较,求学经历、生活条件、所处社会大环境都相对优越,也没有经过必要的挫折教育,因此,意志往往比较脆弱,克服困难的能力也较差,常常是对社会的要求较高,对自我的要求较低。大学生的责任意识日益成为社会关注的热点问题,责任意识和诚信意识成为不少地方采用人才的两个新标准。大学生参与社会实践是促进大学生素质教育,加强和改进青年学生思想政治工作,引导学生健康成长和成才的重要举措,是学生接触社会、了解社会、服务社会,培养创新精神、实践能力和动手操作能力的重要途径。对于当代大学生来说,应当刻苦学习专业知识,不断提高综合素质和运用知识的技能。从大学生活的开始到走进社会的大圈子中,就只有短短的几年时间,谁不想在将来的社会中能有一席之地呢?所以大家认为大学生必须投身校园内外的各类实践活动,有助于锻炼品质,提高能力。可见其对大学生综合素质的提高有不可抵触的重要性。不能否认有过打工经历的同学,看起来要比其它同学更成熟、社会适应力更强,但对于学生,社会适应力只是一方面的衡量指标,大学期间主要的任务是学业结构的搭建,即知识结构、专业结构的搭建,为了打工影响甚至放弃了专业知识的学习,结果是得不偿失的。实践出真知,社会实践活动是大学生活的重要组成部份,培养当代大学生的历史使命感、社会责任感和积极向上的精神风貌,充分发挥实践育人的作用,提高大学生的综合素质,也是检验所学理论知识的标准,社会实践不但为大学生提供了一个发挥自我才能,展现自我风采的舞台,也是培养和锻炼同学们综合能力的一个阶梯,更是一个大学生进入社会,走上工作岗位前的演练场地。社会实践活动,从而确定比较正确的人生前进方向。河南理工大学计算机科学与技术学院实习报告20—20学年第学期实习名称生产实习实习地点实习日期学生姓名学号专业班级指导教师20**年**月**日一、实习基本情况20**年**月通过网络招聘,我应聘到河南中方纺业有限公司进行实习,该公司位于周口市,主要承担棉纺制造与销售工作,进入公司后我被分配到信息管理部门,主要从事的工作是对公司的网络进行管理与维护,同时对公司网站的管理与维护进行学习,三个月的实习让学会了从不同的角度去看待问题和解决问题,对网络工程师的工作有了全面的认识,为以后的就业积累了经验。二、实习内容1.单位情况河南中方实业(集团)有限公司是以棉花种植、收购、加工、经营、仓储、纺织及棉花与纺织品进出口为产业链条,集研发、生产、经营、投资、管理于一体的现代产业化集团企业。旗下拥有多家从事棉花、纺织等生产、经营的全资、控股子公司。经过多年的发展,公司已形成了以“棉花经营、棉花物流、棉纺织、纺织品出口”为主干业务,以“国内、国际”为两大市场的经营格局。棉花经营涵盖进口棉、新疆棉、地产棉三大系列多个品种;棉花物流业务以地产棉交易为主,填补了河南无地产棉交易市场的空白,并融入了全国棉花物流体系;棉纱产品从精梳40s到精梳120s、气流纺纱16s到21s等两大系列;外贸出口涵盖棉纱、面料、服装等三大系列、400多个品种。公司营销网络覆盖国内众多棉花生产、经营、纺织企业,大型专业公司及国际棉花、纺织工贸公司,并与之建立了长期稳固的互助合作关系,业务范围遍及河南、河北、湖北、新疆、甘肃、浙江、江苏、山东、广东、福建、香港、新加坡、印度、澳大利亚、美国等区域。2.技术培训初到公司后,公司进行了一系列的公司工作相关培训,如企业文化、企业制度等,我所在的信息管理部门也进行了一些技术培训,主要内容有办公软件的使用、公司网络的日常维护工作等,这些培训让我对网络专业有了更进一步的了解,对网络工程师应该干什么有了一个整体的了解。3.工作内容在实习期间我先后主动了解了公司职能范围、机构设置、人员编制等基本情况,并对人事教育、网络管理重点以及现场维护等工作深入学习,先后研读了TCP/IP协议详解一、二卷等书籍,同时我还理论联系实际,实习期间主动要求跟老工程师到现场去实践锻炼、了解学习,努力从多方面开拓自己的眼界。我的主要工作是,在日常工作中通过对老员工的学习,不断的增加自己的实践知识储备,积极参加部门的技能培训,及时总结学习内容,同时对公司需要的文件进行修改、打印以及分发到各个部门。在实习期间,我遇到了很多问题如对设备不熟悉、所学知识不能学以致用等问题,通
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 外科骨科试题及答案
- 通知考试题及答案
- 土壤学试题及答案
- 统计岗位转正试题及答案
- 2025年城市公共服务设施完善合作协议
- 2025年临时工就业协议规范文本
- 2025年鱼类饲料大豆供应协议
- 2025年电子商务园区企业入住协议书范文
- 森林生态学基础知识点归纳
- 文化遗产保护的社会共识与多元合作
- 2024年全国高中数学联赛(浙江预赛)试题含参考答案
- 办公家具采购项目投标方案投标文件(技术方案)
- 2025年中考物理知识点归纳(挖空版)
- 硫化钾测试报告范文
- 供水管道工程总承包EPC项目投标方案(技术标)
- 张爱玲爱情论文开题报告
- 2025-2030年中国IT分销市场竞争格局规划研究报告
- 2025年初中学业水平考试语文模拟试卷(四)
- 光伏项目监理竣工报告模
- 康复骨折病例汇报
- 福建省普通高中2023年学业水平合格性考试数学试题(原卷版)
评论
0/150
提交评论