卷积神经网络现状范文
时间：2024-03-26 17:01:09
卷积神经网络现状篇1
关键词：树叶识别；支持向量机；卷积神经网络
中图分类号 TP18 文献标识码：A 文章编号：1009-3044（2016）10-0194-03
Abstract： In this paper， the convolution neural network recognition in the leaves， and the process by convolution of image visualization. Experiments show that the neural network application identification convolution leaves a 92% recognition rate. In addition ， this neural network and support vector machine comparative study can be drawn from the study ， convolutional neural network in either speed or accuracy better than support vector machines， visible， convolution neural network in the leaves aspect has good application prospects.
Key words recognition leaves； SVM； convolutional neural network
1 概述
树叶识别与分类在对于区分树叶的种类，探索树叶的起源，对于人类自身发展、科普具有特别重要的意义。目前的树叶识别与分类主要由人完成，但，树叶种类成千上万种，面对如此庞大的树叶世界，任何一个植物学家都不可能知道所有，树叶的种类，这给进一步研究树叶带来了困难。为了解决这一问题，一些模式识别方法诸如支持向量机（Support Vector Machine，SVM）[1]，K最近邻（k-NearestNeighbor， KNN）[2]等被引入，然而，随着大数据时代的到来，这些传统分类算法暴露出越来越多的不足，如训练时间过长、特征不易提取等不足。
上世纪60年代开始，学者们相继提出了各种人工神经网络[3]模型，其中卷积神经网络由于其对几何、形变、光照具有一定程度的不变形，因此被广泛应用于图像领域。其主要特点有：1）输入图像不需要预处理；2）特征提取和识别可以同时进行；3）权值共享，大大减少了需要训练的参数数目，是训练变得更快，适应性更强。
卷积神经网络在国内研究才刚刚起步。LeNet-5[4]就是一种卷积神经网络，最初用于手写数字识别，本文研究将卷积神经网络LeNet-5模型改进并应用于树叶识别中。本文首先介绍一下卷积神经网络和LeNet-5的结构，进而将其应用于树叶识别，设计了实验方案，用卷积神经网络与传统的模式识别算法支持向量机（SVM）进行比较，得出了相关结论，并对进一步研究工作进行了展望。
2人工神经网络
人工神经网络方面的研究很早就已开展，现在的人工神经网络已经发展成了多领域、多学科交叉的独立的研究领域。神经网络中最基本的单元是神经元模型。类比生物神经元，当它“兴奋”时，就会向相连的神经元发送化学物质，从而改变这些神经元的状态。人工神经元模型如图1所示：
上述就是一个简单的神经元模型。在这个模型中，神经元接收来自n个其他神经元传递过来的输入信号，这些信号通过带权重的w进行传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后通过“激活函数”来产生输出。
一般采用的激活函数是Sigmoid函数，如式1所示：
[σz=11+e-z] （1）
该函数图像图2所示：
2.1多层神经网络
将上述的神经元按一定的层次结构连接起来，就得到了如图3所示的多层神经网络：
多层神经网络具有输入层，隐藏层和输出层。由于每一层之间都是全连接，因此每一层的权重对整个网络的影响都是特别重要的。在这个网络中，采用的训练算法是随机梯度下降算法[5]，由于每一层之间都是全连接，当训练样本特别大的时候，训练需要的时间就会大大增加，由此提出了另一种神经网络―卷积神经网络。
2.2卷积神经网络
卷积神经网络（CNN）由于在图像分类任务上取得了非常好的表现而备受人们关注。发展到今天，CNN在深度学习领域已经成为了一种非常重要的人工神经网络。卷积神经网络的核心在于通过建立很多的特征提取层一层一层地从图片像素中找出关系并抽象出来，从而达到分类的目的，CNN方面比较成熟的是LeNet-5模型，如图4所示：
在该LeNet-5模型中，一共有6层。如上图所示，网络输入是一个28x28的图像，输出的是其识别的结果。卷积神经网络通过多个“卷积层”和“采样层”对输入信号进行处理，然后在连接层中实现与输出目标之间的映射，通过每一层卷积滤波器提取输入的特征。例如，LeNet-5中第一个卷积层由4个特征映射构成，每个特征映射是一个24x24的神经元阵列。采样层是基于对卷积后的“平面”进行采样，如图所示，在第一个采样层中又4的12x12的特征映射，其中每个神经元与上一层中对应的特征映射的2x2邻域相连接，并计算输出。可见，这种局部相关性的特征提取，由于都是连接着相同的连接权，从而大幅度减少了需要训练的参数数目[6]。
3实验研究
为了将LeNet-5卷积网络用于树叶识别并检验其性能，本文收集了8类树叶的图片，每一类有40张照片，如图5所示的一张树叶样本：
本文在此基础上改进了模型，使用了如图6卷积神经网络模型：
在此模型中，第一个卷积层是由6个特征映射构成，每个特征映射是一个28*28的神经元阵列，其中每个神经元负责从5*5的区域通过卷积滤波器提取局部特征，在这里我们进行了可视化分析，如图7所示：
从图中可以明显地看出，卷积网络可以很好地提取树叶的特征。为了验证卷积神经网络与传统分类算法之间的性能，本文基于Python语言，CUDA并行计算平台，训练同样大小8类，一共320张的一批训练样本，采用交叉验证的方法，得到了如表1所示的结论。
可见，无论是识别率上，还是训练时间上，卷积网络较传统的支持向量机算法体现出更好地分类性能。
4 总结
本文从人工神经网络出发，重点介绍了卷积神经网络模型LeNet-5在树叶识别上的各种研究并提取了特征且进行了可视化，并与传统分类算法SVM进行比较。研究表明，该模型应用在树叶识别上较传统分类算法取得了较好的结果，对收集的树叶达到了92%的准确率，并大大减少了训练所需要的时间。由于卷积神经网络有如此的优点，因此在人脸识别、语音识别、医疗识别、犯罪识别方面具有很广泛的应用前景。
本文的研究可以归纳为探讨了卷积神经网络在树叶识别上的效果，并对比了传统经典图像分类算法，取得了较好的分类精度。
然而，本文进行实验的样本过少，当数据集过多的时候，这个卷积神经网络算法的可行性有待我们进一步的研究；另外，最近这几年，又有很多不同的卷积神经网络模型出现，我们会继续试验其他的神经网络模型，力求找到更好的分类算法来解决树叶识别的问题。
参考文献：
[1]Bell A， Sejnowski T. An Information-Maximization Approach to Blind Separation and Blind Deconvolution[J]. Neural Computation， 1995， 7（6）：1129-59.
[2]Altman N S. An Introduction to Kernel and Nearest-Neighbor Nonparametric Regression[J]. American Statistician， 1992， 46（3）：175-185.
[3]Ripley B D， Hjort N L. Pattern Recognition and Neural Networks[M]. Pattern recognition and neural networks. Cambridge University Press，， 1996：233-234.
[4]Lécun Y， Bottou L， Bengio Y， et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE， 1998， 86（11）：2278-2324.
[5]Klein S， Pluim J P W， Staring M， et al. Adaptive Stochastic Gradient Descent Optimisation for Image Registration[J]. International Journal of Computer Vision， 2009， 81（3）：227-239.
