有趣的发现日记200字

2024-06-30

有趣的发现日记200字（精选7篇）

有趣的发现日记200字第1篇

上个星期，我去奶奶家玩，奶奶家有一个池塘，池塘里面有一些小鱼和一些小虾。我走到池塘边，水里的小鱼、小虾们都太馋了，我坐在那里它们还以为我要给它们吃食呢!

小鱼、小虾们很讨人喜欢。我喜欢其中的一条鱼儿和一只小虾，那鱼的鳞片是红色的，在阳关的照射下，鳞片闪着光，美极了!那小虾头上有两根触角，仿佛是电视机上的天线，眼睛很特别，那眼睛长在头顶上，身子是透明的，尾巴分成三个部分。

它们一见到吃的就什么也不管了，你争我抢的。我拿着鱼、虾通吃的食物放两粒在水上，一只虾它尾巴一伸一缩可灵活了，但它游偏了，另一只虾在这时也用这个方法一下子就把食给吃了!一条鱼在左右摇摆着尾巴，可它一不留神撞上了一面墙上，另一条鱼就趁着这个时候游了过去，水面顿时荡起了波纹，它还顺利得把食给吃了。

这可真有趣呀!

有趣的发现日记200字第2篇

去年的冬天只下了两场雨，一场下了31天，另一场下了28天。到处阴冷潮湿，真难受!

这天，我和妈妈到沃尔玛超市购物，超市里的地板像洗过一样，被肮脏的鞋子踩过，一片泥泞。走到活鱼、海鲜区，咦!这儿的地板很干，很舒服。这是为什么呢?我好奇地四处察看。突然，一阵刺骨的冷风吹到我的脚上，吓了我一跳。我在地板上发现了一个像倒过来的哨子一样的东西，圆圆的肚皮，扁扁长长的嘴巴，“呼呼”地向外吹气，便对妈妈说：“妈妈，这里有个‘电风扇’，这么冷，谁还开‘电风扇’。”妈妈走过来，看了看说：“这是干燥机，专门用来吹干地板的。”“妈妈，吹这么冷的风，怎么能把地板吹干呢?”我好奇地问。妈妈沉思了一会儿说：“因为不停地吹着冷风，形成对流，这样就把水汽带走了，地板也就干了。”

哦，原来是这样子呀!这真是个有趣的发现。

有趣的发现日记200字第3篇

当前在事务数据库中挖掘关联规则是数据挖掘领域中一个非常重要的研究课题, 关联规则的研究有助于发现数据库中不同商品间的联系, 找出顾客购买行为模式, 分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类便于企业的高级管理者便于决策支持。

关联规则及其有关定义可形式化描述如下:

(1) 设I={i1, i2, …, im}是m个不同项的集合。设任务相关的数据D是数据库事务的集合, 其中每个事务T是项目的集合, 使得T⊆I，每一个事务有一个标识符, 称作TID。设A是一个项集, 事务T包含A当且仅当A⊆T。关联规则是形如A⇒B的蕴涵式, 其中A⊂I, B⊂I并且A∩B=φ。

(2) 关联规则A⇒B在事物数据库D中的的支持度 (support) 是指D中包含A和B的事务数与D中所有事物数之比，记为support (A⇒B) =P (A∪B) 。规则的置信度 (confidence) 是指D中包含A和B的事务数与D中包含A的事物数之比，记为confidence (A B) =P (AB) /P (A) 。

(3) 同时满足支持度不小于支持度阈值 (min_sup) 和置信度不小于置信度阈值 (min_conf) 的关联规则称作强规则。

项目的集合称为项集。包含k个项目的项目集称为k-项集。如果项集满足最小支持度, 则称它为频繁项目集。关联规则的挖掘是一个两步过程:

(1) 找出存在于事务数据库中所有频繁项目集。若项目集X的支持度support (X) ≥min_sup, 则称X为频繁项目集;否则, 为非频繁项目集。

(2) 由频繁项目集产生强关联规则。对于每个频繁项目集A, 若B⊂A, B≠φ, 且support (A) /support (B) ≥min_conf, 则有关联规则B⇒ (A-B) 。

基于一个给定的数据仓库，我们可能会发现很多关联规则，但是不是所有的规则我们都感兴趣。

2 衡量关联规则有趣度的标准

我们找到的强关联规则尽管满足min_sup和min_conf, 但仍然会产生一些对用户来说不感兴趣的规则。因此我们采用主观标准和客观标准来衡量规则的有趣度。

2.1 衡量关联规则有趣度的主观标准

主观标准方面是指只有用户最终能够确定规则是否有趣因不同用户而异。下面是一个关于主观标准的例子。例如我们挖掘到以下规则：

这个规则对于想了解顾客购买特性的销售经理来说, 的确是有兴趣的关联规则, 但对于人力资源部的经理而言就完全没有兴趣了。

关于主观标准方面，现在比较流行的方法是基于数据挖掘查询的方式。首先由用户指定一系列他所感兴趣的条件，标准和期望，如指出他想了解哪些项目集之间的关系，如指出最小支持度和最小置信度。然后由计算机系统去形成或匹配这些条件，找出符合这些条件的关联规则。

