Copy disabled (too large)
Download .txt
Showing preview only (19,499K chars total). Download the full file to get everything.
Repository: Dod-o/Statistical-Learning-Method_Code
Branch: master
Commit: 1ab72871aa45
Files: 37
Total size: 63.5 MB
Directory structure:
gitextract_e6kzvz0w/
├── AdaBoost/
│ └── AdaBoost.py
├── Clustering/
│ ├── Hierachical_Clustering/
│ │ ├── Hierachical_Clustering.ipynb
│ │ └── Hierachical_Clustering.py
│ ├── K-means_Clustering/
│ │ ├── K-means_Clustering.ipynb
│ │ └── K-means_Clustering.py
│ └── iris.data
├── DecisionTree/
│ └── DecisionTree.py
├── EM/
│ └── EM.py
├── HMM/
│ ├── HMM.py
│ ├── HMMTrainSet.txt
│ └── testArtical.txt
├── KNN/
│ └── KNN.py
├── LDA/
│ ├── LDA.ipynb
│ ├── LDA.py
│ └── bbc_text.csv
├── LSA/
│ ├── LSA.ipynb
│ ├── LSA.py
│ └── bbc_text.csv
├── Logistic_and_maximum_entropy_models/
│ ├── logisticRegression.py
│ └── maxEntropy.py
├── NaiveBayes/
│ └── NaiveBayes.py
├── PCA/
│ ├── PCA.ipynb
│ ├── PCA.py
│ └── cars.csv
├── PLSA/
│ ├── PLSA.ipynb
│ ├── PLSA.py
│ └── bbc_text.csv
├── Page_Rank/
│ ├── Page_Rank.ipynb
│ └── Page_Rank.py
├── README.md
├── SVM/
│ └── SVM.py
├── perceptron/
│ └── perceptron_dichotomy.py
└── transMnist/
├── Mnist/
│ ├── t10k-images.idx3-ubyte
│ ├── t10k-labels.idx1-ubyte
│ ├── train-images.idx3-ubyte
│ └── train-labels.idx1-ubyte
└── transMnist.py
================================================
FILE CONTENTS
================================================
================================================
FILE: AdaBoost/AdaBoost.py
================================================
#coding=utf-8
#Author:Dodo
#Date:2018-12-05
#Email:lvtengchao@pku.edu.cn
#Blog:www.pkudodo.com
'''
数据集：Mnist
训练集数量：60000(实际使用：10000)
测试集数量：10000（实际使用：1000)
层数：40
------------------------------
运行结果：
正确率：97%
运行时长：65m
'''
import time
import numpy as np
def loadData(fileName):
'''
加载文件
:param fileName:要加载的文件路径
:return: 数据集和标签集
'''
#存放数据及标记
dataArr = []; labelArr = []
#读取文件
fr = open(fileName)
#遍历文件中的每一行
for line in fr.readlines():
#获取当前行，并按“，”切割成字段放入列表中
#strip：去掉每行字符串首尾指定的字符（默认空格或换行符）
#split：按照指定的字符将字符串切割成每个字段，返回列表形式
curLine = line.strip().split(',')
#将每行中除标记外的数据放入数据集中（curLine[0]为标记信息）
#在放入的同时将原先字符串形式的数据转换为整型
#此外将数据进行了二值化处理，大于128的转换成1，小于的转换成0，方便后续计算
dataArr.append([int(int(num) > 128) for num in curLine[1:]])
#将标记信息放入标记集中
#放入的同时将标记转换为整型
#转换成二分类任务
#标签0设置为1，反之为-1
if int(curLine[0]) == 0:
labelArr.append(1)
else:
labelArr.append(-1)
#返回数据集和标记
return dataArr, labelArr
def calc_e_Gx(trainDataArr, trainLabelArr, n, div, rule, D):
'''
计算分类错误率
:param trainDataArr:训练数据集数字
:param trainLabelArr: 训练标签集数组
:param n: 要操作的特征
:param div:划分点
:param rule:正反例标签
:param D:权值分布D
:return:预测结果， 分类误差率
'''
#初始化分类误差率为0
e = 0
#将训练数据矩阵中特征为n的那一列单独剥出来做成数组。因为其他元素我们并不需要，
#直接对庞大的训练集进行操作的话会很慢
x = trainDataArr[:, n]
#同样将标签也转换成数组格式，x和y的转换只是单纯为了提高运行速度
#测试过相对直接操作而言性能提升很大
y = trainLabelArr
predict = []
#依据小于和大于的标签依据实际情况会不同，在这里直接进行设置
if rule == 'LisOne': L = 1; H = -1
else: L = -1; H = 1
#遍历所有样本的特征m
for i in range(trainDataArr.shape[0]):
if x[i] < div:
#如果小于划分点，则预测为L
#如果设置小于div为1，那么L就是1，
#如果设置小于div为-1，L就是-1
predict.append(L)
#如果预测错误，分类错误率要加上该分错的样本的权值（8.1式）
if y[i] != L: e += D[i]
elif x[i] >= div:
#与上面思想一样
predict.append(H)
if y[i] != H: e += D[i]
#返回预测结果和分类错误率e
#预测结果其实是为了后面做准备的，在算法8.1第四步式8.4中exp内部有个Gx，要用在那个地方
#以此来更新新的D
return np.array(predict), e
def createSigleBoostingTree(trainDataArr, trainLabelArr, D):
'''
创建单层提升树
:param trainDataArr:训练数据集数组
:param trainLabelArr: 训练标签集数组
:param D: 算法8.1中的D
:return: 创建的单层提升树
'''
#获得样本数目及特征数量
m, n = np.shape(trainDataArr)
#单层树的字典，用于存放当前层提升树的参数
#也可以认为该字典代表了一层提升树
sigleBoostTree = {}
#初始化分类误差率，分类误差率在算法8.1步骤（2）（b）有提到
#误差率最高也只能100%，因此初始化为1
sigleBoostTree['e'] = 1
#对每一个特征进行遍历，寻找用于划分的最合适的特征
for i in range(n):
#因为特征已经经过二值化，只能为0和1，因此分切分时分为-0.5， 0.5， 1.5三挡进行切割
for div in [-0.5, 0.5, 1.5]:
#在单个特征内对正反例进行划分时，有两种情况：
#可能是小于某值的为1，大于某值得为-1，也可能小于某值得是-1，反之为1
#因此在寻找最佳提升树的同时对于两种情况也需要遍历运行
#LisOne：Low is one：小于某值得是1
#HisOne：High is one：大于某值得是1
for rule in ['LisOne', 'HisOne']:
#按照第i个特征，以值div进行切割，进行当前设置得到的预测和分类错误率
Gx, e = calc_e_Gx(trainDataArr, trainLabelArr, i, div, rule, D)
#如果分类错误率e小于当前最小的e，那么将它作为最小的分类错误率保存
if e < sigleBoostTree['e']:
sigleBoostTree['e'] = e
#同时也需要存储最优划分点、划分规则、预测结果、特征索引
#以便进行D更新和后续预测使用
sigleBoostTree['div'] = div
sigleBoostTree['rule'] = rule
sigleBoostTree['Gx'] = Gx
sigleBoostTree['feature'] = i
#返回单层的提升树
return sigleBoostTree
def createBosstingTree(trainDataList, trainLabelList, treeNum = 50):
'''
创建提升树
创建算法依据“8.1.2 AdaBoost算法” 算法8.1
:param trainDataList:训练数据集
:param trainLabelList: 训练测试集
:param treeNum: 树的层数
:return: 提升树
'''
#将数据和标签转化为数组形式
trainDataArr = np.array(trainDataList)
trainLabelArr = np.array(trainLabelList)
#没增加一层数后，当前最终预测结果列表
finallpredict = [0] * len(trainLabelArr)
#获得训练集数量以及特征个数
m, n = np.shape(trainDataArr)
#依据算法8.1步骤（1）初始化D为1/N
D = [1 / m] * m
#初始化提升树列表，每个位置为一层
tree = []
#循环创建提升树
for i in range(treeNum):
#得到当前层的提升树
curTree = createSigleBoostingTree(trainDataArr, trainLabelArr, D)
#根据式8.2计算当前层的alpha
alpha = 1/2 * np.log((1 - curTree['e']) / curTree['e'])
#获得当前层的预测结果，用于下一步更新D
Gx = curTree['Gx']
#依据式8.4更新D
#考虑到该式每次只更新D中的一个w，要循环进行更新知道所有w更新结束会很复杂（其实
#不是时间上的复杂，只是让人感觉每次单独更新一个很累），所以该式以向量相乘的形式，
#一个式子将所有w全部更新完。
#该式需要线性代数基础，如果不太熟练建议补充相关知识，当然了，单独更新w也一点问题
#没有
#np.multiply(trainLabelArr, Gx)：exp中的y*Gm(x)，结果是一个行向量，内部为yi*Gm(xi)
#np.exp(-1 * alpha * np.multiply(trainLabelArr, Gx))：上面求出来的行向量内部全体
#成员再乘以-αm，然后取对数，和书上式子一样，只不过书上式子内是一个数，这里是一个向量
#D是一个行向量，取代了式中的wmi，然后D求和为Zm
#书中的式子最后得出来一个数w，所有数w组合形成新的D
#这里是直接得到一个向量，向量内元素是所有的w
#本质上结果是相同的
D = np.multiply(D, np.exp(-1 * alpha * np.multiply(trainLabelArr, Gx))) / sum(D)
#在当前层参数中增加alpha参数，预测的时候需要用到
curTree['alpha'] = alpha
#将当前层添加到提升树索引中。
tree.append(curTree)
#-----以下代码用来辅助，可以去掉---------------
#根据8.6式将结果加上当前层乘以α，得到目前的最终输出预测
finallpredict += alpha * Gx
#计算当前最终预测输出与实际标签之间的误差
error = sum([1 for i in range(len(trainDataList)) if np.sign(finallpredict[i]) != trainLabelArr[i]])
#计算当前最终误差率
finallError = error / len(trainDataList)
#如果误差为0，提前退出即可，因为没有必要再计算算了
if finallError == 0: return tree
#打印一些信息
print('iter:%d:%d, sigle error:%.4f, finall error:%.4f'%(i, treeNum, curTree['e'], finallError ))
#返回整个提升树
return tree
def predict(x, div, rule, feature):
'''
输出单独层预测结果
:param x: 预测样本
:param div: 划分点
:param rule: 划分规则
:param feature: 进行操作的特征
:return:
'''
#依据划分规则定义小于及大于划分点的标签
if rule == 'LisOne': L = 1; H = -1
else: L = -1; H = 1
#判断预测结果
if x[feature] < div: return L
else: return H
def model_test(testDataList, testLabelList, tree):
'''
测试
:param testDataList:测试数据集
:param testLabelList: 测试标签集
:param tree: 提升树
:return: 准确率
'''
#错误率计数值
errorCnt = 0
#遍历每一个测试样本
for i in range(len(testDataList)):
#预测结果值，初始为0
result = 0
#依据算法8.1式8.6
#预测式子是一个求和式，对于每一层的结果都要进行一次累加
#遍历每层的树
for curTree in tree:
#获取该层参数
div = curTree['div']
rule = curTree['rule']
feature = curTree['feature']
alpha = curTree['alpha']
#将当前层结果加入预测中
result += alpha * predict(testDataList[i], div, rule, feature)
#预测结果取sign值，如果大于0 sign为1，反之为0
if np.sign(result) != testLabelList[i]: errorCnt += 1
#返回准确率
return 1 - errorCnt / len(testDataList)
if __name__ == '__main__':
#开始时间
start = time.time()
# 获取训练集
print('start read transSet')
trainDataList, trainLabelList = loadData('../Mnist/mnist_train.csv')
# 获取测试集
print('start read testSet')
testDataList, testLabelList = loadData('../Mnist/mnist_test.csv')
#创建提升树
print('start init train')
tree = createBosstingTree(trainDataList[:10000], trainLabelList[:10000], 40)
#测试
print('start to test')
accuracy = model_test(testDataList[:1000], testLabelList[:1000], tree)
print('the accuracy is:%d' % (accuracy * 100), '%')
#结束时间
end = time.time()
print('time span:', end - start)
================================================
FILE: Clustering/Hierachical_Clustering/Hierachical_Clustering.ipynb
================================================
{
"cells": [
{
"cell_type": "code",
"execution_count": 57,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Data shape: (150, 4)\n",
"Length of labels: 150\n",
"[[0. 0.21561354 0.16810102 ... 1.08257132 1.14907064 0.96462829]\n",
" [0.21561354 0. 0.10157824 ... 1.08390691 1.17619813 0.95649502]\n",
" [0.16810102 0.10157824 0. ... 1.12088708 1.19544459 0.98859665]\n",
" ...\n",
" [1.08257132 1.08390691 1.12088708 ... 0. 0.226928 0.18710825]\n",
" [1.14907064 1.17619813 1.19544459 ... 0.226928 0. 0.28409587]\n",
" [0.96462829 0.95649502 0.98859665 ... 0.18710825 0.28409587 0. ]]\n",
"Number of groups: 150\n",
"150 [142, 101]\n",
"Number of groups: 149\n",
"151 [37, 34]\n",
"Number of groups: 148\n",
"152 [37, 34, 9]\n",
"Number of groups: 147\n",
"153 [39, 7]\n",
"Number of groups: 146\n",
"154 [48, 10]\n",
"Number of groups: 145\n",
"155 [40, 17]\n",
"Number of groups: 144\n",
"156 [138, 127]\n",
"Number of groups: 143\n",
"157 [47, 2]\n",
"Number of groups: 142\n",
"158 [39, 7, 28]\n",
"Number of groups: 141\n",
"159 [27, 0]\n",
"Number of groups: 140\n",
"160 [27, 0, 40, 17]\n",
"Number of groups: 139\n",
"161 [132, 128]\n",
"Number of groups: 138\n",
"162 [25, 1]\n",
"Number of groups: 137\n",
"163 [143, 120]\n",
"Number of groups: 136\n",
"164 [47, 2, 29]\n",
"Number of groups: 135\n",
"165 [27, 0, 40, 17, 39, 7, 28]\n",
"Number of groups: 134\n",
"166 [46, 19]\n",
"Number of groups: 133\n",
"167 [81, 80]\n",
"Number of groups: 132\n",
"168 [47, 2, 29, 3]\n",
"Number of groups: 131\n",
"169 [92, 82]\n",
"Number of groups: 130\n",
"170 [99, 96]\n",
"Number of groups: 129\n",
"171 [38, 8]\n",
"Number of groups: 128\n",
"172 [27, 0, 40, 17, 39, 7, 28, 49]\n",
"Number of groups: 127\n",
"173 [91, 63]\n",
"Number of groups: 126\n",
"174 [47, 2, 29, 3, 30]\n",
"Number of groups: 125\n",
"175 [137, 116]\n",
"Number of groups: 124\n",
"176 [93, 57]\n",
"Number of groups: 123\n",
"177 [27, 0, 40, 17, 39, 7, 28, 49, 4]\n",
"Number of groups: 122\n",
"178 [25, 1, 45]\n",
"Number of groups: 121\n",
"179 [25, 1, 45, 12]\n",
"Number of groups: 120\n",
"180 [75, 65]\n",
"Number of groups: 119\n",
"181 [24, 11]\n",
"Number of groups: 118\n",
"182 [126, 123]\n",
"Number of groups: 117\n",
"183 [81, 80, 69]\n",
"Number of groups: 116\n",
"184 [99, 96, 94]\n",
"Number of groups: 115\n",
"185 [139, 112]\n",
"Number of groups: 114\n",
"186 [47, 2, 29, 3, 30, 37, 34, 9]\n",
"Number of groups: 113\n",
"187 [47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12]\n",
"Number of groups: 112\n",
"188 [95, 88]\n",
"Number of groups: 111\n",
"189 [95, 88, 99, 96, 94]\n",
"Number of groups: 110\n",
"190 [27, 0, 40, 17, 39, 7, 28, 49, 4, 35]\n",
"Number of groups: 109\n",
"191 [84, 66]\n",
"Number of groups: 108\n",
"192 [97, 74]\n",
"Number of groups: 107\n",
"193 [138, 127, 149]\n",
"Number of groups: 106\n",
"194 [47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42]\n",
"Number of groups: 105\n",
"195 [27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11]\n",
"Number of groups: 104\n",
"196 [46, 19, 21]\n",
"Number of groups: 103\n",
"197 [148, 136]\n",
"Number of groups: 102\n",
"198 [91, 63, 78]\n",
"Number of groups: 101\n",
"199 [38, 8, 13]\n",
"Number of groups: 100\n",
"200 [86, 52]\n",
"Number of groups: 99\n",
"201 [95, 88, 99, 96, 94, 55]\n",
"Number of groups: 98\n",
"202 [86, 52, 75, 65]\n",
"Number of groups: 97\n",
"203 [26, 23]\n",
"Number of groups: 96\n",
"204 [16, 5]\n",
"Number of groups: 95\n",
"205 [86, 52, 75, 65, 58]\n",
"Number of groups: 94\n",
"206 [91, 63, 78, 61]\n",
"Number of groups: 93\n",
"207 [97, 74, 71]\n",
"Number of groups: 92\n",
"208 [46, 19, 21, 48, 10]\n",
"Number of groups: 91\n",
"209 [145, 141]\n",
"Number of groups: 90\n",
"210 [137, 116, 103]\n",
"Number of groups: 89\n",
"211 [95, 88, 99, 96, 94, 55, 92, 82]\n",
"Number of groups: 88\n",
"212 [26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11]\n",
"Number of groups: 87\n",
"213 [56, 51]\n",
"Number of groups: 86\n",
"214 [95, 88, 99, 96, 94, 55, 92, 82, 90]\n",
"Number of groups: 85\n",
"215 [86, 52, 75, 65, 58, 50]\n",
"Number of groups: 84\n",
"216 [130, 107]\n",
"Number of groups: 83\n",
"217 [86, 52, 75, 65, 58, 50, 97, 74, 71]\n",
"Number of groups: 82\n",
"218 [26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20]\n",
"Number of groups: 81\n",
