Off-line Chinese signature verificationnext term based on support vector machines

O?-line Chinese signature veri?cation based on support

vector machines

Hairong Lv *,Wenyuan Wang,Chong Wang,Qing Zhuo

Department of Automation,Tsinghua University,Beijing 100084,China

Received 12April 2004;received in revised form 12April 2005

Available online 22June 2005

Communicated by T.Breuel

Abstract

This paper proposes a novel o?-line Chinese signature veri?cation method based on support vector machines.The method uses both static features and dynamic features.The static features include moment features and 16-direction distribution (an improvement on 4-direction distribution).The dynamic features include gray distribution and stroke width distribution.At last,support vector machine is used to classify the signatures.The main steps of constructing a signature veri?cation system are discussed and experiments on real data sets show that the average error rate can reach 5%,which is obviously satisfactory.ó2005Elsevier B.V.All rights reserved.

Keywords:Signature veri?cation;Moment features;Direction distribution;Gray distribution;Stroke width distribution;Support vector machines (SVM)

1.Introduction

Handwritten signature is one of the most widely accepted personal attributes for identity veri?ca-tion.As a symbol of consent and authorization,especially in the prevalence of credit cards and bank cheques,handwritten signature has long

been the target of fraudulence.Therefore,with the growing demand for processing of individual identi?cation faster and more accurately,the design of an automatic signature veri?cation sys-tem faces a real challenge.

Handwritten signature veri?cation can be di-vided into on-line (or dynamic)and o?-line (or static)veri?cation.On-line veri?cation refers to a process that the signer uses a special pen called a stylus to create his or her signature,producing the pen locations,speeds and pressures,while

0167-8655/$-see front matter ó2005Elsevier B.V.All rights reserved.doi:10.1016/j.patrec.2005.04.013

*

Corresponding author.Tel.:+861062773349.

E-mail address:lvhairong@https://www.wendangku.net/doc/351909760.html, (H.

Lv).

Pattern Recognition Letters 26(2005)

2390–2399

o?-line veri?cation just deals with signature images acquired by a scanner or a digital camera.

In general,o?-line signature veri?cation is a challenging problem.Unlike the on-line signature, where dynamic aspects of the signing action are captured directly as the handwriting trajectory, the dynamic information contained in o?-line sig-nature is highly degraded.Handwriting features, such as the handwriting order,writing-speed vari-ation,and skillfulness,need to be recovered from the grey-level pixels.

During the last few years,researchers have made great e?orts on o?-line signature veri?ca-tion.Ng and He used a neural network expert system to identify Chinese signature(Ng and Ong,1993;He et al.,2002).Yingyong and Hunt used some global and grid features to com-pute the Euclid distance of two signatures(Ying-yong and Hunt,1994).Buryne tried to apply elastic image matching in signature veri?cation (Buryne and Forre,1986).Methods based on texture analyses were also applied in the area, with works by Liu et al.(1997)and Liu(1997). Peter Shaohua discussed the possibility of apply-ing wavelet on signature veri?cation in their paper of1999(Peter Shaohua et al.,1999).Justino and El-Yacoubi developed a signature veri?ca-tion system based on Hidden Markov Model (HMM)(Justino et al.,2001and El-Yacoubi et al.,2000).Wan and Lin presented a o?-line sig-nature veri?cation system that only requires the genuine signatures of a new user(Wan et al., 2003).

There are three classes of forgeries:random forgeries,simple forgeries and skilled forgeries. Most systems mentioned above are designed for simple forgeries and random forgeries.

In this paper,a novel approach for o?-line sig-nature veri?cation system is proposed based on support vector machines.It combines four feature sets:moment features,16-direction distribution, gray distribution and stroke width distribution. Support vector machine is employed to identify the signature images.The system is e?ective for not only simple forgeries and random forgeries, but also skilled forgeries.

The remainder of the paper is organized as fol-lows:Section2introduces the database used in the experiments;Section3discusses the preprocessing stage;Section4describes the features we select and how to get them;Section5provides a brief intro-duction to support vector machines;In Section6 the veri?cation strategies and experimental results are presented;Section7presents the conclusion and future work.

2.Database

The signature database consists of1100signa-ture images,scanned at a resolution of300dpi, 8-bit grey-scale.They are organized into20sets, and each set corresponds to one signature enroll-ment.There are25genuine and30forgery signa-tures in a set.Each volunteer was asked to sign his or her own signatures on a white paper

with Fig.1.Genuine and forgery signatures.

H.Lv et al./Pattern Recognition Letters26(2005)2390–23992391

base-lines25times.After this process had been done,we invited some people who are good at imi-tating other?s handwritings.Before formal collec-tion,they could practice any times they wanted when imitating.Each person?s name was imitated 30times in total.The imitated signatures can be regarded as skilled forgeries.Fig.1shows some samples in the database.

3.Preprocessing

The preprocessing stage is divided into?ve dif-ferent parts:noise reduction,image binarization, data area cropping,width normalization and image thinning(Lam and Suen,1991).

Standard noise reduction and isolated peak noise removal techniques,such as median-?ltering and average?ltering(Gonzalez and Wintz,1987), are used to clean the initial image.Morphological operations are applied to?ll small holes and to remove small connected components mostly gen-erated by the noisy background.

Fig.2shows the image binarization and Fig.3 shows a thinned image.

4.Feature extraction

The choice of a powerful set of features is cru-cial in signature veri?cation systems.In our sys-tem,we use four groups of categorized features.4.1.Moment features

The global shape characteristics can be de-scribed by moment.For a M·N sized image, its p+q rand moment is de?ned as:l pq?P Mà1

x?0

P Nà1

exà xTpeyà yTq fex;yT,where f(x,y)is the grey value of pixel(x,y)of the original signa-ture image,and

x?

P Mà1

x?0

P Nà1

y?0

xáfex;yT

P Mà1

x?0

P Nà1

y?0

fex;yT

;

From above moments,we can derive such features:

(1)Height to width ratio

m0?

l

20

àl02

l

20

tl02

t1

2;

(2)Incline degree

m1?

h

p=2

;

where h?tanà1l02àl20t

????????????????????????

el02àl20T2t4l2

11

p

11

.

(3)Extension degree

m2?

k1àk2

k1tk2

;

where,k1?el02tl20Tt

????????????????????????

el02àl20T2t4l2

11

p

,

k2?

el02tl20Tà

??????????????????????????????????????

el02àl20T2t4l2

11

q

2

.

Fig.2.Image

binarization.

Fig.3.Example of thinning algorithm.

2392H.Lv et al./Pattern Recognition Letters26(2005)2390–2399

(4)Extension degree 2

m 3?

???????????????????????????????el 02tl 20T=m 00

p size

;where,size ????????????????????????????????????????????????????

ex max àx min Tey max ày min Tp ,

m 00?

X M à10

X N à10

f ex ;y T.

In the moment features (5)–(8)below,we

de?ne l pq ?l tpq àl à

pq ;ep tq ?3T:(5)Horizontal excursion degree

m 4?l t30àl à30

l t

30tl à30t1 2;(6)Vertical excursion degree m 5?l t30àl à30

l t

30tl à30

t1 2;(7)Horizontal extension equilibrium degree m 6?l t21àl à21

l t

21tl à21t1 2;(8)Vertical extension equilibrium degree m 7?l t12àl à12

l t

12tl à12

t1 2.The eight moment features make up of the

moment feature vector fm *?f m 0;...;m 7g T

.4.2.Direction distribution

Direction distribution is one of texture analysis.Researchers usually use four directions,which are horizontal,vertical,two 45°incline directions.In this paper,we compute the direction probability distribution on 16directions,such as Fig.4.Our experiments show that,in comparison to using four directions,using 16-directions brings more discriminative information in describing the small di?erences between di?erent writers.However,more than 16directions may be too sensitive for the natural alteration between the handwritings of the same person.

For each point P in the thinned signature strokes,we draw a 9·9square around it (Fig.4),at the edge of which a corresponding direction number is assigned.We trace the stroke from P

until we reach the edge of the square,and the number assigned is the direction of P .The stroke-tracing algorithm is as follows:

(1)The 8neighbor direction of point P is

de?ned in Fig.5;

(2)If P is the point of which we want to get the

direction,search the next point (the point is on the thinned stroke)to begin with direction 0;

(3)If the last tracing direction is i ,the direction

of current point is speci?ed by the following steps:

(A)Since the opposite direction should not

be revisited,we only check along the i direction;if the next point is achieved,the direction is also i ,then goto (4);(B)Symmetrically check (i +r )·45°,where

r follows the sequence:±1,±2,±3,

until

we reach the next point at(i+r*)·45°

and the direction is(i+r*)%8;

(4)Repeat(3)until we reach the edge of the

square.

Fig.6(a)and(b)shows two examples of com-puting the direction.The black points are the trac-ing paths.

For all points on the thinned signature strokes, we compute the percentage of each direction,and the result forms a vector of16-D:fd*?f d0;d1;...;d15g T;e

P15

i?0

d i?1T.Fig.7shows th

e direction distribution o

f some genuine signatures and forgeries.

