University of Erlangen-Nuremberg
A GENERALIZATION OF A CLASS OF BLIND SOURCE SEPARATION ALGORITHMS
FOR CONVOLUTIVE MIXTURES
Herbert Buchner,Robert Aichner,Walter Kellermann
Multimedia Communications and Signal Processing,
University of Erlangen-Nuremberg
Cauerstr.7,D-91058Erlangen,Germany
{buchner,aichner,wk}@LNT.de
ABSTRACT
There are two main approaches for blind source separation(BSS) on time series using second-order statistics.One is to utilize the nonwhiteness property,and the other one is to utilize the nonsta-tionarity property of the source signal.In this paper,we combine both approaches for convolutive mixtures using a matrix notation that leads to a number of new insights.We give rigorous deriva-tions of the corresponding time-domain and frequency-domain ap-proaches by generalizing a known cost function so that it inher-ently allows joint optimization for several time lags of the correla-tions.The approach is suitable for on-line and off-line algorithms by introducing a general weighting function allowing for track-ing of time-varying environments.For both,the time-domain and frequency-domain versions,we discuss links to well-known and also to extended algorithms as special cases.Moreover,using the so-called generalized coherence,we establish links between the time-domain and frequency-domain algorithms and show that our cost function leads to an update equation with an inherent normal-ization.
1.INTRODUCTION
The problem of separating convolutive mixtures of unknown time series arises in several application domains,a prominent exam-ple being the so-called cocktail party problem,where we want to recover the speech signals of multiple speakers who are simulta-neously talking in a room.The room may be very reverberant due to re?ections on the walls,i.e.,the original source signals s q(n), q=1,...,Q of our separation problem are?ltered by a multiple input and multiple output(MIMO)system before they are picked up by the sensors.In the following,we assume that the number Q
mixing system H demixing system W
Fig.1.Linear MIMO model for BSS.
of source signals s q(n)equals the number of sensor signals x p(n),p=1,...,P(Fig.1).An M-tap mixing system is thus described by
x p(n)=
P
q=1
M?1
κ=0
h qp(κ)s q(n?κ),(1)
where h qp(κ),κ=0,...,M?1denote the coef?cients of the ?lter from the q-th source to the p-th sensor.
In BSS,we are interested in?nding a corresponding demixing system according to Fig.1,where the output signals y q(n),q= 1,...,P are described by
y q(n)=
P
p=1
L?1
κ=0
w pq(κ)x p(n?κ).(2)
It can be shown(see,e.g.,[1])that the MIMO demixing system coef?cients w pq(κ)can in fact reconstruct the sources up to an unknown permutation and an unknown?ltering of the individual signals,where L should be chosen at least equal to M.
In order to estimate the P2L MIMO coef?cients w pq(κ),we consider in this paper only approaches using second-order statis-tics.It has been shown that on real-world signals with some time-structure,second-order statistics generates enough constraints to solve the BSS problem in principle,by utilizing one of the follow-ing two signal properties[1]:
?Nonwhiteness property by simultaneous diagonalization of
output correlation matrices over multiple time-lags,e.g.,
[2],
?Nonstationarity property by simultaneous diagonalization
of short-time output correlation matrices at different time
intervals,e.g.,[3]-[8].
While there are several algorithms for convolutive mixtures utiliz-ing nonstationarity,both in the time domain and in the frequency domain,there are currently very few approaches taking the non-whiteness property into account.Although in theory,each of these properties is known to be suf?cient,it has recently been shown that in practical scenarios,the combination of these criteria can lead to improved performance[9,10].
In the following,we present a rigorous derivation of a more general class of algorithms for convolutive mixtures by?rst intro-ducing a general matrix formulation for convolutive mixtures fol-lowing[11]that includes all time lags.The approach utilizes both, the nonwhiteness property and the nonstationarity property and is
To appear in Proc.Int.Symp.on Independent Component Analysis and Blind Signal Separation(ICA),April01-04,2003,Nara,Japan
suitable for on-line and off-line algorithms by introducing a gen-eral weighting function allowing for tracking of time-varying en-vironments.For both,the time-domain and frequency-domain ver-sions,we discuss links to well-known and extended algorithms as special cases.Moreover,using the so-called generalized coherence [12],we establish links between the time-domain and frequency-domain algorithms and show that our cost function leads to an up-date equation with an inherent normalization.
2.A GENERIC BLOCK TIME-DOMAIN BSS
ALGORITHM
2.1.Matrix formulation for convolutive mixtures with exten-sion to several time lags
From Fig.1,it can be seen that the output signals y q(n),(q= 1,...,P)of the unmixing system at time n are given by
y q(n)=
P
p=1
x T p(n)w pq,(3)
where
x p(n)=[x p(n),x p(n?1),...,x p(n?L+1)]T
is a vector containing the latest L samples of the sensor signal x p of the p-th channel,and where
w pq=[w pq,0,w pq,1,...,w pq,L?1]T
contains the current weights of the MIMO?lter taps from the p-th sensor channel to the q-th output channel.Superscript T denotes transposition of a vector or a matrix.
We now de?ne the corresponding block output signal vector. To simplify the presentation,we consider a block length that is equal to the?lter length L in this paper.From(3)follows
y q(m)=
P
p=1
U T p(m)w pq,(4)
with m being the block time index,and
y q(m)=[y q(mL),...,y q(mL+L?1)]T,(5)
U p(m)=[x p(mL),...,x p(mL+L?1)].(6) It can be veri?ed that U p,p=1,...,P are Toeplitz matrices of size(L×L):
U T p(m)=
x p(mL)···x p(mL?L+1)
x p(mL+1)
..
.x p(mL?L+2)
..
.
..
.
..
.
x p(mL+L?1)···x p(mL)
.
Next,in order to rigorously introduce multiple time lags in the cost function below,we now extend the output signal vector(5)to the following L×L matrix by incremental shifts of each column by one sample:
Y q(m)=
y q(mL)···y q(mL?L+1)
y q(mL+1)
..
.y q(mL?L+2)
..
.
..
.
..
.
y q(mL+L?1)···y q(mL)
.
Using this de?nition,(4)becomes
Y q(m)=
P
p=1
X p(m)W pq,(7)
where the L×2L matrices X p(m)are obtained from the Toeplitz
matrices U p by doubling their size,i.e.,
X p(m)=[U T p(m),U T p(m?1)].(8)
The matrices U T p(m?1)are also Toeplitz so that the?rst row
of X p(m)contains2L input samples and each subsequent row is
shifted to the right by one sample and thus contains one new input
sample.W pq are2L×L Sylvester matrices,which are de?ned as
W pq(m)=
w pq,00 0
w pq,1w pq,0
..
.
..
.
..
.w pq,1
..
.0
w pq,L?1
..
.
..
.w pq,0
0w pq,L?1
..
.w pq,1
..
.
..
.
..
.
0···0w pq,L?1
0 (00)
.(9)
Finally,to allow a convenient notation of the algorithm combining
all channels,we write(7)compactly as
Y(m)=X(m)W,(10)
with the matrices
Y(m)=[Y1(m),···,Y P(m)],(11)
X(m)=[X1(m),···,X P(m)],(12)
W=
W11 (1)
..
.
..
.
..
.