"219 [38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42]\n",
"Number of groups: 80\n",
"220 [26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6]\n",
"Number of groups: 79\n",
"221 [46, 19, 21, 48, 10, 44]\n",
"Number of groups: 78\n",
"222 [26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6, 38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42]\n",
"Number of groups: 77\n",
"223 [143, 120, 140]\n",
"Number of groups: 76\n",
"224 [86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61]\n",
"Number of groups: 75\n",
"225 [95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69]\n",
"Number of groups: 74\n",
"226 [89, 53]\n",
"Number of groups: 73\n",
"227 [26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6, 38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42, 36]\n",
"Number of groups: 72\n",
"228 [126, 123, 111]\n",
"Number of groups: 71\n",
"229 [147, 110]\n",
"Number of groups: 70\n",
"230 [142, 101, 121]\n",
"Number of groups: 69\n",
"231 [86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76]\n",
"Number of groups: 68\n",
"232 [26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6, 38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42, 36, 46, 19, 21, 48, 10, 44]\n",
"Number of groups: 67\n",
"233 [138, 127, 149, 70]\n",
"Number of groups: 66\n",
"234 [89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69]\n",
"Number of groups: 65\n",
"235 [138, 127, 149, 70, 126, 123, 111]\n",
"Number of groups: 64\n",
"236 [143, 120, 140, 145, 141]\n",
"Number of groups: 63\n",
"237 [148, 136, 100]\n",
"Number of groups: 62\n",
"238 [89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67]\n",
"Number of groups: 61\n",
"239 [26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6, 38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42, 36, 46, 19, 21, 48, 10, 44, 31]\n",
"Number of groups: 60\n",
"240 [26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6, 38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42, 36, 46, 19, 21, 48, 10, 44, 31, 43]\n",
"Number of groups: 59\n",
"241 [86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73]\n",
"Number of groups: 58\n",
"242 [89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79]\n",
"Number of groups: 57\n",
"243 [132, 128, 104]\n",
"Number of groups: 56\n",
"244 [89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64]\n",
"Number of groups: 55\n",
"245 [143, 120, 140, 145, 141, 144]\n",
"Number of groups: 54\n",
"246 [138, 127, 149, 70, 126, 123, 111, 146]\n",
"Number of groups: 53\n",
"247 [93, 57, 98]\n",
"Number of groups: 52\n",
"248 [86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54]\n",
"Number of groups: 51\n",
"249 [147, 110, 137, 116, 103]\n",
"Number of groups: 50\n",
"250 [143, 120, 140, 145, 141, 144, 139, 112]\n",
"Number of groups: 49\n",
"251 [86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66]\n",
"Number of groups: 48\n",
"252 [87, 68]\n",
"Number of groups: 47\n",
"253 [142, 101, 121, 113]\n",
"Number of groups: 46\n",
"254 [122, 105]\n",
"Number of groups: 45\n",
"255 [86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51]\n",
"Number of groups: 44\n",
"256 [86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85]\n",
"Number of groups: 43\n",
"257 [26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6, 38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42, 36, 46, 19, 21, 48, 10, 44, 31, 43, 16, 5]\n",
"Number of groups: 42\n",
"258 [86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133]\n",
"Number of groups: 41\n",
"259 [87, 68, 119]\n",
"Number of groups: 40\n",
"260 [148, 136, 100, 115]\n",
"Number of groups: 39\n",
"261 [86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83]\n",
"Number of groups: 38\n",
"262 [26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6, 38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42, 36, 46, 19, 21, 48, 10, 44, 31, 43, 16, 5, 18]\n",
"Number of groups: 37\n",
"263 [143, 120, 140, 145, 141, 144, 139, 112, 124]\n",
"Number of groups: 36\n",
"264 [86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64]\n",
"Number of groups: 35\n",
"265 [33, 32]\n",
"Number of groups: 34\n",
"266 [86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77]\n",
"Number of groups: 33\n",
"267 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103]\n",
"Number of groups: 32\n",
"268 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104]\n",
"Number of groups: 31\n",
"269 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146]\n",
"Number of groups: 30\n",
"270 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102]\n",
"Number of groups: 29\n",
"271 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77]\n",
"Number of groups: 28\n",
"272 [131, 117]\n",
"Number of groups: 27\n",
"273 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115]\n",
"Number of groups: 26\n",
"274 [26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6, 38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42, 36, 46, 19, 21, 48, 10, 44, 31, 43, 16, 5, 18, 22]\n",
"Number of groups: 25\n",
"275 [122, 105, 135]\n",
"Number of groups: 24\n",
"276 [33, 32, 14]\n",
"Number of groups: 23\n",
"277 [129, 125]\n",
"Number of groups: 22\n",
"278 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59]\n",
"Number of groups: 21\n",
"279 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134]\n",
"Number of groups: 20\n",
"280 [129, 125, 130, 107]\n",
"Number of groups: 19\n",
"281 [33, 32, 14, 26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6, 38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42, 36, 46, 19, 21, 48, 10, 44, 31, 43, 16, 5, 18, 22]\n",
"Number of groups: 18\n",
"282 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72]\n",
"Number of groups: 17\n",
"283 [93, 57, 98, 60]\n",
"Number of groups: 16\n"
]
},
{
"name": "stdout",
"output_type": "stream",
"text": [
"284 [33, 32, 14, 26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6, 38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42, 36, 46, 19, 21, 48, 10, 44, 31, 43, 16, 5, 18, 22, 15]\n",
"Number of groups: 15\n",
"285 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113]\n",
"Number of groups: 14\n",
"286 [129, 125, 130, 107, 122, 105, 135]\n",
"Number of groups: 13\n",
"287 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113, 87, 68, 119]\n",
"Number of groups: 12\n",
"288 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113, 87, 68, 119, 129, 125, 130, 107, 122, 105, 135]\n",
"Number of groups: 11\n",
"289 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113, 87, 68, 119, 129, 125, 130, 107, 122, 105, 135, 108]\n",
"Number of groups: 10\n",
"290 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113, 87, 68, 119, 129, 125, 130, 107, 122, 105, 135, 108, 118]\n",
"Number of groups: 9\n",
"291 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113, 87, 68, 119, 129, 125, 130, 107, 122, 105, 135, 108, 118, 93, 57, 98, 60]\n",
"Number of groups: 8\n",
"292 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113, 87, 68, 119, 129, 125, 130, 107, 122, 105, 135, 108, 118, 93, 57, 98, 60, 62]\n",
"Number of groups: 7\n",
"293 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113, 87, 68, 119, 129, 125, 130, 107, 122, 105, 135, 108, 118, 93, 57, 98, 60, 62, 114]\n",
"Number of groups: 6\n",
"294 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113, 87, 68, 119, 129, 125, 130, 107, 122, 105, 135, 108, 118, 93, 57, 98, 60, 62, 114, 109]\n",
"Number of groups: 5\n",
"295 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113, 87, 68, 119, 129, 125, 130, 107, 122, 105, 135, 108, 118, 93, 57, 98, 60, 62, 114, 109, 106]\n",
"Number of groups: 4\n",
"296 [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113, 87, 68, 119, 129, 125, 130, 107, 122, 105, 135, 108, 118, 93, 57, 98, 60, 62, 114, 109, 106, 131, 117]\n",
"{41: [41], 284: [33, 32, 14, 26, 23, 27, 0, 40, 17, 39, 7, 28, 49, 4, 35, 24, 11, 20, 6, 38, 8, 13, 47, 2, 29, 3, 30, 37, 34, 9, 25, 1, 45, 12, 42, 36, 46, 19, 21, 48, 10, 44, 31, 43, 16, 5, 18, 22, 15], 296: [143, 120, 140, 145, 141, 144, 139, 112, 124, 147, 110, 137, 116, 103, 132, 128, 104, 138, 127, 149, 70, 126, 123, 111, 146, 102, 86, 52, 75, 65, 58, 50, 97, 74, 71, 91, 63, 78, 61, 76, 73, 54, 84, 66, 56, 51, 85, 133, 83, 89, 53, 95, 88, 99, 96, 94, 55, 92, 82, 90, 81, 80, 69, 67, 79, 64, 77, 148, 136, 100, 115, 59, 134, 72, 142, 101, 121, 113, 87, 68, 119, 129, 125, 130, 107, 122, 105, 135, 108, 118, 93, 57, 98, 60, 62, 114, 109, 106, 131, 117]}\n",
"Adjusted Rand Index: 0.5583714437541352\n",
"Time: 177.01405954360962\n"
]
}
],
"source": [
"#导入所需的库\n",
"import numpy as np\n",
"import math\n",
"import time\n",
"from scipy.special import comb\n",
"\n",
"\n",
"#定义加载数据的函数，这里我以鸢尾花数据集为例\n",
"def load_data(file):\n",
" '''\n",
" INPUT:\n",
" file - (str) 数据文件的路径\n",
" \n",
" OUTPUT:\n",
" Xarray - (array) 特征数据数组\n",
" Ylist - (list) 类别标签列表\n",
" \n",
" '''\n",
" Xlist = [] #定义一个列表用来保存每条数据\n",
" Ylist = [] #定义一个列表用来保存每条数据的类别标签\n",
" fr = open(file)\n",
" for line in fr.readlines(): #逐行读取数据，鸢尾花数据集每一行表示一个鸢尾花的特征和类别标签，用逗号分隔\n",
" cur = line.split(',')\n",
" label = cur[-1]\n",
" X = [float(x) for x in cur[:-1]] #用列表来表示一条特征数据\n",
" Xlist.append(X)\n",
" Ylist.append(label)\n",
" Xarray = np.array(Xlist) #将特征数据转换为数组类型，方便之后的操作\n",
" print('Data shape:', Xarray.shape)\n",
" print('Length of labels:', len(Ylist))\n",
" return Xarray, Ylist\n",
"\n",
"\n",
"#定义标准化函数，对每一列特征进行min-max标准化，将数据缩放到0-1之间\n",
"#标准化处理对于计算距离的机器学习方法是非常重要的，因为特征的尺度不同会导致计算出来的距离倾向于尺度大的特征，为保证距离对每一列特征都是公平的，必须将所有特征缩放到同一尺度范围内\n",
"def Normalize(Xarray):\n",
" '''\n",
" INPUT:\n",
" Xarray - (array) 特征数据数组\n",
" \n",
" OUTPUT:\n",
" Xarray - (array) 标准化处理后的特征数据数组\n",
" \n",
" '''\n",
" for f in range(Xarray.shape[1]):\n",
" maxf = np.max(Xarray[:, f])\n",
" minf = np.min(Xarray[:, f])\n",
" for n in range(Xarray.shape[0]):\n",
" Xarray[n][f] = (Xarray[n][f]-minf) / (maxf-minf) \n",
" return Xarray\n",
"\n",
"\n",
"#定义计算两条数据间的距离的函数，这里计算的是欧式距离\n",
"def cal_distance(xi, xj):\n",
" '''\n",
" INPUT:\n",
" Xi - (array) 第i条特征数据\n",
" Xj - (array) 第j条特征数据\n",
" \n",
" OUTPUT:\n",
" dist - (float) 两条数据的欧式距离\n",
" \n",
" '''\n",
" dist = 0\n",
" for col in range(len(xi)):\n",
" dist += (xi[col]-xj[col]) ** 2\n",
" dist = math.sqrt(dist)\n",
" return dist\n",
"\n",
"\n",
"#定义计算所有特征数据两两之间距离的函数\n",
"def Distances(Xarray):\n",
" '''\n",
" INPUT:\n",
" Xarray - (array) 特征数据数组\n",
" \n",
" OUTPUT:\n",
" dists - (array) 两两数据的欧式距离数组\n",
" \n",
" '''\n",
" dists = np.zeros((Xarray.shape[0], Xarray.shape[0])) #定义一个数组用来保存两两数据的距离\n",
" for n1 in range(Xarray.shape[0]):\n",
" for n2 in range(n1):\n",
" dists[n1][n2] = cal_distance(Xarray[n1], Xarray[n2])\n",
" dists[n2][n1] = dists[n1][n2]\n",
" return dists\n",
"\n",
"\n",
"#定义计算两类的类间距离的函数，这里计算的是最短距离\n",
"def cal_groupdist(g1, g2, group_dict, dists):\n",
" '''\n",
" INPUT:\n",
" g1 - (int) 类别1的标签\n",
" g2 - (int) 类别2的标签\n",
" group_dict - (dict) 类别字典\n",
" dists - (array) 两两数据的欧式距离数组\n",
" \n",
" OUTPUT:\n",
" (int) 类间最短距离\n",
" \n",
" '''\n",
" d = []\n",
" #循环计算两类之间两两数据的距离\n",
" for xi in group_dict[g1]:\n",
" for xj in group_dict[g2]:\n",
" if xi != xj:\n",
" d.append(dists[xi][xj])\n",
" return min(d)\n",
"\n",
"\n",
"#定义层次聚类函数\n",
"def Clustering(Xarray, k, dists):\n",
" '''\n",
" INPUT:\n",
" Xarray - (array) 特征数据数组\n",
" k - (int) 设定的类别数\n",
" dists - (array) 两两数据的欧式距离数组\n",
" \n",
" OUTPUT:\n",
" group_dict - (dict) 类别字典\n",
" \n",
" '''\n",
" group_dict = {} #定义一个空字典，用于保存聚类所产生的所有类别\n",
" for n in range(Xarray.shape[0]): #层次聚类是一种聚合聚类方法，首先将每条数据都分到不同的类，数据的类别标签为0-(N-1)，其中N为数据条数\n",
" group_dict[n] = [n]\n",
" newgroup = Xarray.shape[0] #newgroup表示新的类别标签，此时下一个类别标签为N\n",
" while len(group_dict.keys()) > k: #当类别数大于我们所设定的类别数k时，不断循环进行聚类\n",
" print('Number of groups:', len(group_dict.keys()))\n",
" group_dists = {} #定义一个空字典，用于保存两两类之间的间距，其中字典的值为元组(g1, g2)，表示两个类别标签，字典的键为这两个类别的间距\n",
" #循环计算group_dict中两两类别之间的间距，保存到group_dists中\n",
" for g1 in group_dict.keys():\n",
" for g2 in group_dict.keys():\n",
" if g1 != g2:\n",
" if (g1, g2) not in group_dists.values():\n",
" d = cal_groupdist(g1, g2, group_dict, dists)\n",