卷积神经网络现状篇2
【关键词】微表情识别 卷积神经网络 长短时记忆
1 引言
人们的内心想法通常都会表现在面部表情上，然而在一些极端环境下，人们为了压抑自己的真实内心情感时，他们的面部变化十分微小，我们通常称之为微表情。在刑侦、医学、教育、心理和国防等领域上，微表情的应用前景十分远大， 不过即便是经过训练的人也很难用肉眼来准确的检测和识别微表情。其主要原因就是它的持续时间短，仅为1/5～1/25s，而且动作幅度很小。
人脸表情识别技术早已发展到一定程度了，甚至不少研究团队提出的方法针对6种基本表情的识别率已经达到90%。然而微表情识别技术的研究在近几年来才刚刚开始，如Pfister等提出了一种结合时域插值模型和多核学习的方法来识别微表情； Wu等设计了一种使用Gabor特征和支持向量机的微表情识别系统；唐红梅等在LTP做出改进而提出的MG-LTP算法，然后采用极限学习机对微表情进行训练和分类；Wang等提出了基于判别式张量子空间分析的特征提取方法，并利用极限学习机训练和分类微表情。
上述的识别技术都是基于传统机器学习的方法，而近几年来，利用深度学习技术来解决图像识别问题是当前的研究热点。在ILSVRC-2012图像识别竞赛中，Krizhevsky等利用深度卷积神经网络的自适应特征提取方法，其性能远远超过使用人工提取特征的方法，并且在近几年内的ImageNet大规模视觉识别挑战比赛中连续刷新了世界纪录。
本文决定使用卷积神经网络（CNN）来提取人脸微表情特征，它能让机器自主地从样本数据中学习到表示这些微表情的本质特征，而这些特征更具有一般性。由于微表情的特性，要充分利用微表情的上下文信息才能更为精确的识别微表情，这里我们采用长短时记忆网络（LSTM），它是递归神经网络（RNN）中的一种变换形式，它能够充分的利用数据的上下文信息，在对序列的识别任务中表现优异，近几年来它被充分的利用到自然语言处理、语音识别机器翻译等领域。综上所述，本文提出一种CNN和LSTM结合的微表情识别方法。
2 相关工作
2.1 卷积神经网络模型
卷积神经网络模型（CNN）最早是由LeCun等在1990年首次提出，现已在图像识别领域取得巨大成功，它能够发现隐藏在图片中的特征，相比人工提取的特征更具有区分度，而且不需要对原始数据做过多的预处理。
卷积神经网络（CNN）通过三种方式来让网络所学习到的特征更具有鲁棒性：局部感受野、权值共享和降采样。局部感受野是指每一个卷积层的神经元只能和上一层的一部分神经元连接，而不是一般神经网络里所要求的全连接，这样每一个神经元能够感受到局部的视觉特征，然后在更高层将局部信息进行整合，进而得到整个图片的描述信息。权值共享是指每一个神经元和上一层的部分神经元所连接的每一条边的权值，和当前层其他神经元和上一层连接的每一条边的权值是一样的，首先@样减少了需要训练的参数个数，其次我们可以把这种模式作为提取整个图片特征的一种方式。降采样是指通过将一定范围内的像素点压缩为一个像素点，使图像缩放，减少特征的维度，通常在卷积层之后用来让各层所得到的特征具有平移、缩放不变形，从而使特征具有更强的泛化性。
2.2 长短时记忆型递归神经网络模型
长短时记忆（LSTM）模型是由Hochreiter提出，它解决了传统RNN在处理长序列数据时存在的梯度消失问题，这一切都要归结于LSTM结构的精心设计。一个常规的LSTM结构如图1所示。
每一个LSTM结构都有一个记忆单元Ct（t表示当前时刻），它保存着这个时刻LSTM结构的内部状态，同时里面还有三个门来控制整个结构的变化，它们分别是输入门（xt），忘记门（ft）和输出门（ht），它们的定义如下所示：
（1）
（2）
（3）
（4）
（5）
（6）
其中σ是一个sigmod函数，而则表示输入数据的非线性变化，W和b是模型需要训练得到的参数。等式5展示了当前的记忆单元是由忘记门和上一时刻的内部状态所控制的，ft决定了上一时刻的内部状态对当前时刻的内部状态的影响程度，而it则确定了输入数据的非线性变换得到的状态对当前时刻记忆单元的影响程度。等式6展示了输出门和当前时刻的内部状态决定了该LSTM的输出。正因为这个巧妙的设计，LSTM就能处理长序列的数据，并且能够从输入序列中获取时间上的关联性，这一特性对于微表情的识别尤为重要。
3 网络结构调优和改进
3.1 卷积神经网络设计
本文针对输入大小为96×96的灰度图，构建了4个卷积层（C1，C2，C3，C4），4个池化层（S1，S2，S3，S4），1个全连接层（FC1）和1个Softmax层组成的卷积神经网络结构，如图2所示。卷积核（C1，C2，C3，C4）的大小分别为3×3，3×3，5×5，5×5，分别有32，32，32，64个。池化层的降采样核大小均为2×2，并且全部采用的是最大采样，每一个池化层都在对应的卷积层之后，而在所有的卷积层之后，连接了一个包含256个神经元的全连接层，为了尽可能的避免过拟合问题，本文在全连接层后加入一个p=0.75的Dropout层，除了softmax层，其余层的激活函数全部是采用ReLU，CNN的参数训练都是采用随机梯度下降算法，每一批次包含100张图片，并设置冲量为0.9，学习速率为0.001。
3.2 长短时记忆型递归神经网络设计
尽管CNN已经从人脸微表情图片从学习到了特征，但是单一的CNN模型忽略了微表情在时域上的信息。于是我们提出通过LSTM来学习不同人脸表情在时域上的关联特征。我们构建了多个LSTM层，以及一个softmax层。
我们首先先训练好CNN的参数，然后把训练好的CNN模型，作为一个提取人脸微表情的工具，对于每一帧图片，我们把最后一个全连接层的256维的向量输出作为提取的特征。那么给定一个时间点t，我们取之前的W帧图片（[t-W+1，t]）。然后将这些图片传入到训练好的CNN模型中，然后提取出W帧图片的特征，如果某一个序列的特征数目不足，那么用0向量补全，每一个特征的维度为256，接着将这些图片的特征依次输入到LSTM的节点中去，只有t时刻，LSTM才会输出它的特征到softmax层。同样LSTM网络的参数训练还是采用随机梯度下降算法，每一批次为50个序列，冲量为0.85，学习速率为0.01。
4 实验
4.1 微表情数据集
该实验的训练数据和测试数据均来自于中国科学院心理研究所傅小兰团队的第2代改进数据库CASMEII。该数据库从26名受试者中捕捉到近3000个面部动作中选取的247个带有微表情的视频，并且给出了微表情的起始和结束时间以及表情标签，由于其中悲伤和害怕表情的数据量并不多，因此本文选取了里面的5类表情（高兴，恶心，惊讶，其他，中性），由于数据库中的图片尺寸不一样并且是彩色图片，因此先将图片进行灰度处理，并归一化到 大小作为网络的输入。本实验采用5折交叉验证的方法，选取245个微表情序列等分成5份，每个序列的图片有10张到70张不等，每份均包含5类表情。
4.2 CNN+LSTM和CNN的对比实验
从图2中可以看出不同策略在五类表情里的识别率。当我们采用单一的CNN模型来对人脸微表情进行分类时，我们采取了dropout策略和数据集扩增策略来防止CNN过拟合。CNN+D表示采取了dropout策略的CNN模型，CNN+A表示采取了数据扩增策略的CNN模型， 即对每一张图片进行了以下四种变换：旋转、水平平移、垂直平移、水平翻转。从而能将数据集扩增至4倍。CNN+AD表示采取了两种策略的CNN模型。CNN+LSTM表示结合了CNN和LSTM的网络模型。
从表1中我们可以看出，添加了策略的CNN，在人微表情识别上的表现要好于没有添加策略的CNN，这可能是因为训练图片较少，而CNN网络层次较深，导致没有添加策略的CNN在训练参数的过程中很容易就过拟合了。而对于CNN+LSTM的表现要好于单一的CNN模型，这说明LSTM的确能够充分利用时域上的特征信息，从而能够更好识别序列数据，这证明了CNN+LSTM的模型可以用于识别人脸微表情的可行性。从表1中，我们还可以看出高兴和惊讶的表情识别率较高，而其他的则相对较低，这可能是因为高兴和惊讶的区分度较大，并且样本较多。
4.3 LSTM的参数调整
下面我们逐一的研究不同参数对CNN+LSTM模型的微表情识别率的影响程度。
图4显示输入的序列个数为100左右能够拥有相对较高的准确率，这说明只有充分利用每一个微表情序列的时域信息，这样，训练出的模型才更加具有一般性。
图5显示出当LSTM隐层的神经元个数为128时，此时的微表情平均识别率最高，这说明隐层需要足够多的神经元才能保留更长的时域信息，对于微表情识别来说，能够拥有更高的精度。
图6显示了LSTM隐层的个数为5时，该模型拥有最好的识别率，这说明较深的LSTM网络才能充分挖掘特征的时域信息。因此经过以上实验，我们得到了一个由5层LSTM，每一层包含128个神经元，并能够处理长度为100的特征序列的模型。
4.4 和非深度学习算法的实验对比
为了比较传统机器学习算法和深度学习算法孰优孰劣，我们使用传统机器学习算法在Casme2进行了一样的实验，从表2中可以看出，本文所提出的CNN+LSTM模型相对于这些传统机器学习模型，有着较为优异的表现。
本文中的实验均是基于Google的开源机器学习库TensorFlow上进行的，硬件平台是dell工作站：Intel（R） Core（TM） i7-5820K CPU、主频3.3GHZ，内存64GB、Nvida GeForce GTX TITAN X GPU、显存12GB。
5 结束语
本文针对传统方法对微表情识别率低，图片预处理复杂的情况，提出了采用卷积神经网络和递归神经网络（LSTM）结合的方式，通过前面的卷积网络层来提取微表情的静态特征，省去了传统机器学习方法，需要人工提取特征的过程，简化了特征提取的工作。然后再通过后面的递归神经网路，充分利用表情特征序列的上下文信息，从而在序列数据中发现隐藏在其中的时域信息，从实验结果中可以看出，利用了时域信息的CNN+LSTM比单纯使用CNN的识别率更高，而且相对于传统机器学习方法也更为优秀。但是当数据量越大时，如果网络的层次比较深的话，模型的训练时间就会很长，并且极度依赖硬件设备，这算是深度学习通有的弊病。为了进一步投入到应用中去，接下来还得提高微表情的识别率，以及在实时环境下，如何能够动态和准确的识别微表情，这些都将会是以后研究的重点。
参考文献
[1]PORTER S，TEN BRINKE L.Reading between the Lies Identifying Concealed and Falsified Emotions in Universal Facial Expressions[J].Psychological Science，2008，19（05）：508-514.
[2]Pfister T，Li X，Zhao G，Pietikainen M （2011） Recognising spontaneous facial micro-expressions.2011 Proc IEEE Int Conf Comput Vis （ICCV）： IEEE.pp.1449-1456.
[3]Wu Q，Shen X，Fu X （2011） The Machine Knows What You Are Hiding： An Automatic Micro-expression Recognition System.In： D’Mello S，Graesser A，Schuller B，Martin J-C，editors.Affect Comput Intell Interact.Springer Berlin/ Heidelberg. pp.152-162.
[4]唐红梅，石京力，郭迎春，韩力英，王霞. 基于MG-LTP与ELM的微表情识别[J].电视技术，2015，39（03）：123-126.
[5]WANG S J，CHEN H L，YAN W J，et al. Face Recognition and Micro-Expression Recognition Based on Discriminant Tensor Subspace Analysis Plus Extreme Learning Machine[J].Neural Processing Letters，2014，39（01）：25-43.
[6]Krizhevsky A，Sutskever I，Hinton G E.ImageNet classification with deep convolutional neural networks. In：Advances in Neural Information Processing Systems 25.Lake Tahoe， Nevada，USA：Curran Associates，Inc.， 2012.1097？1105
[7]DENG J，DONG W，SOCHER R，et al.Imagenet：A large-scale hierarchical image database [C]//IEEE Conference on Computer Vision and Pattern Recognition.Piscataway，NJ：IEEE，2009：248-255.
[8]BENGIO Y，DELALLEAU O.On the expressive power of deep archi-tectures[C]//Proc of the 14th International Conference on Discovery Science.Berlin：Springer-Verlag，2011：18-36.
[9]LeCun Y，Boser B，Denker J S，Howard R E，Hubbard W，Jackel L D，Henderson D.Handwritten digit recogni- tion with a back-propagation network. In： Proceedings of Advances in Neural Information Processing Systems 2. San Francisco，CA，USA：Morgan Kaufmann Publishers Inc.，1990.396-404.