但是这些方法都存在着一些缺点：首先用户不可能一开始就完全知道和指定他们对什么感兴趣，他们需要一些指导知识。这种形式只能找到用户所期望的关联规则，因为用户的查询条件和期望都是源于用户的现存知识空间，而对于那些出乎用户知识范围之外的关联规则，则无法找到。

2.2 衡量关联规则有趣度的客观标准

客观标准方面是指可以采用分析关联规则的结构, 数据后面的统计意义以及预测行为等方法来衡量规则的有趣度。

表1是一个关于客观标准的例子，我们假设有一个超市的事务数据库D，为了便于讨论，我们只涉及关于coffer和milk事务集D’, 项目集I={milk, coffer}。

由上表分析可推出规则如下：

若我们限定min_sup=35%, min_conf=60%, 则可认为milk⇒coffer是强关联规则, 似乎可认为买milk的人大部分都买coffer。但实际上单独买coffer (support=75%) 远远大于买了milk又买了coffer的人 (support=40%) 。因此, 规则milk⇒coffer我们可认为是无趣的。

3 如何发现有趣的多层关联规则

当挖掘到的关联规则涉及到概念分层时，如何在诸多的多层关联规则上找到有趣的规则，是一个具有挑战的问题。我们先来看下面这个实例。

考虑一个计算机商务数据库D’, 若挖掘到的强关联规则如下，其中s表示该关联规则的支

持度，c表示该关联规则的置信度。

我们首先来分析 (1) 组数据。 (1) 组数据中包含3条强关联规则，其中约定color printer是HP color printer, Epson color printer和Sony color printer在概念分层中的高一层概念。则规则desk PC⇒HP color printer我们认为是无趣的，因为color printer存在3个直接孩子，而关联规则desk PC⇒color printer支持度又是8%, 我们可以期望desk PC⇒HP colorprinter占整个desk PC⇒color printer业务的1/3, 即支持度s约为2.7%。故desk PC HP⇒color printer，我们可以认为是无趣的。但对于关联规则desk PC⇒Epson color printer其支持度s=4.9%远远大于2.7%⇒，故我们认为关联规则desk PCEpson color printer其是有趣的。

同理，我们分析 (2) 组数据。 (2) 组数据也包含3条强关联规则，其中约定desk PC是desk IBM PC和desk DELL PC在概念分层中的高一层概念。则规则desk IBM PC⇒color printer我们认为是无趣的，因为desk PC存在2个直接孩子，而关联规则desk PC⇒color printer的支持度又是8%，我们可以期望desk IBM⇒PCcolor printer占整个desk PC⇒color printer业务的1/2, 即支持度s约为4%。但实际上关联规则desk IBM PC⇒color printer的支持度只有1%, 远远小于4%, 我们可以认为是无趣的。但对于关联规则desk DELL PC⇒color printer其支持度s=7%远远大于4%，故我们认为关联规则desk DELL PC⇒color printer其是有趣的。

而在现实社会生活中基于以上的例子还不少，探讨一下这方面的问题还是有非常实际的意义的。因此为了在多层关联规则上找到有趣的规则，笔者提出了自己的一种SH算法来解决这个问题。

在阐述SH算法之前，有三大假设：

(1)设存在概念分层的项目集合为A={I1, I2, I3, ...In}, 其中I1为最高概念层。构造以I1为根节点的树，构造原理为：若Ii1, Ii2, Ii3, ...Iim为Ii (1≤i≤n) 在概念分层中的下一层，那么将Ii1, Ii2Ii3, ...Iim作为节点Ii (1≤i≤n) 在树中的直接孩子。

(2)扫描一次事务数据库D'，并遍历树中的每一个节点Ii，记下每个节点的支持度support (Ii) (1≤i≤n) 。

(3)引入阏值系数s=0.5。

SH算法的核心思想

对于项Ii (1≤i≤n) 若存在概念分层且support (Ii) =S%, 设其直接子女Ii1, Ii2, …Iim，其支持度分别为:support (Ii1) , support (Ii2) , …support (Iim) 。对于任意的Iij (1≤i≤n, 1≤j≤m) 有： (1) support (Iij>=S%*0.5, 则认为是有趣的项集, 并继续分析其在树中的所有的子女 (2) support (Iij) <=S%/m[m为项A直接子女的数目], 对其剪枝。 (3) S%n