" group_dists[d] = (g1, g2)\n",
" group_mindist = min(list(group_dists.keys())) #取类别之间的最小间距\n",
" mingroups = group_dists[group_mindist] #取间距最小的两个类别\n",
" new = [] #定义一个列表，用于保存所产生的新类中包含的数据，这里用之前对每条数据给的类别标签0-(N-1)来表示\n",
" for g in mingroups:\n",
" new.extend(group_dict[g]) #将间距最小的两类中包含的数据保存在new列表中\n",
" del group_dict[g] #然后在group_dict中移去这两类\n",
" print(newgroup, new)\n",
" group_dict[newgroup] = new #此时聚类所产生的新类中包含的数据即为以上两类的中包含的数据的聚合，给新类贴上类别标签为newgroup，保存到group_dict中\n",
" newgroup += 1 #产生下一个类别标签\n",
" return group_dict\n",
"\n",
"\n",
"#定义计算调整兰德系数(ARI)的函数，调整兰德系数是一种聚类方法的常用评估方法\n",
"def Adjusted_Rand_Index(group_dict, Ylist, k):\n",
" '''\n",
" INPUT:\n",
" group_dict - (dict) 类别字典\n",
" Ylist - (list) 类别标签列表\n",
" k - (int) 设定的类别数\n",
" \n",
" OUTPUT:\n",
" (int) 调整兰德系数\n",
" \n",
" '''\n",
" group_array = np.zeros((k, k)) #定义一个数组，用来保存聚类所产生的类别标签与给定的外部标签各类别之间共同包含的数据数量\n",
" y_dict = {} #定义一个空字典，用来保存外部标签中各类所包含的数据，结构与group_dict相同\n",
" for i in range(len(Ylist)):\n",
" if Ylist[i] not in y_dict:\n",
" y_dict[Ylist[i]] = [i]\n",
" else:\n",
" y_dict[Ylist[i]].append(i)\n",
" #循环计算group_array的值\n",
" for i in range(k):\n",
" for j in range(k):\n",
" for n in range(len(Ylist)):\n",
" if n in group_dict[list(group_dict.keys())[i]] and n in y_dict[list(y_dict.keys())[j]]:\n",
" group_array[i][j] += 1 #如果数据n同时在group_dict的类别i和y_dict的类别j中，group_array[i][j]的数值加一\n",
" RI = 0 #定义兰德系数(RI)\n",
" sum_i = np.zeros(3) #定义一个数组，用于保存聚类结果group_dict中每一类的个数\n",
" sum_j = np.zeros(3) #定义一个数组，用于保存外部标签y_dict中每一类的个数\n",
" for i in range(k):\n",
" for j in range(k):\n",
" sum_i[i] += group_array[i][j]\n",
" sum_j[j] += group_array[i][j]\n",
" if group_array[i][j] >= 2:\n",
" RI += comb(group_array[i][j], 2) #comb用于计算group_array[i][j]中两两组合的组合数\n",
" ci = 0 #ci保存聚类结果中同一类中的两两组合数之和\n",
" cj = 0 #cj保存外部标签中同一类中的两两组合数之和\n",
" for i in range(k):\n",
" if sum_i[i] >= 2:\n",
" ci += comb(sum_i[i], 2)\n",
" for j in range(k):\n",
" if sum_j[j] >= 2:\n",
" cj += comb(sum_j[j], 2)\n",
" E_RI = ci * cj / comb(len(Ylist), 2) #计算RI的期望\n",
" max_RI = (ci + cj) / 2 #计算RI的最大值\n",
" return (RI-E_RI) / (max_RI-E_RI) #返回调整兰德系数的值\n",
"\n",
"\n",
"if __name__ == \"__main__\":\n",
" Xarray, Ylist = load_data('..\\iris.data') #加载数据\n",
" start = time.time() #保存开始时间\n",
" Xarray = Normalize(Xarray) #对特征数据进行标准化处理\n",
" k = 3 #设定聚类数为3\n",
" dists = Distances(Xarray) #计算特征数据的距离数组\n",
" print(dists)\n",
" group_dict = Clustering(Xarray, k, dists) #进行层次聚类\n",
" end = time.time() #保存结束时间\n",
" print(group_dict)\n",
" ARI = Adjusted_Rand_Index(group_dict, Ylist, k) #计算ARI用来评估聚类结果\n",
" print('Adjusted Rand Index:', ARI)\n",
" print('Time:', end-start)"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": []
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.7.3"
}
},
"nbformat": 4,
"nbformat_minor": 2
}
================================================
FILE: Clustering/Hierachical_Clustering/Hierachical_Clustering.py
================================================
#coding=utf-8
#Author:Harold
#Date:2021-1-27
#Email:zenghr_zero@163.com
'''
数据集：iris
数据集数量：150
-----------------------------
运行结果：
ARI：0.56
运行时长：177.0s
'''
import numpy as np
import math
import time
from scipy.special import comb
#定义加载数据的函数
def load_data(file):
'''
INPUT:
file - (str) 数据文件的路径
OUTPUT:
Xarray - (array) 特征数据数组
Ylist - (list) 类别标签列表
'''
Xlist = [] #定义一个列表用来保存每条数据
Ylist = [] #定义一个列表用来保存每条数据的类别标签
fr = open(file)
for line in fr.readlines(): #逐行读取数据，鸢尾花数据集每一行表示一个鸢尾花的特征和类别标签，用逗号分隔
cur = line.split(',')
label = cur[-1]
X = [float(x) for x in cur[:-1]] #用列表来表示一条特征数据
Xlist.append(X)
Ylist.append(label)
Xarray = np.array(Xlist) #将特征数据转换为数组类型，方便之后的操作
print('Data shape:', Xarray.shape)
print('Length of labels:', len(Ylist))
return Xarray, Ylist
#定义标准化函数，对每一列特征进行min-max标准化，将数据缩放到0-1之间
#标准化处理对于计算距离的机器学习方法是非常重要的，因为特征的尺度不同会导致计算出来的距离倾向于尺度大的特征，为保证距离对每一列特征都是公平的，必须将所有特征缩放到同一尺度范围内
def Normalize(Xarray):
'''
INPUT:
Xarray - (array) 特征数据数组
OUTPUT:
Xarray - (array) 标准化处理后的特征数据数组
'''
for f in range(Xarray.shape[1]):
maxf = np.max(Xarray[:, f])
minf = np.min(Xarray[:, f])
for n in range(Xarray.shape[0]):
Xarray[n][f] = (Xarray[n][f]-minf) / (maxf-minf)
return Xarray
#定义计算两条数据间的距离的函数，这里计算的是欧式距离
def cal_distance(xi, xj):
'''
INPUT:
Xi - (array) 第i条特征数据
Xj - (array) 第j条特征数据
OUTPUT:
dist - (float) 两条数据的欧式距离
'''
dist = 0
for col in range(len(xi)):
dist += (xi[col]-xj[col]) ** 2
dist = math.sqrt(dist)
return dist
#定义计算所有特征数据两两之间距离的函数
def Distances(Xarray):
'''
INPUT:
Xarray - (array) 特征数据数组
OUTPUT:
dists - (array) 两两数据的欧式距离数组
'''
dists = np.zeros((Xarray.shape[0], Xarray.shape[0])) #定义一个数组用来保存两两数据的距离
for n1 in range(Xarray.shape[0]):
for n2 in range(n1):
dists[n1][n2] = cal_distance(Xarray[n1], Xarray[n2])
dists[n2][n1] = dists[n1][n2]
return dists
#定义计算两类的类间距离的函数，这里计算的是最短距离
def cal_groupdist(g1, g2, group_dict, dists):
'''
INPUT:
g1 - (int) 类别1的标签
g2 - (int) 类别2的标签
group_dict - (dict) 类别字典
dists - (array) 两两数据的欧式距离数组
OUTPUT:
(int) 类间最短距离
'''
d = []
#循环计算两类之间两两数据的距离
for xi in group_dict[g1]:
for xj in group_dict[g2]:
if xi != xj:
d.append(dists[xi][xj])
return min(d)
#定义层次聚类函数
def Clustering(Xarray, k, dists):
'''
INPUT:
Xarray - (array) 特征数据数组
k - (int) 设定的类别数
dists - (array) 两两数据的欧式距离数组
OUTPUT:
group_dict - (dict) 类别字典
'''
group_dict = {} #定义一个空字典，用于保存聚类所产生的所有类别
for n in range(Xarray.shape[0]): #层次聚类是一种聚合聚类方法，首先将每条数据都分到不同的类，数据的类别标签为0-(N-1)，其中N为数据条数
group_dict[n] = [n]
newgroup = Xarray.shape[0] #newgroup表示新的类别标签，此时下一个类别标签为N
while len(group_dict.keys()) > k: #当类别数大于我们所设定的类别数k时，不断循环进行聚类
print('Number of groups:', len(group_dict.keys()))
group_dists = {} #定义一个空字典，用于保存两两类之间的间距，其中字典的值为元组(g1, g2)，表示两个类别标签，字典的键为这两个类别的间距
#循环计算group_dict中两两类别之间的间距，保存到group_dists中
for g1 in group_dict.keys():
for g2 in group_dict.keys():
if g1 != g2:
if (g1, g2) not in group_dists.values():
d = cal_groupdist(g1, g2, group_dict, dists)
group_dists[d] = (g1, g2)
group_mindist = min(list(group_dists.keys())) #取类别之间的最小间距
mingroups = group_dists[group_mindist] #取间距最小的两个类别
new = [] #定义一个列表，用于保存所产生的新类中包含的数据，这里用之前对每条数据给的类别标签0-(N-1)来表示
for g in mingroups:
new.extend(group_dict[g]) #将间距最小的两类中包含的数据保存在new列表中
del group_dict[g] #然后在group_dict中移去这两类
print(newgroup, new)
group_dict[newgroup] = new #此时聚类所产生的新类中包含的数据即为以上两类的中包含的数据的聚合，给新类贴上类别标签为newgroup，保存到group_dict中
newgroup += 1 #产生下一个类别标签
return group_dict
#定义计算调整兰德系数(ARI)的函数，调整兰德系数是一种聚类方法的常用评估方法
def Adjusted_Rand_Index(group_dict, Ylist, k):
'''
INPUT:
group_dict - (dict) 类别字典
Ylist - (list) 类别标签列表
k - (int) 设定的类别数
OUTPUT:
(int) 调整兰德系数
'''
group_array = np.zeros((k, k)) #定义一个数组，用来保存聚类所产生的类别标签与给定的外部标签各类别之间共同包含的数据数量
y_dict = {} #定义一个空字典，用来保存外部标签中各类所包含的数据，结构与group_dict相同
for i in range(len(Ylist)):
if Ylist[i] not in y_dict:
y_dict[Ylist[i]] = [i]
else:
y_dict[Ylist[i]].append(i)
#循环计算group_array的值
for i in range(k):
for j in range(k):
for n in range(len(Ylist)):
if n in group_dict[list(group_dict.keys())[i]] and n in y_dict[list(y_dict.keys())[j]]:
group_array[i][j] += 1 #如果数据n同时在group_dict的类别i和y_dict的类别j中，group_array[i][j]的数值加一
RI = 0 #定义兰德系数(RI)
sum_i = np.zeros(k) #定义一个数组，用于保存聚类结果group_dict中每一类的个数
sum_j = np.zeros(k) #定义一个数组，用于保存外部标签y_dict中每一类的个数
for i in range(k):
for j in range(k):
sum_i[i] += group_array[i][j]
sum_j[j] += group_array[i][j]
if group_array[i][j] >= 2:
RI += comb(group_array[i][j], 2) #comb用于计算group_array[i][j]中两两组合的组合数
ci = 0 #ci保存聚类结果中同一类中的两两组合数之和
cj = 0 #cj保存外部标签中同一类中的两两组合数之和
for i in range(k):
if sum_i[i] >= 2:
ci += comb(sum_i[i], 2)
for j in range(k):
if sum_j[j] >= 2:
cj += comb(sum_j[j], 2)
E_RI = ci * cj / comb(len(Ylist), 2) #计算RI的期望
max_RI = (ci + cj) / 2 #计算RI的最大值
return (RI-E_RI) / (max_RI-E_RI) #返回调整兰德系数的值
if __name__ == "__main__":
Xarray, Ylist = load_data('..\iris.data') #加载数据
start = time.time() #保存开始时间
Xarray = Normalize(Xarray) #对特征数据进行标准化处理
k = 3 #设定聚类数为3
dists = Distances(Xarray) #计算特征数据的距离数组
print(dists)
group_dict = Clustering(Xarray, k, dists) #进行层次聚类
end = time.time() #保存结束时间
print(group_dict)
ARI = Adjusted_Rand_Index(group_dict, Ylist, k) #计算ARI用来评估聚类结果
print('Adjusted Rand Index:', ARI)
print('Time:', end-start)
================================================
FILE: Clustering/K-means_Clustering/K-means_Clustering.ipynb
================================================
{
"cells": [
{
"cell_type": "code",
"execution_count": 6,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Data shape: (150, 4)\n",
"Length of labels: 150\n",
"1/2\n",
"{0: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 57, 60, 67, 69, 79, 80, 81, 93, 98], 1: [50, 51, 52, 54, 58, 62, 63, 65, 68, 71, 72, 73, 74, 75, 76, 77, 83, 86, 87, 91, 92, 97, 102, 103, 104, 105, 107, 108, 109, 110, 111, 112, 116, 117, 118, 119, 120, 122, 123, 124, 125, 126, 128, 129, 130, 131, 132, 133, 134, 135, 137, 139, 140, 141, 143, 144, 145, 146, 147], 2: [53, 55, 56, 59, 61, 64, 66, 70, 78, 82, 84, 85, 88, 89, 90, 94, 95, 96, 99, 100, 101, 106, 113, 114, 115, 121, 127, 136, 138, 142, 148, 149]}\n",
"2/2\n",
"{0: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49], 1: [50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130, 131, 132, 133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143, 144, 145, 146, 147, 148, 149], 2: []}\n",
"Time: 0.0059719085693359375\n"
]
},
{
"data": {
"image/png": "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\n",
"text/plain": [
"<Figure size 432x288 with 1 Axes>"
]
},
"metadata": {
"needs_background": "light"
},
"output_type": "display_data"
}
],
"source": [
"#导入所需的库\n",
"import numpy as np\n",
"import time\n",
"import random \n",
"from scipy.special import comb\n",
"import matplotlib.pyplot as plt\n",
"%matplotlib inline\n",
"\n",
"\n",
"#定义加载数据的函数，这里以鸢尾花数据集为例\n",
"def load_data(file):\n",
" '''\n",
" INPUT:\n",
" file - (str) 数据文件的路径\n",
" \n",
" OUTPUT:\n",
" Xarray - (array) 特征数据数组\n",
" Ylist - (list) 类别标签列表\n",
" \n",
" '''\n",
" Xlist = [] #定义一个列表用来保存每条数据\n",
" Ylist = [] #定义一个列表用来保存每条数据的类别标签\n",
" fr = open(file)\n",
" for line in fr.readlines(): #逐行读取数据，鸢尾花数据集每一行表示一个鸢尾花的特征和类别标签，用逗号分隔\n",
" cur = line.split(',')\n",
" label = cur[-1]\n",
" X = [float(x) for x in cur[:-1]] #用列表来表示一条特征数据\n",
" Xlist.append(X)\n",
" Ylist.append(label)\n",
" Xarray = np.array(Xlist) #将特征数据转换为数组类型，方便之后的操作\n",
" print('Data shape:', Xarray.shape)\n",
" print('Length of labels:', len(Ylist))\n",
" return Xarray, Ylist\n",
"\n",
"\n",
"#定义标准化函数，对每一列特征进行min-max标准化，将数据缩放到0-1之间\n",
"#标准化处理对于计算距离的机器学习方法是非常重要的，因为特征的尺度不同会导致计算出来的距离倾向于尺度大的特征，为保证距离对每一列特征都是公平的，必须将所有特征缩放到同一尺度范围内\n",
"def Normalize(Xarray):\n",
" '''\n",
" INPUT:\n",
" Xarray - (array) 特征数据数组\n",
" \n",
" OUTPUT:\n",
" Xarray - (array) 标准化处理后的特征数据数组\n",
" \n",
" '''\n",
" for f in range(Xarray.shape[1]):\n",
" maxf = np.max(Xarray[:, f])\n",
" minf = np.min(Xarray[:, f])\n",
" for n in range(Xarray.shape[0]):\n",
" Xarray[n][f] = (Xarray[n][f]-minf) / (maxf-minf) \n",
" return Xarray\n",
"\n",
"\n",
"#定义计算两条数据间的距离的函数，这里计算的是欧式距离\n",
"def cal_distance(xi, xj):\n",
" '''\n",
" INPUT:\n",
" Xi - (array) 第i条特征数据\n",
" Xj - (array) 第j条特征数据\n",
" \n",
" OUTPUT:\n",
" dist - (float) 两条数据的欧式距离\n",
" \n",
" '''\n",
" dist = 0\n",
" for col in range(len(xi)):\n",
" dist += (xi[col]-xj[col]) ** 2\n",
" return dist\n",
"\n",
"\n",
"#定义计算类中心的函数，以当前类中所包含数据的各个特征均值作为新的新的类中心\n",
"def cal_groupcenter(group, Xarray):\n",
" '''\n",
" INPUT:\n",
" group - (list) 类所包含的数据列表\n",
" Xarray - (array) 特征数据数组\n",
" \n",
" OUTPUT:\n",
" center - (array) 新的类中心\n",
" \n",
" '''\n",
" center = np.zeros(Xarray.shape[1])\n",
" for i in range(Xarray.shape[1]):\n",
" for n in group:\n",
" center[i] += Xarray[n][i] #计算当前类中第i个特征的数据之和\n",
" center = center / Xarray.shape[0] #计算各个特征的均值\n",
" return center\n",
"\n",
"\n",
"#定义计算调整兰德系数(ARI)的函数，调整兰德系数是一种聚类方法的常用评估方法\n",
"def Adjusted_Rand_Index(group_dict, Ylist, k):\n",
" '''\n",
" INPUT:\n",
" group_dict - (dict) 类别字典\n",
" Ylist - (list) 类别标签列表\n",
" k - (int) 设定的类别数\n",
" \n",
" OUTPUT:\n",
" (int) 调整兰德系数\n",
" \n",
" '''\n",
" group_array = np.zeros((k, k)) #定义一个数组，用来保存聚类所产生的类别标签与给定的外部标签各类别之间共同包含的数据数量\n",
" ylabel = list(set(Ylist)) #Ylist保存的标签为字符串，用ylabel来保存各个标签，在y_dict中类别以标签在ylabel列表中的索引值来表示类\n",
" y_dict = {i:[] for i in range(k)} #定义一个空字典，用来保存外部标签中各类所包含的数据，结构与group_dict相同\n",