4.3.Gray distribution

For static signature images,we cannot derive dynamic information directly.What we can do is to derive some features that can partly represent the dynamic information.One of them is gray level distribution.During the writing process,

di?erent

https://www.wendangku.net/doc/351909760.html,putation examples:(a)direction2,(b)direction

15.

Fig.7.Direction distribution examples.

2394H.Lv et al./Pattern Recognition Letters26(2005)2390–2399

gray level distributions are formed,due to the dif-ferent pressures and velocities,Some researchers deal with the whole image (Ammar et al.,1986),which has an obvious disadvantage that the back-ground takes a great proportion of the signature.Since we ?nd that nearly all of the pixels ?gray val-ues exceed a given threshold (for white is 255and black is 0),we made an improvement that we just set two thresholds to hold only the foreground points and edge points.The two thresholds are set to 85and 205in our experiment through expe-riences.We only concern the remaining points whose gray value is between the two thresholds and we evenly divide [85,205]into 12segments,and the percentage of the points whose gray value falls in the corresponding segment is one of the

values of the feature vector fg *.Thus fg *

is a 12-D

vector and fg *?f g 0;g 1;...;g 11g T

,which re?ects the gray distribution.Fig.8shows the gray distri-bution of some genuine signatures and forgeries.4.4.Stroke width distribution

Besides gray distribution,another dynamic fea-ture is stroke width distribution.

In this paper,we use a simple but e?ective method stated as follows.In Fig.9,P (x ,y )is on

the thinned signature strokes,L (x L ,y L ),R (x R ,y R ),U (x U ,y U )and B (x B ,y B )are edge points of the binary signature image,satisfying the following constraints:x L

x U ?x ?x B .

(

We compute the direction of point P (shown in Fig.4).There are four cases of the result:(1)The direction is 0:then k BU k is the width of

point P .

(2)The direction is 8:then k LR k is the width of

point P

.

Fig.8.Gray distribution

examples.

Fig.9.Width estimation.

H.Lv et al./Pattern Recognition Letters 26(2005)2390–23992395

(3)The direction is between 1and 7,such as Fig.

7.k PD 1k is the distance from P to LB and k PD 2k is the distance from P to UR .They are calculated as follows:

k PD 1k ?j x àx L jj y ày B j

?????????????????????????????????????????

?ex àx L T2tey ày B T2

q ;k PD 2k ?j x àx R jj y ày U j

??????????????????????????????????????????

?ex àx R T2tey ày U T

2

q .And the width of point P is k PD 1k +k PD 2k .(4)The direction is between 9and 15.We com-pute the distance of P to LU and P to BR ,and then add them together.For all points on the thinned signature strokes,we compute the percentage of each width (from 1

to 12),the result forms a vector fw *

?f w 0;w 1;...;

w 11g T

.Fig.10shows some examples of stroke width distribution.5.Support vector machines

Here,we provide a brief introduction to sup-port vector machines (SVM),especially to support vector classi?cation (SVC).For more details and

geometrical interpretations please refer Burges (1998);Cristianini and Shawe-Taylor (2000).

Consider a two-class classi?cation problem and a set of training vectors {X i },i =1,...,M with cor-responding binary labels C i =1for the ‘‘positive’’and C i =à1for the ‘‘negative’’class.In classi?ca-tion an SVM assigns a label b C

to a test vector T by evaluating

b C ?sign X

i

a i C i K eT ;X i Tt

b !e1T

The weights a i and the bias b are SVM para-meters and adopted during training by maximizing

L D ?X i a i à12X i ;j a i a j C i C j K eX i ;X j Te2T

under the constraints

06a i 6C and X

i

a i C i ?0

e3T

with C a positive constant weighting the in?uence of training errors.K (?,?)is the kernel of the SVM.A solution for the a i implies a value for b .

If K (?,?)is positive de?nite,(2)–(3)is a convex quadratic optimization problem,for which the convergence towards the global optimum can be guaranteed.However,obtaining this solution

for

Fig.10.Width distribution examples.

2396H.Lv et al./Pattern Recognition Letters 26(2005)2390–2399

real-world problems can be quite demanding and require sophisticated optimization algorithms like chunking,decomposition or sequential mini-mal optimization(Cristianini and Shawe-Taylor, 2000).

Usually a i=0for the majority of i and thus the summation in(1)is limited to a subset of X i,which therefore is called the set of support vectors(SV).

We usually use three kinds of kernel functions, and they are:

(a)Polynomial kernel K(x,x i)=[(x?x i)+1]d,

here,d is the order.In our experiment,d is

set to2.

(b)Radial basis function kernel K c(x,x i)=

exp(àc k xàx i k2).In our experiment,c is

set to1.

(c)Two layer neural network kernel K(x,x i)=

tan h(v(x?x i)+c).In our experiment,m is

set to1and c is set to0.

6.Experiments

6.1.Veri?cation strategies and feature generation for SVM

Our goal is to compare a questionable signature with only one corresponding authentic signature. First,we reconstruct the dataset from the original signature images database.For each set of the database,its25genuine signatures produce24 pairs of signatures,and each pair is assigned a label‘‘+1’’.For example,if the25genuine signa-tures are randomly labeled g1–g25as a sequence, the24pairs of signatures would be g1–g2,g2–g3, g3–g4,...,g24–25.For each forgery signature of a person,randomly select a genuine signature of the same person to make up of a pair and label the pair‘‘à1’’.There are30pairs of signatures that are labeled‘‘à1’’in a person?s set.After this step, we have480‘‘+1’’samples and600‘‘à1’’samples in total.

Randomly select240‘‘+1’’samples and300‘‘à1’’samples to be training samples,and others for testing.In the experiment,the vector for a pair of signature is computed by(4):

f*?eu1;u2;...;u NTT

?ej u11àu21j;j u12àu22j;...;j u1Nàu2N jTTe4THere,f1*?eu11;u12;...;u1NTT and f2*?eu21;u22; ...;u2NTT are the selected feature set of the two sig-natures of the pair(u i is among m k,d k,g k and w k).

Each pair has a di?erent signature from others, and the feature vector is obtained through the dif-ferences between the two signatures in the pair, which guarantees the independences of samples in the data set.

6.2.Experimental results

To verify the performance of our approach,we design?ve groups of experiments with the selec-tion of di?erent sub feature sets and the combi-nation.Besides,we test the SVM classi?cation performances with di?erent kernels.

Tables1–5shows the experimental results.

From the tables above,we?nd that only with the feature set fd*itself we can reach a high clas-si?cation performance,which bene?ts from the right selection of direction counts.When we com-bine all of the feature sets together,we get a bet-ter classi?er with the average error rate about 5.0%.As we know,for English handwritten sig-nature veri?cation system designed for skilled forgeries,the ever-reported accuracy rate is less than80%(Mizukmi et al.,1999;Yoshiki et al., 2002).Of course,they are based on di?erent databases.

Table1

Result of the feature set fm(moment features)

Class of SVM Polynomial(%)Radial basis function(%)Sigmoid(%) FRR(false reject rate)20.019.619.6

FAR(false accept rate)18.317.718.0

Average error rate19.118.518.7

H.Lv et al./Pattern Recognition Letters26(2005)2390–23992397

Linear Fisher Discriminate Analysis(FDA)is also implemented in our experiment.With all the feature sets combined,the average error rate is about10%.Compared with FDA,SVM-based classi?er can gain a higher accuracy(Table5). 7.Conclusion and future work

O?-line Chinese signature veri?cation is a di?-cult two-class pattern recognition problem.A new approach based on combined features and SVM classi?er has been proposed in this paper.

A major contribution of this work is the intro-duction of16-direction distribution and the appli-cation of SVM classi?er in the?eld of signature veri?cation.Despite the fact that the approach shown in this paper seems to be e?ective,it should be validated on a large signature database where several types of signatures can be taken into account(North American,European,Ara-bic,etc.).

Further perspectives and attractive challenges for future research lie in three aspects:how to extract more e?ective features,how to combine SVM-based classi?er with other signature veri?ca-tion methods and how to use only genuine signa-tures to build a classi?er.

Table2

Result of the feature set fd(direction distribution)

Class of SVM Polynomial(%)Radial basis function(%)Sigmoid(%) FRR(false reject rate)12.512.112.1

FAR(false accept rate)13.312.713.0 Average error rate13.012.412.6

Table3

Result of the feature set fg(gray distribution)

Class of SVM Polynomial(%)Radial basis function(%)Sigmoid(%) FRR(false reject rate)30.430.030.4

FAR(false accept rate)32.332.032.0 Average error rate31.531.131.3

Table4

Result of the feature set fw(stroke width distribution)

Class of SVM Polynomial Radial basis function(%)Sigmoid(%) FRR(false reject rate)27.927.527.9

FAR(false accept rate)28.728.328.3 Average error rate28.328.028.1

Table5

Result of combined feature set:fm,fd,fg,fw

Class of SVM Polynomial(%)Radial basis function(%)Sigmoid(%) FRR(false reject rate) 5.0 4.6 5.0

FAR(false accept rate) 5.3 5.3 5.3 Average error rate 5.2 5.0 5.2

2398H.Lv et al./Pattern Recognition Letters26(2005)2390–2399

Acknowledgement

The authors would like to thank anonymous reviewers for their very helpful comments and suggestions.