W P1···W P P
.(13)
2.2.Cost function and algorithm derivation
Having de?ned the compact matrix formulation(10)for the block-
MIMO?ltering,we now de?ne the following cost function as a
generalization of[5]:
J(m)=
m
i=0
β(i,m)log det bdiag Y H(i)Y(i)
?log det Y H(i)Y(i),(14)
whereβis a window function that is normalized according to
m
i=0
β(i,m)=1which allows off-line and on-line implementa-
tions of the algorihms(e.g.,β(i,m)=(1?λ)λm?i leads to an
ef?cient on-line version allowing for tracking in time-varying en-
vironments).Since we use the matrix formulation(10)for calcu-
lating the short-time correlation matrices Y H(m)Y(m),the cost
function inherently includes all time-lags of all auto-correlations
and cross-correlations of the BSS output signals.The bdiag opera-
tion on a partitioned block matrix consisting of several submatrices
sets all submatrices on the off-diagonals to zero.In our case,the
2
block matrices refer to the different signal channels.By Oppen-heim’s inequality[13],it is ensured that the?rst term in the braces in(14)is always greater than or equal to the second term,where the equality is only valid if all block-offdiagonal elements of Y H Y, i.e.,the output cross-correlations over all time-lags,vanish.In ge-ometrical terms this can be interpreted as a simultaneous orthogo-nalization relative to several subspaces,since the determinant of a matrix corresponds to a volume of a parallelepiped spanned by the column vectors(Fig.2).
Fig.2.Parallelepiped.
For the following derivations,we omit the block-time index m for simplicity,and?rst de?ne the short-time correlation matrices
R xx=X H X,(15)
R yy=Y H Y.(16) Note that in principle,there are two basic methods to estimate the output correlation matrices for nonstationary output signals:the so-called correlation method,and the covariance method as they are known from linear prediction problems[14].While the corre-lation method leads to a slightly lower computational complexity (and to smaller matrices,when implemented in the frequency do-main covered in Section3),we consider the more accurate covari-ance method in this paper.
For the derivation of the gradient
?J(m)
?W J(m)=2
log det W H R xx W=2R xx W(W H R xx W)?1?W?
and
?
where R y
p y q ,p,q∈{1,2}are the corresponding submatrices of
R yy.
In[9,10],a time-domain algorithm was presented that copes very well with reverberant acoustic environments.Although it was originally introduced as a heuristic extension of[5]incorporating several time lags,this algorithm can be directly obtained from(19) or(20)by approximating the block diagonals of R yy(m)by the output signal powers,i.e.,
?R
y q y q(m)=diag R y q y q(m)=y H
q
(m)y q(m)I
for q=1,...,https://www.wendangku.net/doc/615893372.html,ing this approximation,the remaining pro-ducts of Sylvester matrices and Toeplitz matrices in the update equation(20)can be ef?ciently implemented by a(fast)convo-lution as was done in[10].
If we do not apply this approximation,we can slightly simplify the update equation(20)in a different way by considering(16) and noting that(AB)?1=B?1A?1for any nonsingular square matrices A and B:
?W(m)=4
m
i=0β(i,m)W
0Y H1Y?H
2
Y H2Y?H
1
,
where?H denotes conjugate transposition of an inverse matrix. This formulation not only reduces the complexity but the matrices to be inverted are also much better conditioned,since the condition number of Y H Y in(16)is the square of the condition number of Y[18].
3.GENERIC FREQUENCY-DOMAIN BSS Frequency-domain BSS is very popular for convolutive BSS since all techniques originally developed for instantaneous BSS can be applied independently in each frequency bin,e.g.,[1,6,7,8].Un-fortunately,the permutation problem,which is inherent in BSS, may then also appear independently in each frequency bin so that extra measures have to be taken to avoid this internal permutation. Based on the above matrix formulation in the time domain,the following derivation of frequency-domain algorithms shows ex-plicitly the relation between time-domain and frequency-domain algorithms,as well as some extensions.Moreover,from a link with [8],it becomes clear that(14)leads to the very desirable property of an inherent stepsize normalization.
3.1.General frequency-domain formulation
The matrix formulation introduced above for the time-domain al-lows a rigorous derivation of the corresponding frequency-domain BSS algorithms.In the frequency domain,the structure of the al-gorithm depends on the method chosen for estimating the corre-lation matrices.Here,we consider again the more accurate co-variance method[14].The matrices X p(m)and W pq are now diagonalized in two steps.We?rst consider the L×2L Toeplitz matrices X p(m)
Step1:Transformation of Toeplitz matrices into circulant ma-trices.
Any Toeplitz matrix X p can be transformed,by doubling its size,
to a circulant matrix C X
p (m)[11].In our case we de?ne the cir-
culant matrix by taking into account(8)by
C X
p (m)=
X′p(m?3)X p(m?1)
X p(m?2)X p(m)
X p(m?1)X′p(m?3)
X p(m)X p(m?2)
,
where X′p(m?3)=[U T p(m?3),U T p(m)].It follows
X p(m)=W0001
L×4L
C X
p
(m)W104L×2L,(21)
where we introduced the windowing matrices
W0001
L×4L
=[0L×L,0L×L,0L×L,I L×L],
W104L×2L=[I2L×2L,02L×2L]T.
Step2:Transformation of the circulant matrices into diagonal
matrices.
Using the4L×4L DFT matrix F4L×4L,the circulant matrices
are diagonalized as follows:
C X
p
(m)=F?14L×4L X
p
(m)can be expressed by the?rst
columns of C X
p
(m),
X
p
(m),we transform the concatenated vectors of
the current block and three previous blocks of the input signals
x p(n).
Now,(21)can be rewritten equivalently as
X p(m)=W0001
L×4L
F?14L×4L X
pq
F4L×4L W1000
4L×L
,(24)
where
W1000
4L×L
=[I L×L,0L×L,0L×L,0L×L]T,
W102L×4L=[I2L×2L,02L×2L]=W104L×2L T,
and
W
is related to the introduction of the multiple time-lags(see also Section3.2).Combining all channels,we obtain
X(m)=W0001
L×4L
F?14L×4L X
(m)L,(26) where bdiag{A1,...,A P}denotes a block-diagonal matrix with submatrices A1,...,A P on its diagonal,X(m)are de?ned analogously to(12)and(13),respectively.L denotes the 4LP×LP matrix
L=bdiag{L1000
4L×L ,...,L1000
4L×L
}.
From(10),(25),and(26)we further obtain
Y=W0001
L×4L
F?14L×4L X(m)L,(27) where
G104LP×4LP=bdiag G104L×4L,...,G104L×4L, G104L×4L=F4L×4L W104L×4L F?14L×4L,
W104L×4L=W104L×2L W102L×4L
=I2L×2L02L×2L
02L×2L02L×2L
.
To formulate the cost function(14)equivalently in the fre-quency domain,we now need to calculate the short-time corre-lation matrix using(27),i.e.,
R yy=Y H Y
=L H S yy L,
where
S yy=W,
S xx=G104LP×4LP H X
·G104LP×4LP,
G0001
4L×4L =F4L×4L W0001
4L×4L
F?14L×4L,
W0001
4L×4L =W0001
4L×L
W0001
L×4L
=
03L×3L03L×L
0L×3L I L×L
.
The derivation of the gradient of the cost function in the fre-quency domain is now done in a similar way as in the time domain. Since Y H Y=L H W L,we obtain using the chain rule ?W L)J·L H,and thus
?W
.(29)Although it is straightforward,we do not consider the natural gra-dient here in the frequency domain for simplicity.
3.2.The constraints and the permutation problem in frequency-domain BSS
Two types of constraints appear in the gradient(28):
?Matrix L introduces joint diagonalization over all time-lags ?The matrices G······are mainly responsible for preventing the
internal permutation among the different frequency bins. Current frequency-domain BSS algorithms do not take the non-whiteness property into account.By neglecting matrix L in(28) we obtain the simpli?ed algorithm utilizing only the nonstationar-ity of the source signals:
?W
J(ν)(m)=4
m
i=0
β(i,m)S(ν)
xy
S(ν)
yy
?1
·S(ν)yy?diag S(ν)yy diag?1S(ν)yy,(31) whereν=0,...,4L?1denotes the frequency bins.In contrast to S xy and S yy in(30)which are4LP×4LP matrices each,the
corresponding matrices S(ν)
xy
and S(ν)
yy
in(31)are only of dimen-sion P×P.While(31)is computationally more ef?cient than (30),the known measures to avoid the internal permutation have to be taken.