" for i in range(len(Ylist)):\n",
" y_dict[ylabel.index(Ylist[i])].append(i)\n",
" #循环计算group_array的值\n",
" for i in range(k):\n",
" for j in range(k):\n",
" for n in range(len(Ylist)):\n",
" if n in group_dict[i] and n in y_dict[j]:\n",
" group_array[i][j] += 1 #如果数据n同时在group_dict的类别i和y_dict的类别j中，group_array[i][j]的数值加一\n",
" RI = 0 #定义兰德系数(RI)\n",
" sum_i = np.zeros(3) #定义一个数组，用于保存聚类结果group_dict中每一类的个数\n",
" sum_j = np.zeros(3) #定义一个数组，用于保存外部标签y_dict中每一类的个数\n",
" for i in range(k):\n",
" for j in range(k):\n",
" sum_i[i] += group_array[i][j]\n",
" sum_j[j] += group_array[i][j]\n",
" if group_array[i][j] >= 2:\n",
" RI += comb(group_array[i][j], 2) #comb用于计算group_array[i][j]中两两组合的组合数\n",
" ci = 0 #ci保存聚类结果中同一类中的两两组合数之和\n",
" cj = 0 #cj保存外部标签中同一类中的两两组合数之和\n",
" for i in range(k):\n",
" if sum_i[i] >= 2:\n",
" ci += comb(sum_i[i], 2)\n",
" for j in range(k):\n",
" if sum_j[j] >= 2:\n",
" cj += comb(sum_j[j], 2)\n",
" E_RI = ci * cj / comb(len(Ylist), 2) #计算RI的期望\n",
" max_RI = (ci + cj) / 2 #计算RI的最大值\n",
" return (RI-E_RI) / (max_RI-E_RI) #返回调整兰德系数的值\n",
"\n",
"\n",
"#定义k均值聚类函数\n",
"def Kmeans(Xarray, k, iters):\n",
" '''\n",
" INPUT:\n",
" Xarray - (array) 特征数据数组\n",
" k - (int) 设定的类别数\n",
" iters - (int) 设定的迭代次数\n",
" \n",
" OUTPUT:\n",
" group_dict - (dict) 类别字典\n",
" scores - (int) 每次迭代的ARI得分列表\n",
" \n",
" '''\n",
" center_inds = random.sample(range(Xarray.shape[0]), k) #从特征数据中随机抽取k个数据索引\n",
" centers = [Xarray[ci] for ci in center_inds] #将这k个数据索引所对应的特征数据作为初始的k个聚类中心\n",
" scores = [] #定义一个空列表用来保存每次迭代的ARI得分\n",
" for i in range(iters):\n",
" group_dict = {i:[] for i in range(k)} #定义一个空字典，用于保存聚类所产生的所有类别，其中字典的键为类别标签，值为类别所包含的数据列表，以索引表示每条数据\n",
" print('{}/{}'.format(i+1, iters))\n",
" #循环计算每条数据到各个聚类中心的距离\n",
" for n in range(Xarray.shape[0]):\n",
" dists = [] #保存第n条数据到各个聚类中心的距离\n",
" for ci in range(k):\n",
" dist = cal_distance(Xarray[n], centers[ci])\n",
" dists.append(dist)\n",
" g = dists.index(min(dists)) #取距离最近的中心所在的类\n",
" group_dict[g].append(n) #将第n条数据的索引n保存到g类\n",
" print(group_dict)\n",
" for i in range(k):\n",
" centers[i] = cal_groupcenter(group_dict[i], Xarray) #根据每一类所包含的数据重新计算类中心\n",
" scores.append(Adjusted_Rand_Index(group_dict, Ylist, k)) #将该轮迭代的ARI得分保存到scores列表\n",
" return group_dict, scores\n",
"\n",
"\n",
"if __name__ == \"__main__\":\n",
" Xarray, Ylist = load_data('..\\iris.data') #加载数据\n",
" start = time.time() #保存开始时间\n",
" Xarray = Normalize(Xarray) #对特征数据进行标准化处理\n",
" k = 3 #设定聚类数为3\n",
" iters = 2 #设定迭代次数为2\n",
" group_dict, scores = Kmeans(Xarray, k, iters) #进行k均值聚类\n",
" end = time.time() #保存结束时间\n",
" print('Time:', end-start)\n",
" plt.plot(range(iters), scores) #绘制ARI得分折线图"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": []
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.7.3"
}
},
"nbformat": 4,
"nbformat_minor": 2
}
================================================
FILE: Clustering/K-means_Clustering/K-means_Clustering.py
================================================
#coding=utf-8
#Author:Harold
#Date:2021-1-27
#Email:zenghr_zero@163.com
'''
数据集：iris
数据集数量：150
-----------------------------
运行结果：
ARI：0.57
运行时长：0.0060s
'''
import numpy as np
import time
import random
from scipy.special import comb
import matplotlib.pyplot as plt
%matplotlib inline
#定义加载数据的函数，这里以鸢尾花数据集为例
def load_data(file):
'''
INPUT:
file - (str) 数据文件的路径
OUTPUT:
Xarray - (array) 特征数据数组
Ylist - (list) 类别标签列表
'''
Xlist = [] #定义一个列表用来保存每条数据
Ylist = [] #定义一个列表用来保存每条数据的类别标签
fr = open(file)
for line in fr.readlines(): #逐行读取数据，鸢尾花数据集每一行表示一个鸢尾花的特征和类别标签，用逗号分隔
cur = line.split(',')
label = cur[-1]
X = [float(x) for x in cur[:-1]] #用列表来表示一条特征数据
Xlist.append(X)
Ylist.append(label)
Xarray = np.array(Xlist) #将特征数据转换为数组类型，方便之后的操作
print('Data shape:', Xarray.shape)
print('Length of labels:', len(Ylist))
return Xarray, Ylist
#定义标准化函数，对每一列特征进行min-max标准化，将数据缩放到0-1之间
#标准化处理对于计算距离的机器学习方法是非常重要的，因为特征的尺度不同会导致计算出来的距离倾向于尺度大的特征，为保证距离对每一列特征都是公平的，必须将所有特征缩放到同一尺度范围内
def Normalize(Xarray):
'''
INPUT:
Xarray - (array) 特征数据数组
OUTPUT:
Xarray - (array) 标准化处理后的特征数据数组
'''
for f in range(Xarray.shape[1]):
maxf = np.max(Xarray[:, f])
minf = np.min(Xarray[:, f])
for n in range(Xarray.shape[0]):
Xarray[n][f] = (Xarray[n][f]-minf) / (maxf-minf)
return Xarray
#定义计算两条数据间的距离的函数，这里计算的是欧式距离
def cal_distance(xi, xj):
'''
INPUT:
Xi - (array) 第i条特征数据
Xj - (array) 第j条特征数据
OUTPUT:
dist - (float) 两条数据的欧式距离
'''
dist = 0
for col in range(len(xi)):
dist += (xi[col]-xj[col]) ** 2
dist = math.sqrt(dist)
return dist
#定义计算类中心的函数，以当前类中所包含数据的各个特征均值作为新的新的类中心
def cal_groupcenter(group, Xarray):
'''
INPUT:
group - (list) 类所包含的数据列表
Xarray - (array) 特征数据数组
OUTPUT:
center - (array) 新的类中心
'''
center = np.zeros(Xarray.shape[1])
for i in range(Xarray.shape[1]):
for n in group:
center[i] += Xarray[n][i] #计算当前类中第i个特征的数据之和
center = center / Xarray.shape[0] #计算各个特征的均值
return center
#定义计算调整兰德系数(ARI)的函数，调整兰德系数是一种聚类方法的常用评估方法
def Adjusted_Rand_Index(group_dict, Ylist, k):
'''
INPUT:
group_dict - (dict) 类别字典
Ylist - (list) 类别标签列表
k - (int) 设定的类别数
OUTPUT:
(int) 调整兰德系数
'''
group_array = np.zeros((k, k)) #定义一个数组，用来保存聚类所产生的类别标签与给定的外部标签各类别之间共同包含的数据数量
ylabel = list(set(Ylist)) #Ylist保存的标签为字符串，用ylabel来保存各个标签，在y_dict中类别以标签在ylabel列表中的索引值来表示类
y_dict = {i:[] for i in range(k)} #定义一个空字典，用来保存外部标签中各类所包含的数据，结构与group_dict相同
for i in range(len(Ylist)):
y_dict[ylabel.index(Ylist[i])].append(i)
#循环计算group_array的值
for i in range(k):
for j in range(k):
for n in range(len(Ylist)):
if n in group_dict[i] and n in y_dict[j]:
group_array[i][j] += 1 #如果数据n同时在group_dict的类别i和y_dict的类别j中，group_array[i][j]的数值加一
RI = 0 #定义兰德系数(RI)
sum_i = np.zeros(k) #定义一个数组，用于保存聚类结果group_dict中每一类的个数
sum_j = np.zeros(k) #定义一个数组，用于保存外部标签y_dict中每一类的个数
for i in range(k):
for j in range(k):
sum_i[i] += group_array[i][j]
sum_j[j] += group_array[i][j]
if group_array[i][j] >= 2:
RI += comb(group_array[i][j], 2) #comb用于计算group_array[i][j]中两两组合的组合数
ci = 0 #ci保存聚类结果中同一类中的两两组合数之和
cj = 0 #cj保存外部标签中同一类中的两两组合数之和
for i in range(k):
if sum_i[i] >= 2:
ci += comb(sum_i[i], 2)
for j in range(k):
if sum_j[j] >= 2:
cj += comb(sum_j[j], 2)
E_RI = ci * cj / comb(len(Ylist), 2) #计算RI的期望
max_RI = (ci + cj) / 2 #计算RI的最大值
return (RI-E_RI) / (max_RI-E_RI) #返回调整兰德系数的值
#定义k均值聚类函数
def Kmeans(Xarray, k, iters):
'''
INPUT:
Xarray - (array) 特征数据数组
k - (int) 设定的类别数
iters - (int) 设定的迭代次数
OUTPUT:
group_dict - (dict) 类别字典
scores - (int) 每次迭代的ARI得分列表
'''
center_inds = random.sample(range(Xarray.shape[0]), k) #从特征数据中随机抽取k个数据索引
centers = [Xarray[ci] for ci in center_inds] #将这k个数据索引所对应的特征数据作为初始的k个聚类中心
scores = [] #定义一个空列表用来保存每次迭代的ARI得分
for i in range(iters):
group_dict = {i:[] for i in range(k)} #定义一个空字典，用于保存聚类所产生的所有类别，其中字典的键为类别标签，值为类别所包含的数据列表，以索引表示每条数据
print('{}/{}'.format(i+1, iters))
#循环计算每条数据到各个聚类中心的距离
for n in range(Xarray.shape[0]):
dists = [] #保存第n条数据到各个聚类中心的距离
for ci in range(k):
dist = cal_distance(Xarray[n], centers[ci])
dists.append(dist)
g = dists.index(min(dists)) #取距离最近的中心所在的类
group_dict[g].append(n) #将第n条数据的索引n保存到g类
print(group_dict)
for i in range(k):
centers[i] = cal_groupcenter(group_dict[i], Xarray) #根据每一类所包含的数据重新计算类中心
scores.append(Adjusted_Rand_Index(group_dict, Ylist, k)) #将该轮迭代的ARI得分保存到scores列表
return group_dict, scores
if __name__ == "__main__":
Xarray, Ylist = load_data('..\iris.data') #加载数据
start = time.time() #保存开始时间
Xarray = Normalize(Xarray) #对特征数据进行标准化处理
k = 3 #设定聚类数为3
iters = 2 #设定迭代次数为2
group_dict, scores = Kmeans(Xarray, k, iters) #进行k均值聚类
end = time.time() #保存结束时间
print('Time:', end-start)
plt.plot(range(iters), scores) #绘制ARI得分折线图
================================================
FILE: Clustering/iris.data
================================================
5.1,3.5,1.4,0.2,Iris-setosa
4.9,3.0,1.4,0.2,Iris-setosa
4.7,3.2,1.3,0.2,Iris-setosa
4.6,3.1,1.5,0.2,Iris-setosa
5.0,3.6,1.4,0.2,Iris-setosa
5.4,3.9,1.7,0.4,Iris-setosa
4.6,3.4,1.4,0.3,Iris-setosa
5.0,3.4,1.5,0.2,Iris-setosa
4.4,2.9,1.4,0.2,Iris-setosa
4.9,3.1,1.5,0.1,Iris-setosa
5.4,3.7,1.5,0.2,Iris-setosa
4.8,3.4,1.6,0.2,Iris-setosa
4.8,3.0,1.4,0.1,Iris-setosa
4.3,3.0,1.1,0.1,Iris-setosa
5.8,4.0,1.2,0.2,Iris-setosa
5.7,4.4,1.5,0.4,Iris-setosa
5.4,3.9,1.3,0.4,Iris-setosa
5.1,3.5,1.4,0.3,Iris-setosa
5.7,3.8,1.7,0.3,Iris-setosa
5.1,3.8,1.5,0.3,Iris-setosa
5.4,3.4,1.7,0.2,Iris-setosa
5.1,3.7,1.5,0.4,Iris-setosa
4.6,3.6,1.0,0.2,Iris-setosa
5.1,3.3,1.7,0.5,Iris-setosa
4.8,3.4,1.9,0.2,Iris-setosa
5.0,3.0,1.6,0.2,Iris-setosa
5.0,3.4,1.6,0.4,Iris-setosa
5.2,3.5,1.5,0.2,Iris-setosa
5.2,3.4,1.4,0.2,Iris-setosa
4.7,3.2,1.6,0.2,Iris-setosa
4.8,3.1,1.6,0.2,Iris-setosa
5.4,3.4,1.5,0.4,Iris-setosa
5.2,4.1,1.5,0.1,Iris-setosa
5.5,4.2,1.4,0.2,Iris-setosa
4.9,3.1,1.5,0.1,Iris-setosa
5.0,3.2,1.2,0.2,Iris-setosa
5.5,3.5,1.3,0.2,Iris-setosa
4.9,3.1,1.5,0.1,Iris-setosa
4.4,3.0,1.3,0.2,Iris-setosa
5.1,3.4,1.5,0.2,Iris-setosa
5.0,3.5,1.3,0.3,Iris-setosa
4.5,2.3,1.3,0.3,Iris-setosa
4.4,3.2,1.3,0.2,Iris-setosa
5.0,3.5,1.6,0.6,Iris-setosa
5.1,3.8,1.9,0.4,Iris-setosa
4.8,3.0,1.4,0.3,Iris-setosa
5.1,3.8,1.6,0.2,Iris-setosa
4.6,3.2,1.4,0.2,Iris-setosa
5.3,3.7,1.5,0.2,Iris-setosa
5.0,3.3,1.4,0.2,Iris-setosa
7.0,3.2,4.7,1.4,Iris-versicolor
6.4,3.2,4.5,1.5,Iris-versicolor
6.9,3.1,4.9,1.5,Iris-versicolor
5.5,2.3,4.0,1.3,Iris-versicolor
6.5,2.8,4.6,1.5,Iris-versicolor
5.7,2.8,4.5,1.3,Iris-versicolor
6.3,3.3,4.7,1.6,Iris-versicolor
4.9,2.4,3.3,1.0,Iris-versicolor
6.6,2.9,4.6,1.3,Iris-versicolor
5.2,2.7,3.9,1.4,Iris-versicolor
5.0,2.0,3.5,1.0,Iris-versicolor
5.9,3.0,4.2,1.5,Iris-versicolor
6.0,2.2,4.0,1.0,Iris-versicolor
6.1,2.9,4.7,1.4,Iris-versicolor
5.6,2.9,3.6,1.3,Iris-versicolor
6.7,3.1,4.4,1.4,Iris-versicolor
5.6,3.0,4.5,1.5,Iris-versicolor
5.8,2.7,4.1,1.0,Iris-versicolor
6.2,2.2,4.5,1.5,Iris-versicolor
5.6,2.5,3.9,1.1,Iris-versicolor
5.9,3.2,4.8,1.8,Iris-versicolor
6.1,2.8,4.0,1.3,Iris-versicolor
6.3,2.5,4.9,1.5,Iris-versicolor
6.1,2.8,4.7,1.2,Iris-versicolor
6.4,2.9,4.3,1.3,Iris-versicolor
6.6,3.0,4.4,1.4,Iris-versicolor
6.8,2.8,4.8,1.4,Iris-versicolor
6.7,3.0,5.0,1.7,Iris-versicolor
6.0,2.9,4.5,1.5,Iris-versicolor
5.7,2.6,3.5,1.0,Iris-versicolor
5.5,2.4,3.8,1.1,Iris-versicolor
5.5,2.4,3.7,1.0,Iris-versicolor
5.8,2.7,3.9,1.2,Iris-versicolor
6.0,2.7,5.1,1.6,Iris-versicolor
5.4,3.0,4.5,1.5,Iris-versicolor
6.0,3.4,4.5,1.6,Iris-versicolor
6.7,3.1,4.7,1.5,Iris-versicolor
6.3,2.3,4.4,1.3,Iris-versicolor
5.6,3.0,4.1,1.3,Iris-versicolor
5.5,2.5,4.0,1.3,Iris-versicolor
5.5,2.6,4.4,1.2,Iris-versicolor
6.1,3.0,4.6,1.4,Iris-versicolor
5.8,2.6,4.0,1.2,Iris-versicolor
5.0,2.3,3.3,1.0,Iris-versicolor
5.6,2.7,4.2,1.3,Iris-versicolor
5.7,3.0,4.2,1.2,Iris-versicolor
5.7,2.9,4.2,1.3,Iris-versicolor
6.2,2.9,4.3,1.3,Iris-versicolor
5.1,2.5,3.0,1.1,Iris-versicolor
5.7,2.8,4.1,1.3,Iris-versicolor
6.3,3.3,6.0,2.5,Iris-virginica
5.8,2.7,5.1,1.9,Iris-virginica
7.1,3.0,5.9,2.1,Iris-virginica
6.3,2.9,5.6,1.8,Iris-virginica
6.5,3.0,5.8,2.2,Iris-virginica
7.6,3.0,6.6,2.1,Iris-virginica
4.9,2.5,4.5,1.7,Iris-virginica
7.3,2.9,6.3,1.8,Iris-virginica
6.7,2.5,5.8,1.8,Iris-virginica
7.2,3.6,6.1,2.5,Iris-virginica
6.5,3.2,5.1,2.0,Iris-virginica
6.4,2.7,5.3,1.9,Iris-virginica
6.8,3.0,5.5,2.1,Iris-virginica
5.7,2.5,5.0,2.0,Iris-virginica
5.8,2.8,5.1,2.4,Iris-virginica
6.4,3.2,5.3,2.3,Iris-virginica
6.5,3.0,5.5,1.8,Iris-virginica
7.7,3.8,6.7,2.2,Iris-virginica
7.7,2.6,6.9,2.3,Iris-virginica
6.0,2.2,5.0,1.5,Iris-virginica
6.9,3.2,5.7,2.3,Iris-virginica
5.6,2.8,4.9,2.0,Iris-virginica
7.7,2.8,6.7,2.0,Iris-virginica
6.3,2.7,4.9,1.8,Iris-virginica
6.7,3.3,5.7,2.1,Iris-virginica
7.2,3.2,6.0,1.8,Iris-virginica
6.2,2.8,4.8,1.8,Iris-virginica
6.1,3.0,4.9,1.8,Iris-virginica
6.4,2.8,5.6,2.1,Iris-virginica
7.2,3.0,5.8,1.6,Iris-virginica
7.4,2.8,6.1,1.9,Iris-virginica
7.9,3.8,6.4,2.0,Iris-virginica
6.4,2.8,5.6,2.2,Iris-virginica
6.3,2.8,5.1,1.5,Iris-virginica
6.1,2.6,5.6,1.4,Iris-virginica
7.7,3.0,6.1,2.3,Iris-virginica
6.3,3.4,5.6,2.4,Iris-virginica
6.4,3.1,5.5,1.8,Iris-virginica
6.0,3.0,4.8,1.8,Iris-virginica
6.9,3.1,5.4,2.1,Iris-virginica
6.7,3.1,5.6,2.4,Iris-virginica
6.9,3.1,5.1,2.3,Iris-virginica
5.8,2.7,5.1,1.9,Iris-virginica
6.8,3.2,5.9,2.3,Iris-virginica
6.7,3.3,5.7,2.5,Iris-virginica
6.7,3.0,5.2,2.3,Iris-virginica
6.3,2.5,5.0,1.9,Iris-virginica
6.5,3.0,5.2,2.0,Iris-virginica