[10]S可.卷积神经网络在图像识别上的应用研究[D].杭州：浙江大学[学位论文]，2012.
[11]Hochreiter S，Sehmidhuber J.Long Short-Term Memory.Neural Computation，1997，9（08）：1735-1780
[12]LUCEY P，COHN J F，KANADE T，et al.The Extended Cohn-Kanade Dataset （ CK + ）： A complete dataset for ac- tion unit and emotion-specified expression [C] //IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops （CVPRW）.New York：IEEE，2010：94-101.
[13]Dayan P，Abott L F.Theoretical Neuroscience.Cambridge：MIT Press， 2001.
[14]YAN W J， LI X， WANG S J， et al. CASME II： An Improved Spontaneous Micro-Expression Database and the Baseline Evaluation [J].Plos One， 2014，9（01）：1-8.
[15]Yandan Wang，John See，Raphael C-W Phan，Yee-Hui Oh. Efficient Spatio-Temporal Local Binary Patterns for Spontaneous Facial Micro-Expression Recognition[J].PLOS ONE，2013，10（05）： 11-12
[16]张轩阁，田彦涛，郭艳君，王美茜.基于光流与LBP-TOP特征结合的微表情识别[J].吉林大学学报：信息科学版， 2015，33（05）：521-522.
[17]Martín Abadi， Paul BarhamJianmin， Chen el.TensorFlow：Large-Scale Machine Learning on Heterogeneous Distributed Systems[EB/OL].https：///abs/1605.08695.
作者单位
卷积神经网络现状篇3
【关键词】大学生 网络强迫性购物 大五人格
网络购物是一种极其方便的购物方式。随着生活水平的提高，网络的迅速发展，网络购物已经逐渐成为人们的一种日常消费方式。
2015年是阿里巴巴第七年举办双十一购物节，截至11月11日24时交易量达到912亿元人民币，比2014年双十一成交额提升近60%。阿里巴巴CEO张勇表示，这不仅仅是一个数字，这说明双十一已深入人心，反应了消费者的力量，也反映了互联网的力量。
然而，在这个巨大的数字背后也隐藏着其“黑暗”的一面。同样也是2015年，“剁手党”入选了《咬文嚼字》杂志颁布的十大流行语榜单。“剁手党”，指沉溺于网络购物的人群，以女性居多。她们穿梭于各大购物网站间，搜寻、比价、秒拍、下单，乐此不疲。往往看似精打细算，实则买回了大量没用的东西，造成时间、精力、金钱的浪费。冷静之后，常常追悔莫及，甚至下了再不理性购物就剁手的狠心，但过不了多久就故态重萌。这其实是强迫性购物的一种体现。
一般认为，强迫性购物具有三个核心特征：（1）无法遏制的购物冲动；（2）个人对购物行为失去控制；（3）即使购物行为已经对个人、社会生活和职业活动造成很多负面影响，仍持续不断地过度购物。[1] 网路强迫性购物没有专用名词及定义，一般指通过互联网渠道进行的强迫性购买。国外近年的研究开始关注强迫性购物的前因，如人格特征。大五人格理论曾被人格心理学界高度认可，这五个因素分别是开放性（openness）、责任心（conscientiousness）、外倾性（extroversion）、宜人性（agreeableness）和神经质（neuroticism）。本文主要研究大学生网络强迫性购物的现状以及大学生网络强迫性购物与大五人格之间的关系。
一、研究方法
（一）研究对象
本研究以南京工程学院的学生作为研究对象，调查期间正值大四学生外出实习或工作，因此只调查了大一、大二和大三的学生。 此次研究共发放正式问卷600份，收回问卷541份，问卷回收率为90.2%。整理收回的问卷，剔除含有连续5项以上规律性作答的问卷及错答、漏答5项以上的无效问卷，共得到有效问卷523份，有效率为87.2%。被试的具体分布如表1所示。
（二）研究工具
网络强迫性购物及大五人格混合问卷是由网络强迫性购物量表以及大五人格问卷组合而成的综合问卷，目的是便于被试者的填写以及数据的对应。
网络强迫性购物量表均为正向记分题，采用5点计分方法，从“完全不符合”到“完全符合”分别记为1-5分。
大五人格问卷包括五个维度，他们分别为神经性，外倾性，开放性，宜人性和责任心。同样使用用5点计分法，从“完全不符合”到“完全符合”分别记为1-5分。
（二）研究程序
分别利用大一学生周一至周五的夜自习课间以及大二大三课间进行为期一周的施测，采用团体施测法，以班为单位施测，当场收回问卷。施测前先由主试按指导语指导学生正确使用量表，帮助学生了解填写规则，在确认被试理解施测要求后开始施测。
二、研究结果
（一）网络强迫性购物数据分析
对所有被试在网络强迫性购物量表上的得分进行描述性统计（结果如图1所示），发现大学生人群中存在网强迫性购物人群，为进一步考察大学生网络强迫性购物的具体情况，本研究按照以下标准对不同程度网络网络强迫性购物的大学生进行分类：
（1）无或轻度网络强迫性购物人群（分数低于25）；
（2）中度网络强迫性购物人群（分数介于25和40之间）；
（3）重度网络强迫性购物人群（分数高于40）。
结果如图2所示，所调查的被试中，无或轻度网络强迫性购物的人数为316，占60.42%；中度网络强迫性购物的人数为169人，占32.31%；重度网络强迫性购物的人数为38人，占7.27%。说明大学生人群中普遍存在网络强迫性购物现象。
对得分标记为重度网络强迫性购物的38个被试进行分类（结果如图3所示），发现尽管被测女生总数少于男生，标记为重度网络强迫性购物的女生占标记为重度网络强迫性购物的总人数、被测女生总数都大于男生，文科（相对于理科）也呈现和女生相类似的特点。
（二）网络强迫性购物与大五人格的相关分析
大学生网络强迫性购物总分及各维度得分与神经质、开放性呈显著正相关，与责任心呈显著负相关。这说明大学生神经质、开放性得分越高，网络强迫性购物越严重，而责任性的得分越高，大学生就越不容易产生网络强迫性购物。（结果如表2-4所示）
三、分析与讨论
（一）大学生网络强迫性购物的特点分析
强迫性购物（compulsive buying）也被称作为购物成瘾（shopping addiction），冲动性购物（impulse buying），它是一种功能紊乱的消费性不良行为，表现为无法抑制自己购物冲动和欲望的不良购买行为。如果个体患有强迫性购物症，他们可能表现出对购物行为的失控，持续性过度地购物。[2]
经调查数据显示，大学生网络强迫性购物现状呈以下特点：
1.重度网络强迫性购物人群所占比重较小。分析数据显示，在大学生调查群体中，无或有轻度网络强迫性购物人群所占调查整体比重为60.42%，有中度网络强迫性购物人群所占比重为32.31%，而有重度网络强迫性购物倾向人群所占比重却仅有7.27%。这一分析数据说明，当前大学生网络强迫性购物严重程度尚不是很高，如果采取适当措施进行引导，这一现象可以得到缓解。
2.重度网络强迫性购物人群中，女生所占比重大于男生所占比重。数据显示，在被测试的523人中，男生人数为326人，其中有15名男生属于重度网络强迫性购物，所占比重为4.60%。被测试人群中女生人数为197人，属于重度网络强迫性购物人数共有23人，占被测试人数比重的11.68%，比男生所占的比重的两倍还多。在重度网络强迫性购物人群中，男生所占比重仅为39.47%，而女生所占比重却高达60.53%，远高于男生所占比重。这说明，在大学生人群中，女生网络强迫性购物的情况更为普遍，严重程度也高于男生。
3.重度网络强迫性购物人群中，文科生所占比重大于理科生所占比重。调查数据显示，在被测试的523人中，文科生人数为201人，其中有31人属于重度网络强迫性购物，所占比重为15.42%。被测试人群中理科生人数为322人，其中属于重度网络强迫性购物的人数一共仅有7人，所占比重为2.17%，文科生网络强迫性购物所占比重约是理科生所占比重的八倍。在重度网络强迫性购物人群中，理科生所占比重仅为18.42%，而文科生所占比重竟高达81.58%，将近理科生所占比重的5倍。由此可见，文理科的差距在网络强迫性购物方面也有很大不同，文科生网络强迫性购物的情况明显比理科普遍，理科生的网络强迫性购物严重程度也远低于文科生。
（二）大学生网络强迫性购物与大五人格的关系
大学生网络强迫性购物与神经质、开放性呈显著正相关，与责任心呈显著负相关，这一结果符合国外的实证研究的大多数结论[3-4]。
神经质、开放性和责任心三个维度度可能侧重在不同方面不同程度的影响。
神经质包括紧张、焦虑、忧郁、敌对、敏感、脆弱、冲动和缺乏安全等特点。这个维度体现个体的消极情绪状态，网购后的负面情绪得分较高。此类大学生往往饱受紧张焦虑等困扰，常在网购后体验到后悔、自责、羞愧、内疚等消极情绪，这样的人常处于紧张状态，心境较为低落，并伴有神经敏感，情绪不稳定，甚至难以很好地控制自己的情感和行为。在人格结构中神经质处于高水平的人，是在某种程度上将强迫性购物当做一种处理负面情绪的代偿机制，潜意识上排遣一部分负面影响。然而情绪稳定性差，容易激动和冲动，这些特点导致他们在面对大学阶段的各种压力时，经常受到负面情绪的困扰，这恰好达到网络强迫性购物发生的前提，即由于心理上的负面感受试图通过网络购物获得暂时的缓解，在一定程度上加强了网络购物的强迫趋势，在无意识或意识薄弱状态导致强迫程度愈深。
开放性反映出创造、想象、好奇、兴趣、情感、自由、求异和艺术等特点。开放性得分较高的大学生常保持乐观的心态和愉快的情绪，并且有着旺盛的精力，积极主动有活力，擅长人际交往。这样的人对自己充满自信，对生活充满热情与满足感，想象力丰富、情感丰富、具备开放的美学追求，尝试新异冒险和刺激的能力。然而探索或寻求丰富多样的感觉刺激是强迫性购物发生的潜在诱因。那些体验着积极情绪的人们往往伴随着对新的积极体验的渴望，将提高参与强迫性购物的风险。他们认为，尽管从中获得的兴奋和刺激是短暂且单调的，但却是值得的。高度的开放性使他们在浏览商品时充满想象和幻想，在挑选商品时发挥着独特的审美追求，情感上得到极大的满足，这些都无形中催促着他们网购行为的发生，使他们自愿进入网络购物的诱圈，无形中滋发了网络强迫性购物现象。
责任心显示了负责、自律、信任、认真、坚韧、条理、实干和公正等特点。这一维度所包含的是个体为人处事的态度或风格。责任心得分较高的大学生对自己的情感和行为的控制力强，通常认为一丝不苟的处事态度能使个体精神紧张，并严格控制着自己的情绪和行为，也更加担心自己的健康。相反在这一维度上得分低的大学生自律能力一般较差，对自己的情绪和行为自控力较为薄弱，无法克制网购冲动。他们往往在生活态度上表现懒散，条理紊乱，对工作也缺乏必要的胜任力和责任感，难以从中获得成就感和自我效能感，这样的学生容易形成低自尊。低自尊者更有可能采用不当的方式（如网络购物）来寻求和保护自尊，获得他人的认同和尊重。不少研究证实了自尊作为强迫性购物的内在影响因素之一，认为低自尊者渴望通过购物来提高自尊感，而责任心正是低自尊的诱发因素。此外，缺乏责任心的学生，也很少在意自己的行事后果，购后也较少自省。
通过对大学生网络强迫性购物和大五人格之间关系的研究，发现人格特性与大学生网络强迫性购物有着密切关系，神经质、开放性得分高，责任心得分低的女性文科大学生有网络强迫性购物倾向的可能性很大。
参考文献
[1]段新焕等.强迫购物症研究综述[J].中国心理卫生杂志.2007，21（2）：135-138.