3.3.Links to known frequency-domain algorithms and the generalized coherence
The unconstrained coef?cient update(31)is directly related to some known frequency-domain BSS algorithms.In[7],an al-gorithm that is similar to(31)was derived by directly optimiz-ing a cost function similar to the one in[5]in a bin-wise manner. More recently,Fancourt and Parra proposed in[8]to apply the magnitude-squared coherence
|γ(ν)
y p y q
(m)|2=
|S(ν)
y p y q(m)|2
|γ(ν)y 1y 2(m )|2=0if y 1and y 2are orthogonal,and |γ(ν)
y 1y 2(m )|2=1when y 1=a y 2for any non-zero complex number a .
Comparing our update equation (31)with that derived in [8],
we see that an additional approximation of S (ν)
yy ?1
as a diagonal
matrix was used in [8],which results in
?W
P p =1
S (ν)
y p y p (m )
,(35)
which is valid for an arbitrary number P of channels.By the Schwarz inequality,it can be shown that (35)also satis?es (33).In the 2×2case it is equal to the well-known coherence (32).The generalized coherence can again be interpreted in a geometric way as in Fig.2since det S (ν)(m )corresponds to a volume of a general parallelepiped spanned by the column vectors of S (ν)(m ).
Moreover,it is normalized by the volume P p =1S (ν)
y p y p (m )of a (rectangular)P -dimensional cuboid.
To see the exact correspondence,we start with (14):
J
(ν)
(m )=
m
i =0
β(i,m )log det diag S (ν)
yy (i )
?log det S (ν)yy (i )=
m
i =0
β(i,m )log
P
p =1
S (ν)
y p y p
(i )?log det S (ν)
yy (i )=
m
i =0
β(i,m )?log
det S (ν)
yy (i )
2
+
(1?x )3
P
p =1
S (ν)
y p y p (m )
.
For the case P =2this is exactly the cost function proposed in [8],while for P >2it is slightly more general.From this equivalence,we can draw the conclusion that our cost function (14)also leads to an inherent stepsize normalization for the coef?cient updates.
4.CONCLUSIONS
We presented a generalization of a class of BSS algorithms for con-volutive mixtures taking into account the nonstationarity property and the nonwhiteness https://www.wendangku.net/doc/615893372.html,ing a matrix framework and a generalized cost function,rigorous derivations of both known and new extended algorithms become possible.
5.REFERENCES
[1] A.Hyv¨a rinen,J.Karhunen,and E.Oja,Independent Compo-nent Analysis ,Wiley &Sons,Inc.,New York,2001.
[2]L.Molgedey and H.G.Schuster,“Separation of a mixture of
independent signals using time delayed correlations,”Physical Review Letters,vol.72,pp.3634-3636,1994.
[3] E.Weinstein,M.Feder,and A.Oppenheim,“Multi-channel
signal separation by decorrelation,”IEEE Trans.on Speech and Audio Processing ,vol 1,no.4,pp.405-413,Oct.1993.[4]S.Van Gerven and D.Van Compernolle,“Signal separation by
symmetric adaptive decorrelation:stability,convergence,and uniqueness,”IEEE Trans.Signal Processing,vol.43,no.7,pp.1602-1612,1995.
[5]M.Kawamoto,K.Matsuoka,and N.Ohnishi,“A method of
blind separation for convolved non-stationary signals,”Neu-rocomputing ,vol.22,pp.157-171,1998.
[6]L.Parra and C.Spence,“Convolutive blind source separation
based on multiple decorrelation,”Int.Workshop on Neural Networks for Signal Processing ,Cambridge,UK,Sept.1998.[7]H.-C.Wu and J.C.Principe,“Simultaneous diagonalization in
the frequency domain (SDIF)for source separation,”in Proc.ICA ,pp.245-250,1999.
[8] C.L.Fancourt and L.Parra,“The coherence function in blind
source separation of convolutive mixtures of non-stationary signals,”in Proc.Int.Workshop on Neural Networks for Signal Processing ,2001.
[9]T.Nishikawa,H.Saruwatari,and K.Shikano,“Comparison
of time-domain ICA,frequency-domain ICA and multistage ICA for blind source sepoaration,”in Proc.European Signal Processing Conference,vol.2,pp.15-18,Sep.2002.
[10]R.Aichner et al.,“Time-domain blind source separation of
non-stationary convolved signals with utilization of geometric beamforming,”in Proc.Int.Workshop on Neural Networks for Signal Processing ,Martigny,Switzerland,2002.[11]H.Buchner,J.Benesty,and W.Kellermann,“Multichan-nel Frequency-Domain Adaptive Algorithms with Application to Acoustic Echo Cancellation,”in J.Benesty and Y .Huang (eds.),Adaptive signal processing:Application to real-world problems ,Springer-Verlag,Berlin/Heidelberg,Jan.2003.[12]H.Gish and D.Cochran,“Generalized Coherence,”Proc.
IEEE ICASSP ,pp.2745-2748,1988.
[13] A.Oppenheim,“Inequalities connected with de?nite hermi-tian forms,”J.London Math.Soc.,vol.5,pp.114-119,1930.[14]J.D.Markel and A.H.Gray,Linear Prediction of Speech ,
Springer-Verlag,Berlin,1976.
[15] A.Cichocki and S.Amari,Adaptive Blind Signal and Image
Processing ,Wiley &Sons,Ltd.,Chichester,UK,2002.[16]S.Amari,A.Cichocki,and H.H.Yang,“A new learning al-gorithm for blind signal separation,”in Advances in neural in-formation processing systems ,8,Cambridge,MA,MIT Press,1996,pp.757-763.[17]J.-F.Cardoso,“Blind signal separation:Statistical princi-ples,”Proc.IEEE ,vol.86,pp.2009-2025,Oct.1998.[18]G.H.Golub and C.F.Van Loan,Matrix Computations ,2nd
ed.,Johns Hopkins,Baltimore,MD,1989.