References

Ammar,M.,Yoshida,Y.,Fulumura,T.,1986.A new e?ective approach for o?-line veri?cation of signatures by using pressure features.In:Proceedings of the Eighth ICPR, Washington,DC,USA,1986,pp.566–569.

Burges,C.,1998.A tutorial on support vector machines for pattern recognition.Data Mining and Knowledge Discov-ery2(2),121–167.

Buryne,P.de,Forre,R.,1986.Signature veri?cation with elastic image matching.In:International Carnahan Conference on Security Technology Gothenburg,Sweden,August12–14. Cristianini,N.,Shawe-Taylor,J.,2000.Support Vector Machines.Cambridge University Press.

El-Yacoubi,A.,Justino,E.J.R.,Sabourin,R.,Bortolozzi,F., 2000.O?-line signature veri?cation using HMMs and cross-validation.Neural Networks for Signal Processing X,2000.

In:Proceedings of the2000IEEE Signal Processing Society Workshop,December11–13,2000,vol.2,pp.859–868. Gonzalez,C.,Wintz,P.,1987.Digital Image Processing,second ed.Addison-Wesley,MA.

He,Z.-Yu.,Chen,Q.-Hu.,Chen,D.-F.2002.A neural network expert system for Chinese handwriting-based writer identi-?cation.Machine Learning and Cybernetics.In:Proceed-ings2002International Conference,vol.4,November4–5, 2002,pp.2194–2196.

Justino, E.J.R.,Bortolozzi, F.,Sabourin,R.,2001.O?-line signature veri?cation using HMM for random,simple and

skilled forgeries.Document Analysis and Recognition, 2001.In:Proceedings of Sixth International Conference, September10–13,2001,pp.1031–1034.

Lam,L.,Suen, C.Y.,1991.A dynamic shape preserving thinning algorithm.Signal Processing22,199–208.

Liu,Chenglin,1997.Writer identi?cation by multichannel decomposition and matching.Acta Automatica Sinica. Liu,Chenglin,Dai,Ruwei,Liu,Yingjian,1997.Modi?ed wigner distribution and application to writer identi?cation.

Chinese Journal of Computers20(11).

Mizukmi,Y.,Miike,H.,Yoshimura,M.,Yoshimura,I.,1999.

An o?-line signature veri?cation system using an extracted displacement function.Document Analysis and Recogni-tion,1999.In:Proceedings of the Fifth International Conference,ICDAR?99,September20–22,1999,pp.757–760.

Peter Shaohua,Deng,Hong-Yuan Mark,Liao,Chin Wen,Ho, Hsiao-Rong,Tyan,1999.Wavelet-Based O?-Line Hand-written Signature Veri?https://www.wendangku.net/doc/351909760.html,puter Vision and Image Understanding76(3),173–190.

Ng,G.S.,Ong,H.S.,1993.A neural network approach for o?-line signature veri?cation.In:Proceedings of Computer, Communication,Control and Power Engineering,TEN-CON?93.IEEE Region10Conference,vol.2,October19–21,pp.770–773.

Wan,L.,Lin,Z.-C.,Zhao,R.-C.2003.O?-line signature veri?cation incorporating the prior model.Machine Learn-ing and Cybernetics,2003.In:International Conference, vol.3,November2–5,2003,pp.1602–1606.

Yingyong,Q.,Hunt,B.R.,1994.Signature veri?cation using global and grid features.Pattern Recognition vol.22(12) Great Britain,1621–1629.

Yoshiki,Mizukami,Mitsu,Yoshimura,Hidetoshi,Miike,Isao, Yoshimura,2002.An o?-line signature veri?cation system using an extracted displacement function.Pattern Recogni-tion Letters23(13),1569–1577.

H.Lv et al./Pattern Recognition Letters26(2005)2390–23992399

半导体物理基本概念-2014年

半导体物理基本概念: 离子晶体, 共价晶体, 晶胞, 肖脱基缺陷，费仑克尔缺陷，施(受)主杂质, 施(受)主电离能, 直(简)接复合, 复合率, 量子态密度, 状态密度, 有效状态密度, 绝缘体(半导体\导体)能带特点, 深(浅)杂质能级, 费米能级, 平衡态, 非平衡态, 载流子漂移运动，空穴，陷阱, 陷阱中心, 扩散系数, 扩散长度, 散射几率,电离杂质散射，迁移率, 复合中心，直接复合，间接复合, 简并半导体, 非简并半导体, 爱因斯坦关系 离子晶体：正负离子交替排列在晶格格点上，靠离子键结合成。 共价晶体：由共价键结合而成的晶体叫共价晶体。 (补充：晶体的分类（按原子结合力的性质分） 离子晶体：正负离子交替排列在晶格格点上，靠离子键结合成。 原子晶体：晶格格点上交替排列的是原子，依靠共价键结合而成。 分子晶体：占据晶格中格点位置的是分子，依靠范德瓦耳斯力结合而成。 金属晶体：晶格格点上排列着失去价电子的离子实，依靠金属键结合而成。) 晶胞：反映布拉菲点阵对称性的前提下，构成布拉菲点阵的平行六面体。除顶点上外，内部和表面也可以包含格点。 肖脱基缺陷:晶体结构中的一种因原子或离子离开原来所在的格点位置而形成的空位式的点缺陷 费仑克尔缺陷:指晶体结构中由于原先占据一个格点的原子（或离子）离开格点位置，成为间隙原子（或离子），并在其原先占据的格点处留下一个空位，这样的空位-间隙对就称为弗仑克尔缺陷 施主杂质：杂质在硅、锗等半导体中电离时，能够释放电子而产生导电电子并形成正电中心。 施主电离能：多余的一个价电子脱离施主杂质而成为自由电子所需要的能量。 受主杂质：杂质在硅，锗等半导体中能接受电子而产生导电空穴，并形成负电中心。 受主电离能：使空穴挣脱受主杂质成为导电空穴所需要的能量。 直接复合：电子在导带和价带之间直接跃迁而产生复合 间接复合：电子和空穴通过禁带的能级进行复合 载流子复合率：单位时间单位体积内复合掉的电子-空穴对数。 量子态密度：k空间单位体积内具有的量子态数目。 状态密度：能量E附近单位能量间隔内的量子态数。 有效状态密度： 绝缘体能带特点：价带全部被电子填满，禁带上面的导带是空带，且禁带宽度较大。 半导体能带特点：价带全部被电子填满，禁带上面的导带是空带，但禁带宽度相对较小。 导体能带特点: 深杂质能级：若杂质提供的施主能级距离导带底较远；或提供的受主能能级距离价带顶较远，这种能级称为深能级，对应的杂质称为深能级杂质。 浅杂质能级：通常情况下，半导体中些施主能级距离导带底较近；或受主能能级距离价带顶较近。这种能级称为浅能级，对应的杂质称为浅能级杂质。