[2]Valence，G，d'Astous，A.，&Fortier，L.（1988）.Compulsive buying：Concept and measurement.Journal of Consumer Policy，1l（4），419-433.
[3]Jose Manuel Otero-Lbpez，Estfbaliz Villardefrancos pulsive buying and the five factor model of personality：A facet analysis[J].Personali and Individual Differences，2013，55：585-590.
卷积神经网络现状篇4
关键词：物联网；人脸识别；视频网络
1物联网及人脸识别视频网络技术的发展
1.1物联网视频网络技术的发展状况
最近几年，随着物联网技术、图像处理技术以及数据传输技术的快速发展，视频网络技术应运而生并取得了长足的发展。当前，视频网络系统作为一种模拟数字控制系统，其具有非常成熟和稳定的性能，已广泛应用于实际工程中。虽然数字系统发展迅速，但尚未完全形成相应的体系，因此，混合数字和模拟应用程序逐渐迁移到数字系统将成为未来发展的主要趋势之一。当前，国内外市场上主流的产品主要有两种，即模拟视频数字网络系统、数字视频网络系统。前者技术先进，性能稳定，被广泛应用于实际工程应用中，特别是大中型视频网络项目。后者作为一种新兴技术，是一种通过以计算机技术和视频压缩为核心的新型视频网络系统，其有效的避免了模拟系统所存在的一些弊端，但未来仍需要进行不断的改进和发展。外部集成、视频数字化、视频网络连接、系统集成是未来视频网络系统发展的重要研究方向。数字化是网络的前提，而网络是系统集成的基础。因此，视频网络领域的两个最大发展特征是：数字化和网络化。
1.2人脸识别视频网络的发展状况
人脸识别技术作为模式识别领域中的一项前沿课题，截止目前，已有三十多年的研究历史。人脸识别目前是模式识别和人工智能的研究热点，目前主要采用AdaBoost分类器进行人脸区域的检测，人脸识别研究的内容大致分为以下内容：（1）人脸检测：其指的是在不同场景下的人脸检测及其位置。人脸检测是通过在整个输入的图像中找到一个合适的人脸区域为目的，并将该图像分为人脸区域和非人脸区域两部分。在实际的某些理想情况下，由于可以人为手动控制拍摄环境，因此，可以轻松确定人脸的位置；但是在大多数情况下，由于场景更加复杂，因此，人脸的位置是未知的。因而在实际的人脸识别视频网络过程中，首先必须确定识别场景中是否有人脸的存在，如果存在人脸，再进一步确定图像中人脸的具体区域。（2）人脸识别：将系统检测到的人脸特征信息与系统数据库中存在的已知人脸信息进行充分识别与匹配，以此获取相关信息，该过程的本质是选择正确的人脸模型和匹配策略。在实际生活的应用当中，由于成人的面部模型处于不断变化当中，且容易受到时间、光线、相机角度等方面的差异，因而很难用一张图纸表达同一个人的面部图像，这使得提取特征变得困难，由于大量的原始灰度图像数据，神经元的数量通常很大并且训练时间很长。除此之外，完全依赖于神经网络的识别方法具有当前计算机系统固有的局限性，尽管神经网络具有很强的感应能力，但是随着样本数量的增加，其性能可能会大大降低。简而言之，由于年龄，表情，倾斜度和其他表征对象的因素的多样性，很难进行人脸识别，因此，识别该对象的效果仍远未达到现实。目前，普遍采用AdaBoost算法来对出现在视频中的人脸区域进行检测，以此达到实时获取人脸图像的目的，AdaBoost算法的原理是通过训练得到多个不同的弱分类器并将这些弱分类器通过叠加、级联得到强分类器，AdaBoost算法流程如图1所示。（3）表情分析：即对面部表情信息（幸福，悲伤，恐惧，惊奇等）进行分析和分类。当前，由于问题的复杂性，正在对面部表情的分析进行研究，它仍处于起步阶段。心理学表明，至少有六种与不同面部表情相关的情绪：幸福，悲伤，惊奇，恐惧，愤怒和恶心。即与没有表情的面部特征相比，这六个表情的面部特征具有相对独特的运动规则。（4）生理分类：分析已知面孔的生理特征，并获得相关信息，例如种族、年龄、性别和职业。显然，此过程需要大量知识，通常非常困难和复杂。
2物联网卷积神经网络人脸识别方法分析
卷积神经网络是专门设计用于识别二维形状的多层感知器。通常，可以使用梯度下降和反向传播算法来训练网络。从结构上讲，卷积神经网络包含三个概念：局部感受野、权重共享和下采样，使其在平移，缩放，倾斜或其他形式的变形中相当稳定。当前，卷积神经网络被广泛用于模式识别，图像处理和其他领域。卷积神经网络（CNN）用于提取目标人脸图像的特征。训练网络后，将先前测试的模型用作面部分类器，微调可以缩短网络模型的训练时间。卷积神经网络的基本体系结构是输入层，卷积层（conv），归约层（字符串），完全连接层和输出层（分类器）。通常有多个卷积层+速记层，此程序实现的CNN模型是LeNet5，并且有两个“卷积+下采样层”LeNetConvPoolLayer。完全连接的层等效于MLP（多层感知器）中的HiddenLayer。输出层是一个分类器，通常使用softmax回归（有些人称为直接逻辑回归，它实际上是多类逻辑回归）。LogisticRegression也直接提供了该软件。人脸图像在视频监控中实时发送到计算机，并且面部区域部分由AdaBoost算法确定。在预处理之后，将脸部图像注入到新训练的预训练模型中进行识别。该过程如图2所示。
3物联网人脸识别视频网络多目标算法优化
多目标优化问题的实质是协调并在各个子目标之间达成折衷，以便使不同的子目标功能尽可能地最佳。工程优化的大多数实际问题都是多用途优化问题，目标通常相互冲突。长期以来，多目标优化一直受到人们的广泛关注，现在已经开发出更多的方法来解决多目标优化问题。如果多标准优化没有最差的解决方案，那么通常会有无限多的解决方案，这并不是最差的解决方案。解决面部强调时，人们不能直接应用许多次等解决方案。作为最后的决定，我们只能选择质量不是最低，最能满足我们要求的解决方案。找到最终解决方案的方法主要有三种。因此，只有通过找到大量有缺陷的解决方案以形成有缺陷的解决方案的子集，然后根据我们的意图找到最终的解决方案。基于此，多目标算法是通过将多准则问题转变为一个关键问题，这种方法也可以视为辅助手段。这种方法的棘手部分是如何获取实际体重信息，至于面部特征，我们将建议一种基于权重的多功能优化算法，该算法可以更好地反映脸部的特征。我们将人脸的每个特征都视为多个目标，并且在提取面部特征时，面部特征会受到外界的强烈影响，例如位置，光照条件和强度的变化，并且所有部位和每个部位都会受到影响。因此，我们可以使用加权方法从每个受影响的分数中提取不同的权重。通过开展试验测试，结果表明，在有多目标优化的算法的作用下，比在没有多目标优化的算法作用下人脸识别效果有所提高，大约提高了5—10个百分点。
4结论
鉴于多准则优化算法在科学研究的各个领域中的广泛使用，本文提出了一种多准则优化算法来对复杂的多准则人脸图像上的各种面部特征进行特征提取的多准则优化，以达到提高人脸识别率的目标、提高整个人脸识别视频网络系统的性能。
参考文献
[1]江斌,桂冠.基于物联网的人脸识别视频网络的优化方法研究[C]//物联网与无线通信-2018年全国物联网技术与应用大会论文集.2018.
[2]余雷.基于物联网的远程视频监控优化方法研究[J].科技通报,2014(6).
[3]张勇.远程视频监控系统的传输技术的实现[D].电子科技大学,2011(9)
[4]叶浪.基于卷积神经网络的人脸识别研究[D].东南大学,2015.