6.2,3.4,5.4,2.3,Iris-virginica
5.9,3.0,5.1,1.8,Iris-virginica
================================================
FILE: DecisionTree/DecisionTree.py
================================================
#coding=utf-8
#Author:Dodo
#Date:2018-11-21
#Email:lvtengchao@pku.edu.cn
'''
数据集：Mnist
训练集数量：60000
测试集数量：10000
------------------------------
运行结果：ID3(未剪枝)
正确率：85.9%
运行时长：356s
'''
import time
import numpy as np
def loadData(fileName):
'''
加载文件
:param fileName:要加载的文件路径
:return: 数据集和标签集
'''
#存放数据及标记
dataArr = []; labelArr = []
#读取文件
fr = open(fileName)
#遍历文件中的每一行
for line in fr.readlines():
#获取当前行，并按“，”切割成字段放入列表中
#strip：去掉每行字符串首尾指定的字符（默认空格或换行符）
#split：按照指定的字符将字符串切割成每个字段，返回列表形式
curLine = line.strip().split(',')
#将每行中除标记外的数据放入数据集中（curLine[0]为标记信息）
#在放入的同时将原先字符串形式的数据转换为整型
#此外将数据进行了二值化处理，大于128的转换成1，小于的转换成0，方便后续计算
dataArr.append([int(int(num) > 128) for num in curLine[1:]])
#将标记信息放入标记集中
#放入的同时将标记转换为整型
labelArr.append(int(curLine[0]))
#返回数据集和标记
return dataArr, labelArr
def majorClass(labelArr):
'''
找到当前标签集中占数目最大的标签
:param labelArr: 标签集
:return: 最大的标签
'''
#建立字典，用于不同类别的标签技术
classDict = {}
#遍历所有标签
for i in range(len(labelArr)):
#当第一次遇到A标签时，字典内还没有A标签，这时候直接幅值加1是错误的，
#所以需要判断字典中是否有该键，没有则创建，有就直接自增
if labelArr[i] in classDict.keys():
# 若在字典中存在该标签，则直接加1
classDict[labelArr[i]] += 1
else:
#若无该标签，设初值为1，表示出现了1次了
classDict[labelArr[i]] = 1
#对字典依据值进行降序排序
classSort = sorted(classDict.items(), key=lambda x: x[1], reverse=True)
#返回最大一项的标签，即占数目最多的标签
return classSort[0][0]
def calc_H_D(trainLabelArr):
'''
计算数据集D的经验熵，参考公式5.7 经验熵的计算
:param trainLabelArr:当前数据集的标签集
:return: 经验熵
'''
#初始化为0
H_D = 0
#将当前所有标签放入集合中，这样只要有的标签都会在集合中出现，且出现一次。
#遍历该集合就可以遍历所有出现过的标记并计算其Ck
#这么做有一个很重要的原因：首先假设一个背景，当前标签集中有一些标记已经没有了，比如说标签集中
#没有0（这是很正常的，说明当前分支不存在这个标签）。 式5.7中有一项Ck，那按照式中的针对不同标签k
#计算Cl和D并求和时，由于没有0，那么C0=0，此时C0/D0=0,log2(C0/D0) = log2(0)，事实上0并不在log的
#定义区间内，出现了问题
#所以使用集合的方式先知道当前标签中都出现了那些标签，随后对每个标签进行计算，如果没出现的标签那一项就
#不在经验熵中出现（未参与，对经验熵无影响），保证log的计算能一直有定义
trainLabelSet = set([label for label in trainLabelArr])
#遍历每一个出现过的标签
for i in trainLabelSet:
#计算|Ck|/|D|
#trainLabelArr == i：当前标签集中为该标签的的位置
#例如a = [1, 0, 0, 1], c = (a == 1): c == [True, false, false, True]
#trainLabelArr[trainLabelArr == i]：获得为指定标签的样本
#trainLabelArr[trainLabelArr == i].size：获得为指定标签的样本的大小，即标签为i的样本
#数量，就是|Ck|
#trainLabelArr.size：整个标签集的数量（也就是样本集的数量），即|D|
p = trainLabelArr[trainLabelArr == i].size / trainLabelArr.size
#对经验熵的每一项累加求和
H_D += -1 * p * np.log2(p)
#返回经验熵
return H_D
def calcH_D_A(trainDataArr_DevFeature, trainLabelArr):
'''
计算经验条件熵
:param trainDataArr_DevFeature:切割后只有feature那列数据的数组
:param trainLabelArr: 标签集数组
:return: 经验条件熵
'''
#初始为0
H_D_A = 0
#在featue那列放入集合中，是为了根据集合中的数目知道该feature目前可取值数目是多少
trainDataSet = set([label for label in trainDataArr_DevFeature])
#对于每一个特征取值遍历计算条件经验熵的每一项
for i in trainDataSet:
#计算H(D|A)
#trainDataArr_DevFeature[trainDataArr_DevFeature == i].size / trainDataArr_DevFeature.size:|Di| / |D|
#calc_H_D(trainLabelArr[trainDataArr_DevFeature == i]):H(Di)
H_D_A += trainDataArr_DevFeature[trainDataArr_DevFeature == i].size / trainDataArr_DevFeature.size \
* calc_H_D(trainLabelArr[trainDataArr_DevFeature == i])
#返回得出的条件经验熵
return H_D_A
def calcBestFeature(trainDataList, trainLabelList):
'''
计算信息增益最大的特征
:param trainDataList: 当前数据集
:param trainLabelList: 当前标签集
:return: 信息增益最大的特征及最大信息增益值
'''
#将数据集和标签集转换为数组形式
trainDataArr = np.array(trainDataList)
trainLabelArr = np.array(trainLabelList)
#获取当前特征数目，也就是数据集的横轴大小
featureNum = trainDataArr.shape[1]
#初始化最大信息增益
maxG_D_A = -1
#初始化最大信息增益的特征
maxFeature = -1
#“5.2.2 信息增益”中“算法5.1（信息增益的算法）”第一步：
#1.计算数据集D的经验熵H(D)
H_D = calc_H_D(trainLabelArr)
#对每一个特征进行遍历计算
for feature in range(featureNum):
#2.计算条件经验熵H(D|A)
#由于条件经验熵的计算过程中只涉及到标签以及当前特征，为了提高运算速度（全部样本
#做成的矩阵运算速度太慢，需要剔除不需要的部分），将数据集矩阵进行切割
#数据集在初始时刻是一个Arr = 60000*784的矩阵，针对当前要计算的feature，在训练集中切割下
#Arr[:, feature]这么一条来，因为后续计算中数据集中只用到这个（没明白的跟着算一遍例5.2）
#trainDataArr[:, feature]:在数据集中切割下这么一条
#trainDataArr[:, feature].flat：将这么一条转换成竖着的列表
#np.array(trainDataArr[:, feature].flat)：再转换成一条竖着的矩阵，大小为60000*1（只是初始是
#这么大，运行过程中是依据当前数据集大小动态变的）
trainDataArr_DevideByFeature = np.array(trainDataArr[:, feature].flat)
#3.计算信息增益G(D|A) G(D|A) = H(D) - H(D | A)
G_D_A = H_D - calcH_D_A(trainDataArr_DevideByFeature, trainLabelArr)
#不断更新最大的信息增益以及对应的feature
if G_D_A > maxG_D_A:
maxG_D_A = G_D_A
maxFeature = feature
return maxFeature, maxG_D_A
def getSubDataArr(trainDataArr, trainLabelArr, A, a):
'''
更新数据集和标签集
:param trainDataArr:要更新的数据集
:param trainLabelArr: 要更新的标签集
:param A: 要去除的特征索引
:param a: 当data[A]== a时，说明该行样本时要保留的
:return: 新的数据集和标签集
'''
#返回的数据集
retDataArr = []
#返回的标签集
retLabelArr = []
#对当前数据的每一个样本进行遍历
for i in range(len(trainDataArr)):
#如果当前样本的特征为指定特征值a
if trainDataArr[i][A] == a:
#那么将该样本的第A个特征切割掉，放入返回的数据集中
retDataArr.append(trainDataArr[i][0:A] + trainDataArr[i][A+1:])
#将该样本的标签放入返回标签集中
retLabelArr.append(trainLabelArr[i])
#返回新的数据集和标签集
return retDataArr, retLabelArr
def createTree(*dataSet):
'''
递归创建决策树
:param dataSet:(trainDataList， trainLabelList) <<-- 元祖形式
:return:新的子节点或该叶子节点的值
'''
#设置Epsilon，“5.3.1 ID3算法”第4步提到需要将信息增益与阈值Epsilon比较，若小于则
#直接处理后返回T
#该值的大小在设置上并未考虑太多，观察到信息增益前期在运行中为0.3左右，所以设置了0.1
Epsilon = 0.1
#从参数中获取trainDataList和trainLabelList
#之所以使用元祖作为参数，是由于后续递归调用时直数据集需要对某个特征进行切割，在函数递归
#调用上直接将切割函数的返回值放入递归调用中，而函数的返回值形式是元祖的，等看到这个函数
#的底部就会明白了，这样子的用处就是写程序的时候简洁一点，方便一点
trainDataList = dataSet[0][0]
trainLabelList = dataSet[0][1]
#打印信息：开始一个子节点创建，打印当前特征向量数目及当前剩余样本数目
print('start a node', len(trainDataList[0]), len(trainLabelList))
#将标签放入一个字典中，当前样本有多少类，在字典中就会有多少项
#也相当于去重，多次出现的标签就留一次。举个例子，假如处理结束后字典的长度为1，那说明所有的样本
#都是同一个标签，那就可以直接返回该标签了，不需要再生成子节点了。
classDict = {i for i in trainLabelList}
#如果D中所有实例属于同一类Ck，则置T为单节点数，并将Ck作为该节点的类，返回T
#即若所有样本的标签一致，也就不需要再分化，返回标记作为该节点的值，返回后这就是一个叶子节点
if len(classDict) == 1:
#因为所有样本都是一致的，在标签集中随便拿一个标签返回都行，这里用的第0个（因为你并不知道
#当前标签集的长度是多少，但运行中所有标签只要有长度都会有第0位。
return trainLabelList[0]
#如果A为空集，则置T为单节点数，并将D中实例数最大的类Ck作为该节点的类，返回T
#即如果已经没有特征可以用来再分化了，就返回占大多数的类别
if len(trainDataList[0]) == 0:
#返回当前标签集中占数目最大的标签
return majorClass(trainLabelList)
#否则，按式5.10计算A中个特征值的信息增益，选择信息增益最大的特征Ag
Ag, EpsilonGet = calcBestFeature(trainDataList, trainLabelList)
#如果Ag的信息增益比小于阈值Epsilon，则置T为单节点树，并将D中实例数最大的类Ck
#作为该节点的类，返回T
if EpsilonGet < Epsilon:
return majorClass(trainLabelList)
#否则，对Ag的每一可能值ai，依Ag=ai将D分割为若干非空子集Di，将Di中实例数最大的
# 类作为标记，构建子节点，由节点及其子节点构成树T，返回T
treeDict = {Ag:{}}
#特征值为0时，进入0分支
#getSubDataArr(trainDataList, trainLabelList, Ag, 0)：在当前数据集中切割当前feature，返回新的数据集和标签集
treeDict[Ag][0] = createTree(getSubDataArr(trainDataList, trainLabelList, Ag, 0))
treeDict[Ag][1] = createTree(getSubDataArr(trainDataList, trainLabelList, Ag, 1))
return treeDict
def predict(testDataList, tree):
'''
预测标签
:param testDataList:样本
:param tree: 决策树
:return: 预测结果
'''
# treeDict = copy.deepcopy(tree)
#死循环，直到找到一个有效地分类
while True:
#因为有时候当前字典只有一个节点
#例如{73: {0: {74:6}}}看起来节点很多，但是对于字典的最顶层来说，只有73一个key，其余都是value
#若还是采用for来读取的话不太合适，所以使用下行这种方式读取key和value
(key, value), = tree.items()
#如果当前的value是字典，说明还需要遍历下去
if type(tree[key]).__name__ == 'dict':
#获取目前所在节点的feature值，需要在样本中删除该feature
#因为在创建树的过程中，feature的索引值永远是对于当时剩余的feature来设置的
#所以需要不断地删除已经用掉的特征，保证索引相对位置的一致性
dataVal = testDataList[key]
del testDataList[key]
#将tree更新为其子节点的字典
tree = value[dataVal]
#如果当前节点的子节点的值是int，就直接返回该int值
#例如{403: {0: 7, 1: {297:7}}，dataVal=0
#此时上一行tree = value[dataVal]，将tree定位到了7，而7不再是一个字典了，
#这里就可以直接返回7了，如果tree = value[1]，那就是一个新的子节点，需要继续遍历下去
if type(tree).__name__ == 'int':
#返回该节点值，也就是分类值
return tree
else:
#如果当前value不是字典，那就返回分类值
return value
def model_test(testDataList, testLabelList, tree):
'''
测试准确率
:param testDataList:待测试数据集
:param testLabelList: 待测试标签集
:param tree: 训练集生成的树
:return: 准确率
'''
#错误次数计数
errorCnt = 0
#遍历测试集中每一个测试样本
for i in range(len(testDataList)):
#判断预测与标签中结果是否一致
if testLabelList[i] != predict(testDataList[i], tree):
errorCnt += 1
#返回准确率
return 1 - errorCnt / len(testDataList)
if __name__ == '__main__':
#开始时间
start = time.time()
# 获取训练集
trainDataList, trainLabelList = loadData('../Mnist/mnist_train.csv')
# 获取测试集
testDataList, testLabelList = loadData('../Mnist/mnist_test.csv')
#创建决策树
print('start create tree')
tree = createTree((trainDataList, trainLabelList))
print('tree is:', tree)
#测试准确率
print('start test')
accur = model_test(testDataList, testLabelList, tree)
print('the accur is:', accur)
#结束时间
end = time.time()
print('time span:', end - start)
================================================
FILE: EM/EM.py
================================================
# coding=utf-8
# Author:Dodo
# Date:2018-12-8
# Email:lvtengchao@pku.edu.cn
# Blog:www.pkudodo.com
'''
数据集：伪造数据集（两个高斯分布混合）
数据集长度：1000
------------------------------
运行结果：
----------------------------
the Parameters set is:
alpha0:0.3, mu0:0.7, sigmod0:-2.0, alpha1:0.5, mu1:0.5, sigmod1:1.0
----------------------------
the Parameters predict is:
alpha0:0.4, mu0:0.6, sigmod0:-1.7, alpha1:0.7, mu1:0.7, sigmod1:0.9
----------------------------
'''
import numpy as np
import random
import math
import time
def loadData(mu0, sigma0, mu1, sigma1, alpha0, alpha1):
'''
初始化数据集
这里通过服从高斯分布的随机函数来伪造数据集
:param mu0: 高斯0的均值
:param sigma0: 高斯0的方差
:param mu1: 高斯1的均值
:param sigma1: 高斯1的方差
:param alpha0: 高斯0的系数
:param alpha1: 高斯1的系数
:return: 混合了两个高斯分布的数据
'''
#定义数据集长度为1000
length = 1000
#初始化第一个高斯分布，生成数据，数据长度为length * alpha系数，以此来
#满足alpha的作用
data0 = np.random.normal(mu0, sigma0, int(length * alpha0))
#第二个高斯分布的数据
data1 = np.random.normal(mu1, sigma1, int(length * alpha1))
#初始化总数据集
#两个高斯分布的数据混合后会放在该数据集中返回
dataSet = []
#将第一个数据集的内容添加进去
dataSet.extend(data0)
#添加第二个数据集的数据
dataSet.extend(data1)
#对总的数据集进行打乱（其实不打乱也没事，只不过打乱一下直观上让人感觉已经混合了
# 读者可以将下面这句话屏蔽以后看看效果是否有差别）
random.shuffle(dataSet)
#返回伪造好的数据集
return dataSet
def calcGauss(dataSetArr, mu, sigmod):
'''
根据高斯密度函数计算值
依据：“9.3.1 高斯混合模型” 式9.25
注：在公式中y是一个实数，但是在EM算法中(见算法9.2的E步)，需要对每个j
都求一次yjk，在本实例中有1000个可观测数据，因此需要计算1000次。考虑到
在E步时进行1000次高斯计算，程序上比较不简洁，因此这里的y是向量，在numpy
的exp中如果exp内部值为向量，则对向量中每个值进行exp，输出仍是向量的形式。
所以使用向量的形式1次计算即可将所有计算结果得出，程序上较为简洁
:param dataSetArr: 可观测数据集
:param mu: 均值
:param sigmod: 方差
:return: 整个可观测数据集的高斯分布密度（向量形式）
'''
#计算过程就是依据式9.25写的，没有别的花样
result = (1 / (math.sqrt(2 * math.pi) * sigmod)) * \
np.exp(-1 * (dataSetArr - mu) * (dataSetArr - mu) / (2 * sigmod**2))
#返回结果
return result
def E_step(dataSetArr, alpha0, mu0, sigmod0, alpha1, mu1, sigmod1):
'''
EM算法中的E步
依据当前模型参数，计算分模型k对观数据y的响应度
:param dataSetArr: 可观测数据y
:param alpha0: 高斯模型0的系数
:param mu0: 高斯模型0的均值
:param sigmod0: 高斯模型0的方差
:param alpha1: 高斯模型1的系数
:param mu1: 高斯模型1的均值
:param sigmod1: 高斯模型1的方差
:return: 两个模型各自的响应度
'''
#计算y0的响应度
#先计算模型0的响应度的分子
gamma0 = alpha0 * calcGauss(dataSetArr, mu0, sigmod0)
#模型1响应度的分子
gamma1 = alpha1 * calcGauss(dataSetArr, mu1, sigmod1)
#两者相加为E步中的分布
sum = gamma0 + gamma1
#各自相除，得到两个模型的响应度
gamma0 = gamma0 / sum
gamma1 = gamma1 / sum
#返回两个模型响应度
return gamma0, gamma1
def M_step(muo, mu1, gamma0, gamma1, dataSetArr):
#依据算法9.2计算各个值
#这里没什么花样，对照书本公式看看这里就好了
mu0_new = np.dot(gamma0, dataSetArr) / np.sum(gamma0)
mu1_new = np.dot(gamma1, dataSetArr) / np.sum(gamma1)
sigmod0_new = math.sqrt(np.dot(gamma0, (dataSetArr - muo)**2) / np.sum(gamma0))
sigmod1_new = math.sqrt(np.dot(gamma1, (dataSetArr - mu1)**2) / np.sum(gamma1))
alpha0_new = np.sum(gamma0) / len(gamma0)
alpha1_new = np.sum(gamma1) / len(gamma1)
#将更新的值返回
return mu0_new, mu1_new, sigmod0_new, sigmod1_new, alpha0_new, alpha1_new
def EM_Train(dataSetList, iter = 500):
'''
根据EM算法进行参数估计
算法依据“9.3.2 高斯混合模型参数估计的EM算法” 算法9.2
:param dataSetList:数据集（可观测数据）
:param iter: 迭代次数
:return: 估计的参数
'''
#将可观测数据y转换为数组形式，主要是为了方便后续运算
dataSetArr = np.array(dataSetList)
#步骤1：对参数取初值，开始迭代
alpha0 = 0.5; mu0 = 0; sigmod0 = 1
alpha1 = 0.5; mu1 = 1; sigmod1 = 1
#开始迭代
step = 0
while (step < iter):
#每次进入一次迭代后迭代次数加1
step += 1
#步骤2：E步：依据当前模型参数，计算分模型k对观测数据y的响应度
gamma0, gamma1 = E_step(dataSetArr, alpha0, mu0, sigmod0, alpha1, mu1, sigmod1)
#步骤3：M步
mu0, mu1, sigmod0, sigmod1, alpha0, alpha1 = \
M_step(mu0, mu1, gamma0, gamma1, dataSetArr)
#迭代结束后将更新后的各参数返回
return alpha0, mu0, sigmod0, alpha1, mu1, sigmod1
if __name__ == '__main__':
start = time.time()
#设置两个高斯模型进行混合，这里是初始化两个模型各自的参数
#见“9.3 EM算法在高斯混合模型学习中的应用”
# alpha是“9.3.1 高斯混合模型” 定义9.2中的系数α
# mu0是均值μ
# sigmod是方差σ
#在设置上两个alpha的和必须为1，其他没有什么具体要求，符合高斯定义就可以
alpha0 = 0.3; mu0 = -2; sigmod0 = 0.5
alpha1 = 0.7; mu1 = 0.5; sigmod1 = 1
#初始化数据集