2018届高考文言文翻译之典型例题：2016年高考真题

2018届高考文言文翻译之典型例题：2016年高考真题 2018届高考文言文翻译之典型例题：2016年高考真题 2018届高考文言文翻译之典型例题：2016年高考真题 一、（2016年高考新课标I卷）阅读下面的文言文，完成4～7题。 曾公亮，字明仲，泉州晋江人。举进士甲科，知会稽县。民田镜湖旁，每患湖溢。公亮立斗门，泄水入曹娥江，民受其利。以端明殿学士知郑州，为政有能声盗悉窜他境至夜户不闭尝有使客亡橐中物移书诘盗公亮报吾境不藏盗殆从之者度耳索之果然 公亮明练文法，更践久，习知朝廷台阁典宪，首相韩琦每咨访焉。仁宗末年，琦请建储，与公亮等共定大议。密州民田产银，或盗取之，大理当以强。公亮日：此禁物也，取之虽强，与盗物民家有间矣。固争之，遂下有司议，比劫禁物法，盗得不死。契丹纵人渔界河，又数通盐舟，吏不敢禁，皆谓：与之校，且生事。公亮言：萌芽不禁，后将奈何？雄州赵滋勇而有谋，可任也。使谕以指意，边害讫息。英宗即位，加中书侍郎兼礼部尚书，寻加户部尚书。帝不豫，辽使至不能见，命公亮宴于馆，使者不肯赴。公亮质之曰：锡宴不赴，是不虔君命也。人主有疾，而必使亲临，处之安乎？使者即就席。熙宁三年，拜司空兼侍中、河阳三城节度使。明年，起判永兴军。居一岁，还京师。旋以太傅致仕。元丰元年卒，年八十。帝临哭，辍朝三日。公亮方厚庄重，沉深周密，平居谨绳墨，蹈规矩；然性吝啬，殖货至巨万。初荐王安石，及同辅政，知上方向之，阴为子孙计，凡更张庶事，一切听顺，而外若不与之者。常遣子孝宽参其谋，至上前略无所异，于是帝益信任安石。安石德其助己，故引擢孝宽至枢密以报之。苏轼尝从容责公亮不能救正，世讥其持禄固宠云。 （节选自《宋史曾公亮传》） 7.把文中画横线的句子翻译成现代汉语。 （1）锡宴不赴，是不虔君命也。人主有疾，而必使亲临，处之安乎? 译文：________________________________________________________________ ______________________________________________________________________ （2）苏轼尝从容责公亮不能救正，世讥其持禄固宠云。 译文：________________________________________________________________ ______________________________________________________________________ 二、（2016年高考新课标卷）阅读下面的文言文，完成4～7题。 陈登云，字从龙，唐山人。万历五年进士。除鄢陵知县，征授御史。出按辽东，疏陈安攘十策，又请速首功之赏。改巡山西。还朝，会廷臣方争建储。登云谓议不早决，由贵妃家阴沮之。十六年六月遂因灾异抗疏，劾妃父郑承宪，言：承宪怀祸藏奸窥觊储贰且广结术士之流曩陛下重惩科场冒籍承宪妻每扬言事由己发用以恐喝勋贵簧鼓朝绅 不但惠安遭其虐焰，即中宫与太后家亦谨避其锋矣。陛下享国久长，自由敬德所致，而承宪每对人言，以为不立东宫之效。干挠盛典，蓄隐邪谋，他日何所不至？疏入，贵妃、承宪皆怒，同列亦为登云危，帝竟留中不下。久之，疏论吏部尚书陆光祖，又论贬四川提学副使冯时可，论罢应天巡抚李涞、顺天巡抚王致祥，又论礼部侍郎韩世能、尚书罗万化、南京太仆卿徐用检。朝右皆惮之。时方考选科道，登云因疏言：近岁言官，壬午以前怵于威，则摧刚为柔；壬午以后昵于情，则化直为佞。其间岂无刚直之人，而弗胜龃龉，多不能安其身。二十年来，以刚直擢京卿者百止一二耳。背公植党，逐嗜乞怜，如所谓‘七豺’‘八狗’者，言路顾居其半。夫台谏为天下持是非，而使人贱辱至此，安望其抗颜直绳，为国家锄大奸、歼巨蠹哉！与其误用而斥之，不若慎于始进。因条数事以献。出按河南。岁大饥，人相食。

常见的7个面试问题及回答思路

范文最新推荐 常见的7个面试问题及回答思路 1、请你自我介绍一下？ 1）这是面试的必考题目。 2）介绍内容要与个人简历相一致。 3）表述方式上尽量口语化。 4）要切中要害，不谈无关、无用的内容。 5）条理要清晰，层次要分明。 6）事先最好以文字的形式写好背熟。 2、谈谈你的家庭情况？ 1）况对于了解应聘者的性格、观念、心态等有一定的作用，这是招聘单位问该问题的主要原因。 2）简单地罗列家庭人口。 3）宜强调温馨和睦的家庭氛围。 4）宜强调父母对自己教育的重视。 5）宜强调各位家庭成员的良好状况。 6）宜强调家庭成员对自己工作的支持。 7）宜强调自己对家庭的责任感。 3、请你简明地评价一下自己，你预备用哪些词形容？ 大半人答出的都在3?4个词之间，同时缺少关于缺点的表述。一个 较好的回答应该在8个词左右，这些词都应是词性比较强烈的，其中 也应包括1?2个可以被称为缺点的中性词，例如完美主义，太过随和显得 1 / 5

软弱等等。 4、你认为自己最大的弱点是什么？ 1）不宜说自己没缺点。 2）不宜把那些明显的优点说成缺点。 3）不宜说出严重影响所应聘工作的缺点。 4）不宜说出令人不放心、不舒服的缺点。 5）可以说出一些对于所应聘工作“无关紧要”的缺点，甚至是一些表面上看是缺点，从工作的角度看却是优点的缺点。 5、你最喜欢的大学课程是什么？为什么？ 说和你要应聘的职位相关的课程吧，表现一下自己的热诚没有什么坏处。 6、你最不喜欢的大学课程是什么？为什么？ “我不得不说是我们大学的主修课程，虽然我知道他们只是例行一 下公事，但课堂上死气沉沉，老师和学生都只不过想熬完这个学期”。 7、成绩单中你这门功课好像学得不太好，为什么？ 大半人会回答说那门功课太难了，或者那门课的老师很糟糕。不知道对方其实是在考验你面对问题时所表现出的态度：是从自身查找原因还是喜欢推卸责任？较好的回答是：“我这门功课成绩不是太好，但我相信这不会成为我拥有这份工作的障碍。” 面试中，考官问你三围，你说不说？考官问你妈 范文最新推荐 妈和女友同时掉入水中你先救谁，你怎么答？来自香港的沟通专家近日给在汉大学生传授了一些好玩又实用的求职经。

对翻译中异化法与归化法的正确认识

对翻译中异化法与归化法的正确认识 班级：外语学院、075班 学号：074050143 姓名：张学美 摘要：运用异化与归化翻译方法,不仅是为了让读者了解作品的内容,也能让读者通过阅读译作,了解另一种全新的文化,因为进行文化交流才是翻译的根本任务。从文化的角度考虑,采用异化法与归化法,不仅能使译文更加完美,更能使不懂外语的人们通过阅读译文,了解另一种文化,促进各民族人们之间的交流与理解。翻译不仅是语言符号的转换,更是跨文化的交流。有时,从语言的角度所作出的译文可能远不及从文化的角度所作出的译文完美。本文从翻译策略的角度，分别从不同时期来说明人们对异化法与归化法的认识和运用。 关键词:文学翻译；翻译策略；异化；归化；辩证统一 一直以来,无论是在我国还是在西方,直译(literal translation)与意译(liberal translation)是两种在实践中运用最多,也是被讨论研究最多的方法。1995年,美籍意大利学者劳伦斯-韦努蒂(Lawrence Venuti)提出了归化(domestication)与异化(foreignization)之说,将有关直译与意译的争辩转向了对于归化与异化的思考。归化与异化之争是直译与意译之争的延伸,是两对不能等同的概念。直译和意译主要集中于语言层面,而异化和归化则突破语言的范畴,将视野扩展到语言、文化、思维、美学等更多更广阔的领域。 一、归化翻译法 Lawrwnce Venuti对归化的定义是,遵守译入语语言文化和当前的主流价值观,对原文采用保守的同化手段,使其迎合本土的典律,出版潮流和政治潮流。采用归化方法就是尽可能不去打扰读者,而让作者向读者靠拢(the translator leaves the reader in peace, as much as possible, and moves the author towards him)。归化翻译法的目的在于向读者传递原作的基本精神和语义内容,不在于语言形式或个别细节的一一再现。它的优点在于其流利通顺的语言易为读者所接受,译文不会对读者造成理解上的障碍,其缺点则是译作往往仅停留在内容、情节或主要精神意旨方面,而无法进入沉淀在语言内核的文化本质深处。 有时归化翻译法的采用也是出于一种不得已,翻译活动不是在真空中进行的,它受源语文化和译语文化两种不同文化语境的制约,还要考虑到两种文化之间的

半导体制造基本概念

半导体制造基本概念 晶圆（Wafer） 晶圆（Wafer）的生产由砂即（二氧化硅）开始，经由电弧炉的提炼还原成冶炼级的硅，再经由盐酸氯化，产生三氯化硅，经蒸馏纯化后，透过慢速分解过程，制成棒状或粒状的「多晶硅」。一般晶圆制造厂，将多晶硅融解后，再利用硅晶种慢慢拉出单晶硅晶棒。一支85公分长，重76.6公斤的8?? 硅晶棒，约需2天半时间长成。经研磨、??光、切片后，即成半导体之原料晶圆片。 光学显影 光学显影是在光阻上经过曝光和显影的程序，把光罩上的图形转换到光阻 下面的薄膜层或硅晶上。光学显影主要包含了光阻涂布、烘烤、光罩对准、曝光和显影等程序。小尺寸之显像分辨率，更在IC 制程的进步上，扮演着最关键的角色。由于光学上的需要，此段制程之照明采用偏黄色的可见光。因此俗称此区为黄光区。 干式蚀刻技术 在半导体的制程中，蚀刻被用来将某种材质自晶圆表面上移除。干式蚀刻（又称为电浆蚀刻）是目前最常用的蚀刻方式，其以气体作为主要的蚀刻媒介，并藉由电浆能量来驱动反应。 电浆对蚀刻制程有物理性与化学性两方面的影响。首先，电浆会将蚀刻气体分子分解，产生能够快速蚀去材料的高活性分子。此外，电浆也会把这些化学成份离子化，使其带有电荷。 晶圆系置于带负电的阴极之上，因此当带正电荷的离子被阴极吸引并加速向阴极方向前进时，会以垂直角度撞击到晶圆表面。芯片制造商即是运用此特性来获得绝佳的垂直蚀刻，而后者也是干式蚀刻的重要角色。 基本上，随着所欲去除的材质与所使用的蚀刻化学物质之不同，蚀刻由下列两种模式单独或混会进行：