卷积神经网络现状篇5
网络的跨时空性、便利性、匿名性和实施交互性等特点，使得网络沟通成为一种发展最迅速的沟通形式。互联网的广泛普及和迅猛发展在给人们的工作和生活带来诸多便利的同时，也正在缔造着一种危机――网络成瘾。现代医学证实，一个人如果不能控制对网络的依赖，很容易患上“网络成瘾综合征”（internet addiction disorder简称IAD），医学上又称之为“病态性使用互联网”（pathological internet use 简称PIU）。据中国互联网中心（CNNIC）2004年6月30日的第十四次《中国互联网发展状况统计报告》显示：2004年6月30日，8700万的网民中18~24岁的用户占36.8%居首位。这表明，上网正逐步成为大学生生活的重要组成部分。
由网络成瘾而引发的心理障碍或社会适应障碍等案例正随着网络的普及逐渐增多。网络成瘾会导致部分大学生学习成绩下降、行为异常、心理错位。在极端情况下，网络成瘾者不再清楚虚拟和现实世界的区别，使得他们的人际关系和社会生活受到影响，长期下去必会阻碍学习和生活的正常进行。在大学生中，网络成瘾已成为影响其学习、生活、身心健康的重大公害，因此必须重视大学生的网络心理。关于大学生网络成瘾的研究主要集中于定性的描述和理论探讨上。对造成网络成瘾的原因探讨涉及到个人心理因素和外部环境两方面。本研究主要探讨大学生网络成瘾与其各心理因素之间的关系。
材料和方法
1.材料
很多研究表明，网络成瘾者往往具有某些特殊的人格特征，如角色混乱、人格扭曲、道德感弱化等。本研究拟通过病例对照研究来揭示网络成瘾大学生的人格特征及应对方式、人际交往、社会支持、生活满意度等方面的情况。
2.研究工具
将网络成瘾问卷、问卷艾森克人格问卷（EPQ）、卡特尔16种人格因素分析（16PF）、简易应对方式问卷（SCSQ）、交往焦虑量表（IAS）、人际信任量表（IT）、领悟社会支持量表（PSSS）和生活满意度指数B（LSIB）按顺序编制成一份问卷。
其中网络成瘾问卷由Young KS编制，共8个问题，以“是”与“否”作答（“是”1分，“否”0分），总分≥5分者可判定为网络成瘾（IAD）。
3.取样
从黑龙江大学2002~2005级404个专业本科生中，利用SPSS软件采用整群随机抽样的方式，共抽取13个专业（班级），1071名学生，发放网络使用情况调查问卷1030份，回收问卷906份，其中有效问卷881份。
4.施测过程
以班为单位进行统一施测，主试经过严格培训。
5.分组
在调查对象中选取网络成瘾问卷总分≥5分者进行访谈，确认具有网络成瘾的被试共50人（男生41人、女生9人）为病例组。从样本总体中排除成瘾组的学生后利用SPSS软件随机抽样选取对照组98人（男生83人、女生15人）。经检验，病例组和对照组在人口学统计资料方面均无显著性差异，可以用作对比分析。
6.数据处理
应用SPSS11.0统计分析软件包对数据进行描述性统计分析，t检验、方差分析、x2检验、多元逐步回归分析及相关分析。
结果分析
一是大学生中存在一定比例的网络成瘾现象，本研究结果表明，大学生网络成瘾发生率为6.02%。
二是网络成瘾状况在性别、年级、家庭所在地和专业特征方面有一定差异。其中男生网络成瘾发生率明显高于女生、城镇生源学生的网络成瘾发生率明显高于农村生源，理工科专业学生的网络成瘾发生率明显高于文科类学生、各年级学生网络成瘾的发生率也各有不同，二、三年级学生的网络成瘾发生率明显高于一、四年级；其中大二最高，大一最低；一年级到二年级显著增高，三年级到四年级比例显著降低。
三是EPQ问卷结果显示除E量表外其余各量表均分IAD组均高于非IAD组，在P（精神质）量表中IAD组与非IAD组有显著差异（P
四是16PF问卷对比分析中，部分因子在被试中有显著差异。
五是在SCSQ、IAS、IT、PSSS和LSIB问卷分析中，在积极应对方式上IAD组和非IAD组有差异（P
六是以网络成瘾问卷分数作因变量，将与网络成瘾相关的有统计学差异的因子P（精神质）、积极应对方式、领悟社会支持、生活满意度、性别、平均每周上网时间、平均每周上网次数等可能的影响因素作自变量，以后退法（最大似然比函数检验）（入选标准α=0.50，剔除标准β＝0.10）进行多因素条件逻辑回归分析。结果表明性别、平均每周上网时间、生活满意度三个因子对网络成瘾有预测作用。
一点建议
网络成瘾大学生整体心理健康水平相对要低于非网络成瘾者的心理健康水平，这种不良的人格特征和生活事件的应激相互作用，使网络成瘾者愈发沉迷于网络，不能自拔，以致引发更严重的后果，因此必须重视青少年和大学生中的网络成瘾情况，采取有力措施。
第一，引导大学生合理利用网络，净化网络环境。正值青春期的大学生，心理发展正处于走向成熟的关键时期。应制定相应的网络管理条例，对大学生的非理性的网络行为加以引导和约束，强化大学生的网络责任感，鼓励他们控制上网时间，养成良好的上网习惯。同时应加强网络监督机制，倡导诚信上网，净化网络环境，要在加强社会监管的同时从自身做起，抵制网络的不良行为。
第二，培养大学生的网络心理素质。一个心理健康的人需要有正确的认知、健全的意志、恰当的自我评价，良好的人际交往和社会适应能力。大学生网络的心理素质要充分适应网络环境和网络社会生活。首先，要培养良好的网络认知能力，即认识到网络的正负两面性，趋利避害、合理利用。其次，要培养良好的网络交往能力，要了解网络的虚拟性和现实世界的差别，真诚待人。最后，要有健全的意志和恰当的自我评价，健全的意志和恰当的自我评价可以表现出较多的自觉性、果断性、持之以恒，不受外界诱惑，对自己抱有正确的态度，不骄傲也不自卑。
第三，帮助大学生确立目标，合理进行生活规划。许多大学生沉迷于网络是因为进入大学后失去了理想和目标，转而从网络中寻找慰藉。应当帮助大学生树立切实的目标，合理进行生活规划，让他们知道大学阶段知识积累的重要性，树立切实的目标并为之奋斗。同时鼓励大学生积极参加学校的集体活动，在活动中获得知识，增强思考能力，提高实践技能，逐渐分散对网络的关注和依赖。
第四，积极塑造健全人格。美国心理学家奥尔波特认为，成熟、健康是人格健全的标志，健全的人格可以使大学生迅速适应环境，进行自我调整，在新的环境中找到自己的朋友，排除各方面的干扰，及时宣泄不良情绪，具有正确的自我认知，能够解决内心冲突。
参考文献：
[1]丁海燕.网络成瘾研究述评.大学时代B，2006（4）.
[2]叶新东.网络成瘾研究概述.心理科学，2004；27（10）：144-148.
[3]林绚辉，阎巩固.大学生上网行为及网络成瘾探讨[J].中国心理卫生杂志，2001，15（4）：281-283.
[4]王立皓，童辉杰.大学生网络成瘾与社会支持、交往焦虑、自我和谐的关系[J].健康心理学杂志，2003，11（2）：94-96.
[5]张宏如.网络成瘾学生动机与人格特征[J].健康心理学杂志，2003，11（5）：398-400.
[6]龚耀先.艾森克个性手册[M].湖南医学院，1993；2-31.
卷积神经网络现状篇6
【关键词】 总体幸福感；人格；自我和谐；大学生；网络
A Research on the Influence of the Internet on Undergraduate General Well-being and Personality and Self Consistency and Congruence. Wan Xiaoxia, Zheng Xue. Guangdong Pharmaceutical University, Guangzhou 510240, P.R.China
【Abstract】 Objective To study the relation of network behavior, general well-being, personality and self consistency. Methods The research measured the general well-being and personality and self consistency and congruence of 339 undergraduates and the psychological relationship among undergraduates who surf the Internet for different times by using the GWB, EPQ and SCCS. Results Moderate, health online is helpful to undergraduates to develope their soundpersonality and advance general well-being. Conclusion We should recognize the role of the Internet dialectically and take different education measures in dealing with the three kinds of undergraduates.