6
广州大学045110学科教学(地理)教育硕士专业学位研究生培养方案(2017全日制)
广州大学全日制硕士专业学位教育硕士培养方案 （2017级研究生开始使用） 一、专业学位类别、学制、学习方式 专业学位类别代码：0451 专业学位类别名称：教育硕士 专业领域代码：045110 专业领域名称：学科教学（地理） 学制：2年学习方式：全日制 二、专业领域介绍 本专业是在2002年开始招生的“课程与教学论” 硕士点地理学教育方向的基础上发展起来的，主要特色和优势是： 1、具有坚实的地理学科专业研究和教学研究的基础 学院的“地理科学”本科专业为广州市名牌专业，“自然地理学”、“人文地理学”均为硕士点和重点学科。近年来，地理教育硕士导师承担了国家自然科学基金和社会科学基金项目、教育部和省、厅、市、校级等不同层次的科研课题多项，发表学术论文、编著及出版著作和教材等科研、教研成果一大批。获省、市和校级优秀教学成果奖多项，并建设了省级重点课程、市级名牌专业和多门市级、校级精品课程及校级实验教学示范中心，取得显著成果。 2、导师队伍实力雄厚为地理教育服务成效卓著 本专业现有7位地理教育硕士导师（教授4人，副教授3人）。现聘有校外教育硕士导师14人，其中4人为地理特级教师。 近年来，我们积极参与国家基础教育课程改革工作，取得令人瞩目的成果：成功申报并主编出版了全国义务教育课程标准实验教科书《地理》（广东版）及其配套的《教师教学用书》，主审《广东地理》、《广州地理》等地方教材；与省、市教育行政部门教研室密切合作，主持或参与新课程改革省、市教师培训工作，主编出版《初中地理校本培训指导手册》并参与历年广东省高考命题工作。已建立起一批校外实习实践基地，为培养地理教育硕士和提升在职教师素质创造了良好条件。 三、培养目标 为基础教育学校培养高素质的中学地理课程专任教师，具体要求为： 1．具有正确的、符合现代社会发展要求的教育理念，有强烈的社会责任感、高尚的师德修养与良好的文化素养，热爱教育事业和地理教学工作，勇于开拓创新、有志于教育、教学改革的实践与研究； 2．通过系统地学习形成较高的教育科学和学科教学的素养。在地理教学方面视野开阔、知识面宽广，能够熟练运用教育科学、学科教育理论和地理科学专业基本理论、方法和技能，解决地理教育和教学中的问题； 3．具有较强的学科教学研究能力，具备较强的学科教学研究论文的撰写能力。能熟练阅读本专业外文资料，把握本专业国内外研究的最新发展动态； 4．身心健康，具有高尚的师德素养、良好的表达交流能力和团队协作意识。 四、培养方式 1．全日制教育硕士学科教学（地理）研究生学习年限为两年，实行学分制。校内课程学习一年，校外见习、实践学习和学位论文一年。 2．课程学习主要在校内完成，强调理论联系实际，运用团队学习、案例分析、现场观摩、模拟训练等方法，注重培养学生研究实践问题的意识和能力。 3．实行“双导师”制。教育硕士研究生校内课程学习结束后，由经过学校认定的具有丰富教学实践经验和较高理论水平的校内导师与来自实践单位的业务水平高、责任心强、具有高级技术职称的校外导师共同担任教育硕士研究生的指导教师，指导教育硕士研究生校外实践学习和学位论文。 4．在教育硕士研究生培养的全过程中，要认真抓好专业引领，理论升华、交流经验，分享智慧、教学相长，共同进步、科学评估，及时促改等各培养环节，特别要注重培养教育硕士研究生刻苦钻研的学风、实事求是的科学态度、诚实严谨的工作作风和谦虚诚挚的合作精神。
新视野大学英语全部课文原文
Unit1 Americans believe no one stands still. If you are not moving ahead, you are falling behind. This attitude results in a nation of people committed to researching, experimenting and exploring. Time is one of the two elements that Americans save carefully, the other being labor. "We are slaves to nothing but the clock,” it has been said. Time is treated as if it were something almost real. We budget it, save it, waste it, steal it, kill it, cut it, account for it; we also charge for it. It is a precious resource. Many people have a rather acute sense of the shortness of each lifetime. Once the sands have run out of a person’s hourglass, they cannot be replaced. We want every minute to count. A foreigner’s first impression of the U.S. is li kely to be that everyone is in a rush -- often under pressure. City people always appear to be hurrying to get where they are going, restlessly seeking attention in a store, or elbowing others as they try to complete their shopping. Racing through daytime meals is part of the pace
陕西师范大学 现代教育技术 傅钢善(最完整版)期末复习重点
陕西师范大学现代教育技术期末复习（按章节） 第一章教育技术概述 【名词解释】 教育技术（AECT'1994定义）：教育技术是关于学习过程和学习资源的设计、开发、运用、管理和评价的理论与实践。 现代教育技术：是以计算机为核心的信息技术在教育、教学中的运用（何克抗1999）。一方面，现代教育技术以现代信息技术的开发、应用为核心；另一方面，现代教育技术并不忽视或抛弃对传统媒体的开发与应用。 信息素养：包含技术和人文两个层面的意义：在技术层面上，信息素养反映的是人们搜索、鉴别、筛选、利用信息的能力，以及有效的在教学过程中使用信息技术的技能；从人文层面上看，信息素养则反映了人们对于信息的情感、态度和价值观，它建立在技术层面的基础之上，涉及独立学习、协同工作、个人和社会责任等各个方面的内容。 【知识点】 教育技术是除教师、学生、教材等传统教学过程基本要素之外的第四要素。 教育技术的研究对象是资源和过程。 教育技术的研究内容是学习过程和学习资源的设计、开发、运用、管理和评价等五个方面。教育技术发源于美国。 我国教育部于2004年12月正式颁布了《中小学教师教育技术能力标准（试行）》。包括“教学人员教育技术能力标准”“管理人员教育技术能力标准”“技术人员教育技术能力标准”三个部分。其内容均涉及意识与态度、知识与技能、应用与创新、社会责任四个方面。 【简答】 教育技术的内涵？ （1）教育技术是一门理论与实践并重的学科（2）学习过程是教育技术研究和实践的对象（3）学习资源是优化学习过程的必要条件 教育技术的发展趋势？ （1）教育技术作为交叉学科的特点将日益突出（2）教育技术将日益重视实践性和支持性研究（3）教育技术将日益关注技术环境下的学习心理研究（4）教育技术的手段将日益网络化、智能化、虚拟化 信息技术与课程整合的概念？ 信息技术与课程整合将改变教学结构。北京师范大学何克抗教授认为，信息技术与课程整合的本质与内涵是要求在先进的教育思想、理论，尤其是“主导——主体”教学理论的指导下，把以计算机及网络为核心的信息技术作为促进学生自主学习的认知工具与情感激励工具、丰富教学环境的创设工具，并将它们全面应用到各学科教学过程中，使各种教学资源、各个教学要素和教学环节，经过整理、组合、相互融合，在整体优化的基础上产生聚集效应，从而促进传统教学方式的根本变革，也就是促进以教师为中心的教学结构与教学模式的变革，从而达到培养学生创新精神与实践能力的目标。 ?不同观点之间的共性：信息技术与课程整合是指把信息技术作为工具融入教学工程，达到对某一学科或课程学习的改善。 谈谈你对于信息技术与课程整合目标的认识？根本目标是培养学生解决问题的能力，实现面向时代发展的创新人才的培养。（1）充实、拓展课程的学习内容，促进创新人才的培养。（2）培养学生解决问题的能力，提高学生的信息素养。 第二章教与学的理论 【名词解释】