1. 电浆内部所产生的活性反应离子与自由基在撞击晶圆表面后，将与某特定成份之表面材质起化学反应而使之气化。如此即可将表面材质移出晶圆表面，并透过抽气动作将其排出。 2. 电浆离子可因加速而具有足够的动能来扯断薄膜的化学键，进而将晶圆表面材质分子一个个的打击或溅击（sputtering）出来。 化学气相沉积技术 化学气相沉积是制造微电子组件时，被用来沉积出某种薄膜(film)的技术，所沉积出的薄膜可能是介电材料(绝缘体)(dielectrics)、导体、或半导体。在进行化学气相沉积制程时，包含有被沉积材料之原子的气体，会被导入受到严密控制的制程反应室内。当这些原子在受热的昌圆表面上起化学反应时，会在晶圆表面产生一层固态薄膜。而此一化学反应通常必须使用单一或多种能量源(例如热能或无线电频率功率)。 CVD制程产生的薄膜厚度从低于0.5微米到数微米都有，不过最重要的是其厚度都必须足够均匀。较为常见的CVD薄膜包括有： ■二气化硅（通常直接称为氧化层） ■氮化硅 ■多晶硅 ■耐火金属与这类金属之其硅化物 可作为半导体组件绝缘体的二氧化硅薄膜与电浆氮化物介电层（plasmas nitride dielectrics）是目前CVD技术最广泛的应用。这类薄膜材料可以在芯片内部构成三种主要的介质薄膜：内层介电层（ILD）、内金属介电层（IMD）、以及保护层。此外、金层化学气相沉积（包括钨、铝、氮化钛、以及其它金属等）也是一种热门的CVD应用。 物理气相沉积技术 如其名称所示，物理气相沉积（Physical Vapor Deposition）主要是一种物理制程而非化学制程。此技术一般使用氩等钝气，藉由在高真空中将氩离子加速以撞击溅镀靶材后，可将靶材原子一个个溅击出来，并使被溅击出来的材质（通常为铝、钛或其合金）如雪片般沉积在晶圆表面。制程反应室内部的高温与高真空环境，可使这些金属原子结成晶粒，再透过微影图案化（patterned）与蚀刻，来得到半导体组件所要的导电电路。 解离金属电浆（IMP）物理气相沉积技术

高中文言文精短翻译练习100道题

高中文言文精短翻译练习100篇 1、范仲淹有志于天下 原文：范仲淹二岁而孤，母贫无靠，再适常山朱氏。既长，知其世家，感泣辞母，去之南都入学舍。昼夜苦学，五年未尝解衣就寝。或夜昏怠，辄以水沃面。往往糜粥不充，日昃始食，遂大通六经之旨，慨然有志于天下。常自诵曰：当先天下之忧而忧，后天下之乐而乐。 翻译：范仲淹二岁的时候死了父亲。母亲很穷，没有依靠。就改嫁到了常山的朱家。（范仲淹）长大以后，知道了自己的生世，含着眼泪告别母亲，离开去应天府的南都学舍读书。（他）白天、深夜都认真读书。五年中，竟然没有曾经脱去衣服上床睡觉。有时夜里感到昏昏欲睡，往往把水浇在脸上。（范仲淹）常常是白天苦读，什么也不吃，直到日头偏西才吃一点东西。就这样，他领悟了六经的主旨，后来又立下了造福天下的志向。他常常自己讲道：“当先天下之忧而忧，后天下之乐而乐。” 2、陈蕃愿扫除天下 原文：藩年十五，尝闲处一室，而庭宇芜岁。父友同郡薛勤来候之，谓藩曰：“孺子何不洒扫以待宾客？”藩曰：“大丈夫处世，当扫除天下，安事一室乎？”勤知其有清世志，甚奇之。 译文：陈藩十五岁的时候，曾经独自住在一处，庭院以及屋舍十分杂乱。他父亲同城的朋友薛勤来拜访他，对他说：“小伙子你为什么不整理打扫房间来迎接客人？”陈藩说：“大丈夫处理事情，应当以扫除天下的坏事为己任。不能在乎一间屋子的事情。”薛勤认为他有让世道澄清的志向，与众不同。 3、班超投笔从戎 原文：班超字仲升，扶风平陵人，徐令彪之少子也。为人有大志，不修细节。然内孝谨，居家常执勤苦，不耻劳辱。有口辩，而涉猎书传。永平五年。兄固被召诣校书郎，超与母随至洛阳。家贫，常为官佣书以供养。久劳苦，尝辍业投笔叹曰：“大丈夫无它志略，犹当效傅介子、张骞立功异域，以取封侯，安能久事笔研间乎？”左右皆笑之。超曰：“小子安知壮士志哉！” 翻译：班超为人有远大的志向，不计较一些小事情。然而在家中孝顺勤谨，过日子常常辛苦操劳，不以劳动为耻辱。他能言善辩，粗览了许多历史典籍。公元62年(永平五年)，哥哥班固被征召做校书郎，班超和母亲也随同班罟到了洛阳。因为家庭贫穷，班超常为官府抄书挣钱来养家。他长期抄写，劳苦不堪，有一次，他停下的手中的活儿，扔了笔感叹道：“大丈夫如果没有更好的志向谋略，也应像昭帝时期的傅介子、武帝时期的张骞那样，在异地他乡立下大功，以得到封侯，怎么能长期地在笔、砚之间忙忙碌碌呢？”旁边的人都嘲笑他，班超说：“小子怎么能了解壮士的志向呢！” 4、宗悫（què）乘风破浪 原文：宗悫字元干，南阳涅阳人也。叔父炳高尚不仕。悫年少时，炳问其志。悫曰：“愿乘长风破万里浪。”炳曰：“汝若不富贵，必破我门户。”兄泌娶妻，始入门，夜被劫，悫年十四，挺身与拒贼，十余人皆披散，不得入室。时天下无事，士人并以文艺为业，炳素高节，诸子群从皆好学，而悫任气好武，故不为乡曲所称。 翻译：宗悫，字元干，是南阳涅阳人。他的叔父宗炳，学问很好但不肯做官。宗悫小的时候，宗炳问他长大后志向是什么？他回答：“希望驾着大风刮散绵延万里的巨浪。”（宗炳说：“就算你不能大富大贵，也必然会光宗耀祖。”）有一次宗悫的哥哥宗泌结婚，结婚的当晚就遭到强盗打劫。当时宗悫才14岁，却挺身而出与强盗打斗，把十几个强盗打得四下溃散，根本进不了正屋。当时天下太平，有点名望的人都认为习文考取功名是正业。宗炳因为学问高，大家都喜欢跟着他读儒家经典。而宗悫因为任性而且爱好武艺，因此不被同乡称赞。 5、祖逖闻鸡起舞 原文：范阳祖逖，少有大志，与刘琨俱为司州主簿，同寝，中夜闻鸡鸣，蹴琨觉曰：“此非恶声也！”因起舞。及渡江，左丞相睿以为军谘祭酒。逖居京口，纠合骁健，言于睿曰：“晋室之乱，非上无道而下怨叛也，由宗室争权，自相鱼肉，遂使戎狄乘隙，毒流中土。今遗民既遭残贼，人思自奋，大王诚能命将出师，使如逖者统之以复中原，郡国豪杰，必有望风响应者矣！”睿素无北伐之志，以逖为奋威将军、豫州刺史，给千人廪，布三千匹，不给铠仗，使自召募。逖将其部曲百余家渡江，中流，击楫而誓曰：“祖逖不能清中原而复济者，有如大江！”遂屯淮阴，起冶铸兵，募得二千余人而后进。 翻译：当初，范阳人祖逖，年轻时就有大志向，曾与刘琨一起担任司州的主簿，与刘琨同寝，夜半时听到鸡鸣，他踢醒刘琨，说：“这不是令人厌恶的声音。”就起床舞剑。渡江以后，左丞相司马睿让他担任军咨祭酒。祖逖住在京口，聚集起骁勇强健的壮士，对司马睿说：“晋朝的变乱，不是因为君主无道而使臣下怨恨叛乱，而是皇亲宗室之间争夺权力，自相残杀，这样就使戎狄之人钻了空子，祸害遍及中原。现在晋朝的遗民遭到摧残伤害后，大家都想着自强奋发，大王您确实能够派遣将领率兵出师，使像我一样的人统领军队来光复中原，各地的英雄豪杰，一定会有闻风响应的人！”司马睿一直没有北伐的志向，他听了祖逖的话以后，就任命祖逖为奋威将军、豫州刺史，仅仅拨给他千人的口粮，三千匹布，不供给兵器，让祖逖自己想办法募集。祖逖带领自己私家的军队共一百多户人家渡过长江，在江中敲打着船桨说：“祖逖如果不能使中原清明而光复成功，就像大江一样有去无回！”于是到淮阴驻扎，建造熔炉冶炼浇铸兵器，又招募了二千多人然后继续前进。 6、画家赵广不屈 原文：赵广，合肥人。本李伯时家小史，伯时作画，每使侍左右。久之遂善画。尤工画马。几能乱真，建炎中陷贼，贼闻其善画，使图所虏妇人，广毅然辞以实不能画，胁以白刃，不从遂断右手拇指遣去，而广平生适用左手。乱定，惟画观音大士而已。又数年，乃死，今士大夫所藏伯时观音，多广笔也。 翻译：赵广是合肥人，本来是李伯时家里的书童。李伯时作画的时候就侍奉在左右，时间长了就擅长画画了，尤其擅长画马，几乎和李伯时所作的一样。建炎年间，他落在金兵手里。金兵听说他擅长画画，就让他画掳来的妇人。赵广毅然推辞作画，金兵用刀子威胁，没得逞，就将他的右手拇指砍去。而赵广其实是用左手作画的。局势平定以后，赵广只画观音大士。又过了几年，赵广死了，如今有地位的知识分子所藏的李伯时的观音画，大多是赵广的手笔。 7、苏武牧羊北海上