【Key words】 General Well-being; Personality; Self consistency and congruence; Undergraduates; Internet
迄今为止，国内外对网络成瘾研究有诸多报道[1-4]。这些研究主要限于探讨网络成瘾者的某些心理现象。近年对大学生(一般适应者)上网行为的心理分析近年已有少量报道[5-7]，但是分析大学生网络行为对其人格、自我和谐与总体幸福感的影响以及它们之间的关系的研究，至今未见报道，这是一个值得探讨的问题。
本文选总体幸福感(以评价者根据自定的标准对其生活质量整体性评估[11])、人格及人格发展重要的因素自我和谐(评定个人是否有着维持各种自我知觉之间的一致性以及协调自我与经验之间关系的机能)为研究突破口，探讨不同网络行为的大学生的总体幸福感、人格、自我和谐是否存在差异以及不同网络行为对人格、自我和谐对总体幸福感的影响。本课题研究目的在于深入分析大学生网络行为的心理特征，对引导大学生健康上网，预防网络成瘾、健康人格的培养具有现实和重要意义。
1 对象与方法
1.1 对象 对来自2所大学二至四年级6个专业(药学、中药学、预防医学、化学与生命科学、应用化学、生物技术)，随机整体抽取356名大学生。本次调查共发出问卷356分，回收有效问卷339份。
1.2 研究工具 ①总体幸福感量表(General Well-Being Schedule，GWB)[8]。(本研究采用前18项累计加分。满分120分)。②艾森克人格问卷(Eysenck Personality Ouestionary，EPQ)，含精神质(P)、内外倾性(E)、神经质(N)人格的3个维度及一个效度量表(L)[9]。③自我和谐量表(Self Consistency and Congruence Scale，SCCS)[10]。包括3个分量表：自我与经验的不和谐；自我的灵活性；自我的刻板性。④大学生网络使用情况调查表。参照中国互联网络信息中心在2005年完成的中国互联网发展状况统计报告的上网情况调查问卷编制，包括个人基本信息，上网时间(将每周上网时间分为0～5小时、6～20小时、20小时以上3类)、上网目的(将上网目的分成聊天、娱乐、电子邮件、信息服务、刺激游戏、信息技术、其它7个类型)等，同时附有Young的网络成瘾诊断问卷供每周上网时间超过20小时者填写[11]，以筛选上网成瘾倾向者。
1.3 数据的收集与分析处理 采用随机整体抽样的方法，统一指导用语，对被试同时进行GWB、EPQ、SCCS、上网情况调查。根据研究分析目的，统计结果采用SPSS 10.0软件统计处理。
2 结果与分析
2.1 3类学生基本情况分析 在本次调查的339名有效被试中，男生163人，女生176人。根据调查结果将学生分为3类，每周上网0～5小时91人，每周上网6～20小时160人，每周上网时间为20小时以上88人(网络成瘾倾向者7人已排除)。问卷调查表中已特别注明：上网时间不包含专业课学习上网时间。调查表明，上网6～20小时男生79人，女生81人，而0～5小时以下女生61人，男生30人；上网时间在20小时以上的男生61人，女生33人；被试使用网络的主要目的(对应上网调查问卷中的非常喜欢项目栏目的选项)依次为：聊天(46.6%)、娱乐(46.3%)、信息服务(34.0%)、电子邮件(32.7%)、信息技术(20.0%)、刺激游戏(6.0%)、其它(4.4%)等。调查中还显示：在每周上网时间超过20小时者，在娱乐、聊天和玩游戏两个方面还存在着性别差异，即男生喜欢惊险刺激游戏(20.4%)，女生喜欢娱乐(57.6%)、聊天(54.5%)。
2.2 上网时间不同的大学生在总体幸福感、人格、自我和谐的比较 见表1。
从表1可以看出，3类上网时间的学生在自我和谐各维度、人格中内外向、精神质都不存在显著差异。但上网时间0～5小时学生的总体幸福感、神经质与其它两类上网时间的学生有显著性差异。
2.3 3类大学生男生女生在主观幸福感、人格、自我和谐的比较 为了进一步研究上网时间不同的大学生在主观幸福感、人格、自我和谐的不同，将3类学生中男生女生分别进行比较，见表2。
表2显示，每周上网时间5小时、6～20小时学生中总体幸福感、人格、自我和谐男女生无显著性差异；上网20小时以上时总体幸福感、自我和谐各维度、人格内外向、神经质维度男生女生无显著差异，但男女学生精神质有显著性差异。
2.4 上网时间不同的学生主观幸福感在人格、自我和谐各维度上的相关分析和回归分析
2.4.1 3类学生总体幸福感在人格、自我和谐各维度的相关分析，见表3。
从表3得知，总体大学生的总体幸福感与人格内外向维度呈极显著正相关，与神经质、自我和谐、自我经验不和谐、灵活性维度(灵活性为反向计分)极显著负相关；与精神质负相关。3种类型学生的人格、自我和谐与总体幸福感关系不尽相同。上网在0～5小时学生的总体幸福感与自我和谐、自我与经验的不和谐、灵活性维度及精神质、神经质维度存在极显著负相关，与内外倾呈显著正相关；上网在6～20小时学生的总体幸福感与自我和谐、自我与经验不和谐、灵活性维度、与人格中精神质维度、神经质维度存在极显著负相关，与刻板性存在显著负相关，与外向维度存在极显著正相关。上网时间在20小时以上学生总体幸福感与自我和谐、自我与经验的不和谐、神经质维度存在极显著负相关，与灵活性负相关、与内外倾维度呈显非常显著正相关。
2.4.2 3类学生主观幸福感在人格、自我和谐各维度的回归分析 为了进一步探讨诸因素之间的确切关系，对于不同上网时间的学生人格各维度、自我和谐各维度是否可以有效地预测总体幸福感，并且考察其预测力的大小，把总体幸福感当作因变量，人格3个维度、自我和谐及3个维度作为自变量，采用逐步多元回归分析，结果见表4。
上网0～5小时的学生，通过回归分析发现，神经质、自我灵活性是总体幸福感的有效预测变量，可以看出神经质预测力最佳，其解释量为28.8%，两个变量联合解释38.8%的变异，用回归方程表示：y1=114.969-1.37×1-0.666×2。上网时间6～20小时学生神经质、自我灵活性、自我与经验不和谐、是总体幸福感的有效预测变量，可以联合解释47.4%的变异，用回归方程表示：y1=129.517-0.545×1-0.573×2-0.810x3。上网时间20小时以上的学生神经质、内外向是总体幸福感的有效预测变量，可以联合解释37.1%的变异，用回归方程表示：y1=90.432-1.447×1-0.607×2。
学生总体回归分析表明：大学生人格中神经质、内外向维度及自我和谐中灵活性、自我与经验不和谐维度是总体幸福感的有效预测变量：y1=117.054-1.062×1-0.515×2-0.325×3+0.351×4。
3 讨 论
3.1 网络对大学生主观幸福感、人格、自我和谐总体分析 上网时间不同的3类学生在自我和谐及各维度、人格内外向、精神质维度无显著差异。说明在一定时间范围内上网，大学生总体对网络的认识及利用能够较好的把握，对自身有充分了解，能将自我的过去、现在、将来与网络世界有机的整合。但上网时间0～5小时学生的神经质显著高于6～20小时、20小时以上的学生，并且上网时间0～5小时学生总体幸福感显著低于其它两时间。一方面似可说明经常上网的大学生中拥有更多阅历和经验；适当的使用网络为大学生提供一个可以释放压力平台以及满足人际交往的需要这种形式，对于学生的稳定性的建构有帮助。从另一方面也说明正是由于比较成稳的人格特征，能积极地面对网络时代的挑战，充分利用网络资源，获取更多的信息。他们在开拓视野同时，利用多种形式交流，开展多种有益的娱乐文化活动有助于幸福感提升、健全人格的培养。可见适度和健康使用网络有助于大学生的人格稳定性发展及幸福感提高。
3.2 上网时间不同的3类学生男女生总体幸福感、自我和谐、人格的差异分析 3类不同上网时间的男女生在总体幸福感、自我和谐各维度、人格神经质、内外向男女生不存在显著性差异。反映男女生自我和谐程度比较一致。但每周上网20小时以上的学生人格精神质维度男生显著高于女生。从网络使用情况调查表可知：每周上网20小时以上的玩刺激性游戏主要为男生，女生上网更多是娱乐、聊天、信息服务等。这与有关调查一致[12]。玩刺激游戏本身对大脑是一种刺激，它容易诱发人的不稳定性、喜欢寻衅、具有攻击性。可能由于精神质相对较高的学生对刺激性信息存在加工偏向，甚至这两者相互影响，恶性循环。
3.3 上网时间不同的3类学生总体幸福感、自我和谐、人格的相关与回归分析 学生总体回归与相关分析表明：其总体幸福感与其人格中内外向维度极显著正相关，与神经质、自我和谐及自我与经验不和谐、灵活性(灵活性是反向计分)维度存在极显著负相关。学生总体回归结果表明人格中神经质维度对总体幸福感具有预测作用。在三种不同上网时间中的神经质对总体幸福感也都具有预测力，说明其影响力不受上网时间的影响。这与相关研究一致，再一次印证了Diener人格是幸福感最稳定有力的预测因素理论[13]。自我与经验的不和谐、自我灵活性对总体幸福感有影响，这与相关报道一致[14]。
3类不同上网时间学生的相关及回归分析回归与相关显示：上网0～5小时、6～20小时学生其自我灵活性对总体幸福感有正面的影响。说明上网时间0～20小时的学生，更需要提高灵活应变的能力，吸取网络中的有益的东西，积累一定的经验，处理各种情境变化。上网在6～20小时的学生自我与经验不和谐维度对总体幸福感具有负面影响。这反映了大学生对社会支持等各种影响心理的因素比较敏感，往往个体自我真实经验与理想自我之间存在差距，自我判定与来自同学、师长、学业的评价的不一致经验容易诱发负面情绪的产生使得幸福感降低。因此教育学生接触网络的学生，按照社会价值观的要求，不断学会应对各种情境和经验的变化，使自我和谐发展更完善，提升幸福感。上网时间20小时以上的学生神经质、内外倾是总体幸福感的有效预测变量。上网时间长的学生神经质、内外倾维度的影响幸福感的力度更为凸现，两者可以联合解释37.1%的变异。最近有研究外倾和神经质人格对情感幸福感产生影响的内部机制，发现外倾和神经质人格不仅对情感幸福产生了直接的气质性影响，而且还通过生活事件对情感幸福感间接产生影响，外倾者对积极情感信息存在加工偏向[15]。面对五彩缤纷的网络信息及多种网络交流形式，外倾者可能会在网络中创造和选择积极信息及情景而获得更多的积极情感。另一方面也可能由于经常上网，导致有些人由开朗、热情、外向变得缄默、孤独、内向从而影响幸福感，这还是值得进一步探讨。以往也有研究发现,神经质性的个体更容易孤独，并且更倾向于使用互联网上的社交。神经质和精神质越高的人，越容易对网络产生依赖，甚至会导致成瘾行为[16]。因此，对于上网时间较长的学生，应引导积极利用、发挥网络的正面作用，将网络更多用于学习、寻求信息、知识，并且注意把握好上网时间。