新视野大学英语第三版第二册课文语法讲解 Unit4
新视野三版读写B2U4Text A College sweethearts 1I smile at my two lovely daughters and they seem so much more mature than we,their parents,when we were college sweethearts.Linda,who's21,had a boyfriend in her freshman year she thought she would marry,but they're not together anymore.Melissa,who's19,hasn't had a steady boyfriend yet.My daughters wonder when they will meet"The One",their great love.They think their father and I had a classic fairy-tale romance heading for marriage from the outset.Perhaps,they're right but it didn't seem so at the time.In a way, love just happens when you least expect it.Who would have thought that Butch and I would end up getting married to each other?He became my boyfriend because of my shallow agenda:I wanted a cute boyfriend! 2We met through my college roommate at the university cafeteria.That fateful night,I was merely curious,but for him I think it was love at first sight."You have beautiful eyes",he said as he gazed at my face.He kept staring at me all night long.I really wasn't that interested for two reasons.First,he looked like he was a really wild boy,maybe even dangerous.Second,although he was very cute,he seemed a little weird. 3Riding on his bicycle,he'd ride past my dorm as if"by accident"and pretend to be surprised to see me.I liked the attention but was cautious about his wild,dynamic personality.He had a charming way with words which would charm any girl.Fear came over me when I started to fall in love.His exciting"bad boy image"was just too tempting to resist.What was it that attracted me?I always had an excellent reputation.My concentration was solely on my studies to get superior grades.But for what?College is supposed to be a time of great learning and also some fun.I had nearly achieved a great education,and graduation was just one semester away.But I hadn't had any fun;my life was stale with no component of fun!I needed a boyfriend.Not just any boyfriend.He had to be cute.My goal that semester became: Be ambitious and grab the cutest boyfriend I can find. 4I worried what he'd think of me.True,we lived in a time when a dramatic shift in sexual attitudes was taking place,but I was a traditional girl who wasn't ready for the new ways that seemed common on campus.Butch looked superb!I was not immune to his personality,but I was scared.The night when he announced to the world that I was his girlfriend,I went along
《房地产投资分析》课程教学大纲 - 广州大学地理科学学院.doc
课程类型：专业选修课 适用范围：03资源环境与城乡规划管理 其中：实验/实践学时：0 先修课程：经济地理学，房地产经济学 制定日期：2003年 审核者：周仁言 《房地产投资分析》课程教学大纲 课程名称（中文/英文）:Real Estate I nvestment Ana lysis 课程编码：07443607 课程性质：专业基础课 学时数：54 学分数：3 考核方式：考查 制定单位：广州大学理学院地理系 执笔者：张汝国 一、教学大纲说明 （一） 课程的地位、作用和任务 房地产投资分析是一门实践应用课程，作为资 源环境与城乡规划管理专业物业管理方向的一 门主干课程，它的作用是拓展物业管理方1可本科学生的知识结构。提高学生参与房地产行业 运作的专业水平，使学生能够发挥经济学和地理学的学科特长从事房地产投资分析。 （二） 课程教学的目的和要求 课程的教学目的是使学生牢固掌握房地产投资分析的原理和技术方法；熟悉影响房地 产投资的要素和作用机理;熟悉地方房地产投资的基本状况并能对房地产拟投资项目作一定 的技术分析。具备编制房地产投资分析报告和参与房地产投资项1=1调研和策划的能力。 （三） 课程教学方法与手段 课程教学采用课堂授课为主，同时以随堂练习和课后习题相结合，及时解决学生的疑难 问题。结合学生的课外科研活动开展案例教学。 （四） 课程与其它课程的关系 房地产投资分析是一门涉及多学科的课程，它以房地产经济学，投资学，财务会计学, 城市规划，经济地理学等为基础。围绕房地产投资分析的具体内容，上述相关学科的知识与 本课程内容具有相辅相成的关系。同时本课程的开设为专项物业投资项目的应用分析更定了 基础。 （五） 教材与教学参考书 教 材：丁芸谭善勇，主编房地产投资分析与决策中国建筑工业出版社，2005, 2 教学参考书：郑华著 房地产市场分析方法，电子工业出版社，2004, 2 周惠珍编著 投资项目评估，东北财经大学出版社2005, 7 期刊《住宅与房地产》《中国房地产》 二、课程的教学内容、重点和难点 第一章 绪论 第一节房地产的概念，特点和类别 第二节房地产投资的概念，特征和形式 第三节房地产投资分析的目的和任务 重点：房地产的概念，房地产投资的特征，房地产投资的分析的bl 的, 难点：房地产投资特征 第二章 房地产投资分析基本原理 第四节投资组合理论 第五节 杠杆性投资理论 第六节资金的时间价值 重点：房地产的概念，房地产投资的特征，房地产投资的分析的目的， 难点：房地产投资特征 第三章 房地产投资环境分析
中国大学软件报告专业大学排名和大学名单.doc