北大应届女生自曝面试经历

北大应届女生自曝面试经历 北大应届女生自曝面试经历 女生曹煜，北京大学历史系应届本科毕业生。 上个星期三参加广州日报的面试。我们系一共去了六个人，四名男研究生，一名女研究生，我是惟一的本科生。第一次得到面试机会，我有点紧张，事前想了很多问题，人家可能会怎么问，我该怎么回答，等等，又向一些朋友咨询了一下。去之前专门去洗了个头，认认真真梳洗了一把。 我去得比较早，不过到了那里发现已经有很多人了。一问，都是人民大学学新闻的学生，参加面试的总共有一百多人。 等了一会儿，面试正式开始了，大家一个一个轮流进去，由广州日报的社长、总编和副社长分头谈。给我面试的是广州日报的总编。 我进去了之后没大在意，心想：面试嘛，就是随便问两句，没什么大不了的。没想到总编看了一下我的简历，问题就来了。他说，你是学历史的呵，你们历史跟我们报纸好像不太对口吧，你觉得怎么样？我就跟他讲了一下，大概是说文史相通，我们学历史的做报纸编辑、记者没什么问题，等等。其实这些话都没什么意思，但是我当时很紧张，也找不出更好的解释。他就说：你能不能在短时间内给我证明一下，你确实适合干报纸。我想了半天，也没证实出来。不过我也不是完全乱了章法，大概还是表达了一下自己的才干，譬如学习能力强，学习速度很快，能很快熟悉报社的业务，等等。他又问了几个问题，面试就结束了，时间很短。我出来的时候，那个女研究生还没有面试完。后来听说，给她面试的人基本上不问问题，就让你自己说，风格跟我这个完全不一样。 我出来之后，跟那几个研究生探讨。我说这个总编很厉害嘛，提这么尖锐的问题。他们说这就是考你的应变能力。 全部面试完之后，大家都认为总编提的问题比较难回答，不像社长挺和气的。不过遇到这样的考官确实挺锻炼人的。我们总结经验的时候就说，其实那些问题有没有道理你先不去管他，就看你怎么反过来难倒他。譬如他问我们一个研究生陈林的问题是：你觉得你们历史系谁秀？陈林说：都优秀。他说：你是不是秀的？陈林说：各有各的长处嘛。他说：那我怎么知道我应该选择那个呢？陈林说：那你就看着办呗，我也没有办法。挺搞笑的。他们研究生跟我们不一样，他们有工作经验，对面试根本无所谓，就当成锻炼。他们跟我说，你不要怕，双向选择嘛，他不选你你还可以不选他呢！你一定不要怕，对自己要有绝对的自信，相信自己什么都能干。 通过面试，我觉得学到的东西挺多。一是积累了经验，懂得面对一些尖锐的问题怎么回答，我就跟他说我虽然没有上研究生，没有硕士文凭，但是我比他们年轻好几岁，这几年青春就很宝贵，对吧？二是要有自信，不怕那些人，对他们的态度要不卑不亢，不是说我求着他非要这个工作，也不是说他求着我，我们是平等的。我觉得当时我还不够自信，下次要注意这一点。三是可以做一些必要的准备，但是临场时一定要随机应变，轻松自如地表现自己。 跟那些研究生的交流，也增加了我的自信。不就是工作吗？！找不着满意的工作，还可以考研究生，出国，其实路子挺多的，并不是说现在找着一个好工作你将来就怎么着了，现在没有一个特别满意的工作，也不代表你的路就走不开了。更何况，现在看起来，去哪儿工作并不重要，不是说非要留在北京，关键是要找一个有发展前途，有挑战性的工作。生活过得丰富一点，很充实，但是也不要为了一点钱一天到晚拼死拼活的，还能有自己的生活空间。我相信我的要求不算太高，能找着一份有前途的工作就行了。 不管怎么说，我现在就是一颗平常心，没什么大不了的，一切顺其自然，对自己自信就行了。

英汉翻译中的显化和隐化

英汉翻译中的显化和隐化 [摘要]:正确认识和了解翻译中显化与隐化的因素,有助于译文的正确表达。本文通过实例分析英汉互译中显化和隐化现象,认为它由语言、译者、社会文化等多种因素造成的,并提出了应用策略。 [关键词]:显化隐化语言特性 显化(explicitness / explicitation),又译外显化、明晰化,指的是“目标文本以更明显的形式表述源文本的信息,是译者在翻译过程中增添解释性短语或添加连接词等来增强译本的逻辑性和易解性,从而使原文艰涩晦暗之处在译语中变得清晰、明白、浅显”。 而隐化(implicitness)现象是指目标文本通过概括信息或删除连接词等有意忽略或省译源语文本中的某些部分。由于汉语在指称形式、连接词、造句结构等方面都不同于英语,两种语言互译过程中的确存在隐化现象的发生。 贺显斌曾选取欧•亨利的短篇小说The Last Leaf及其汉译本进行显化现象的比较。他的结果是:英文小说全篇134句,译成汉语后明晰化程度提高的有79句,占58.96%,也就是说,在英译汉过程中确有显化现象发生。 一、影响显化、隐化的因素 导致翻译中的显化和隐化的因素主要可归纳为三方面:一是语言特性因素。语言本身的特性,包括结构特性和习惯用法,决定了语言表达中显、隐化程度的区别。分析发现,汉译英时会较多地运用形式上的显化,而英译汉时意义上的隐化是普遍存在的。二是语用因素。基于翻译的目的在于使读者理解原文的观点,翻译者有责任将不同文化的承载内涵和文化缺失部分通过加词、阐释等方法显化表达。三是译者因素。过多仿译会造成过多“显化”。 1.英汉语言特性因素 从语言学角度来说,汉、英语言之间最重要的区别特征莫过于形合与意合的区分,邵志洪对汉语和英语的语义对比表明,汉语属语义形语言,而印欧语言属语法形语言;前者力主考究“字”与语义及其相互关系,后者则重点研究主谓序列及其相关词类。贾玉新将英汉语言在句法上的差异精炼的概括如下:“英语高度形式化、逻辑化,句法结构严谨完备,并以动词为核心,重分析轻意合;而汉语则不重形式,

半导体物理学基本概念汇总

半导体物理学基本概念 有效质量-----载流子在晶体中的表观质量，它体现了周期场对电子运动的影响。其物理意义：1）有效质量的大小仍然是惯性大小的量度；2）有效质量反映了电子在晶格与外场之间能量和动量的传递，因此可正可负。 空穴-----是一种准粒子，代表半导体近满带（价带）中的少量空态，相当于具有正的电子电荷和正的有效质量的粒子，描述了近满带中大量电子的运动行为。 回旋共振----半导体中的电子在恒定磁场中受洛仑兹力作用将作回旋运动，此时在半导体上再加垂直于磁场的交变磁场，当交变磁场的频率等于电子的回旋频率时，发生强烈的共振吸收现象，称为回旋共振。施主-----在半导体中起施予电子作用的杂质。受主-----在半导体中起接受电子作用的杂质。 杂质电离能-----使中性施主杂质束缚的电子电离或使中性受主杂质束缚的空穴电离所需要的能量。 n-型半导体------以电子为主要载流子的半导体。 p-型半导体------以空穴为主要载流子的半导体。 浅能级杂质------杂质能级位于半导体禁带中靠近导带底或价带顶，即杂质电离能很低的杂质。浅能级杂质对半导体的导电性质有较大的影响。 深能级杂质-------杂质能级位于半导体禁带中远离导带底（施主）或价带顶（受主），即杂质电离能很大的杂质。深能级杂质对半导体导电性质影响较小，但对半导体中非平衡载流子的复合过程有重要作用。位于半导体禁带中央能级附近的深能级杂质是有效的复合中心。 杂质补偿-----在半导体中同时存在施主和受主杂质时，存在杂质补偿现象，即施主杂质束缚的电子优先填充受主能级，实际的有效杂质浓度为补偿后的杂质浓度，即两者之差。

中考文言文翻译实用方法经典讲解(带试题实例!)