综上所述，应区分对待不同上网时间类型的学生各自心理状况，其教育侧重点不一。对于上网时间较少甚至不上网的学生(0～5小时)学生，可引导学生正确、有意识的使用网络，跟随时代的发展、开拓生活空间是有益学生稳定性、灵活性发展幸福感提升；上网20小时以上内倾的学生应有意识的加强关注网络积极、正面信息的意识。网络接触频率较高的男生精神质是干预的重点。上网时间较长的学生应注意把网络的知识内化为自己的知识，而不是在网上寻求某种刺激，避免网络成瘾。
4 结 论
网络在大学生的人格内外倾、神经质维度及自我和谐水平没有显著差异。但总体幸福感、人格特质的神经质维度有显著性差异。上网时间0～5小时学生的神经质显著高于6～20小时、20小时以上的学生，幸福感低于6～20小时、20小时以上的学生。不同类型接触网络的学生有不同的特点。男女生在上网20小时以上时，精神质有显著性差异。通过回归分析发现，上网0～5小时学生神经质、自我灵活性是总体幸福感的有效预测变量；上网时间6～20小时学生神经质、自我灵活性、自我与经验不和谐，是总体幸福感的有效预测变量；上网时间20小时以上的学生神经质、内外倾是总体幸福感的有效预测变量。
5 参考文献
［1］纪秋发.对国外网络成瘾失调症研究的略述.北京青年政治学院学报,2005(3):23
［2］Kraut R, Kiesler S, Bonka B, et al. Internet paradox revisited. Journal of Social Issue, 2002,58(1):49-74
［3］崔丽娟,赵鑫,吴明证,等.网络成瘾对青少年的社会性发展影响研究.心理科学,2006,(1):34
［4］梁宁建,吴明证,杨轶冰,等.大学生网络成瘾与幸福感关系研究.心理科学,2006,(2):294
［5］,刘俊,董冰.大学生人格与网络行为：网络道德人际SEM模型.心理发展与教育,2003,(2):29
［6］崔丽娟,刘琳.互联网对大学生社会性发展的影响.心理科学,2003,(1):64
［7］严标宾,黄曼娜,丘碧群,等.青少年网络行为与主观幸福感的关系研究.中国临床心理学杂志,2006,(1):68
［8］范肖冬.总体幸福感量表(General Well-Being Schedule，GWB).见:汪向东,王希林,马弘,编著.心理卫生评定量表手册.中国心理卫生杂志,1999,(增刊):83-86
［9］龚耀先,等.艾森克个性问卷手册.长沙:湖南地图出版社,1992
［10］王登峰.自我和谐量表(Self Consistency and Congruence Scale).见:汪向东,王希林,马弘,编著.心理卫生评定量表手册.中国心理卫生杂志,1999,(增刊):314-317
［11］纪秋发.对国外网络成瘾失调症研究的略述.北京青年政治学院学报,2005,(3):23
［12］李秀敏.互联网内容偏好与大学生人格特质关系的研究.心理科学,2004,27(3):559-562
［13］郑雪,王玲,邱林,等.大学生主观幸福感及其与人格特征的关系.中国临床心理学杂志,2003,(2):105-107
［14］王儒芳,李红,阴山燕,等.军人自我和谐与总体幸福感及其关系的研究.中国公共卫生,2005,21(3):273-275
［15］邱林.人格特质影响情感幸福感的机制.中国博士学位论文全文数据库,2006
［16］原献学,李建升.大学生人格特质、社会适应能力与网络成瘾倾向的关系.应用心理,2006,12(3):253-257
卷积神经网络现状篇7
【关键词】 网络成瘾；大学生；幸福感；入世出世心理；横断面研究
中图分类号： C913.5、B844.2 文献标识码：A 文章编号：1000-6729(2008)005-0353-04
入世和出世心理互补是我国文化的精髓，入世是对社会现实的肯定与投入，出世是对社会现实的否定与超越，这两种心理相互对立，相互补充，相反相成地塑造着中国人的文化心理特征［1-3］。我们以为，入世、出世心理可以视为一种成就动机系统，集中表现为追求目标的态度和方式。入世包含激发动机、实现目标、满足需要等心理过程，集中表现为积极追求目标；出世包括减弱甚至消除动机、看淡目标、顺应自然等心理过程，集中表现为淡泊名利［4］。而已有的研究表明，成就动机与网络成瘾和主观幸福感都有显著的相关。如王艳梅［5］曾以成就目标的三分法对成就目标和总体幸福感的关系作过研究，发现掌握目标对学生的总体幸福感有积极影响，成绩-回避目标对学生的总体幸福感有负面影响，邹琼［6］认为成就需要是网络成瘾的原因之一。另一方面，不少研究证明，网络成瘾对幸福感具有消极影响［7-11］。但关于这三者关系的研究尚未见诸报告，且这些研究所用成就动机理论和量表都是源自国外。本研究假设成就动机有可能对网络成瘾和幸福感具有中介作用，并用入世出世心理作为成就动机进行中介作用研究，以便深入了解网络成瘾的本质，为有效干预网络成瘾提供依据。
1 对象和方法
1.1 对象
设计电子版问卷，在线，并通过QQ、电子邮件、校园BBS、校园网广告页面等进行宣传，吸引学生做问卷。经过一周时间，共收集问卷616份，有效问卷603份。年龄17-28岁，平均年龄为21±2岁。其中男生355人，女生248人；大一128人，大二145人，大三131人，大四131人，研究生68人。成绩上173人，中343人，下87人。成绩上、中、下由被试根据与同班同学比较判断。
1.2 工具
1.2.1网络成瘾量表(Scale for Internet Addiction) ［12］ 由Young编制，包括20个问题，用5点量表：1.几乎不曾，2.偶尔，3.有时，4.经常，5.总是，最后得出的量表总分即为网络成瘾指数（IDT）。IDT越高表示成瘾程度越高。IDT大于80为严重成瘾，IDT50～79为中度成瘾，IDT≤49为未上瘾。本研究中，问卷的α系数为0.87。
1.2.2综合幸福问卷［13］由苗元江编制，分三个部分，共10个维度51道题。第一部分涉及生活满意度、生命活力、健康关注、利他行为、自我评价、友好关系、人格成长7个维度，共38题，用7点量表：1.明显不符合，2.不符合，3.有些不符合，4.介于中间，5.有些符合，6.符合，7.明显符合。第二部分涉及正性情感和负性情感两个维度，共12题，用7点量表：1.没有时间，2.小部分时间，3.少于一半时间，4.一半时间，5.多于一半时间，6.大部分时间，7.所有时间。第三部分为自述幸福感：评价被试者整个生活中的幸福/痛苦体验，共1题，用9点量表：1.非常痛苦，2.很痛苦，3.痛苦，4.有些痛苦，5.中等，6.有些幸福，7.幸福，8.很幸福，9.非常幸福。分数越高表示幸福感越强。本研究中，该量表第一部分的α系数为0.96，第二部分α系数为0.72。
1.2.3入世出世心理问卷 ［4］ 分两个维度四个因子，入世维度由拼搏精神和在乎结果组成，出世维度由平常心和低要求组成。问卷共18题，用7点量表：1.非常不同意，2.不同意，3.有点不同意，4.既不同意也不反对，5.有点同意，6.同意，7.非常同意。分数越高表示入世或出世心理越强。本研究中两个维度的α系数为0.72和0.79。
1.3 统计方法 进行卡方检验、t检验、相关分析和回归分析。
2 结果
2.1 大学生网络成瘾量表评定结果总体状况
在本次调查的603名有效被试中，网络成瘾为55名，网络成瘾的检出率9.1％，其中男生47名，女生8名，男生网络成瘾检出率高于女生（13.2％/3.2％，χ2=16.47，P
2.2网络成瘾量表、综合幸福感问卷与入世出世心理问卷评分及相关性
表1显示网络成瘾量表评分与幸福感、拼搏精神、平常心得分呈负相关，与低要求呈正相关；幸福感评分与拼搏精神、平常心得分呈正相关；拼搏精神与在乎结果得分呈正相关，与低要求呈负相关；在乎结果得分与平常心呈负相关；平常心与低要求得分呈正相关。
2.3网络成瘾大学生幸福感影响因素回归分析
计算幸福感总均分（其中对负向情感进行反向记分，对自述幸福感进行1-7分转换）,以主观幸福感为因变量，网络成瘾指数、拼搏精神、平常心、在乎结果、低要求得分为自变量，作线性回归，结果表明，除低要求外，其余变量都进入方程，可以预测大学生的主观幸福感。回归模型的方差分析结果F＝131.24，P
2.4网络成瘾大学生的幸福感模型
依据本研究假设，成就动机可能对网络成瘾和主观幸福感有中介作用。从以上结果可以发现，网络成瘾、拼搏精神、在乎结果和平常心都可以预测幸福感，但在乎结果与网络成瘾、幸福感相关不显著，所以只有拼搏精神和平常心对网络成瘾和幸福感可能起中介作用。用Amos 5.0检验这一中介模型，结果如图1所示，拟合指数为χ2/df=0.050（P=0.822），GFI=1.000，AGFI=1.000，NFI=1.000，RFI=0.999，TLI=1.014，CFI=1.000，RMSEA=0.000。说明模型拟合好。
3讨论
本研究采用Young的网络成瘾量表，发现603名大学生网络成瘾检出率为9.1％。男生的网络成瘾指数显著高于女生，检出的网络成瘾者中，男生占86.7％，女生占13.3％，男生多于女生。这与国内外许多研究结果一致［13，14］。
本研究发现，大学生的网络成瘾对幸福感存在显著的负面影响。Kraut等［15］将心理幸福感降低的原因解释为社会活动的替代和密切关系的替代，社会活动的替代是指使用者用专注上网的时间取代了本来应该用来进行面对面社会活动的时间，从而导致社会卷入的降低。而密切关系的替代，是指人们用低质的网络人际关系取代了高质的现实的人际关系。梁宁建等［11］认为，网络成瘾水平越高，所获得的社会支持越少，对社会支持的利用度也越低，这是造成幸福感降低的主要原因。从本研究结果看，大学生网络成瘾对幸福感的影响存在两条途径，一是直接对幸福感产生负面影响，二是通过拼搏精神和平常心这两个中介因素产生负面影响，表现为通过减弱拼搏精神和平常心来降低幸福感。网络成瘾造成拼搏精神的损失从而导致成绩的下降，已是屡见不鲜的事实，一些大学生甚至因此不得不留级或退学。本研究表明学习成绩中、上学生的网络成瘾水平比成绩差者低也证明了这一点，因为一般说来，成绩好的学生拼搏精神强，成绩差的学生拼搏精神弱，而网络成瘾的学生对学习和工作必然日趋放松。（当然，这里说的拼搏精神是指网络成瘾以外的被社会推崇的拼搏精神，而不是网络成瘾活动（如游戏）中的拼搏精神。）。关于网络成瘾也会通过瓦解平常心而降低幸福感，可以从上网动机的角度作解释，已有研究表明［16］，大学生的社会性动机如社会交往、自我肯定等是网络成瘾的主要动机，也就是说，当大学生在现实生活中不能满足这些需要时，很可能到网络虚拟世界中寻找满足。由此会导致这样的失衡心理：网络世界中满足得越多，回到现实世界中心理的不满足感就越大，就越发不能保持平常心来达到心理平衡，以致陷入网络不能自拔，从而降低幸福感。
本研究显示，入世的拼搏精神和出世的平常心的有机结合是健康的文化心理，它与网络成瘾呈负相关而与幸福感呈正相关是必然的。如果能加强大学生的拼搏精神和平常心，对于预防、矫正网络成瘾和提高大学生的幸福感都具有积极的现实意义。但由于本研究为横断面研究，入世和出世心理的中介作用还需进一步探入探讨。
参考文献
1 彭彦琴.中国传统情感心理学中“儒道互补“的情感模式.心理学报，2002，34（5）：540-545.