2019年中国大学软件工程专业大学排名和 大学名单 中国大学软件工程专业大学排名和大学名单 在最新公布的中国校友会网中国大学软件工程专业大学排名和大学名单中，北京大学、清华大学、国防科学技术大学的软件工程专业荣膺中国六星级学科专业，入选中国顶尖学科专业，位居全国高校第一；浙江大学、北京航空航天大学、华东师范大学的软件工程专业荣膺中国五星级学科专业美誉，跻身中国一流学科专业。上海交通大学、复旦大学、武汉大学、南京大学、吉林大学、中山大学、华中科技大学、四川大学、中国科学技术大学、山东大学、西安交通大学、哈尔滨工业大学、同济大学、天津大学、东南大学、湖南大学、西北工业大学、大连理工大学、北京理工大学、重庆大学、东北大学、西北大学、苏州大学、南京航空航天大学、北京邮电大学、北京工业大学、解放军理工大学等高校的软件工程专业入选中国四星级学科专业，跻身中国高水平学科专业。 2014中国大学软件工程专业排行榜 名次一级学科学科专业星级学科专业层次学校名称2014综合排名办学类型办学层次1软件工程6星级中国顶尖学科专业北京大学1中国研究型中国顶尖大学1软件工程6星级中国顶尖学
科专业清华大学2中国研究型中国顶尖大学1软件工程6星级中国顶尖学科专业国防科学技术大学中国研究型中国一流大学4软件工程5星级中国一流学科专业浙江大学6中国研究型中国一流大学4软件工程5星级中国一流学科专业北京航空航天大学21中国研究型中国一流大学4软件工程5星级中国一流学科专业华东师范大学24中国研究型中国一流大学7软件工程4星级中国高水平学科专业上海交通大学3中国研究型中国一流大学7软件工程4星级中国高水平学科专业复旦大学4中国研究型中国一流大学7软件工程4星级中国高水平学科专业武汉大学5中国研究型中国一流大学7软件工程4星级中国高水平学科专业南京大学8中国研究型中国一流大学7软件工程4星级中国高水平学科专业吉林大学9中国研究型中国一流大学7软件工程4星级中国高水平学科专业中山大学10中国研究型中国一流大学7软件工程4星级中国高水平学科专业华中科技大学12中国研究型中国一流大学7软件工程4星级中国高水平学科专业四川大学13中国研究型中国一流大学7软件工程4星级中国高水平学科专业中国科学技术大学14中国研究型中国一流大学7软件工程4星级中国高水平学科专业山东大学16中国研究型中国一流大学7软件工程4星级中国高水平学科专业西安交通大学18中国研究型中国一流大学7软件工程4星级中国高水平学科专业哈尔滨工业大学20中国研究型中国一流大学7软件工程4星级中国高水平学科专业同济大学22中国研究型中国一流大学7软件工程4星级中国高水平学科专业天津大学23中国研究型中国一流大学7软件工程4星级中国高水平学科专业东南大学25中国研究型中国一流大学7软件工程4星级中国高水平学科专业湖南大学28中国研究型中国高水平大学7软件工程4星级中国高水平学
新视野大学英语读写教程第一册课文翻译及课后答案
Unit 1 1学习外语是我一生中最艰苦也是最有意义的经历之一。虽然时常遭遇挫折，但却非常有价值。 2我学外语的经历始于初中的第一堂英语课。老师很慈祥耐心，时常表扬学生。由于这种积极的教学方法，我踊跃回答各种问题，从不怕答错。两年中，我的成绩一直名列前茅。 3到了高中后，我渴望继续学习英语。然而，高中时的经历与以前大不相同。以前，老师对所有的学生都很耐心，而新老师则总是惩罚答错的学生。每当有谁回答错了，她就会用长教鞭指着我们，上下挥舞大喊：“错！错！错！”没有多久，我便不再渴望回答问题了。我不仅失去了回答问题的乐趣，而且根本就不想再用英语说半个字。 4好在这种情况没持续多久。到了大学，我了解到所有学生必须上英语课。与高中老师不。大学英语老师非常耐心和蔼，而且从来不带教鞭！不过情况却远不尽如人意。由于班大，每堂课能轮到我回答的问题寥寥无几。上了几周课后，我还发现许多同学的英语说得比我要好得多。我开始产生一种畏惧感。虽然原因与高中时不同，但我却又一次不敢开口了。看来我的英语水平要永远停步不前了。 5直到几年后我有机会参加远程英语课程，情况才有所改善。这种课程的媒介是一台电脑、一条电话线和一个调制解调器。我很快配齐了必要的设备并跟一个朋友学会了电脑操作技术，于是我每周用5到7天在网上的虚拟课堂里学习英语。 6网上学习并不比普通的课堂学习容易。它需要花许多的时间，需要学习者专心自律，以跟上课程进度。我尽力达到课程的最低要求，并按时完成作业。 7我随时随地都在学习。不管去哪里，我都随身携带一本袖珍字典和笔记本，笔记本上记着我遇到的生词。我学习中出过许多错，有时是令人尴尬的错误。有时我会因挫折而哭泣，有时甚至想放弃。但我从未因别的同学英语说得比我快而感到畏惧，因为在电脑屏幕上作出回答之前，我可以根据自己的需要花时间去琢磨自己的想法。突然有一天我发现自己什么都懂了，更重要的是，我说起英语来灵活自如。尽管我还是常常出错，还有很多东西要学，但我已尝到了刻苦学习的甜头。 8学习外语对我来说是非常艰辛的经历，但它又无比珍贵。它不仅使我懂得了艰苦努力的意义，而且让我了解了不同的文化，让我以一种全新的思维去看待事物。学习一门外语最令人兴奋的收获是我能与更多的人交流。与人交谈是我最喜欢的一项活动，新的语言使我能与陌生人交往，参与他们的谈话，并建立新的难以忘怀的友谊。由于我已能说英语，别人讲英语时我不再茫然不解了。我能够参与其中，并结交朋友。我能与人交流，并能够弥合我所说的语言和所处的文化与他们的语言和文化之间的鸿沟。 III. 1. rewarding 2. communicate 3. access 4. embarrassing 5. positive 6. commitment 7. virtual 8. benefits 9. minimum 10. opportunities IV. 1. up 2. into 3. from 4. with 5. to 6. up 7. of 8. in 9. for 10.with V. 1.G 2.B 3.E 4.I 5.H 6.K 7.M 8.O 9.F 10.C Sentence Structure VI. 1. Universities in the east are better equipped, while those in the west are relatively poor. 2. Allan Clark kept talking the price up, while Wilkinson kept knocking it down. 3. The husband spent all his money drinking, while his wife saved all hers for the family. 4. Some guests spoke pleasantly and behaved politely, while others wee insulting and impolite. 5. Outwardly Sara was friendly towards all those concerned, while inwardly she was angry. VII. 1. Not only did Mr. Smith learn the Chinese language, but he also bridged the gap between his culture and ours. 2. Not only did we learn the technology through the online course, but we also learned to communicate with friends in English. 3. Not only did we lose all our money, but we also came close to losing our lives.
地理科学学院2010届学生毕业典礼议程
广州大学地理科学学院关于表彰广州亚运会、亚残运会 优秀志愿者的决定 举世瞩目的第16届广州亚运会已经落下帷幕，各国运动员在赛场上奋勇争先的顽强拼搏精神给我们留下了深刻的印象，而亚运志愿者们在工作岗位上默默无闻的辛勤奉献同样深深感动着我们。亚运期间，他们不怕苦不怕累，充分发扬“我志愿，我快乐”的精神，风雨兼程，圆满出色地完成了国家赋予他们的光荣使命，涌现出一大批思想先进、工作积极的优秀志愿者，他们的优异表现受到了亚组委志愿者部等各部门的表彰和鼓励。其中，刘璐等21人获亚组委志愿者部颁发的“亚运微笑之星”称号；黄耿涛等3名同学获亚运村“我与运动员的故事”征文奖；黄顺婷等15人获得地理科学学院“优秀志愿者骨干”奖；于阳等33人获得地理科学学院“争先创优志愿者积极分子”称号。 值得我们高兴的是，我院区健斯等4名同学在志愿服务期间，由于思想先进、工作积极、表现突出，分别在亚运村和广大击剑场馆临时党组织的考察下，被推荐火线入党，成为一名光荣的中共预备党员。 学院决定对上述优秀志愿者给予表彰。 希望全院学生向受表彰的同学学习，继续发扬“地理人”的光荣传统和优良作风，刻苦学习，积极工作，努力成为德才兼备的社会主义事业建设者和接班人。 广州大学地理科学学院 二O一O年十二月二十一日 表彰名单： 一、第16届广州亚运会亚组委志愿者部“亚运微笑之星”名单（21人） 曹斯远、陈康林、区建斯、万锦鹏、湛雪萍、程凤雯、黄顺婷、侯运强、李佳聪、李伟华、刘俊城、张建荣、巩星亚、黄耿涛、黄火璎、李木英、刘璐、罗文智、谢美娟、杨妙华、邹李荣