SH算法具体描述

SH算法:输入：项目集合A={I1, I2, I3, ...In},

输出：有趣的项目集合B

Step1找出集合A中第一个不为NULL的项Ii (1≤i≤n) , 且记support (Ii) =S%。

Step2找出Ii在树中的所有直接孩子，记为Ii1, Ii2, …Iim (1≤i≤n, 1≤j≤m) , 且分别记为support (Ii1) , support (Ii2) , …support (Iim) 。

Step3 for each Ii的直接孩子Iij

Step4 if (support (Iij) >=S%*0.5) ，B=B∪Iij, 将集合A中Iij项赋值为NULL

Step5 else if (support (Iij) <=S%/m) , 将集合A中Iij及其Iij在树中的所有孩子项赋值为NULL。

Step6 else B=B∪Iij, 将集合A中Iij项赋值为NULL, Iij在树中的所有非直接孩子项赋值为NULL//保留当前节点Iij的直接孩子。

Step7 B=B∪Ii, 将集合A中Ii项赋值为NULL

SH算法的时间复杂度分析

上述SH算法由于每次都要扫描一遍项目集合A={I1, I2I3, ...In}，直到找到第一个不为NULL的项Ii。然后又要扫描树，找出项Ii在树中的直接孩子，故时间复杂度为O (n2) 。

SH算法退出的条件为集合A中没有不为NULL的项，有趣的项目集合B以形成，然后我们再找出项目集合B中项所在的强关联规则，则我们认为这些多层关联规则上是有趣的规则。

参考文献

[1]Agrawal R.Mining association rules between sets of item s in large databases[C].Proceedings of ACM S IGMOD Conference on Management of Data, Washington DC, 1993, 207-216.

[2]Brin S, Motwani R, Silverstein C.Beyond market basket:Generalizing association rules to correlations[C].In:Proc.1997ACM2S IGMOD Int.Conf.Management of Data, Tucson, A Z, 1997, 265-276.

[3]Ahmed K M, El2M akky N M, Taha Y.A note on“Beyond market basket:Generalizing association rules to correlations[C].”S IGKDD Exp lo rations1, 2000, 46-48.

大脑的有趣发现第4篇

人们看手机的时间越来越多了，而我们才刚刚开始了解这种习惯对大脑的影响。据佛罗里达州大学的一项研究称，手机震动或铃声会明显影响人们的注意力和生产力。还有研究表明，重度手机使用者会出现认知问题，比如健忘、粗心，甚至忽略周边环境等。

中风损伤有助戒烟

爱荷华大学和南加州大学的研究人员发现中风损伤有其利用价值：使人摆脱对尼古丁的依赖。他们发现，中风可对大脑的岛叶皮质起作用，这一区域受损以后摆脱烟瘾的概率是其他部分受损的300至400倍。不过，这种损伤有其危害：左岛叶皮质受损将引发失语，右岛叶皮质受损则使人失去所有情绪。

环境污染让大脑萎缩

环境污染对于大脑的影响超过我们的想象：最新研究表明，暴露在空气污染中能够加速大脑老化，而且能够明显促发包括老年痴呆和帕金森症在内的神经退行性疾病。研究表明，过多暴露在污染中与脑白质的减少有关。换句话说，就是生活在有毒的环境中会让大脑萎缩。

大脑是和免疫系统相连的

2015年，弗吉尼亚大学的神经系统科学家发现了之前从未发现的信息：大脑和免疫系统存在一种直接的联系。一种淋巴管网络将其联系起来，这也是研究人员首次在大脑中找到淋巴管系统。

增加细菌能增强你的情绪

在过去几年里，大脑和肠道间的联系已经成为神经系统科学和心理学研究的另外一个重大课题。2015年的研究发现，增加肠道中有益菌的平衡能够帮助我们减少焦虑，也能够减轻抑郁症症状。有研究表明，饮食中包含更多发酵食品的人们表现出较少的神经过敏和社会焦虑，这是因为这类食物中含有丰富的益生菌。

待在野外对于上瘾有疗效

我们都知道在野外会给身体和心理带来明显的好处，但是2015年研究人员发现，大自然带来的心理方面好处远超我们的想象。斯坦福大学的研究发现，户外漫步能够减少沮丧情绪和消极想法。另外一项研究也发现，待在野外对于上瘾也有疗效，并且能够减少冲动，改善自我控制。