2 张梅.儒道互补与中国文人的心理结构.东南文化，2004，4：47-50.
3 张静，张琳琳.儒道互补思想对当代心理咨询和心理治疗的启示.哈尔滨工业大学学报（社会科学版），2006，8（5）：128-131.
4 杨宏飞.目标追求的入世、出世心理测评初探.心理科学，2006，29（2）：395－397.
5 王艳梅. 初中生成就目标和总体幸福感的关系研究. 健康心理学杂志，2002，10（6）：411-412.
6 邹琼.大学生网络成瘾的动机和对策探讨. 内蒙古师范大学学报(教育科学板), 2004, 17(7): 72-73.
7 Kraut R，Patterson M，Lundmark V.Internet paradox： A social technology that reduces social involvement and psychological wellbeing? Am Psychol，1998，53(9)：1017-1031.
8 崔丽娟，刘琳.互联网对大学生社会性发展的影响.心理科学, 2003, 26(1)：64-66.
9 崔丽娟，赵鑫，吴明证，等.网络成瘾对青少年的社会性发展的影响研究.心理科学，2006，29（1）：34-36.
10 严标宾，黄曼娜，丘碧群，等.青少年网络行为与主观幸福感的关系研究.中国临床心理学杂志.2006，14（1）.68－70.
11 梁宁建，吴明证，杨轶冰，等.大学生网络成瘾与幸福感关系研究.心理科学.2006，29 (2) ：294－296.
12 Young KS.Internet addiction：The emergence of a new clinical disorder.Cyberpsychol Behav，1998 ，1(3) ：237-244.
13 韩向前，翁维玲.不同身份青年军人幸福感的比较.中国临床康复，2005，9（4）：74-76.
14 冯国双，郭继志，周春莲，等.国内大学生网络成瘾研究进展. 中国医学论理学，2004，17（3）：23-24.
15 Kraut R，Kiesler S，Bonka B.Internet Paradox Revisited.J Soc Issues.2002，58(1)：49－74.
16 谭文芳. 大学生网络使用动机类型及其与网络成瘾的关系分析. 长沙大学学报, 2005, 19(5): 109-111.
卷积神经网络现状篇8
关键词：大学生 思想政治
当代青年大学生是祖国的未来，是国家发展的一支重要的后备力量。大学生的思想政治状况不仅直接影响着大学生的成长成才之路，对于社会的发展、国家的稳定也有着至关重要的影响。因此，本项目组全体成员在石家庄学院、河北师范大学、河北科技大学、石家庄铁道大学等石家庄市十所高校开展了石家庄高校思想政治状况调查。在本次调查中，共发放问卷1000份，收回有效问卷811份，回收率为81.1%。在有效问卷中，男女分别占41.1%和58.9%；专科生、本科生、研究生所占比例分别是20.3%、70.9%和8.8%；学生党员占17.2%；独生子女占30.7%。参与座谈的学生约100人。根据对调查结果的研究分析，我们提出如下观点。
一、当前在校大学生的思想政治现状
（一）在校大学生对党和政府工作给予较高评价，对基本政治问题有正确的价值取向
通过调查发现，86.1%的大学生对“党的十政府工作报告”进行了各种形式的学习，对于“过去一年党和政府的工作”给予充分肯定。同时，大学生对新一届政府给予较高的期待，对新政府出台的进一步解决民生问题的举措有迫切希望。在被问及对“中共十所提出的‘党的作风八项规定’在未来实施的看法”问题时，72.1%的学生持肯定态度；“完全不相信”和“有怀疑”的比例共占22.7%；有80.3%的学生对于提出的“中国梦――实现中华民族的伟大复兴”充满信心。超过70.2%的学生赞同“科学发展观是党长期坚持的指导思想”这一观点；认为“中国特色社会主义是当代中国发展进步的根本方向，只有中国特色社会主义才能发展中国”的学生比例达到80.9%；对“要始终把改革创新精神贯彻到治国理政的各个环节”的认可度也在75.8%以上。
（二）在校大学生普遍关注国内外时事热点，具有较强的政治素养和社会责任感
调查结果显示，认为“当前国内形势严峻，须加关注”的学生占68.2%，认为“政局动荡，丧失信心”和“不清楚”的学生共占10.3%；针对2013年召开的两会，有超过一半的学生（69.7%）“完整看过”或“看过一部分”。在问卷列举的十项国内领域社会问题中，学生关注程度最高的三项依次是：就业形势（35.1%）、物价水平（29.2%）、社会保障（28.3%）。在对“国内外事件了解最多”的调查中，排名前三的是：“莫言获2012年诺贝尔文学奖”“黄岩岛、事件”和“奥巴马在美国大选中获胜”。在被问及“如何看待‘事件中，民众抵制日货，烧行为’”时，有70.1%的学生认为“爱国精神可嘉，方法不合理”，持“完全支持”和“完全错误”的学生共占23.7%，“不关注”的学生仅占6.2%。这说明，在校大学生基本政治立场和判断较为成熟，有较强的政治素养，少数学生对政治事件的理解分析能力有待提高。
（三）网络生活已成为在校大学生课余生活的重要内容， 但对于现代媒体的使用缺乏正确的指引
调查结果显示，大学生“了解社会动态渠道”中，排名前三位的是网络、电视广播、纸质媒体，其比例分别为42.7%、26.4%和19.4%。随着智能手机的普及，大学校园里有超过55%的学生的手机类型为智能型。在问及“使用智能手机的原因”时，用于“上网”的学生人数最多，其比例为65.3%；选择“从众心理”和“炫富心理”因素的所占比例分别为20.2%和19.7%；只有6.8%的学生选择“通讯功能”。在调查问卷中列举的六项“选择智能手机的功能”中，选择“娱乐聊天”功能的所占比例最多，为47.1%，而选择“查资料学习”功能的仅占11.2%。可见，网络已经成为了大学校园生活的重要因素，但对于网络功能的认识还比较片面，还不能做到正确使用现代媒体。
二、加强大学生思想政治工作的建议和对策
针对石家庄市高校学生思想状况调查报告所反映的现状与问题，我们提出了一系列相关的对策和建议，来不断完善思想政治教育工作，从而更有效地提高大学生的思想政治素养。
（一）拓展传媒渠道，使大学生及时了解国内外时事，接受正确的思想政治教育
为了满足大学生了解国内外时事的需求，高校应在继续保障传统的纸质媒体服务的同时，不断完善网络等新兴媒体的时事传播功能，并不断创新渠道，如定期举办“重点时事点评”“一周时事播报”等形式多样的活动，通过在校大学生举办的“校园媒体”来丰富高校的时事传播功能和思想政治教育途径，及时对大学生进行正确的思想政治引导，提高大学生对政治事件的理解能力和分析能力。
（二）加强十精神的学习，使大学生坚定为实现“中国梦”而不懈奋斗的信心
高校应综合运用党校、社团、班会、课堂等多种途径，采用学校宣传栏、广播站、校园局域网等多种手段，着力推动“十精神进校园、进课堂、进入每一位学生的心灵”的三进活动。高校还应以提出的“中国梦”为指引，鼓励大学生树立远大的共产主义理想信念，坚定走中国特色社会主义道路，为实现中华民族伟大复兴而奋斗。
（三）加强校园文化建设，提高大学生自立和心理承受能力
高校应以营造更加积极、健康、和谐的校园文化氛围为目标，以加大力度整治校风与校园纪律为突破口，以开设丰富多彩的文化体育活动、心理健康教育活动和社会实践活动为手段，加强高校校园文化建设，让大学生在以自身为主体的校园文化建设中锻炼自己、完善自己、提高自身的自立能力和心理承受能力，为未来步入社会，净化社会风气，更有效地迎接社会工作和生活打下良好的基础。
（四）加强积极向上的网络文化建设，引导大学生健康地使用网络
网络时代使每一位社会人在客观学习和生活中都不同程度地受到其影响。而大学时代正是每个个体形成系统世界观、人生观、价值观的关键时期。为了使大学生更好地成为网络时代的公民，国家应通过立法和行政等手段，加强对网络媒体的监管力度，打击不良网站，减少其对大学生身心健康的危害。与此同时，高校也应密切关注学生的网络使用状况，进一步加强校园内部网络建设，完善校园网络体系。此外，高校应当适当增设大学生网络教育课程，教育大学生健康上网，倡导绿色校园网络氛围，增强大学生对网络中不良信息的警惕意识和自我抵制能力。
作者简介：
田淑霞（1976― ），女，河北省晋州市人，现为石家庄学院教师，副教授职称，研究方向为思想政治教育。
马珊珊（1993― ），女，河北省保定市望都县人，现为石家庄学院历史文化系学生。
解楚楚（1994― ），女，河北省邢台市沙河市人，现为石家庄学院历史文化系学生。