二、第16届广州亚运会运动员村“我与运动员的故事”征文奖名单（3人） 黄耿涛、谢美娟、朱建驰 三、广州大学地理科学学院“优秀志愿者骨干”奖名单（15人） 黄顺婷、黄俊逸、区建斯、张建荣、李木英、黄火璎、李伟华、刘璐、刘俊城、李佳聪、杨妙华、杨捷、谢凯程、赵普、侯运强 四、广州大学地理科学学院“争先创优志愿者积极分子”名单（33人） 苏婉君、樊蔚航、于阳、湛雪萍、谢锦鹏、匡捷、王隽、钟智珊、谢名正、陈樱洁、邹李荣、魏宇葱、黄婉仪、薛彩华、罗文智、曹斯远、陈嘉亮、黄李锐、万锦鹏、黄燕卿、谢美娟、黄雅婷、房彩虹、陈康林、翟秀鹏、陈群弟、招伟彬、蔡崇杰、杨俏苑、梁丽婷、黄耿涛、黄毅锋 五、火线入党名单（4人） 区健斯、谢凯程、梁丽婷、杨俏苑
陕西师范大学招生计划录取人数及招生专业目录(文科理科).doc
2019年陕西师范大学招生计划录取人数及招生专业目录(文科理科) 陕西师范大学招生计划录取人数及招生专业目录(文科理科) 更新：2018-11-29 11:48:29 2019年陕西师范大学招生计划录取人数及招生专业目录(文科理科) 选择可以说在很大程度上影响着考生后半生的生活方向和轨迹，很多考生因为高考填志愿时没有足够重视，要么浪费了不少分数；要么学了不喜欢的专业，在大学里感觉“痛不欲生”。 俗话说“七分考，三分报”，正是说明志愿填报的重要性。那么如何填报志愿，填报志愿时选大学应主要考虑哪些指标？其中一个重要指标就是大学招生计划人数和招生专业。今日将带你一起了解关于陕西师范大学招生计划和招生人数、陕西师范大学招生专业目录等相关知识。 注：2019年陕西师范大学招生专业和招生计划人数截至发稿前官方暂未公布，所以小编先整理了2018年陕西师范大学的招生计划专业的信息。考生务必以官方发布的信息为准，本文只作参考！ 2018年陕西师范大学招生计划人数和招生专业在陕西招生计划
专业名称计划类型层次科类计划数外国语言文学类 (含英语(创新试验班),翻译)非定向本科文史15哲学非定向本科文史11日语非定向本科文史11法学非定向本科文史15行政管理非定向本科文史10新闻传播学类 (含新闻学,编辑出版学,网络与新媒体专业)非定向本科文史17公共事业管理非定向本科文史10旅游管理非定向本科文史5社会学非定向本科文史14思想政治教育 (创新试验班)非定向本科文史10历史学类 (含历史学(创新试验班),文物与博物馆学,古典文献学专业)非定向本科文史22中国语言文学类 (含汉语言文学(基地班),汉语言文学(创新试验班),秘书学,汉语国际教育专业)非定向本科文史40预科班非定向本科文史10俄语非定向本科文史10数学类 (含数学与应用数学(创新试验班)、信息与计算科学、统计学专业)非定向本科理工43心理学类 (含心理学,应用心理学专业)非定向本科理工24计算机类 (含计算机科学与技术(创新试验班)软件工程,信息管理与信息系统专业)非定向本科理工57旅游管理非定向本科理工9生物科学类 (含生物科学(基地班),生物技术,生态学专业)非定向本科理工51食品科学与工程类 (含食品科学与工程,食品质量与安全专业)非定向本科理工34物理学类 (含物理学(创新试验班)电子信息科学与技术专业)非定向本科理工22新闻传播学类 (含新闻学,编辑出版学,网络与新媒体专业)非定向本科理工
(完整版)陕西师范大学2007—2008学年第二学期期末考试数据库原理
第 １ 页 ( 共 7 页 ) 陕西师范大学2007—2008学年第二学期期末考试 计算机科学学院2005级计算机科学与技术专业 数据库原理（1） 一、单项选择题（将一个正确的答案代码填入括号中，每小题1分，共15分） （1）数据库（DB ），数据库系统（DBS ）和数据库管理系统（DBMS ）之间的关系是 （ A ）。 A 、DBS 包括D B 和DBMS B 、DBMS 包括DB 和DBS C 、DB 包括DBS 和DBMS D 、DBS 就是DB ，也就是DBMS （2）数据库系统的数据独立性体现在（ B ）。 A 、不会因为数据的变化而影响到应用程序 B 、不会因为数据存储结构与数据逻辑结构的变化而影响应用程序 C 、不会因为存储策略的变化而影响存储结构 D 、不会因为某些存储结构的变化而影响其他的存储结构 （3）下面的选项不是关系数据库基本特征的是（ A ）。 A 、不同的列应有不同的数据类型 B 、不同的列应有不同的列名 C 、与行的次序无关 D 、与列的次序无关 （4）现有如下关系：患者（患者编号，患者姓名，性别，出生日期，所在单位）， 医疗（患者编号，医生编号，医生姓名，诊断日期，诊断结果），其中，医疗 关系中的外码是（ A ）。 A 、患者编号 B 、患者姓名 C 、患者编号和患者姓名 D 、医生编号和患者编号 （5）五种基本关系代数运算是（ D ）。 A 、并、交、差、笛卡尔积、除 B 、并、交、选择、投影、连接 C 、并、差、笛卡尔积、选择、连接 D 、并、差、笛卡尔积、选择、投影 （6）SQL 语言是（ B ）的语言，容易学习 。 A 、过程化 B 、非过程化 C 、格式化 D 、导航式 （7）在SQL 语言中，删除一个视图的命令是（ B ）。 A 、DELETE B 、DROP C 、CLEAR D 、REMOVE
国内哪些高校的研究生招生有自然地理学
国内哪些高校的研究生招生有自然地理学、人文地理学、地图学与地理信息系统这三个专业且比较容易考上？ (0705) 地理学(共10个一级学科招生单位，有一级学科博士点） 北京大学、北京师范大学、中国科学院研究生院、东北师范大学、华东师范大学、南京大学、南京师范大学、中山大学、陕西师范大学、兰州大学 (070501) 自然地理学(共49个二级学科招生单位) 北京林业大学、首都师范大学(B)、河北师范大学、山西大学、山西师范大学、内蒙古师范大学、辽宁师范大学、哈尔滨师范大学、上海师范大学、徐州师范大学、浙江大学、浙江师范大学、安徽师范大学、福建师范大学(B)、山东师范大学、烟台师范学院、河南大学、武汉大学、中国地质大学（武汉）、华中师范大学、湖南师范大学、华南师范大学(B)、广州大学、西南师范大学(B)、贵州师范大学、云南大学、云南师范大学、西北大学、西北师范大学、青海师范大学、新疆大学(B)、新疆师范大学、天津师范大学、重庆交通学院、重庆师范大学、吉林师范大学、中国矿业大学、南京信息工程大学、福建农林大学、江西师范大学、聊城大学、长安大学、湖北大学、广西师范学院、海南师范学院、成都理工大学、四川农业大学、四川师范大学、中国气象科学研究院 (070502) 人文地理学(共50个二级学科招生单位) 首都师范大学、天津师范大学、河北师范大学、山西师范大学、内蒙古师范大学、辽宁师范大学(B)、哈尔滨师范大学、上海师范大学、徐州师范大学、浙江大学、安徽师范大学、福建师范大学、江西师范大学、山东师范大学、河南大学(B)、武汉大学、华中师范大学、湖北大学、湖南师范大学、华南师范大学、广西师范学院、西南师范大学、重庆师范大学、四川师范大学、贵州师范大学、云南大学、云南师范大学、西北大学(B)、西安外国语学院、西北师范大学(B)、青海师范大学、宁夏大学、新疆大学、新疆师范大学、延边大学、浙江师范大学、宁波大学、华侨大学、南昌大学、曲阜师范大学、河南财经学院、广州大学 (070503) 地图学与地理信息系统(共49个二级学科招生单位) 中国农业大学、北京林业大学、首都师范大学、核工业北京地质研究院、河北师范大学、内蒙古师范大学、辽宁师范大学、吉林大学、同济大学、中国矿业大学、河海大学、南京农业大学、浙江大学(B)、安徽师范大学、福州大学、福建师范大学、中国海洋大学(B)、山东师范大学、河南大学、武汉大学(B)、长江大学、中南大学、广西师范学院、西南师范大学、成都理工大学、四川师范大学、昆明理工大学、云南师范大学、西北大学、西北农林科技大学、长安大学、兰州交通大学、西北师范大学、新疆大学、新疆师范大学、中国人民大学、山西农业大学、东华理工学院、江西理工大学、山东科技大学、河南理工大学、西安科技大学、湖南科技大学、湖北大学、华南农业大学、西南交通大学、云南大学、西南林学院、青海师范大学 注：B是指有博士点的 数学不好不碍事，只要不是太差就行，好好努力，是在不行就考自然地理学或人文地理学，不过个人还是建议考地理信息系统，就业前景要比那两个好一些！