一.增就是增补，在翻译时增补文言文省略句中的省略成分。 注意：补出省略的成分或语句，要加括号。 1、增补原文省略的主语、谓语或宾语 例1：“一鼓作气，再而衰，三而竭。”“再”“三”后省略了谓语“鼓”，翻译时要补上。 例2：“见渔人，乃大惊，问所从来。”译句：“（桃源中人）一见渔人，大为惊奇，问他是从哪里来的。” 例3：“君与具来。”“与”后省略了宾语“之”。 2、增补使语义明了的关联词 例：“不治将益深”是一个假设句，译句：“（如果）不治疗就会更加深入”。 二 .删就是删除，凡是古汉语中的发语词、在句子结构上起标志作用的助词和凑足音节的助词等虚词，因在现代汉语中是没有词能代替，故翻译时无须译出，可删去。 例1：“师道之不传也久矣。”译句：“从师学习的风尚已经很久不存在 了。”“也”为句中语气助词，起到舒缓语气的作用，没有实在意义。在翻译时，完全可以去掉。 例2：“孔子云：何陋之有？”译句：“孔子说：有什么简陋的呢？”“之”为宾语前置的标志，删去不译。 例3：“夫战，勇气也。”译句：“战斗，靠的是勇气”。“夫”为发语词，删去不译。 三.调就是调整，在翻译文言文倒装句时，应把古汉语倒装句式调整为现代汉语句式，使之符合现代汉语的表达习惯、译句通顺。这就需要调整语句语序， 大体有三种情况：

1、后置定语前移例：“群臣吏民，能面刺寡人之过者，受上赏。”可调成“能面刺寡人之过群臣吏民，受上赏。” 2、前置谓语后移例：“甚矣！汝之不惠。”可调成“汝之不惠甚矣。” 3、介宾短语前移。例：“还自扬州”可调成“自扬州还”。 4、前置宾语后移例：“何以战？”可调成“以何战？” 四.留就是保留，凡是古今意义相同的词、专有名词、国号、年号、人名、物名、人名、官职、地名等，在翻译时可保留不变。 例：“庆历四年春，滕子京谪守巴陵郡。”译句：“庆历四年的春天，滕子京被贬到巴陵郡做太守。”“庆历四年”为年号，“巴陵郡”是地名，可直接保留。 五.扩就是扩展。 1、言简义丰的句子，根据句义扩展其内容。 例：“怀敌附远，何招而不至？”译句：“使敌人降服，让远方的人归附，招抚谁，谁会不来呢？” 2、单音节词扩为同义的双音节词或多音节词。 例：“更若役，复若赋，则如何？”译句：“变更你的差役，恢复你的赋税，那么怎么样呢？”“役”“赋”扩展为双音节词。 六.缩就是凝缩，文言文中的有些句子，为了增强气势，故意实用繁笔，在翻译时应将其意思凝缩。 例：“有席卷天下，包举宇内，囊括四海之意，并吞八荒之心。”译句：“（秦）有吞并天下，统一四海的雄心。” 七.直即直译，就是指紧扣原文，按原文的词句进行对等翻译的今译方法。对于文言文的实词、大部分虚词、活用词和通假字，一般是要直接翻译的，否则， 在考查过程中是不能算作准取得翻译。 例：“清荣峻茂，良多趣味。”译句：“水清，树茂，山高，草盛，实在是趣味无穷。”

第一章半导体基础知识(精)

第一章半导体基础知识 〖本章主要内容〗 本章重点讲述半导体器件的结构原理、外特性、主要参数及其物理意义，工作状态或工作区的分析。 首先介绍构成PN结的半导体材料、PN结的形成及其特点。其后介绍二极管、稳压管的伏安特性、电路模型和主要参数以及应用举例。然后介绍两种三极管（BJT和FET）的结构原理、伏安特性、主要参数以及工作区的判断分析方法。〖本章学时分配〗 本章分为4讲，每讲2学时。 第一讲常用半导体器件 一、主要内容 1、半导体及其导电性能 根据物体的导电能力的不同，电工材料可分为三类：导体、半导体和绝缘体。半导体可以定义为导电性能介于导体和绝缘体之间的电工材料，半导体的电阻率为10-3～10-9 cm。典型的半导体有硅Si和锗Ge以及砷化镓GaAs等。半导体的导电能力在不同的条件下有很大的差别：当受外界热和光的作用时，它的导电能力明显变化；往纯净的半导体中掺入某些特定的杂质元素时，会使它的导电能力具有可控性；这些特殊的性质决定了半导体可以制成各种器件。 2、本征半导体的结构及其导电性能 本征半导体是纯净的、没有结构缺陷的半导体单晶。制造半导体器件的半导体材料的纯度要达到99.9999999%，常称为“九个9”，它在物理结构上为共价键、呈单晶体形态。在热力学温度零度和没有外界激发时,本征半导体不导电。 3、半导体的本征激发与复合现象 当导体处于热力学温度0 K时，导体中没有自由电子。当温度升高或受到光的照射时，价电子能量增高，有的价电子可以挣脱原子核的束缚而参与导电，成为自由电子。这一现象称为本征激发（也称热激发）。因热激发而出现的自由电子和空穴是同时成对出现的，称为电子空穴对。 游离的部分自由电子也可能回到空穴中去，称为复合。 在一定温度下本征激发和复合会达到动态平衡，此时，载流子浓度一定，且自由电子数和空穴数相等。 4、半导体的导电机理 自由电子的定向运动形成了电子电流，空穴的定向运动也可形成空穴电流，因此，在半导体中有自由电子和空穴两种承载电流的粒子（即载流子），这是半导体的特殊性质。空穴导电的实质是:相邻原子中的价电子（共价键中的束缚电子）依次填补空穴而形成电流。由于电子带负电，而电子的运动与空穴的运动方向相反，因此认为空穴带正电。

2019年高三语文一轮总复习(文言文阅读+翻译)第02课 典型例题(含解析)

2019年高三语文一轮总复习（文言文阅读+翻译）第02课典型例题 （含解析） 一、（2016年高考新课标I卷）阅读下面的文言文，完成4～7题。 曾公亮，字明仲，泉州晋江人。举进士甲科，知会稽县。民田镜湖旁，每患湖溢。公亮立斗门，泄水入曹娥江，民受其利。以端明殿学士知郑州，为政有能声盗悉窜他境至夜户不闭尝有使客亡橐中物移书诘盗公亮报吾境不藏盗殆从之者度耳索之果然公亮明练文法，更践 久，习知朝廷台阁典宪，首相 ．．，与公亮等共定大议。密 ．．韩琦每咨访焉。仁宗末年，琦请建储 州民田产银，或盗取之，大理当以强。公亮日：“此禁物也，取之虽强，与盗物民家有间矣。” 固争之，遂下有司 ．．纵人渔界河，又数通盐舟，吏不敢禁，．．议，比劫禁物法，盗得不死。契丹 皆谓：与之校，且生事。公亮言：“萌芽不禁，后将奈何？雄州赵滋勇而有谋，可任也。”使谕以指意，边害讫息。英宗即位，加中书侍郎兼礼部尚书，寻加户部尚书。帝不豫，辽使至不能见，命公亮宴于馆，使者不肯赴。公亮质之曰：“锡宴不赴，是不虔君命也。人主有疾，而必使亲临，处之安乎？”使者即就席。熙宁三年，拜司空兼侍中、河阳三城节度使。明年，起判永兴军。居一岁，还京师。旋以太傅致仕。元丰元年卒，年八十。帝临哭，辍朝三日。公亮方厚庄重，沉深周密，平居谨绳墨，蹈规矩；然性吝啬，殖货至巨万。初荐王安石，及同辅政，知上方向之，阴为子孙计，凡更张庶事，一切听顺，而外若不与之者。常遣子孝宽参其谋，至上前略无所异，于是帝益信任安石。安石德其助己，故引擢孝宽至枢密以报之。苏轼尝从容责公亮不能救正，世讥其持禄固宠云。 （节选自《宋史·曾公亮传》） 7.把文中画横线的句子翻译成现代汉语。 （1）锡宴不赴，是不虔君命也。人主有疾，而必使亲临，处之安乎? 译文：________________________________________________________________ ______________________________________________________________________ （2）苏轼尝从容责公亮不能救正，世讥其持禄固宠云。 译文：________________________________________________________________ ______________________________________________________________________ 【答案】（1）赐宴不到场，这是对君主命令的不敬。君主有病，却一定要他亲临宴会，做这样的事能心安吗？（2）苏轼曾从容地责备公亮不能纠正弊病，世人讥讽他保持禄位加固宠幸。