良好的睡眠是智商的关键组成部分

科学家们已经确认良好的睡眠对心理健康是非常重要的，而缺乏睡眠会影响承受压力水平，并且与焦虑、抑郁以及其它精神健康问题有着密切联系。一项标志性研究表明，良好的睡眠也是智商的关键组成部分。缺乏睡眠会让我们识别面部情绪的能力变得迟钝。

特定大脑活动强度可用于评估注意力

健康成年人的特定大脑网络的活动强度可用于预测个人保持注意力的能力。从大脑连接活动的规律发展出来的大脑网络模型也能用于预测儿童和青少年的注意力缺陷。

虽然有些心理过程的能力比如快速推理和工作记忆，可以通过一些可靠手段被检测出来，但是关于注意力，科学家却一直无法为其找到一套标准的检测方法。研究人员采用功能磁共振成像技术研究出一种以大脑为基础、针对持续注意力的检测手段——持续注意力是指人对某项任务要求保持集中精神的能力。研究人员首先记录下25位受试者休息时以及执行一项要求他们持续集中精神的任务时的大脑活动，这25位受试者包括12名男性和13名女性，年龄范围在18到32岁之间。在通过模型将受试者的任务表现和大脑连接活动强度建立起关联后，他们发现，不管是在执行任务时还是休息时记录下的大脑网络活动强度，模型都可以预测受试者的注意力——而这些受试者的测试数据之前并未用于模型的建立。

之后研究人员从113名年龄在8到16岁之间、其中部分患有注意缺陷多动障碍（ADHD）的青少年儿童身上采集数据并分析，他们发现这套有关大脑网络强度的模型也和临床ADHD评定量表一样，能够评估注意力缺陷的严重程度。

研究人员认为他们的研究结果表明了可能还存在一些以大脑为基础的指标，可用于预测其他认知能力和临床症状。

早期语言接触会对大脑产生持久影响

神经科学研究显示，人在早期简单接触到的母语，会对大脑有持久影响。其关系到人一生中大脑如何处理来自第二语言的声音。

在人生命的第一年，大脑十分适合通过感官收集和储存关于世界的各种信息。在这段时间中，大脑会适应一种特定语言的声音，并且建立起与这些声音相关的神经元表征。不过，以前尚不清楚，这些早期经历是否会对神经元处理第二语言产生影响，亦或者产生了什么影响。

此次，加拿大麦吉尔大学劳拉·皮尔斯和她的同事们，通过功能磁共振成像扫描记录了43个10岁到17岁之间的未成年人在听到法语假词（实际不存在，但是发音规则符合法语的词）时的大脑活动，并且还记录了这些未成年人在执行一项记忆任务的过程中，当听到一个假词被重复时，被试者作出反应的瞬间的大脑活动。

研究人员测试了三组法语流利的儿童：第一组说法语的儿童从来没有接触过汉语;第二组是华人儿童，但会说流利的汉语和法语，法语作为其第二语言;第三组是在婴儿时期被法裔的父母收养的中国儿童，仅会说法语。虽然这三组儿童执行任务的能力同样出色，但他们大脑中被激活的部分在不同组之间有差异。在只会说法语、从来没有接触过汉语的儿童中，所有被认为和处理语言相关声音的大脑部位都被激活了。然而，除了在三组儿童中均激活的脑区以外，在两组接触过汉语的儿童的大脑中，和认知控制与注意力相关的部位也出现了激活现象。

有趣的发现日记200字第5篇

我拿起手电筒，用扫把一扫，“啊!”我大声的叫起来，我真不敢相信自己的眼睛，沙发下竟然藏着一只死蝙蝠!我双手发抖，看都不敢看一眼，立刻把死蝙蝠扔进了垃圾桶。“真是吓了我一大跳!”我自言自语。奶奶问：“发生了什么事儿?”我似乎还在惊吓中，结结巴巴说了几个字：“刚才沙发下……有一只……死蝙蝠!”“天哪!”奶奶大声说。“不过已经被我扔了。”我轻轻说道。

我心想：真是有惊无险啊，快把这件事忘掉吧!说不定明天还有更有趣的事呢!

有趣的发现日记200字第6篇

今天下午，我们做了个游戏，俩个人坐在地上，并要背靠背着起来，不能一前一后的起来，在这期间，也许是我和田紫雪没听到老师的说明吧，结果人是起来了，但是却和田紫雪离得太远了，最后失败了。在班上，大家都说出俩个人要团结什么的，但我做完这个游戏后，感觉两人紧靠在一起，手不扶地根本起不来，但看到别人想起来时，把重力压在另一个同学身上才起来，看来这一心在起来当中。

不仅仅是团结，两人更要一心集中。在这座城市里，有许许多多的人为了胜利，他们帮助伙伴一起度过难关，为了胜利，他们忠告大家要集中精神，最后还不一样成功了吗!