新视野大学英语第一册Unit 1课文翻译
新视野大学英语第一册Unit 1课文翻译 学习外语是我一生中最艰苦也是最有意义的经历之一。 虽然时常遭遇挫折，但却非常有价值。 我学外语的经历始于初中的第一堂英语课。 老师很慈祥耐心，时常表扬学生。 由于这种积极的教学方法，我踊跃回答各种问题，从不怕答错。 两年中，我的成绩一直名列前茅。 到了高中后，我渴望继续学习英语。然而，高中时的经历与以前大不相同。 以前，老师对所有的学生都很耐心，而新老师则总是惩罚答错的学生。 每当有谁回答错了，她就会用长教鞭指着我们，上下挥舞大喊：“错！错！错！” 没有多久，我便不再渴望回答问题了。 我不仅失去了回答问题的乐趣，而且根本就不想再用英语说半个字。 好在这种情况没持续多久。 到了大学，我了解到所有学生必须上英语课。 与高中老师不同，大学英语老师非常耐心和蔼，而且从来不带教鞭！ 不过情况却远不尽如人意。 由于班大，每堂课能轮到我回答的问题寥寥无几。 上了几周课后，我还发现许多同学的英语说得比我要好得多。 我开始产生一种畏惧感。 虽然原因与高中时不同，但我却又一次不敢开口了。 看来我的英语水平要永远停步不前了。 直到几年后我有机会参加远程英语课程，情况才有所改善。 这种课程的媒介是一台电脑、一条电话线和一个调制解调器。 我很快配齐了必要的设备并跟一个朋友学会了电脑操作技术，于是我每周用5到7天在网上的虚拟课堂里学习英语。 网上学习并不比普通的课堂学习容易。 它需要花许多的时间，需要学习者专心自律，以跟上课程进度。 我尽力达到课程的最低要求，并按时完成作业。 我随时随地都在学习。 不管去哪里，我都随身携带一本袖珍字典和笔记本，笔记本上记着我遇到的生词。 我学习中出过许多错，有时是令人尴尬的错误。 有时我会因挫折而哭泣，有时甚至想放弃。 但我从未因别的同学英语说得比我快而感到畏惧，因为在电脑屏幕上作出回答之前，我可以根据自己的需要花时间去琢磨自己的想法。 突然有一天我发现自己什么都懂了，更重要的是，我说起英语来灵活自如。 尽管我还是常常出错，还有很多东西要学，但我已尝到了刻苦学习的甜头。 学习外语对我来说是非常艰辛的经历，但它又无比珍贵。 它不仅使我懂得了艰苦努力的意义，而且让我了解了不同的文化，让我以一种全新的思维去看待事物。 学习一门外语最令人兴奋的收获是我能与更多的人交流。 与人交谈是我最喜欢的一项活动，新的语言使我能与陌生人交往，参与他们的谈话，并建立新的难以忘怀的友谊。 由于我已能说英语，别人讲英语时我不再茫然不解了。 我能够参与其中，并结交朋友。
地理科学考研学校排名
地理学的综合排名的学校依次是： A+ 北京大学，南京大学，华东师范大学，武汉大学 A （14个）北京师范大学，南京师范大学，中山大学，兰州大学，中国地质大学，福建师范大学，东北师范大学，西北大学，陕西师范大学，广州大学，新疆大学，首都师范大学，辽宁师范大学，西北师范大学 B+（26个）河南大学，安徽师范大学，西南大学，浙江大学，山东师范大学，中国海洋大学，新疆师范大学，华南师范大学，广西师范大学，华中师范大学，河北师范大学，内蒙古师范大学，湖南师范大学，上海师范大学，云南师范大学，四川师范大学，中国矿业大学，哈尔滨师范大学，湖北大学，北京林业大学，贵州师范大学，山西师范大学，江西师范大学，中南大学，青海师范大学 B (26个)成都理工大学，重庆师范大学，长安大学，浙江师范大学，福州大学，中国农业大学，徐州师范大学，宁夏大学，同济大学，天津师范大学，昆明理工大学，长江大学，南京农业大学，鲁东大学，兰州交通大学，山西大学，河海大学，西安外国语学院，宁波大学，西北农林科技大学，华东理工大学，东华理工学院，吉林大学，南京信息工程大学，福建农林大学，四川农业大学，聊城大学 C (18个)华南农业大学，海南师范学院，西南交通大学，山东科技大学，重庆交通学院，山西农业大学，华侨大学，中国人民大学，吉林师范大学，河南理工大学，河南财经学院，延边大学，湖南科技大学，江西理工大学，西安科技大学，南昌大学，西南林学院，曲阜师范大学 自然地理学专业的学校排名依次是： A+ 中国地质大学，北京大学，南京大学 A 北京师范大学，华东师范大学，兰州大学，中山大学，南京师范大学，新疆大学，陕西师范大学，福建师范大学 B+（18个）首都师范大学，西南大学，辽宁师范大学，西北大学，华南师范大学，东北师范大学，湖南师范大学，西北师范大学，山东师范大学，哈尔滨师范大学，新疆师范大学，上海师范大学，内蒙古师范大学，安徽师范大学，贵州师范大学，武汉大学，河南大学，华中师范大学 B（17个）广州大学，山西师范大学，河北师范大学，浙江师范大学，鲁东大学，云南师范大学，浙江大学，北京林业大学，山西大学，云南大学，青海师范大学，徐州师范大学，重庆师范大学，中国矿业大学，长安大学，成都理工大学，南京信息工程大学 C（11个）广西师范大学，江西师范大学，福建农林大学，天津师范大学，湖北大学，四川师范大学，四川农业大学，海南师范学院，重庆交通学院，聊城大学，吉林师范大学 人文地理学专业的学校排名依次是： A+ 中山大学，北京大学，华东师范大学 A 北京师范大学，福建师范大学，东北师范大学，西北师范大学，河南大学，南京师范大学，南京大学 B+（16个）辽宁师范大学，兰州大学，西北大学，安徽师范大学，华中师范大学，陕西师范大学，湖北大学，四川师范大学，上海师范大学，广西师范学院，江西师范大学，云南大学，新疆大学，新疆师范大学，宁夏大学，河北师范大学 B（15个）陕西师范大学，华南师范大学，武汉大学，西南大学，山东师范大学，首都师范大学，重庆师范大学，云南师范大学，内蒙古师范大学，贵州师范大学，湖南师范大学，西安外国语学院，哈尔滨师范大学，青海师范大学，天津师范大学 C（10）浙江大学，徐州师范大学，广州大学，宁波大学，浙江师范大学，华侨大学，延边大学，河南财经学院，南昌大学，曲阜师范大学 地图学与地理信息系统专业的学校排名依次是：A+ 武汉大学，南京师范大学，北京大学A 北京师范大学，南京大学，中山大学，中国矿业大学，首都师范大学，华东师范大学，浙江大学，东北师范大学 B+（18个）中国海洋大学，中国农业大学，兰州大学，陕西师范大学，安徽师范大学，中南大学，北京林业大学，山东师范大学，新疆师范大学，广西师范大学，福州大学，同济大学，河南大学，河北师范大学，辽宁师范大学，昆明理工大学，成都理工大学，云南师范大学 B（17）新疆大学，长江大学，南京农业大学，西南大学，兰州交通大学，河海大学，西北大学，西北师范大学，长安大学，内蒙古师范大学，福建师范大学，四川师范大学，吉林大学，西北农林科技大学，东华理工学院，湖北大学，河南理工大学 C（11个）云南大学，华南农业大学，山西农业大学，西南林学院，江西理工大学，中国人民大学，湖南科技大学，山东可见大学，青海师范大学，西安科技大学，西南交通大学
新视野大学英语(第三版)读写教程第二册课文翻译(全册)
新视野大学英语第三版第二册读写课文翻译 Unit 1 Text A 一堂难忘的英语课 1 如果我是唯一一个还在纠正小孩英语的家长，那么我儿子也许是对的。对他而言，我是一个乏味的怪物：一个他不得不听其教诲的父亲，一个还沉湎于语法规则的人，对此我儿子似乎颇为反感。 2 我觉得我是在最近偶遇我以前的一位学生时，才开始对这个问题认真起来的。这个学生刚从欧洲旅游回来。我满怀着诚挚期待问她：“欧洲之行如何？” 3 她点了三四下头，绞尽脑汁，苦苦寻找恰当的词语，然后惊呼：“真是，哇！” 4 没了。所有希腊文明和罗马建筑的辉煌居然囊括于一个浓缩的、不完整的语句之中！我的学生以“哇！”来表示她的惊叹，我只能以摇头表达比之更强烈的忧虑。 5 关于正确使用英语能力下降的问题，有许多不同的故事。学生的确本应该能够区分诸如their/there/they're之间的不同，或区别complimentary 跟complementary之间显而易见的差异。由于这些知识缺陷，他们承受着大部分不该承受的批评和指责，因为舆论认为他们应该学得更好。 6 学生并不笨，他们只是被周围所看到和听到的语言误导了。举例来说，杂货店的指示牌会把他们引向stationary（静止处），虽然便笺本、相册、和笔记本等真正的stationery（文具用品）并没有被钉在那儿。朋友和亲人常宣称They've just ate。实际上，他们应该说They've just eaten。因此，批评学生不合乎情理。 7 对这种缺乏语言功底而引起的负面指责应归咎于我们的学校。学校应对英语熟练程度制定出更高的标准。可相反，学校只教零星的语法，高级词汇更是少之又少。还有就是，学校的年轻教师显然缺乏这些重要的语言结构方面的知识，因为他们过去也没接触过。学校有责任教会年轻人进行有效的语言沟通，可他们并没把语言的基本框架——准确的语法和恰当的词汇——充分地传授给学生。