dataSetList = loadData(mu0, sigmod0, mu1, sigmod1, alpha0, alpha1)
#打印设置的参数
print('---------------------------')
print('the Parameters set is:')
print('alpha0:%.1f, mu0:%.1f, sigmod0:%.1f, alpha1:%.1f, mu1:%.1f, sigmod1:%.1f'%(
alpha0, mu0, sigmod0, alpha1, mu1, sigmod1
))
#开始EM算法，进行参数估计
alpha0, mu0, sigmod0, alpha1, mu1, sigmod1 = EM_Train(dataSetList)
#打印参数预测结果
print('----------------------------')
print('the Parameters predict is:')
print('alpha0:%.1f, mu0:%.1f, sigmod0:%.1f, alpha1:%.1f, mu1:%.1f, sigmod1:%.1f' % (
alpha0, mu0, sigmod0, alpha1, mu1, sigmod1
))
#打印时间
print('----------------------------')
print('time span:', time.time() - start)
================================================
FILE: HMM/HMM.py
================================================
#coding=utf-8
#Author:Dodo
#Date:2018-12-10
#Email:lvtengchao@pku.edu.cn
#Blog:www.pkudodo.com
'''
数据集：人民日报1998年中文标注语料库
------------------------------
运行结果：
-------------------原文----------------------
深圳有个打工者阅览室
去年１２月，我在广东深圳市出差，听说南山区工商分局为打工者建了个免费图书阅览室，这件新鲜事引起了我的兴趣。
１２月１８日下午，我来到了这个阅览室。阅览室位于桂庙，临南油大道，是一间轻体房，面积约有４０平方米，内部装修得整洁干净，四周的书架上摆满了书，并按政治、哲学、法律法规、文化教育、经济、科技、艺术、中国文学、外国文学等分类，屋中央有两排书架，上面也摆满了图书和杂志。一些打工青年或站或蹲，认真地阅读，不时有人到借阅台前办理借书或还书手续。南山区在深圳市西边，地处城乡结合部，外来打工者较多。去年２月，南山区工商分局局长王安全发现分局对面的公园里常有不少打工者业余时间闲逛，有时还滋扰生事。为了给这些打工者提供一个充实自己的场所，他提议由全分局工作人员捐款，兴建一个免费阅览室。领导带头，群众响应，大家捐款１．４万元，购买了近千册图书。３月６日，建在南头繁华的南新路和金鸡路交叉口的阅览室开放了。从此，这里每天都吸引了众多借书、看书的人们，其中不仅有打工者，还有机关干部、公司职员和个体户。到了夏天，由于阅览室所在地被工程征用，南山区工商分局便把阅览室迁到了桂庙。阅览室的管理人员是两名青年，男的叫张攀，女的叫赵阳。张攀自己就是湖北来的打工者，听说南山区工商分局办免费阅览室，便主动应聘来服务。阅览室每天从早９时开到晚１０时，夜里张攀就住在这里。他谈起阅览室里的图书，翻着一本本的借阅名册，如数家珍，对图书和工作的挚爱之情溢于言表。我在这里碰到南山区华英大厦一位叫聂煜的女青年，她说她也是个打工者，由于春节探家回来后就要去市内工作，很留恋这里的这个免费阅览室，想抓紧时间多看些书，她还把自己买的几本杂志捐给了阅览室。在阅览室的捐书登记簿上，记录着这样的数字：工商系统内部捐书３５５０册，社会各界捐书２５０册。我在阅览室读到了这样几封感谢信：深圳瑞兴光学厂的王志明写道：“我们这些年轻人远离了家乡，来到繁华紧张的都市打工，辛劳之余，能有机会看书读报，感到特别充实。”深圳文光灯泡厂的江虹说：“南山区工商分局的干部职工捐款、捐书，给我们打工者提供良好的学习环境，鼓励我们求知上进，真是办了一件大好事，他们是我们打工者的知音。”（本报记者罗华）
-------------------分词后----------------------
深圳|有个|打|工者|阅览室
去年|１２月|，|我|在|广东|深圳|市出|差|，|听|说|南|山区|工商|分局|为|打|工者|建了|个|免费|图书|阅览室|，|这件|新|鲜事|引起|了|我|的|兴趣|。
１２月|１８日|下午|，|我来|到|了|这个|阅览室|。|阅览|室位|于|桂庙|，|临南油|大道|，|是|一间|轻|体房|，|面积|约|有|４０|平方|米|，|内|部装|修得|整洁|干净|，|四|周|的|书架|上|摆满|了|书|，|并|按|政治|、|哲学|、|法律|法规|、|文化|教育|、|经济|、|科技|、|艺术|、|中国|文学|、|外国|文学|等|分类|，|屋|中央|有|两排|书架|，|上面|也|摆满|了|图书|和|杂志|。|一些|打工|青年|或站|或|蹲|，|认真|地阅|读|，|不时|有|人到|借阅|台前|办理|借书|或|还书|手续|。|南|山区|在|深圳|市|西边|，|地处|城乡|结合部|，|外来|打|工者|较|多|。|去年|２月|，|南|山区|工商|分局|局长|王|安全|发现|分局|对面|的|公园|里|常有|不少|打|工者|业余|时间|闲逛|，|有时|还|滋扰|生事|。|为|了|给|这些|打|工者|提供|一个|充实|自己|的|场所|，|他|提议|由全|分局|工作|人员|捐款|，|兴建|一个|免费|阅览室|。|领导|带头|，|群众|响应|，|大家|捐款|１．４万|元|，|购买|了|近|千册|图书|。|３月|６日|，|建在|南头|繁华|的|南|新路|和|金鸡|路交|叉口|的|阅览室|开放|了|。|从此|，|这里|每天|都|吸引|了|众多|借书|、|看书|的|人们|，|其中|不仅|有|打|工者|，|还|有|机关|干部|、|公司|职员|和|个|体户|。|到|了|夏天|，|由于|阅览室|所|在|地|被|工程|征用|，|南|山区|工商|分局|便|把|阅览|室迁|到|了|桂庙|。|阅览室|的|管理|人员|是|两|名|青年|，|男|的|叫|张|攀|，|女|的|叫|赵阳|。|张|攀|自己|就|是|湖北|来|的|打|工者|，|听|说|南|山区|工商|分局|办|免费|阅览室|，|便|主动|应|聘来|服务|。|阅览室|每天|从|早９时|开到|晚|１０|时|，|夜里|张|攀|就|住|在|这里|。|他谈|起|阅览|室里|的|图书|，|翻着|一|本本|的|借阅|名册|，|如数|家珍|，|对|图书|和|工作|的|挚爱|之|情溢|于|言表|。|我|在|这里|碰到|南|山区|华英|大厦|一位|叫|聂|煜|的|女|青年|，|她|说|她|也|是|个|打|工者|，|由于|春节|探家|回来|后|就|要|去市|内|工作|，|很|留恋|这里|的|这个|免费|阅览室|，|想|抓紧|时间|多|看些|书|，|她|还|把|自己|买|的|几本|杂志|捐给|了|阅览室|。|在|阅览室|的|捐书|登|记簿|上|，|记录|着|这样|的|数字|：|工商|系统|内部|捐书|３５５０册|，|社会|各界|捐书|２５０册|。|我|在|阅览室|读到|了|这样|几|封感|谢信|：|深圳|瑞兴|光学|厂|的|王|志明|写道|：|“|我们|这些|年|轻人|远离|了|家乡|，|来到|繁华|紧张|的|都|市|打工|，|辛劳|之余|，|能|有|机会|看书|读报|，|感到|特别|充实|。|”|深圳|文光|灯|泡厂|的|江虹|说|：|“|南|山区|工商|分局|的|干部|职工|捐款|、|捐书|，|给|我们|打|工者|提供|良好|的|学习|环境|，|鼓励|我们|求知|上进|，|真是|办|了|一件|大好|事|，|他们|是|我们|打|工者|的|知音|。|”|（|本报|记者|罗华|）
运行时长：3.6s
'''
import numpy as np
import time
def trainParameter(fileName):
'''
依据训练文本统计PI、A、B
:param fileName: 训练文本
:return: 三个参数
'''
#定义一个查询字典，用于映射四种标记在数组中对应的位置，方便查询
# B：词语的开头
# M：一个词语的中间词
# E：一个词语的结果
# S：非词语，单个词
statuDict = {'B':0, 'M':1, 'E':2, 'S':3}
#每个字只有四种状态，所以下方的各类初始化中大小的参数均为4
#初始化PI的一维数组，因为对应四种状态，大小为4
PI = np.zeros(4)
#初始化状态转移矩阵A，涉及到四种状态各自到四种状态的转移，因为大小为4x4
A = np.zeros((4, 4))
#初始化观测概率矩阵，分别为四种状态到每个字的发射概率
#因为是中文分词，使用ord(汉字)即可找到其对应编码，这里用一个65536的空间来保证对于所有的汉字都能
#找到对应的位置来存储
B = np.zeros((4, 65536))
#去读训练文本
fr = open(fileName, encoding='utf-8')
#文本中的每一行认为是一个训练样本
#在统计上，三个参数依据“10.3.2” Baum-Welch算法内描述的统计
#PI依据式10.35
#A依据10.37
#B依据10.38
#注：并没有使用Baum-Welch算法，只是借助了其内部的三个参数生成公式，其实
#公式并不是Baum-Welch特有的，只是在那一节正好有描述
for line in fr.readlines():
#---------------------训练集单行样例--------------------
#深圳 有 个 打工者 阅览室
#------------------------------------------------------
#可以看到训练样本已经分词完毕，词语之间空格隔开，因此我们在生成统计时主要借助以下思路：
# 1.先将句子按照空格隔开，例如例句中5个词语，隔开后变成一个长度为5的列表，每个元素为一个词语
# 2.对每个词语长度进行判断：
# 如果为1认为该词语是S，即单个字
# 如果为2则第一个是B，表开头，第二个为E，表结束
# 如果大于2，则第一个为B，最后一个为E，中间全部标为M，表中间词
# 3.统计PI：该句第一个字的词性对应的PI中位置加1
# 例如：PI = [0， 0， 0， 0]，当本行第一个字是B，即表示开头时，PI中B对应位置为0，
# 则PI = [1， 0， 0， 0]，全部统计结束后，按照计数值再除以总数得到概率
# 统计A：对状态链中位置t和t-1的状态进行统计，在矩阵中相应位置加1，全部结束后生成概率
# 统计B：对于每个字的状态以及字内容，生成状态到字的发射计数，全部结束后生成概率
# 注：可以看一下“10.1.1 隐马尔可夫模型的定义”一节中三个参数的定义，会有更清晰一点的认识
#-------------------------------------------------------
#对单行句子按空格进行切割
curLine = line.strip().split()
#对词性的标记放在该列表中
wordLabel = []
#对每一个单词进行遍历
for i in range(len(curLine)):
#如果长度为1，则直接将该字标记为S，即单个词
if len(curLine[i]) == 1:
label = 'S'
else:
#如果长度不为1，开头为B，最后为E，中间添加长度-2个M
#如果长度刚好为2，长度-2=0也就不添加了，反之添加对应个数的M
label = 'B' + 'M' * (len(curLine[i]) - 2) + 'E'
#如果是单行开头第一个字，PI中对应位置加1,
if i == 0: PI[statuDict[label[0]]] += 1
#对于该单词中的每一个字，在生成的状态链中统计B
for j in range(len(label)):
#遍历状态链中每一个状态，并找到对应的中文汉字，在B中
#对应位置加1
B[statuDict[label[j]]][ord(curLine[i][j])] += 1
#在整行的状态链中添加该单词的状态链
#注意：extend表直接在原先元素的后方添加，
#可以百度一下extend和append的区别
wordLabel.extend(label)
#单行所有单词都结束后，统计A信息
#因为A涉及到前一个状态，因此需要等整条状态链都生成了才能开始统计
for i in range(1, len(wordLabel)):
#统计t时刻状态和t-1时刻状态的所有状态组合的出现次数
A[statuDict[wordLabel[i - 1]]][statuDict[wordLabel[i]]] += 1
#上面代码在统计上全部是统计的次数，实际运算需要使用概率，
#下方代码是将三个参数的次数转换为概率
#----------------------------------------
#对PI求和，概率生成中的分母
sum = np.sum(PI)
#遍历PI中每一个元素，元素出现的次数/总次数即为概率
for i in range(len(PI)):
#如果某元素没有出现过，该位置为0，在后续的计算中这是不被允许的
#比如说某个汉字在训练集中没有出现过，那在后续不同概率相乘中只要有
#一项为0，其他都是0了，此外整条链很长的情况下，太多0-1的概率相乘
#不管怎样最后的结果都会很小，很容易下溢出
#所以在概率上我们习惯将其转换为log对数形式，这在书上是没有讲的
#x大的时候，log也大，x小的时候，log也相应小，我们最后比较的是不同
#概率的大小，所以使用log没有问题
#那么当单向概率为0的时候，log没有定义，因此需要单独判断
#如果该项为0，则手动赋予一个极小值
if PI[i] == 0: PI[i] = -3.14e+100
#如果不为0，则计算概率，再对概率求log
else: PI[i] = np.log(PI[i] / sum)
#与上方PI思路一样，求得A的概率对数
for i in range(len(A)):
sum = np.sum(A[i])
for j in range(len(A[i])):
if A[i][j] == 0: A[i][j] = -3.14e+100
else: A[i][j] = np.log(A[i][j] / sum)
#与上方PI思路一样，求得B的概率对数
for i in range(len(B)):
sum = np.sum(B[i])
for j in range(len(B[i])):
if B[i][j] == 0: B[i][j] = -3.14e+100
else:B[i][j] = np.log(B[i][j] / sum)
#返回统计得到的三个参数
return PI, A, B
def loadArticle(fileName):
'''
加载文章
:param fileName:文件路径
:return: 文章内容
'''
#初始化文章列表
artical = []
#打开文件
fr = open(fileName, encoding='utf-8')
#按行读取文件
for line in fr.readlines():
#读到的每行最后都有一个\n，使用strip将最后的回车符去掉
line = line.strip()
#将该行放入文章列表中
artical.append(line)
#将文章返回
return artical
def participle(artical, PI, A, B):
'''
分词
算法依据“10.4.2 维特比算法”
:param artical:要分词的文章
:param PI: 初始状态概率向量PI
:param A: 状态转移矩阵
:param B: 观测概率矩阵
:return: 分词后的文章
'''
#初始化分词后的文章列表
retArtical = []
#对文章按行读取
for line in artical:
#初始化δ，δ存放四种状态的概率值，因为状态链中每个状态都有
#四种概率值，因此长度时该行的长度
delta = [[0 for i in range(4)] for i in range(len(line))]
#依据算法10.5 第一步：初始化
for i in range(4):
#初始化δ状态链中第一个状态的四种状态概率
delta[0][i] = PI[i] + B[i][ord(line[0])]
#初始化ψ，初始时为0
psi = [[0 for i in range(4)] for i in range(len(line))]
#算法10.5中的第二步：递推
#for循环的符号与书中公式一致，可以对比着看来理解
#依次处理整条链
for t in range(1, len(line)):
#对于链中的米格状态，求四种状态概率
for i in range(4):
#初始化一个临时列表，用于存放四种概率
tmpDelta = [0] * 4
for j in range(4):
# 计算第二步中的δ，该部分只计算max内部，不涉及后面的bi(o)
# 计算得到四个结果以后，再去求那个max即可
# 注：bi(Ot)并不在max的式子中，是求出max以后再乘b的
# 此外读者可能注意到书中的乘法在这里变成了加法，这是由于原先是概率
# 直接相乘，但我们在求得概率时，同时取了log，取完log以后，概率的乘法
# 也就转换为加法了，同时也简化了运算
# 所以log优点还是很多的对不？
tmpDelta[j] = delta[t - 1][j] + A[j][i]
#找到最大的那个δ * a，
maxDelta = max(tmpDelta)
#记录最大值对应的状态
maxDeltaIndex = tmpDelta.index(maxDelta)
#将找到的最大值乘以b放入，
#注意：这里同样因为log变成了加法
delta[t][i] = maxDelta + B[i][ord(line[t])]
#在ψ中记录对应的最大状态索引
psi[t][i] = maxDeltaIndex
#建立一个状态链列表，开始生成状态链
sequence = []
#算法10.5 第三步：终止
#在上面for循环全部结束后，很明显就到了第三步了
#获取最后一个状态的最大状态概率对应的索引
i_opt = delta[len(line) - 1].index(max(delta[len(line) - 1]))
#在状态链中添加索引
#注：状态链应该是B、M、E、S，这里图方便用了0、1、2、3，其实一样的
sequence.append(i_opt)
#算法10.5 第四步：最优路径回溯
#从后往前遍历整条链
for t in range(len(line) - 1, 0, -1):
#不断地从当前时刻t的ψ列表中读取到t-1的最优状态
i_opt = psi[t][i_opt]
#将状态放入列表中
sequence.append(i_opt)
#因为是从后往前将状态放入的列表，所以这里需要翻转一下，变成了从前往后
sequence.reverse()
#开始对该行分词
curLine = ''
#遍历该行每一个字
for i in range(len(line)):
#在列表中放入该字
curLine += line[i]
#如果该字是3：S->单个词 或 2:E->结尾词 ，则在该字后面加上分隔符 |
#此外如果改行的最后一个字了，也就不需要加 |
if (sequence[i] == 3 or sequence[i] == 2) and i != (len(line) - 1):
curLine += '|'
#在返回列表中添加分词后的该行
retArtical.append(curLine)
#返回分词后的文章
return retArtical
if __name__ == '__main__':
# 开始时间
start = time.time()
#依据现有训练集统计PI、A、B
PI, A, B = trainParameter('HMMTrainSet.txt')
#读取测试文章
artical = loadArticle('testArtical.txt')
#打印原文
print('-------------------原文----------------------')
for line in artical:
print(line)
#进行分词
partiArtical = participle(artical, PI, A, B)
#打印分词结果
print('-------------------分词后----------------------')
for line in partiArtical:
print(line)
#结束时间
print('time span:', time.time() - start)
================================================
FILE: HMM/HMMTrainSet.txt
================================================
迈向 充满 希望 的 新 世纪 —— 一九九八年 新年 讲话 （ 附 图片 １ 张 ）
中共中央 总书记 、 国家 主席 江 泽民
（ 一九九七年 十二月 三十一日 ）
１２月 ３１日 ， 中共中央 总书记 、 国家 主席 江 泽民 发表 １９９８年 新年 讲话 《 迈向 充满 希望 的 新 世纪 》 。 （ 新华社 记者 兰 红光 摄 ）
同胞 们 、 朋友 们 、 女士 们 、 先生 们 ：
在 １９９８年 来临 之际 ， 我 十分 高兴 地 通过 中央 人民 广播 电台 、 中国 国际 广播 电台 和 中央 电视台 ， 向 全国 各族 人民 ， 向 香港 特别 行政区 同胞 、 澳门 和 台湾 同胞 、 海外 侨胞 ， 向 世界 各国 的 朋友 们 ， 致以 诚挚 的 问候 和 良好 的 祝愿 ！
１９９７年 ， 是 中国 发展 历史 上 非常 重要 的 很 不 平凡 的 一 年 。 中国 人民 决心 继承 邓 小平 同志 的 遗志 ， 继续 把 建设 有 中国 特色 社会主义 事业 推向 前进 。 中国 政府 顺利 恢复 对 香港 行使 主权 ， 并 按照 “ 一国两制 ” 、 “ 港人治港 ” 、 高度 自治 的 方针 保持 香港 的 繁荣 稳定 。 中国 共产党 成功 地 召开 了 第十五 次 全国 代表大会 ， 高举 邓小平理论 伟大 旗帜 ， 总结 百年 历史 ， 展望 新 的 世纪 ， 制定 了 中国 跨 世纪 发展 的 行动 纲领 。
在 这 一 年 中 ， 中国 的 改革 开放 和 现代化 建设 继续 向前 迈进 。 国民经济 保持 了 “ 高 增长 、 低 通胀 ” 的 良好 发展 态势 。 农业 生产 再次 获得 好 的 收成 ， 企业 改革 继续 深化 ， 人民 生活 进一步 改善 。 对外 经济 技术 合作 与 交流 不断 扩大 。 民主 法制 建设 、 精神文明 建设 和 其他 各项 事业 都 有 新 的 进展 。 我们 十分 关注 最近 一个 时期 一些 国家 和 地区 发生 的 金融 风波 ， 我们 相信 通过 这些 国家 和 地区 的 努力 以及 有关 的 国际 合作 ， 情况 会 逐步 得到 缓解 。 总的来说 ， 中国 改革 和 发展 的 全局 继续 保持 了 稳定 。
在 这 一 年 中 ， 中国 的 外交 工作 取得 了 重要 成果 。 通过 高层 互访 ， 中国 与 美国 、 俄罗斯 、 法国 、 日本 等 大国 确定 了 双方 关系 未来 发展 的 目标 和 指导 方针 。 中国 与 周边 国家 和 广大 发展中国家 的 友好 合作 进一步 加强 。 中国 积极 参与 亚太经合 组织 的 活动 ， 参加 了 东盟 — 中 日 韩 和 中国 — 东盟 首脑 非正式 会晤 。 这些 外交 活动 ， 符合 和平 与 发展 的 时代 主题 ， 顺应 世界 走向 多极化 的 趋势 ， 对于 促进 国际 社会 的 友好 合作 和 共同 发展 作出 了 积极 的 贡献 。
１９９８年 ， 中国 人民 将 满怀信心 地 开创 新 的 业绩 。 尽管 我们 在 经济社会 发展 中 还 面临 不少 困难 ， 但 我们 有 邓小平理论 的 指引 ， 有 改革 开放 近 ２０ 年 来 取得 的 伟大 成就 和 积累 的 丰富 经验 ， 还有 其他 的 各种 有利 条件 ， 我们 一定 能够 克服 这些 困难 ， 继续 稳步前进 。 只要 我们 进一步 解放思想 ， 实事求是 ， 抓住 机遇 ， 开拓进取 ， 建设 有 中国 特色 社会主义 的 道路 就 会 越 走 越 宽广 。
实现 祖国 的 完全 统一 ， 是 海内外 全体 中国 人 的 共同 心愿 。 通过 中 葡 双方 的 合作 和 努力 ， 按照 “ 一国两制 ” 方针 和 澳门 《 基本法 》 ， １９９９年 １２月 澳门 的 回归 一定 能够 顺利 实现 。
台湾 是 中国 领土 不可分割 的 一 部分 。 完成 祖国 统一 ， 是 大势所趋 ， 民心所向 。 任何 企图 制造 “ 两 个 中国 ” 、 “ 一中一台 ” 、 “ 台湾 独立 ” 的 图谋 ， 都 注定 要 更 失败 。 希望 台湾 当局 以 民族 大义 为重 ， 拿 出 诚意 ， 采取 实际 的 行动 ， 推动 两岸 经济 文化 交流 和 人员 往来 ， 促进 两岸 直接 通邮 、 通航 、 通商 的 早日 实现 ， 并 尽早 回应 我们 发出 的 在 一个 中国 的 原则 下 两岸 进行 谈判 的 郑重 呼吁 。
环顾 全球 ， 日益 密切 的 世界 经济 联系 ， 日新月异 的 科技 进步 ， 正在 为 各国 经济 的 发展 提供 历史 机遇 。 但是 ， 世界 还 不 安宁 。 南北 之间 的 贫富 差距 继续 扩大 ； 局部 冲突 时有发生 ； 不 公正 不 合理 的 旧 的 国际 政治经济 秩序 还 没有 根本 改变 ； 发展中国家 在 激烈 的 国际 经济 竞争 中 仍 处于 弱势 地位 ； 人类 的 生存 与 发展 还 面临 种种 威胁 和 挑战 。 和平 与 发展 的 前景 是 光明 的 ， ２１ 世纪 将 是 充满 希望 的 世纪 。 但 前进 的 道路 不 会 也 不 可能 一帆风顺 ， 关键 是 世界 各国 人民 要 进一步 团结 起来 ， 共同 推动 早日 建立 公正 合理 的 国际 政治经济 新 秩序 。
中国 政府 将 继续 坚持 奉行 独立自主 的 和平 外交 政策 ， 在 和平共处 五 项 原则 的 基础 上 努力 发展 同 世界 各国 的 友好 关系 。 中国 愿意 加强 同 联合国 和 其他 国际 组织 的 协调 ， 促进 在 扩大 经贸 科技 交流 、 保护 环境 、 消除 贫困 、 打击 国际 犯罪 等 方面 的 国际 合作 。 中国 永远 是 维护 世界 和平 与 稳定 的 重要 力量 。 中国 人民 愿 与 世界 各国 人民 一道 ， 为 开创 持久 和平 、 共同 发展 的 新 世纪 而 不懈努力 ！
在 这 辞旧迎新 的 美好 时刻 ， 我 祝 大家 新年 快乐 ， 家庭 幸福 ！
谢谢 ！ （ 新华社 北京 １２月 ３１日 电 ）
在 十五大 精神 指引 下 胜利 前进 —— 元旦 献辞
我们 即将 以 丰收 的 喜悦 送 走 牛年 ， 以 昂扬 的 斗志 迎来 虎年 。 我们 伟大 祖国 在 新 的 一 年 ， 将 是 充满 生机 、 充满 希望 的 一 年 。