翻译中的归化与异化

“异化”与“归化”之间的关系并评述 1、什么是归化与异化 归化”与“异化”是翻译中常面临的两种选择。钱锺书相应地称这两种情形叫“汉化”与“欧化”。A．归化 所谓“归化”（domestication 或target-language-orientedness），是指在翻译过程中尽可能用本民族的方式去表现外来的作品；归化翻译法旨在尽量减少译文中的异国情调，为目的语读者提供一种自然流畅的译文。Venuti 认为，归化法源于这一著名翻译论说，“尽量不干扰读者，请作者向读者靠近” 归化翻译法通常包含以下几个步骤：（1）谨慎地选择适合于归化翻译的文本；（2）有意识地采取一种自然流畅的目的语文体；（3）把译文调整成目的语篇体裁；（4）插入解释性资料；（5）删去原文中的实观材料；（6）调协译文和原文中的观念与特征。 B．“异化”（foreignization或source-language-orientedness）则相反，认为既然是翻译，就得译出外国的味儿。异化是根据既定的语法规则按字面意思将和源语文化紧密相连的短语或句子译成目标语。例如，将“九牛二虎之力”译为“the strength of nine bulls and two tigers”。异化能够很好地保留和传递原文的文化内涵，使译文具有异国情调，有利于各国文化的交流。但对于不熟悉源语及其文化的读者来说，存在一定的理解困难。随着各国文化交流愈来愈紧密，原先对于目标语读者很陌生的词句也会变得越来越普遍，即异化的程度会逐步降低。 Rome was not built in a day. 归化:冰冻三尺,非一日之寒. 异化:罗马不是一天建成的. 冰冻三尺,非一日之寒 异化:Rome was not built in a day. 归化:the thick ice is not formed in a day. 2、归化异化与直译意译 归化和异化，一个要求“接近读者”，一个要求“接近作者”，具有较强的界定性；相比之下，直译和意译则比较偏重“形式”上的自由与不自由。有的文中把归化等同于意译，异化等同于直译，这样做其实不够科学。归化和异化其实是在忠实地传达原作“说了什么”的基础之上，对是否尽可能展示原作是“怎么说”，是否最大限度地再现原作在语言文化上的特有风味上采取的不同态度。两对术语相比，归化和异化更多地是有关文化的问题，即是否要保持原作洋味的问题。 3、不同层面上的归化与异化 1、句式 翻译中“归化”表现在把原文的句式（syntactical structure）按照中文的习惯句式译出。

翻译中的显化与隐化现象——以云南历史与少数民族文化外译为例

翻译中的显化与隐化现象——以云南历史与少数民族文化外 译为例 摘要：显化与隐化是翻译中常见的现象，也是译者常用的翻译策略。本文以云 南历史与少数民族文化外译为例，分析了显化和隐化策略在翻译实践中的运用， 讨论了两种策略运用的效果，从而了解译者的策略选择对翻译效果的影响。 关键词：显化；隐化；少数民族文化；翻译策略 引言 文本代表着作者的世界观，是作者价值取向的一种表达方式，而当译者介入 这一行为后，原作者的观念基础就可能发生改变。如何尽可能地保留原文的所呈 现出的价值观，这就成为了译者面临的一大难题。正确认识显隐化策略在翻译中 的应用有助于译者对原文的准确理解和表达。本文以云南历史与少数民族文化文 本为例，试图分析翻译实践中的显化和隐化现象。 1.显化与隐化策略 1.1 显化与隐化策略 显化策略(explicitation) 指译者从上下文或相关语境中推断出源语中的隐含信息，并在目标语中加以说明(Vinay & Darbelnet, 1995)。在翻译实践过程中，译者 会将连接词或解释性短语等进行适当添加，从而促进译本易解性和逻辑性的强化，确保译语的浅显化和清晰化。显化在文本层面上表现为两种形式：一是增加，即 添加一些新的成分；二是具体化，即提供更多细节信息(Perego, 2003)。 Klaudy(2001a)将显化细分为四类：(1)强制性显化(Obligatory Explicitation), 指两种 语言在语义、形态和句法方面存在差异时，译者不得不将某些信息具体化；(2) 选择性显化(Optional Explicitaion), 指两种语言在文本构成策略和文本特征方面存在 差异时，译者需要增加连接成分、关系从句、强化词等；(3)语用学显化(Pragmatic Explicitation)，指目标语读者无法理解源语文化中的一些普遍性知识时，译者需要添加解释；(4)翻译本身固有显化(Translation-inherent Explicition)，指由 于翻译过程本身的性质，译者在加工源语思想时会影响译文的长度。 与之相对应的隐化策略(Implicitation)，指译者依据上下文或语境的要求，隐 藏了部分源语中的显在信息(Vinay & Darbelnet, 1995)。它与译文读者的阅读期待 密切相关，是指专业译者出于语言、文化、意识形态等方面的考虑，删除了一些 源语中的单词、短语、句子甚至段落(Dimitriu, 2004)。 1.2 显化与隐化相关研究 Blum-Kulka(2001)提出的显化假说认为，译者对原作的阐释很可能会造成译 文在篇幅上比原文要长。在翻译中一味采用显化策略效果并不一定就好，因为过 多的信息显化会造成译文冗长，也剥夺了读者的理解和阐释权(Gutt, 1991)。相比 之下，隐化则常常被认为破坏了原作的完整性，有悖于翻译的忠实原则。柯飞(2005)指出，显化将原文中隐含或文化上不言自明的信息显示出来，使译作更清 晰易懂，而一定的隐化则会让译文更加简洁地道。任何翻译中都包含着译者的妥协，英汉两种语言无论是在语法句法结构还是在文化背景上都有非常大的差异， 因此在双语转换过程中译者要能灵活运用显化策略补出文化背景等，同时运用隐 化策略平衡译文，尽可能地忠实于原文，传达出原文的价值观。 2.隐化和显化产生的因素

精典文言文翻译

译文：有一天，晋平公同著名的音乐家师旷闲谈。晋平公叹了口气说：“我今年已经七十岁了，很想学习，但恐怕太晚了。” “说：“哪有身为臣子而取笑君主的呢？” 师旷连忙起身下拜，谢罪道：“臣下怎敢取笑大王？我听人家说，少年时好学，如同初升的太阳一样阳气充沛；壮年时好学，如同中午的阳光，还很强烈；老年时好学，只像蜡烛照明一样。但是，点亮蜡烛走路，与摸黑行走相比，那一个（更好）呢？” 说得好。” 秦穆公对伯乐说：“您的年纪大了，您的子孙中间有没有可以派去寻找好马的呢” 伯乐回答说：“我的子孙都是些下等之才，有个叫九方皋的人，他识别好马的本领，决不在我以下，可以告诉他识别天下最好的马的方法。请让我引见他” 秦穆公接见了九方皋，派他去寻找好马。过了三个月，九方皋回来报告说：“我已经在沙丘 找到好马了。”秦穆公问道：“是匹什么样的马呢”九方皋回答说：“是匹黄色的母马。” 秦穆公派人去把那匹马牵来，一看，却是匹纯黑色的公马。报知秦穆公，秦穆公很不高兴，把伯乐找来对他说：“您所推荐的那个找好马的人，毛色公母都不知道，又怎么能懂得什么是天下最好的马呢？”伯乐说道：“九方皋他所观察的是马的天赋的内在素质，深得它的精妙，而忘记了它的粗糙之处；明悉它的内部，而忘记了它的外表。九方皋只看见所需要看见的，看不见他所不需要看见的；只视察他所需要视察的，而遗漏了他所不需要观察的。”等到把那匹马牵回驯养使用，它果然是一匹天下难得的好马。 魏郑公（魏征）进谏劝阻唐太宗前往泰山封禅，说：“如今有一个人，患病十年，经过治疗将要痊愈。此人瘦得皮包骨头，却想要让他背着一石米，一天走上一百里路，肯定做不到。隋朝末年社会动乱，不止是十年的时间，陛下作为天下良医，百姓的疾苦虽然已经解除，但还不很富裕。要祭祀天地（向它）报告大功完成，我心里还是有疑虑。”唐太宗无言反驳。 当初，范文正公（范仲淹）被贬到饶州，朝廷正纠治朋党，士大夫都不敢前去告别，只有待制顾质独自抱病在国都城门(为范仲淹)饯行，大臣们责怪他说：“你，是长者，为什么要把自己搅进朋党里面去？”顾质说：“范先生是天下的贤人，我哪敢和他比，如果让我做了范先生的朋党，那我感到太荣幸了。”听到的人都惭愧得缩脖子。 陈寔，字仲弓，为太丘县令。一天，有一个小偷伏在屋梁上准备行窃，陈寔见到后，把自己的儿子喊过来，教训说：“不好的人，并不一定是生性如此，乃是习惯所养成的，屋梁上那一位就是这样的人。”一会儿，屋梁上的小偷跳下来，跪在地上认罪。陈寔说：“从你的外貌上看，您并不是恶人，应该是由贫困造成的。”于是，赠给他两匹布，教他一定要改正。此后，这人再没有做过小偷。 刘瞻的父亲是个贫寒的读书人，十多岁的时候，他就在郑纟因身旁管理笔墨砚台等书房用具。十八九岁的时候，郑纟因当上了御史，前往荆部商山巡视，中途在亭子里休息，俯瞰山水。当时刚刚雨过天晴，山峦秀美岩石奇丽，泉水山石分外好看。郑纟因坐了很久，起来走了五六里地，说：“如此美景，却没有作诗，就是观赏到天黑又有什么关系？”于是又返回亭子，想要往亭子上题一首诗。他忽然发现亭子上已经题了一首绝句，墨迹还没有干。郑纟因惊讶于这首诗作得出色。而当时南北方向又都没有行人。随行的人对郑纟因说：“刚才只有刘景落在后面二三里地。”郑纟因同刘景开玩笑说：“莫非是你题的吗?”刘景拜了拜说：