刚刚 过去 的 一 年 ， 大气磅礴 ， 波澜壮阔 。 在 这 一 年 ， 以 江 泽民 同志 为 核心 的 党中央 ， 继承 邓 小平 同志 的 遗志 ， 高举 邓小平理论 的 伟大 旗帜 ， 领导 全党 和 全国 各族 人民 坚定不移 地 沿着 建设 有 中国 特色 社会主义 道路 阔步 前进 ， 写 下 了 改革 开放 和 社会主义 现代化 建设 的 辉煌 篇章 。 顺利 地 恢复 对 香港 行使 主权 ， 胜利 地 召开 党 的 第十五 次 全国 代表大会 ——— 两 件 大事 办 得 圆满 成功 。 国民经济 稳中求进 ， 国家 经济 实力 进一步 增强 ， 人民 生活 继续 改善 ， 对外 经济 技术 交流 日益 扩大 。 在 国际 金融 危机 的 风浪 波及 许多 国家 的 情况 下 ， 我国 保持 了 金融 形势 和 整个 经济 形势 的 稳定 发展 。 社会主义 精神文明 建设 和 民主 法制 建设 取得 新 的 成绩 ， 各项 社会 事业 全面 进步 。 外交 工作 取得 可喜 的 突破 ， 我国 的 国际 地位 和 国际 威望 进一步 提高 。 实践 使 亿万 人民 对 邓小平理论 更加 信仰 ， 对 以 江 泽民 同志 为 核心 的 党中央 更加 信赖 ， 对 伟大 祖国 的 光辉 前景 更加 充满 信心 。
１９９８年 ， 是 全面 贯彻 落实 党 的 十五大 提 出 的 任务 的 第一 年 ， 各 条 战线 改革 和 发展 的 任务 都 十分 繁重 ， 有 许多 深 层次 的 矛盾 和 问题 有待 克服 和 解决 ， 特别 是 国有 企业 改革 已经 进入 攻坚 阶段 。 我们 必须 进一步 深入 学习 和 掌握 党 的 十五大 精神 ， 统揽全局 ， 精心 部署 ， 狠抓 落实 ， 团结 一致 ， 艰苦奋斗 ， 开拓 前进 ， 为 夺取 今年 改革 开放 和 社会主义 现代化 建设 的 新 胜利 而 奋斗 。
今年 是 党 的 十一 届 三中全会 召开 ２０ 周年 ， 是 我们 党 和 国家 实现 伟大 的 历史 转折 、 进入 改革 开放 历史 新 时期 的 ２０ 周年 。 在 新 的 一 年 里 ， 大力 发扬 十一 届 三中全会 以来 我们 党 所 恢复 的 优良 传统 和 在 新 的 历史 条件 下 形成 的 优良 作风 ， 对于 完成 好 今年 的 各项 任务 具有 十分 重要 的 意义 。
我们 要 更 好 地 坚持 解放思想 、 实事求是 的 思想 路线 。 解放思想 、 实事求是 ， 是 邓小平理论 的 精髓 。 实践 证明 ， 只有 解放思想 、 实事求是 ， 才 能 冲破 各种 不 切合 实际 的 或者 过时 的 观念 的 束缚 ， 真正 做到 尊重 、 认识 和 掌握 客观 规律 ， 勇于 突破 ， 勇于 创新 ， 不断 开创 社会主义 现代化 建设 的 新 局面 。 党 的 十五大 是 我们 党 解放思想 、 实事求是 的 新 的 里程碑 。 进一步 认真 学习 和 掌握 十五大 精神 ， 解放思想 、 实事求是 ， 我们 的 各项 事业 就 能 结 出 更加 丰硕 的 成果 。
我们 要 更 好 地 坚持 以 经济 建设 为 中心 。 各项 工作 必须 以 经济 建设 为 中心 ， 是 邓小平理论 的 基本 观点 ， 是 党 的 基本 路线 的 核心 内容 ， 近 ２０ 年 来 的 实践 证明 ， 坚持 这个 中心 ， 是 完全 正确 的 。 今后 ， 我们 能否 把 建设 有 中国 特色 社会主义 伟大 事业 全面 推向 ２１ 世纪 ， 关键 仍然 要 看 能否 把 经济 工作 搞 上去 。 各级 领导 干部 要 切实 把 精力 集中 到 贯彻 落实 好 中央 关于 今年 经济 工作 的 总体 要求 和 各项 重要 任务 上 来 ， 不断 提高 领导 经济 建设 的 能力 和 水平 。
我们 要 更 好 地 坚持 “ 两手抓 、 两手 都 要 硬 ” 的 方针 。 在 坚持 以 经济 建设 为 中心 的 同时 ， 积极 推进 社会主义 精神文明 建设 和 民主 法制 建设 ， 是 建设 富强 、 民主 、 文明 的 社会主义 现代化 国家 的 重要 内容 。 实践 证明 ， 经济 建设 的 顺利 进行 ， 离 不 开 精神文明 建设 和 民主 法制 建设 的 保证 。 党 的 十五大 依据 邓小平理论 和 党 的 基本 路线 提 出 的 党 在 社会主义 初级阶段 经济 、 政治 、 文化 的 基本 纲领 ， 为 “ 两手抓 、 两手 都 要 硬 ” 提供 了 新 的 理论 根据 ， 提 出 了 更 高 要求 ， 现在 的 关键 是 认真 抓好 落实 。
我们 要 更 好 地 发扬 求真务实 、 密切 联系 群众 的 作风 。 这 是 把 党 的 方针 、 政策 落到实处 ， 使 改革 和 建设 取得 胜利 的 重要 保证 。 在 当前 改革 进一步 深化 ， 经济 不断 发展 ， 同时 又 出现 一些 新 情况 、 新 问题 和 新 困难 的 形势 下 ， 更 要 发扬 这样 的 好 作风 。 要 尊重 群众 的 意愿 ， 重视 群众 的 首创 精神 ， 关心 群众 的 生活 疾苦 。 江 泽民 同志 最近 强调 指出 ， 要 大力 倡导 说实话 、 办 实事 、 鼓 实劲 、 讲 实效 的 作风 ， 坚决 制止 追求 表面文章 ， 搞 花架子 等 形式主义 ， 坚决 杜绝 脱离 群众 、 脱离 实际 、 浮躁 虚夸 等 官僚主义 。 这 是 非常 重要 的 。 因此 ， 各级 领导 干部 务必 牢记 全心全意 为 人民 服务 的 宗旨 ， 在 勤政廉政 、 艰苦奋斗 方面 以身作则 ， 当 好 表率 。
１９９８ ， 瞩目 中华 。 新 的 机遇 和 挑战 ， 催 人 进取 ； 新 的 目标 和 征途 ， 催 人 奋发 。 英雄 的 中国 人民 在 以 江 泽民 同志 为 核心 的 党中央 坚强 领导 和 党 的 十五大 精神 指引 下 ， 更 高 地 举起 邓小平理论 的 伟大 旗帜 ， 团结 一致 ， 扎实 工作 ， 奋勇前进 ， 一定 能够 创造 出 更加 辉煌 的 业绩 ！
北京 举行 新年 音乐会
江 泽民 李 鹏 乔 石 朱 镕基 李 瑞环 刘 华清 尉 健行 李 岚清 与 万 名 首都 各界 群众 和 劳动模范 代表 一起 辞旧迎新 （ 附 图片 １ 张 ）
党 和 国家 领导人 江 泽民 、 李 鹏 、 乔 石 、 朱 镕基 、 李 瑞环 、 刘 华清 、 尉 健行 、 李 岚清 等 与 万 名 首都 各界 群众 和 劳动模范 代表 一起 欣赏 了 ’９８ 北京 新年 音乐会 的 精彩 节目 。 这 是 江 泽民 等 在 演出 结束 后 同 演出 人员 合影 。
（ 新华社 记者 樊 如钧 摄 ）
本报 北京 １２月 ３１日 讯 新华社 记者 陈 雁 、 本报 记者 何 加正 报道 ： 在 度过 了 非凡 而 辉煌 的 １９９７年 ， 迈向 充满 希望 的 １９９８年 之际 ， ’９８ 北京 新年 音乐会 今晚 在 人民 大会堂 举行 。 党 和 国家 领导人 江 泽民 、 李 鹏 、 乔 石 、 朱 镕基 、 李 瑞环 、 刘 华清 、 尉 健行 、 李 岚清 与 万 名 首都 各界 群众 和 劳动模范 代表 一起 ， 在 激昂 奋进 的 音乐声 中 辞旧迎新 。
今晚 的 长安街 流光溢彩 ， 火树银花 ； 人民 大会堂 里 灯火辉煌 ， 充满 欢乐 祥和 的 喜庆 气氛 。 在 这 场 由 中共 北京 市委 宣传部 、 市政府 办公厅 等 单位 主办 的 题 为 “ 世纪 携手 、 共 奏 华章 ” 的 新年 音乐会 上 ， 中国 三 个 著名 交响乐团 ——— 中国 交响乐团 、 上海 交响乐团 、 北京 交响乐团 首 次 联袂 演出 。 著名 指挥家 陈 佐湟 、 陈 燮阳 、 谭 利华 分别 指挥 演奏 了 一 批 中外 名曲 ， 京 沪 两地 ２００ 多 位 音乐家 组成 的 大型 乐队 以 饱满 的 激情 和 精湛 的 技艺 为 观众 奉献 了 一 台 高 水准 的 交响音乐会 。
音乐会 在 雄壮 的 管弦乐 《 红旗 颂 》 中 拉开 帷幕 ， 舒展 、 优美 的 乐曲声 使 人们 仿佛 看到 ： 五星红旗 在 天安门 城楼 上 冉冉 升起 ； 仿佛 听到 ： 在 红旗 的 指引 下 中国 人民 向 现代化 新 征程 迈进 的 脚步声 。 钢琴 与 管弦乐队 作品 《 东方 之 珠 》 ， 把 广大 听众 耳熟能详 的 歌曲 改编 为 器乐曲 ， 以 其 优美 感人 的 旋律 抒发 了 洗雪 百年 耻辱 的 香港 明天 会 更 好 的 情感 。 专程 回国 参加 音乐会 的 著名 女高音 歌唱家 迪里拜尔 演唱 的 《 春 之 声 》 ， 把 人们 带 到 了 万象更新 的 田野 和 山谷 ； 享誉 国际 乐坛 的 男高音 歌唱家 莫 华伦 演唱 了 著名 歌剧 《 图兰朵 》 选段 “ 今夜 无 人 入睡 ” ， 把 人们 带入 迷人 的 艺术 境地 。 音乐会 上 还 演奏 了 小提琴 协奏曲 《 梁 山伯 与 祝 英台 》 、 柴可夫斯基 的 《 第四 交响曲 ——— 第四 乐章 》 、 交响诗 《 罗马 的 松树 》 等 中外 著名 交响曲 。
万 人 大会堂 今晚 座无虚席 ， 观众 被 艺术家 们 精湛 的 表演 深深 打动 ， 不断 报 以 经久不息 的 热烈 掌声 。 艺术家 们 频频 谢幕 ， 指挥家 依次 指挥 演出 返 场 曲目 ， 最后 音乐会 在 《 红色 娘子军 》 选曲 、 《 白毛女 》 选曲 、 《 北京 喜讯 到 边寨 》 等 乐曲声 中 达到 高潮 。
演出 结束 后 ， 江 泽民 等 党 和 国家 领导人 走 上 舞台 ， 亲切 会见 了 参加 演出 的 全体 人员 ， 祝贺 演出 成功 ， 并 与 他们 合影 留念 。
李 铁映 、 贾 庆林 、 曾 庆红 等 领导 同志 也 出席 了 今晚 音乐会 。
李 鹏 在 北京 考察 企业
向 广大 职工 祝贺 新年 ， 对 节日 坚守 岗位 的 同志 们 表示 慰问
新华社 北京 十二月 三十一日 电 （ 中央 人民 广播 电台 记者 刘 振英 、 新华社 记者 张 宿堂 ） 今天 是 一九九七年 的 最后 一 天 。 辞旧迎新 之际 ， 国务院 总理 李 鹏 今天 上午 来到 北京 石景山 发电 总厂 考察 ， 向 广大 企业 职工 表示 节日 的 祝贺 ， 向 将要 在 节日 期间 坚守 工作 岗位 的 同志 们 表示 慰问 。
上午 九时 二十分 ， 李 鹏 总理 在 北京 市委 书记 、 市长 贾 庆林 的 陪同 下 ， 来到 位于 北京 西郊 的 北京 石景山 发电 总厂 。 始建 于 一九一九年 的 北京 石景山 发电 总厂 是 华北 电力 集团公司 骨干 发电 企业 ， 承担 着 向 首都 供电 、 供热 任务 ， 装机 总 容量 一百一十六点六万 千瓦 。 总厂 年发电量 四十五亿 千瓦时 ， 供热 能力 八百 百万大卡／小时 ， 现 供热 面积 已 达 八百 多 万 平方米 。 早 在 担任 华北 电管局 领导 时 ， 李 鹏 就 曾 多次 到 发电 总厂 检查 指导 工作 。
在 总厂 所 属 的 石景山 热电厂 ， 李 鹏 首先 向 华北 电管局 、 电厂 负责人 详细 询问 了 目前 电厂 生产 、 职工 生活 和 华北 电网 向 首都 供电 、 供热 的 有关 情况 。 随后 ， 他 又 实地 察看 了 发电机组 的 运行 情况 和 电厂 一号机 、 二号机 控制室 。 在 控制室 ， 李 鹏 与 职工 们 一一 握手 ， 向 大家 表示 慰问 。 他 说 ， 在 一九九八年 即将 到来之际 ， 有 机会 再次 回到 石景山 发电 总厂 ， 感到 十分 高兴 。 李 鹏 亲切 地 说 ： 『 今天 我 看到 了 许多 新 的 、 年轻 的 面孔 ， 这 说明 在 老 同志 们 作出 贡献 退 下来 后 ， 新 一代 的 年轻人 成长 起来 了 、 成熟 起来 了 ， 我 感到 十分 欣慰 。 』
（ Ａ 、 Ｂ ）
李 鹏 说 ： “ 作为 首都 的 电力 工作者 ， 你们 为 首都 的 各项 重大 活动 的 顺利 进行 ， 为 保障 人民 群众 的 工作 、 生活 和 学习 ， 为 促进 首都 经济 的 发展 作出 了 自己 的 贡献 。 明天 就 是 元旦 ， 你们 还有 许多 同志 要 坚守 岗位 ， 我 向 你们 、 向 全体 电力 工作者 表示 感谢 。 现在 ， 我们 的 首都 已经 结束 了 拉 闸 限 电 的 历史 ， 希望 依靠 大家 ， 使 拉 闸 限 电 的 历史 永远 不再 重演 。 同时 ， 也 希望 你们 安全 生产 、 经济 调度 ， 实现 经济 增长 方式 的 转变 。 ” 李 鹏 最后 向 电业 职工 ， 向 全 北京市 的 人民 拜年 ， 向 大家 致以 新春 的 问候 ， 祝愿 电力 事业 取得 新 的 成绩 ， 祝愿 北京市 在 改革 、 发展 和 稳定 的 各项 工作 中 取得 新 的 成就 。
参观 工厂 结束 后 ， 李 鹏 又 来到 工厂 退休 职工 郭 树范 和 闫 戌麟 家 看望 慰问 ， 向 他们 拜年 。 曾经 是 高级 工程师 的 郭 树范 退休 前 一直 在 发电厂 从事 土建工程 建设 ， 退休 后 ， 与 老伴 一起 抚养 着 身体 欠佳 的 孙子 。 李 鹏 对 他们 倾心 照顾 下 一 代 表示 肯定 。 他 说 ： “ 人 老 了 ， 照顾 照顾 后代 也 是 一 件 可以 带来 快乐 的 事 ， 当然 ， 对 孩子 们 不 能 溺爱 ， 要 让 他们 健康 成长 。 ” 在 老工人 闫 戌麟 家 ， 当 李 鹏 了解 到 老闫 退休 前 一直 都 是 厂里 的 先进 工作者 、 曾经 被 评为 北京市 “ 五好 职工 ” ， 退休 后 仍然 为 改善 职工 的 住房 而 奔波 时 ， 十分 高兴 ， 对 他 为 工厂 建设 作出 的 贡献 表示 感谢 。 在 郭 家 和 闫 家 ， 李 鹏 都 具体 地 了解 了 他们 退休 后 的 生活 保障 问题 ， 并 与 一些 老 职工 一起 回忆 起 了 当年 建设 电厂 的 情景 。 李 鹏 说 ： “ 当年 搞 建设 ， 条件 比 现在 差 多 了 ， 大家 也 很 少 计较 什么 ， 只是 一心 想 着 把 电厂 建 好 。 现在 条件 好 了 ， 但 艰苦奋斗 、 无私奉献 的 精神 可 不 能 丢 。 ” 李 鹏 最后 祝 他们 新春 快乐 ， 身体 健康 ， 家庭 幸福 。
陪同 考察 企业 并 看望 慰问 职工 的 国务院 有关 部门 和 北京市 负责人 还有 ： 史 大桢 、 高 严 、 石 秀诗 、 阳 安江 等 。
挂 起 红灯 迎 新年 （ 图片 ）
元旦 来临 ， 安徽省 合肥市 长江路 悬挂 起 ３３００ 盏 大 红灯笼 ， 为 节日 营造 出 “ 千 盏 灯笼 凌空 舞 ， 十 里 长街 别样 红 ” 的 欢乐 祥和 气氛 。 （ 新华社 记者 戴 浩 摄 ）
（ 传真 照片 ）
全总 致 全国 各族 职工 慰问信
勉励 广大 职工 发挥 工人阶级 主力军 作用 ， 为 企业 改革 发展 建功立业
本报 北京 １月 １日 讯 中华 全国 总工会 今日 发出 《 致 全国 各族 职工 慰问信 》 ， 向 全国 各族 职工 祝贺 新年 。
慰问信 说 ， 实现 党 的 十五大 提 出 的 宏伟 目标 ， 必须 依靠 工人阶级 和 全体 人民 的 长期 奋斗 。 工人阶级 是 我们 国家 的 领导 阶级 ， 是 先进 生产力 和 生产关系 的 代表 ， 是 两 个 文明 建设 的 主力军 ， 是 维护 社会 安定团结 的 中坚 力量 。 党 的 十五大 再次 强调 要 坚持 全心全意 依靠 工人阶级 的 方针 ， 具有 重大 的 意义 。 广大 职工 要 以 邓小平理论 和 党 的 基本 路线 为 指导 ， 坚持 党 的 基本 纲领 和 各项 方针 政策 ， 积极 投身 于 改革 和 建设 事业 。 要 坚持 站 在 改革 的 前列 ， 转变 思想 观念 ， 增强 市场 意识 、 竞争 意识 和 效益 意识 ， 以 实际 行动 促进 改革 的 不断 深化 。 要 发扬 工人阶级 的 首创 精神 ， 不断 为 企业 转机建制 、 调整 结构 、 加强 管理 、 提高 效益 献计献策 。 要 大力 开展 劳动 竞赛 、 合理化 建议 、 技术 革新 、 技术 协作 和 发明 创造 等 活动 ， 努力 提高 产品 质量 和 经济效益 ， 推动 企业 加快 技术 进步 ， 实现 增长 方式 的 根本 转变 ， 再 创 国有 企业 的 辉煌 。 要 正确 对待 企业 改革 和 发展 中 的 困难 和 问题 ， 树立 起 战胜 困难 的 勇气 和 信心 ， 锲而不舍 ， 迎难而上 ， 为 企业 的 改革 和 发展 建功立业 。
慰问信 指出 ， 广大 职工 要 以 主人翁 的 姿态 ， 积极 行使 当家作主 的 权利 。 要 不断 提高 自身 素质 ， 发扬 爱国 奉献 、 爱厂如家 、 爱岗敬业 的 精神 ， 学习 掌握 先进 科学 文化 知识 ， 成为 本职工作 的 行家里手 ， 迎接 新 世纪 面临 的 挑战 。
慰问信 最后 说 ， 让 我们 在 邓小平理论 和 党 的 基本 路线 指导 下 ， 更加 紧密 地 团结 在 以 江 泽民 同志 为 核心 的 党中央 周围 ， 统揽全局 ， 精心 部署 ， 狠抓 落实 ， 团结 一致 ， 艰苦奋斗 ， 开拓 前进 ， 在 两 个 文明 建设 中 充分 发挥 工人阶级 主力军 作用 ， 为 实现 跨 世纪 宏伟 目标 作出 新 的 更 大 的 贡献 。
忠诚 的 共产主义 战士 ， 久经考验 的 无产阶级 革命家 刘 澜涛 同志 逝世
（ 附 图片 １ 张 ）
新华社 北京 １２月 ３１日 电 忠诚 的 共产主义 战士 ， 久经考验 的 无产阶级 革命家 ， 我党 党务 工作 和 统一战线 工作 的 杰出 领导人 ， 原 中共中央 顾问 委员会 常务 委员会 委员 ， 中国 人民 政治 协商 会议 第四 、 五 、 六 届 全国 委员会 副 主席 刘 澜涛 同志 ， 因 病 医治 无效 ， 于 １９９７年 １２月 ３１日 １０时 ４４分 在 北京 逝世 ， 终年 ８８ 岁 。
根据 刘 澜涛 同志 生前 遗愿 和 家属 的 意见 ， 刘 澜涛 同志 的 丧事 从简 ， 不 举行 仪式 、 不 保留 骨灰 。
党中央 国务院 关心 西藏 雪灾 救灾 工作
灾区 各级 政府 全力 组织 抗灾 力争 降低 灾害 损失
据 新华社 北京 １２月 ３０日 电 西藏 自治区 政府 副 主席 泽仁桑珠 今天 在 北京 接受 记者 采访 时 介绍 说 ， 西藏 部分 地区 发生 特大 雪灾 后 ， 党中央 、 国务院 十分 关心 西藏 的 灾情 和 救灾 工作 ， 指示 全力 做好 救灾 工作 。 自治区 各级 政府 正在 全力 组织 抗灾 ， 力争 降低 特大 雪灾 造成 的 损失 。
据 泽仁桑珠 介绍 ， 受 厄尔尼诺 现象 的 影响 ， 西藏 的 唐古拉山 、 喜马拉雅山 一 线 ９月 以来 提前 开始 降雪 ， 降雪 持续 不 断 。 １２月份 ， 受 南 支槽 云系 和 北部 冷空气 的 共同 影响 ， 那曲 、 阿里 、 日喀则 、 拉萨 、 山南 以及 昌都 等 ６ 地 市 都 出现 了 不同 的 降雪 过程 ， 其中 一部分 地区 已经 成 重 灾 。 那曲 地区 自 ９月 以来 降雪 已 达 ４０ 余 次 ， 包括 ５ 次 强 降雪 ， 遭受 严重 雪灾 袭击 的 有 尼玛县 、 安多县 等 县 、 ５７ 个 乡 。 １２月 ９日 起 ， 强 降雪 面积 进一步 扩大 到 阿里 地区 、 日喀则 地区 、 山南 地区 、 昌都 地区 的 一些 县 ， 有的 县 ２４ 小时 降雪 ９５ 毫米 ， 受灾 地区 扩大 到 ４０ 个 县 ， 是 自 有 现代 气象 记录 以来 最 重 的 一 次 。
泽仁桑珠 说 ， 灾情 发生 后 ， 灾区 各级 党委 、 政府 全力 组织 救灾 工作 ， 大部分 干部 现 已 深入 到 抗救灾 第一线 ， 组织 和 指挥 抗救灾 工作 ， 把 粮食 、 燃料 和 冬衣 送 到 灾民 手中 ， 帮助 群众 加大 牲畜 出栏 ， 组诛 畜产品 的 收购 ， 工作 做 得 实实在在 ， 卓有成效 。 目前 ， 全区 已 形成 党政军民 总动员 支援 灾区 的 局面 。 目前 为止 ， 灾区 没有 一 人 因 冻 因 饿 死亡 ， 大部分 牲畜 也 没有 出 问题 。 西藏 自治区 党委 、 自治区 人民政府 现在 正 组织 和 带领 全区 人民 ， 奋力 进行 着 抗灾 救灾 工作 ， 组织 和 动员 各 方面 的 力量 ， 向 受灾 地区 调运 各种 急需 的 救助 物资 ， 坚定 灾区 人民 战胜 灾害 的 信心 。 泽仁桑珠 说 ， 有 党 的 领导 ， 有 全国 人民 作 坚强 后盾 ， 有 优越 的 社会主义 制度 ， 我们 有 信心 战胜 雪灾 。
明天 气象 预报 （ １９９８年 元月 １日 ２０时 — 元月 ２日 ２０时 ）
天气 趋势 分析
受 暖湿气流 影响 ， 今天 晚上 到 明天 ， 贵州 南部 、 江南 、 华南 西部 和 北部 将 有 小到中雨 。 受 较 强 冷空气 影响 ， 新疆 北部 、 甘肃 西部 、 青海 北部 、 宁夏 、 内蒙古 大部 有 ５ — ６ 级 偏 北风 ； 冷空气 前锋 过 后 上述 地区 的 气温 将 下降 ６ — １２ 摄氏度 ； 内蒙古 东部 、 黑龙江 西北部 有 小雪 。
国务院 侨办 发表 新年 贺词
本报 北京 １２月 ３０日 讯 新华社 记者 胡 晓梦 、 本报 记者 吴 亚明 报道 ： 新年 将 至 ， 国务院 侨务 办公室 主任 郭 东坡 今天 通过 新闻 媒介 ， 向 海外 同胞 和 国内 归侨 、 侨眷 、 侨务 工作者 发表 新年 贺词 。 他 代表 中华人民共和国 国务院 侨务 办公室 ， 向 广大 海外 同胞 和 国内 归侨 、 侨眷 、 侨务 工作者 ， 致以 亲切 的 问候 和 美好 的 祝愿 。
贺词 说 ， 即将 过去 的 １９９７年 是 我国 历史 发展 上 的 重要 一 年 。 我国 恢复 对 香港 行使 主权 ， 五星红旗 在 香港 庄严 升起 ， 饱受 屈辱 的 香港 终于 又 回到 了 祖国 的 怀抱 ； ９月 ， 中国 共产党 第十五 次 全国 代表大会 胜利 召开 ， 大会 对 我国 改革 开放 和 现代化 建设 的 跨 世纪 发展 作出 了 战略 部署 ， 描绘 出 宏伟 蓝图 。 中国 人民 在 以 江 泽民 为 核心 的 中共中央 领导 下 ， 高举 邓小平理论 伟大 旗帜 ， 把 建设 有 中国 特色 的 社会主义 事业 全面 推向 ２１ 世纪 。 对此 ， 我们 充满 豪情 和 信心 。
贺词 说 ， 长期以来 ， 广大 海外 爱国同胞 为 所在国 和 地区 的 经济 发展 、 社会 进步 做出 了 很 大 贡献 ， 为 促进 中国 与 所在国 的 友好 、 合作 、 交流 ， 促进 祖国 和平 统一 大业 ， 发挥 了 重要 作用 。 广大 归侨 、 侨眷 为 祖国 的 改革 开放 、 现代化 建设 事业 做出 了 显著 的 成绩 ； 广大 侨务 工作者 为 开创 我国 新 时期 侨务 工作 的 新 局面 ， 克服 困难 ， 努力 工作 。 在 此 ， 向 广大 海外 同胞 、 国内 归侨 、 侨眷 和 侨务 工作者 ， 表示 崇高 的 敬意 和 衷心 的 感谢 。 希望 海外 同胞 和 国内 归侨 、 侨眷 ， 继续 为 祖国 统一 ， 民族 团圆 ， 为 开创 中华民族 全面 振兴 的 新 世纪 ， 作出 更 大 的 贡献 。
我国 将 实行 播音员 主持人 持证 上岗 制度
李 铁映 等 向 第一 批 获得 资格 证书 的 代表 颁证
本报 北京 １２月 ３１日 讯 记者 陈 陆军 从 广播 电影 电视 部 获悉 ： 自 １９９８年 １月 １日 起 ， 我国 将 用 ３ 年 时间 在 广播 影视 系统 陆续 实行 播音员 主持人 持证 上岗 制度 。
今天 上午 ， 中共中央 政治局 委员 李 铁映 与 广播 电影 电视 部 部长 孙 家正 、 国家 语委 主任 许 嘉璐 等 ， 向 第一 批 获得 《 播音员 主持人 资格 证书 》 的 中央 三 台 代表 颁证 。
据 介绍 ， 播音员 、 主持人 持证 上岗 工作 ， 是 在 １９９６年 全国 广播 影视 系统 语言 工作 会议 上 提 出来 的 ， 它 是 加强 宣传 队伍 建设 ， 促进 语言 文字 走向 标准化 、 规范化 的 重要 举措 。 播音员 、 主持人 只有 通过 汉语 普通话 水平 测试 和 政治 、 业务 考核 后 才 能 获得 上岗 资格 证书 。
李 铁映 在 颁证会 上 称赞 “ 持证 上岗 ” 是 一个 好 制度 ， 是 广播 电视 事业 法制化 、 规范化 的 一个 很 大 的 进步 。 他 说 ， 播音员 、 主持人 “ 责任 重大 ， 工作 神圣 ” ， 一言一行 都 涉及 人民 的 根本 利益 和 国家 的 安稳 。 他 鼓励 广大 播音 主持 人员 ： 要 让 世界 人民 从 你们 的 言行 中 看到 中国 人民 走向 新 世纪 的 崭新 精神 风貌 。
颁证会 后 ， 李 铁映 同志 与 出席 会议 的 播音员 、 主持人 合影 留念 。 广播 电影 电视 部 副 部长 田 聪明 主持 了 今天 的 颁证会 。
温 家宝 在 贵州 农村 考察 时 指出 动员 全 社会 力量 打 好 扶贫 攻坚战
新华社 贵阳 １２月 ３１日 电 （ 记者 刘 子富 ） 中共中央 政治局 委员 、 中央 书记处 书记 温 家宝 日前 在 贵州 农村 考察 扶贫 工作 时 指出 ， 到 本世纪 末 基本 解决 农村 贫困 人口 的 温饱 问题 ， 是 党 的 十五大 提 出 的 经济社会 发展 总体 部署 的 一 项 重要 任务 ， 有 重大 和 深远 的 意义 。 各级 领导 干部 要 从 全局 和 战略 的 高度 认识 和 对待 扶贫 工作 ， 切实 加强 对 扶贫 工作 的 领导 ， 坚持 开发 扶贫 的 方针 ， 加大 扶贫 攻坚 力度 ， 动员 全 社会 力量 ， 打 好 扶贫 攻坚战 。
１２月 ２７日 至 ３１日 ， 温 家宝 在 贵州 省委 书记 刘 方仁 等 陪同 下 ， 在 黔 东南 苗族 侗族 自治州 、 黔南 布依族 苗族 自治州 冒雨 考察 扶贫 工作 ， 看望 各族 干部 群众 ， 转达 党中央 、 国务院 的 亲切 关怀 和 问候 。
近年来 ， 贵州省 各级 党委 和 政府 把 扶贫 开发 工作 作为 农村 中心 任务 来 抓 ， 取得 很 大 成绩 ， 贫困 人口 大量 减少 ， 贫困 状况 明显 改善 。 温 家宝 在 农民 家中 详细 询问 他们 生产 生活 情况 ， 同 干部 群众 一起 研究 扶贫 开发 的 路子 。 他 说 ， 必须 坚持 开发 扶贫 的 方针 ， 通过 发展 经济 解决 贫困 人口 的 温饱 问题 。 要 把 农业 生产 尤其 是 粮食 生产 放 在 第一 位 ， 首先 解决 群众 吃饭 问题 。 同时 ， 面向 市场 需求 ， 充分 利用 当地 资源 ， 积极 发展 多种 经营 ， 增加 农民 收入 。 温 家宝 考察 了 农田水利 建设 工地 ， 他 说 ， 要 大 搞 农田 基本建设 ， 植树造林 ， 治水改土 ， 改善 生产 条件 和 生态 环境 ， 使 脱贫 建立 在 比较 坚实 的 物质 技术 基础 之上 。
温 家宝 在 黔南州 民族 干部 学校 ， 与 师生 亲切 交谈 。 他 说 ， 贫困 地区 要 改变 贫困 面貌 ， 必须 从 根本 上 改变 教育 、 科技 、 文化 落后 的 状况 ， 通过 义务教育 、 成人 教育 等 多种 形式 提高 群众 的 文化 水平 。 积极 推广 各种 实用 技术 ， 把 增产 增效 显著 ， 易于 掌握 的 技术 送给 农民 ， 用于 生产 实践 ， 增强 脱贫致富 的 能力 。
温 家宝 一 家 又 一 家 地 看望 了 贫困户 ， 与 各族 群众 促膝交谈 。 他 说 ， 扶贫 工作 进入 攻坚 阶段 ， 任务 十分 艰巨 。 贫困 地区 的 广大 干部 要 落实 责任 ， 加大 工作 力度 ， 切实 把 扶贫 工作 做 深 、 做 细 ， 做 到 村 、 做 到 户 ， 逐村逐户 落实 扶贫 政策 措施 ， 确定 生产 开发 项目 ， 搞好 科技 信息 服务 。 有 扶贫 任务 的 地方 、 部门 和 单位 ， 要 发扬 扶贫济困 的 优良 传统 ， 努力 搞好 对口 扶贫 。 贫困 地区 的 广大 群众 要 坚定 信心 ， 坚持 自力更生 、 艰苦创业 ， 用 自己 的 双手 改变 贫困 面貌 。
温 家宝 与 当地 乡 、 村 各族 干部 进行 了 座谈 ， 他 勉励 干部 要 牢记 党 的 全心全意 为 人民 服务 的 宗旨 ， 密切 联系 群众 ， 关心 群众 生活 ， 深入 基层 ， 帮助 群众 解决 实际 困难 和 问题 。 元旦 、 春节 到 了 ， 特别 要 安排 好 灾区 和 贫困 地区 群众 的 生产 和 生活 。
贵州 省委 副 书记 王 思齐 ， 省委 常委 、 副 省长 袁 荣贵 也 参加 了 考察 。
于 永波 会见 全军 和 武警 先进 典型 代表 时 指出
用 先进 典型 推动 部队 全面 建设
据 新华社 北京 １２月 ３１日 电 （ 记者 罗 玉文 ） 中央军委 委员 、 总政治部 主任 于 永波 日前 在 会见 全军 和 武警 部队 先进 典型 代表 时 强调 ， 全军 要 认真 贯彻 落实 江 泽民 主席 最近 的 重要 指示 精神 ， 形成 学习 邓小平理论 的 新 高潮 ， 把 这 一 学习 提高 到 十五大 所 达到 的 新 水平 ， 进一步 加强 军队 的 革命化 、 现代化 、 正规化 建设 。
于 永波 等 在 同 应邀 参加 中宣部 召开 的 全国 先进 典型 座谈会 的 军队 代表 徐 洪刚 、 韩 素云 、 李 国安 、 邹 延龄 、 第四 军医 大学 学员 二 大队 代表 李 尔青 以及 武警 部队 国旗 护卫队 代表 王 建华 座谈 时 ， 称赞 他们 的 先进 事迹 是 中华民族 传统 美德 和 我党 我军 优良 传统 的 完美 结合 ， 体现 了 我党 我军 全心全意 为 人民 服务 的 宗旨 ， 体现 了 与 社会主义 市场经济 相 适应 的 时代 精神 。
于 永波 指出 ， 我军 是 一 支 英雄 模范 辈出 的 军队 ， 用 先进 典型 教育 部队 是 我军 政治 工作 的 优良 传统 。 他 说 ， 要 充分 发挥 先进 典型 的 示范 、 激励 、 感召 作用 ， 在 部队 营造 学习 先进 、 奋发向上 的 良好 风气 。 要 把 向 英雄 模范 学习 同 做好 部队 的 各项 工作 紧密 结合 起来 ， 爱岗敬业 ， 在 各自 的 岗位 上 为 军队 和 国防 建设 贡献 聪明才智 ， 按照 江 主席 “ 五 句 话 ” 的 总 要求 ， 推动 部队 全面 建设 。 总政 副 主任 周 子玉 、 唐 天标 、 袁 守芳 等 参加 了 会见 。
沿 淮 工业 污染源 达标 排放 淮河 治污 第一 战役 告捷
本报 蚌埠 １月 １日 电 记者 黄 振中 、 白 剑峰 报道 ： 新年 的 钟声 刚刚 敲响 ， 千 里 淮河 传来 喜讯 ： 沿 淮 工业 污染源 实现 达标 排放 ， 削减 污染 负荷 ４０％ 以上 ， 淮河 治 污 第一 战役 告捷 。
国家 环保局 局长 解 振华 庄重 宣布 ： 在 淮河 流域 １５６２ 家 污染 企业 中 ， 已 有 １１３９ 家 完成 治理 任务 ， ２１５ 家 正在 施工 停产 治理 ， １９０ 家 由于 其他 原因 停产 、 破产 、 转产 ， １８ 家 因 治理 无望 被 责令 关停 。 据 中国 环境 监测 总站 公布 的 最 新 数据 表明 ， 淮河 干流 和 一些 支流 水质 已 有 明显 改善 ， 但 支流 的 一些 断面 污染 仍 较 严重 。
从 昨天 开始 ， １２ 艘 水质 监测船 穿梭 在 淮河 的 各个 断面 ， 进行 最后 的 水样 分析 ； ３０００ 多 名 环境 监理 和 监测 人员 进入 各 大 污染 企业 ， 检查 达标 排放 情况 。 对于 治理 无望 的 企业 ， 沿 淮 ４ 省政府 分别 下达 了 关停令 。 记者 随 执法 人员 到 安徽 大泽 酒厂 等 企业 ， 目睹 了 污染 车间 被 贴 上 封条 的 情景 。 许多 饱受 污染 之 苦 的 群众 自动 聚集 在 污染 企业 门口 ， 拍手称快 。
解 振华 说 ， 几 年 来 ， 沿 淮 ４ 省政府 和 人民 为 治理 淮河 付出 了 巨大 的 努力 ， 投入 了 相当 的 人力 和 财力 。 下 一 步 要 巩固 治理 成果 ， 保证 治污 设备 正常 运转 ， 加强 监督 管理 ， 防止 反复 ， 进一步 削减 淮河 污染 负荷 。 今后 ３ 年 沿 淮 要 建设 ５０ 多 座 城市 生活 污水 处理厂 ， 同时 进一步 解决 农业 污染 问题 。 治理 淮河 今后 的 任务 仍 很 艰巨 ， 沿 淮 ４ 省 要 脚踏实地 ， 团结 治污 。
九七 中国 旅游年 圆满 结束 九八 华夏 城乡游 隆重 启幕 罗 干 出席 开幕式
本报 苏州 １月 １日 电 记者 龚 雯 报道 ： １９９７年 １２月 ３１日 子夜 ， 随着 苏州 寒山寺 钟声 撞 响 第１０８ 下 ， 姑苏 城内 一 片 欢腾 ， 中共中央 政治局 委员 、 国务委员 罗 干 在 此 郑重 宣布 ： ’９７ 中国 旅游年 圆满 结束 ， ’９８ 华夏 城乡游 正式 开幕 。
国家 旅游局 局长 何 光 、 江苏 省政府 领导 等 以及 数千 名 中外 宾朋 参加 了 这 一 隆重 而 特别 的 仪式 。
’９７ 中国 旅游年 是 一 次 国家级 的 宣传 促销 活动 ， 是 我国 “ 九五 ” 期间 旅游 发展 的 重大 举措 ， １９９７年 元旦 由 国家 主席 江 泽民 在 新年 致词 中 宣布 开幕 。
据 最 新 统计 ， １９９７年 １月 至 １１月份 ， 来华 旅游 人数 达 ５２３６万 多 人次 ， 国际 旅游 收入 达 １１０．８亿 多 美元 ， 分别 较 上年 同期 增长 １２．３％ 和 １８．７％ ， 预计 全年 来华 旅游 入境 人数 约 ５４００万 人次 ， 旅游 创汇 达 １１５亿 美元 ， 再 创 新 纪录 ， 国内 旅游 人数 及 收入 也 比 上年 有 大幅 增长 。
据悉 ， 在 ’９７ 中国 旅游年 基础 上 推出 的 ’９８ 华夏 城乡 游 ， 将 分 “ 古城 新貌 ” 和 “ 乡村 旅游 ” 两 个 专题 ， 向 海内外 游客 全面 展示 改革 开放 ２０ 年 来 我国 城乡 的 巨变 。
冰雕 童话 世界 （ 图片 ）
新年 来临 ， 冰城 哈尔滨市 儿童 公园 为 孩子 们 准备 了 特殊 的 贺岁 礼物 ——— 冰雕 童话 世界 。 这里 包括 未来 世界 、 世界 奇观 、 迷宫 等 十 大 景区 ， 展出 各种 冰雕 作品 千 余 件 。 图 为 从事 教育 工作 的 姜 雁 （ 左 ） 正 向 ６ 岁 的 儿子 万万 讲 恐龙 的 故事 。
（ 新华社 记者 周 确 摄 ）
外交部 发言人 谈 明年 外交 工作 重点 全方位 推行 独立自主 和平 外交 政策
新华社 北京 １２月 ３０日 电 外交部 发言人 唐 国强 今天 下午 在 这里 就 明年 中国 外交 工作 的 重点 回答 了 记者 的 提问 。
在 今天 下午 的 记者 招待会 上 ， 有 记者 问 ： “ 明年 中国 外交 工作 的 重点 和 努力 方向 是 什么 ？ 将 会 有 哪些 举措 ？ ”
唐 国强 回答 ： “ 我们 将 坚定不移 地 贯彻 ‘ 十五大 ’ 的 战略 方针 ， 遵循 邓 小平 同志 的 外交 思想 ， 继续 全方位 地 推行 独立自主 的 和平 外交 政策 ， 为 社会主义 现代化 建设 争取 一个 长期 良好 的 国际 环境 ， 特别 是 周边 环境 ， 维护 世界 和平 ， 促进 共同 发展 。
“ 明年 我们 要 继续 做好 发展中国家 尤其 是 周边 国家 的 工作 。 坚持 睦邻友好 ， 落实 中国 — 东盟 非正式 首脑 会晤 成果 ， 深化 与 东盟 的 面向 ２１ 世纪 睦邻 互信 伙伴 关系 。 加强 与 非洲 、 拉丁美洲 、 南亚 和 中东欧 国家 的 团结 合作 。 我们 要 致力 于 建立 公正 合理 的 国际 政治经济 新 秩序 。
“ 我们 要 加紧 落实 江 主席 访 美 成果 ， 做好 克林顿 总统 访华 的 接待 工作 ， 使 中 美 关系 获得 进一步 发展 。 我们 将 充分 发挥 中 俄 总理 定期 会晤 机制 的 作用 ， 继续 推进 中 俄 两 国 在 各个 领域 内 的 合作 。 明年 是 中 日 和平 友好 条约 签订 ２０ 周年 ， 双方 将 继续 进行 高层 互访 。 中国 和 西欧 各国 也 将 保持 高层 互访 的 势头 。 上述 互访 必将 推动 我 与 这些 国家 关系 的 进一步 发展 。
“ 明年 ， 我们 将 继续 积极 参与 多边 外交 ， 在 联合国 改革 、 地区 冲突 、 维和 、 裁军 、 军控 、 环保 等 问题 上 发挥 建设性 作用 。
“ 我们 将 继续 贯彻 落实 ‘ 一国两制 ’ 方针 ， 维护 香港 的 繁荣 稳定 ， 做好 澳门 回归 前 的 准备 工作 ， 坚决 维护 我国 的 独立 、 主权 和 领土 完整 ， 推进 祖国 统一 大业 。 ”
胜利 海上 油田 产 油 创 新高
本报 济南 十二月 三十一日 电 截至 一九九七年 十二月 三十一日 ， 胜利 海上 油田 全年 共 生产 原油 一百五十万零一百 吨 ， 超 计划 一百 吨 。 与 上年 同期 相比 ， 海上 油田 的 年产 能力 增加 了 五十万 吨 。
『 八五 』 以来 ， 胜利 油田 在 渤海湾 极 浅 海 海域 展开 了 大规模 勘探 开发 会战 。 一九九七年 初 ， 胜利 油田 提 出 了 奋战 一 年 ， 在 海上 建成 一百五十万 吨 产能 的 奋斗 目标 ， 全年 完钻 交井 三十 口 ， 投产 新 井 三十六 口 。 （ 杜 中武 孙 传刚 ）
延安 供水 工程 建成 通水
本报 西安 十二月 三十一日 电 十二月 二十八日 ， 革命 圣地 延安 供水 工程 正式 建成 通水 ， 延安 市区 的 缺水 问题 得到 根本 解决 。
延安 城市 基础 设施 薄弱 ， 进入 九十 年代 以后 ， 城市 缺水 问题 日益 突出 ， 日 供水量 仅 有 二点三万 吨 ， 而 日 平均 需水量 为 四点九三万 吨 ， 日 缺水量 达 二点六三万 吨 。 一九九六年 四月 ， 水利部 和 陕西省 决定 部 省 合作 共建 延安 供水 工程 。
延安 供水 工程 日 供水 五万 吨 ， 可 解决 市区 十三万 人口 生活 用水 和 沿途 一点六六万 农村 人口 、 一点五五万 头 大 家畜 的 饮水 问题 ， 可 基本 满足 城市 建设 中长期 的 需水 要求 。 （ 孟 西安 祁 勇 ）
大连港 年 吞吐量 超 七千万 吨
本报 大连 十二月 三十一日 电 记者 张 书政 报道 ： 截至 十二月 二十八日 十八时 ， 大连港 年 吞吐量 突破 七千万 吨 ， 比 上年 同期 增加 六百万 吨 。
目前 ， 大连港 已 开通 至 威海 、 烟台 、 韩国 仁川 等 六 条 国内外 客货 滚装 航线 ， 开通 至 北美洲 、 东南亚 、 欧洲 等 八 条 集装箱 班轮 航线 ， 开通 至 哈尔滨 、 延吉 、 沈阳 三 条 集装箱 班列 ， 开通 至 广州 杂货 班轮 航线 。
还 应 坚持 『 能力 支付 』 原则
周 德武
联合国 大会 在 临近 １９９７年 底 时 通过 一 项 决议 ， 确定 了 １９９８年 至 ２０００年 成员国 的 会费 分摊 比例表 。 美国 缴纳 联合国 会费 ２５％ 的 比例 仍然 不 变 ， 日 、 德 、 法 、 意 等 国 的 比例 适当 上调 ， 中国 的 比例 将 从 １９９７年 的 ０．７４％ 上调 到 接近 １％ ， 俄罗斯 从 现在 的 ２．８７％ 逐年 下调 至 ２０００年 的 １．０７％ ， 最 不 发达／ 国家 会费 下限 从 现在 的 ０．０１％ 下调 至 ０．００１％ 。 这个 决议 表明 ， 联合国 会费 分摊 仍然 遵循 着 “ 能力 支付 ” 原则 。
联合国 会费 比例 的 “ 能力 支付 ” 原则 ， 即 以 各国 国民 生产总值 占 世界 国民 生产总值 的 比重 作为 基数 ， 同时 考虑 人均 国民 生产总值 和 人均 外债 负担 状况 来 计算 各国 应 缴 的 会费额 。 美国 是 世界 首富 ， 但 会费 委员会 为 防止 一 国 负担 过 重 ， 规定 了 缴纳 上限 ， 美国 会费 分摊 比例 为 ２５％ 。 可是 ， 从 １９９４年 起 ， 美国 一直 要求 将 其 对 联合国 会费 的 分摊 比例 由 ２５％ 降 到 ２０％ ， 将 维和费 比例 由 ３１％ 降 至 ２５％ ， 并 以 拒付 会费 作 要挟 。 这种 做法 只能 使 联合国 会费 比例 具有 极 大 随意性 ， 不 利于 联合国 财政 基础 的 稳定 ， 遭到 广大 成员国 的 反对 。 在 此 情况 下 ， 美国 仍 继续 拖欠 会费 １３亿 多 美元 ， 并且 提 出 联合国 改革 尺度 法案 ， 把 付清 欠款 同 联合国 改革 挂钩 ， 结果 遭到 空前 孤立 。
需要 指出 的 是 ， 在 寻找 联合国 财政危机 解决 办法 过程 中 ， 个别 国家 自恃 财大气粗 ， 提 出 了 所谓 “ 责任 支付 ” 原则 。 即 安理会 常任 理事国 在 联合国 承担 的 责任 最 大 ， 应当 承担 更 多 的 会费 ， 并 提议 以 ３％ 的 份额 为 下限 。 提 出 这个 原则 的 国家 极力 想 把 安理会 常任 理事国 的 席位 与 金钱 挂 上 钩 。 这种 主张 实际上 是 “ 以 钱 买 权 ” ， 企图 把 安理会 变成 富人 俱乐部 。
目前 联合国 会费 比例 分摊 实行 的 “ 能力 支付 ” 原则 ， 是 广大 成员国 所 普遍 接受 的 。 调整 会费 涉及 到 全体 会员国 ， 不 应 由 哪 一个 国家 说了算 ， 也 不 能 由 几 个 国家 私下 决定 ， 而 应 由 全体 会员国 民主 协商 解决 ， 这 才 合情合理 。
联合国 大会 这次 通过 的 决议 还 表示 ， 只要 美国 缴纳 拖欠 的 会费 ， 会员国 可以 就 １９９９年 和 ２０００年 的 会费 比例 重 开 讨论 。 负责 会费 谈判 的 美国 代表 斯卡拉 表示 ， 美国 的 目标 是 寻找 一 种 使 缴纳 欠款 与 削减 美国 会费 几乎 同时 实现 的 机制 。 但 欧盟 代表 表示 ， 除非 美国 缴 清 欠款 ， 否则 不 可能 重 开 谈判 。 看来 ， 美国 无条件 履行 联合国 财政 义务 才 是 解决 问题 的 第一 步 。
塔拉尔 将 出任 巴基斯坦 总统
本报 伊斯兰堡 １２月 ３１日 电 记者 王 南 报道 ： 巴基斯坦 穆斯林 联盟 （ 谢里夫派 ） 候选人 、 原 最高 法院 大法官 穆罕默德·拉斐克·塔拉尔 ， 今天 在 巴 国民 议会 、 参议院 以及 各省 议会 选举 中 ， 当选 巴基斯坦 第九 任 总统 ， 任期 ５ 年 。 塔拉尔 将 于 明天 宣誓 就职 。
在 今天 举行 的 选举 中 ， 塔拉尔 获得 了 巴 国民 议会 、 参议院 以及 各省 议会 共计 ４５７ 张 有效 选票 中 的 ３７４ 张 ， 以 绝对 优势 获胜 。
穆罕默德·拉斐克·塔拉尔 １９２９年 １１月 ２日 出生 于 旁遮普省 ， １９５１年 毕业 于 旁遮普 大学 法学院 ， １９７４年 供职 于 拉合尔 高等 法院 ， １９８０年 担任 巴 选举 委员会 成员 ， １９８９年 １２月 １３日 出任 拉合尔 高等 法院 首席 大法官 ， １９９４年 １０月 退休 。
塔拉尔 于 １９９７年 ３月 当选 巴 参议院 议员 ， 同年 １２月 １５日 被 执政党 穆斯林 联盟 （ 谢派 ） 提名 为 总统 候选人 。
中 南 外长 高度 评价 两 国 建交
本报 约翰内斯堡 １２月 ３０日 电 记者 温 宪 、 新华社 记者 刘 也刚 、 赵 毅 、 尚 绪谦 报道 ： 中国 国务院 副 总理 兼 外交部长 钱 其琛 和 南非 外交部长 恩佐 ３０日 在 中国 驻 南非 研究 中心 主任 王 学贤 举行 的 招待会 上 发表 讲话 ， 高度 评价 中国 和 南非 建立 外交 关系 的 重大 意义 ， 并 就 进一步 发展 中 南 合作 阐述 了 各自 国家 的 立场 。
钱 其琛 在 讲话 中 指出 ， 中国 和 南非 建立 外交 关系 ， 是 两 国 关系史 中 一个 重要 里程碑 ， 标志 着 两 国 友好 合作 关系 新 篇章 的 开始 。 “ 我们 同 南非 朋友 一样 对 两 国 关系 实现 正常化 感到 高兴 。 我 愿 借此机会 ， 向 长期 来 为 促进 中国 和 南非 人民 之间 的 了解 和 友谊 ， 为 积极 推动 两 国 关系 正常化 进程 做出 不懈努力 的 各界 人士 表示 诚挚 的 谢意 ” 。
他 说 ， 中国 人民 同 南非 人民 之间 的 交往 可以 追溯 到 上 个 世纪 。 本世纪 初 ， 数万 名 华人 劳工 远涉重洋 来到 南非 ， 同 当地 人民 一道 为 南非 的 开发 作出 了 贡献 。 新 中国 成立 后 ， 中国 政府 和 人民 始终 同情 并 坚定 地 支持 南非 人民 争取 种族 平等 和 民族 解放 的 斗争 ， 支持 和 声援 非洲 人 国民 大会 领导 的 南非 人民 反对 种族 隔离 的 正义 斗争 。 中国 人民 与 南非 人民 一样 ， 为 新 南非 的 诞生 感到 欢欣鼓舞 ， 并 为 南非 人民 近年来 在 国家 建设 各项 事业 中 取得 的 成就 感到 高兴 。
钱 其琛 说 ： “ 新 南非 诞生 后 的 几 年 里 ， 我们 两 国 尽管 没有 建交 ， 但 人员 往来 频繁 ， 经贸 合作 发展 很 快 ， 展现 出 双边 关系 的 美好 前景 和 经贸 合作 的 巨大 潜力 。 中国 和 南非 经济 发展 各有所长 ， 资源 各 具 优势 ， 有着 很 强 的 互补性 。 过去 几 年 里 ， 两 国 贸易 发展 迅速 ， 双边 贸易额 １９９１年 只 有 １４００万 美元 ， １９９６年 就 剧增 到 １３·４亿 美元 ， 今年 双边 贸易额 则 可望 达到 １６亿 美元 。 中华人民共和国 在 南非 的 投资 近 几 年 增长 势头 强劲 ， 在 南非 已 建立 了 数十 家 独资 、 合资企业 ， 双方 最 大 的 合作 项目 ——— 北方 省 的 铬铁矿 企业 在 短 时间 内 就 开始 运作 ， 仅 这 一 项目 投资 就 逾 ７０００万 美元 。 ”
钱 其琛 还 指出 ： “ 南非 企业 也 已 将 目光 瞄准 了 中国 市场 。 南非 与 中国 香港 特别 行政区 之间 更 是 有着 重要 的 经贸 、 金融 和 航空 联系 。 中国 香港 同 南非 之间 的 贸易额 已 达到 １３亿 美元 。 ” “ 我们 有 理由 相信 ， 两 国 关系 正常化 后 ， 中国 南非 一定 会 成为 越来越 重要 的 经贸 合作 伙伴 。 ”
钱 其琛 在 谈 到 两 国 在 国际 问题 上 的 合作 前景 时 说 ： “ 中国 南非 同 属 发展中国家 ， 又 分别 是 亚洲 和 非洲 有 影响 的 大国 ， 我们 在 许多 重大 国际 问题 上 有 共同语言 ， 两 国 建交 后 将 更加 密切 两 国 在 国际 事务 中 的 磋商 与 合作 ， 在 国际 和 地区 事务 中 发挥 更 大 的 作用 ， 共同 维护 发展中国家 的 权益 ， 促进 人类 和平 与 发展 事业 。 ”
恩佐 在 讲话 中 说 ： “ 一个 非洲 大国 与 一个 亚洲 乃至 世界 大国 没有 正式 关系 ， 这样 的 情况 继续 下去 将 是 毫无道理 的 。 ”
他 指出 ， 南非 和 中国 如果 迟迟 不 能 建立 外交 关系 ， “ 不 符合 联合国 和 非洲 统一 组织 等 国际 组织 的 原则 ， 不 符合 国际法 和 世界 上 绝大多数 国家 遵从 的 惯例 。 ” “ 这种 状况 也 是 与 非洲 国家 １９７１年 支持 恢复 中国 在 联合国 的 合法 席位 过程 中 所 起 的 决定性 作用 背道而驰 的 。 ” 他 说 ， 要不是 受 种族 隔离 制度 的 影响 ， 南非 同 中国 建交 早已 实现 。
恩佐 说 ， 南非 同 中国 建交 是 两 国 ３００ 多 年 交往 的 自然 结果 。 他 说 ， 中国 与 非洲 的 牢固 关系 在 很 大 程度 上 是 建立 在 共同 的 历史 遭遇 基础 上 的 。 中国 人民 和 非洲 人民 都 遭受 过 殖民主义 的 欺凌 。 他 说 ， 在 种族 隔离 制度 被 废除 以前 ， 在 南非 的 中国 侨民 同 当地 广大 黑人 一样 长期 遭受 种族 隔离 的 摧残 ， 但 他们 同时 也 顽强 地 保持 了 自己 的 文化 传统 ， 为 南非 “ 彩虹 花园 之 国 ” 的 文化 多样性 作出 了 巨大 贡献 。
恩佐 强调 ， １９４９年 中华人民共和国 成立 后 ， 中国 在 本国 百废待兴 的 情况 下 ， 仍 对 非洲 国家 反对 殖民 统治 、 争取 民主 和 解放 的 斗争 给予 了 “ 道义 和 物质 上 无私 的 支持 和 援助 ” 。 “ 在 长期 艰苦 的 斗争 岁月 里 ， 中国 伟大 的 领导人 孙 中山 、 毛 泽东 、 周 恩来 和 邓 小平 的 榜样 极 大 地 启发 和 鼓舞 了 非洲 人民 。 ”
恩佐 说 ， 如今 中国 又 给 非洲 国家 发展 经济 树立 了 榜样 。 南非 对 中国 实行 改革 开放 ， 并 在 不 到 ２０ 年 的 时间 里 在 经济 和 社会 领域 取得 的 飞速 发展 表示 钦佩 。 他 说 ， “ 通过 这些 努力 ， 中国 赢得 了 在 世界 上 应有 的 地位 ， 受到 国际 社会 的 普遍 尊敬 和 关注 。 ” 他 说 ： “ 中国 在 国际 地位 提高 以后 并 没有 忘记 广大 第三世界 国家 尤其 是 非洲 国家 ， 南非 对 此 十分 感激 。 ”
恩佐 在 讲话 中 对 两 国 经贸 合作 业已 取得 的 成就 给予 了 高度 评价 。 他 说 ， 虽然 南非 同 中国 正式 建交 的 日期 是 １９９８年 １月 １日 ， 但 在 此 之前 ， 两 国 经贸 往来 已经 相当 频繁 。 今年 两 国 直接 贸易额 预计 将 超过 １６亿 美元 ， 南非 同 中国 香港 地区 今年 的 贸易额 为 １４亿 美元 。 二者 加 在 一起 ， 中国 已 成为 南非 第六 大 贸易 伙伴 。
恩佐 在 谈 到 国际 问题 时 说 ， 南非 与 中国 同 是 发展中国家 ， 在 许多 国际 问题 上 拥有 一致 的 观点 和 看法 ， 比如 ， 两 国 都 认为 在 国际 政治 和 经济 秩序 中 不 应该 恃强凌弱 ， 发展中国家 的 利益 应该 得到 充分 保护 。 “ 在 这 方面 ， 南非 作为 奉行 不结盟 和 独立 外交 政策 的 国家 ， 期待 着 与 中国 建立 面向 ２１ 世纪 的 战略 伙伴 关系 。 ”
中 南 外长 联合 举行 记者 招待会 阐述 两 国 关系 和 对 台湾 问题 立场
本报 比勒陀利亚 １２月 ３０日 电 记者 温 宪 ， 中国 国际 广播 电台 记者 殷 立青 ， 新华社 记者 赵 毅 、 尚 绪谦 、 刘 也刚 报道 ： 中国 国务院 副 总理 兼 外交部长 钱 其琛 和 南非 外交部长 恩佐 ３０日 在 这里 签署 两 国 建交 联合公报 后 联合 举行 了 记者 招待会 。
钱 其琛 对 记者 说 ， 南非 是 非洲 的 大国 ， 是 南部 非洲 发展 共同体 主席国 ， 是 联合国 贸易 和 发展 会议 主席国 ， 明年 将 担任 不结盟 运动 主席 。 中国 是 亚洲 大国 ， 与 南非 建立 友好 关系 ， 无疑 有助于 维护 世界 和平 。
他 说 ， 他 刚刚 同 恩佐 分别 代表 本国 政府 签署 了 建交 联合公报 ， 两 国 将 从 １９９８年 １月 １日 起 建立 大使级 外交 关系 ， “ 这 是 我们 两 国 关系 发展史 上 的 一个 重大 事件 ， 标志 着 两 国 关系 将 进入 一个 新 的 发展 时期 ” 。
钱 其琛 说 ， 他 同 恩佐 的 会谈 取得 了 广泛 的 一致 和 积极 的 成果 。 两 国 政府 就 建交 后 互 设 总领事馆 进行 了 换文 ， 两 国 建交 后 ， 中国 将 在 南非 的 约翰内斯堡 、 开普敦 和 德班 分别 设立 总领事馆 。
钱 其琛 宣布 ， 中国 方面 已 提名 中国 驻 南非 研究 中心 主任 王 学贤 为 中国 驻 南非 首任 大使 ， 南非 方面 已 同意 中方 的 提名 。
恩佐 在 记者 招待会 上 说 ， 他 同 钱 其琛 在 会谈 中 进行 了 深入 、 广泛 的 讨论 。 他 向 中方 介绍 了 南非 国内 的 局势 ， 南非 正 在 民主 过渡 的 轨道 上 稳步前进 。 双方 还 就 在 国际 问题 方面 开展 合作 进行 了 讨论 。
他 指出 ， 南非 人民 和 中国 人民 的 关系 远非 始 于 今日 。 早 在 南非 过渡期 开始 之前 ， 非洲 人 国民 大会 就 同 中国 进行 了 合作 。 两 国 建交 为 双方 未来 的 合作 打下 了 坚实 的 基础 。 建交 后 ， 这种 合作 将 不 局限 于 双边 关系 ， 两 国 还要 在 争取 和 维护 世界 和平 等 方面 开展 广泛 的 合作 。
恩佐 在 回顾 两 国 贸易 迅速 发展 的 情况 后 表示 ： “ 我们 相信 ， 两 国 的 合作 关系 将 有 广阔 的 前景 。 ”
恩佐 宣布 ， 南非 总统 曼德拉 已 任命 南非 驻 中国 研究 中心 主任 戴克瑞 为 首任 驻华 大使 。
本报 比勒陀利亚 １２月 ３０日 电 中国 国务院 副 总理 兼 外交部长 钱 其琛 和 南非 外交部长 恩佐 ３０日 在 这里 举行 记者 招待会 ， 分别 阐述 了 两 国 关于 中 南 关系 正常化 和 台湾 问题 的 立场 。
钱 其琛 在 记者 招待会 上 指出 ， 关于 台湾 和 南非 关系 问题 ， 中国 与 南非 方面 已经 达成 了 很 好 的 谅解 。 钱 其琛 说 ： “ 我 与 曼德拉 总统 谈 得 很 好 。 南非 方面 保证 ， 与 中国 建交 后 将 不 与 台湾 发生 任何 形式 的 官方 关系 。 ”
关于 两岸 关系 问题 ， 钱 其琛 说 ， 台湾 当局 对 开始 两岸 谈判 顾虑重重 ， 迈 不 开 步子 。 他 指出 ， 一个 中国 是 客观 存在 ， 对 台湾 当局 来讲 ， 最 重要 的 是 要 承认 一个 中国 的 原则 ， 然后 在 这个 原则 下 发展 海峡 两岸 关系 ， 其中 包括 尽早 举行 停止 敌对 状态 的 政治 谈判 、 实现 三通 和 发展 各种 经济 关系 。 那么 ， 国家 的 统一 是 可以 达到 的 。
恩佐 在 记者 招待会 上 说 ， 在 同 中华人民共和国 的 关系 发展 中 ， 南非 不可避免 地 要 承认 中华人民共和国 ， 这 既 符合 “ 国际 惯例 ” ， 也 能 为 两 国 人民 带来 益处 。 他 说 ： “ 与 中国 建交 使 我们 在 国际 社会 中 又 多 了 一个 盟友 ， 这 便于 我们 在 国际 政治 中 发挥 我们 的 作用 ， 共同 捍卫 全 人类 的 和平 与 安全 。 ”
恩佐 强调 ， 南非 同 中国 建交 并 不 是 南非 政府 突然 转变 态度 ， 而 是 两 国 关系 发展 的 必然 结果 。 他 指出 ， 南非 和 中国 之间 的 关系 非常 久远 ， 在 反对 种族 隔离 斗争 时期 ， 中国 就 和 广大 南非 人民 站 在 一起 ， 现在 是 继续 发展 两 国 和 两 国 人民 之间 的 友谊 。
钱 其琛 还 就 人权 和 两 国 经贸 合作 等 问题 回答 了 记者 的 提问 。 他 说 ， 由于 南非 人民 在 种族 隔离 政策 时期 遭受 到 各种 被 剥夺 人权 的 苦难 ， 所以 他们 非常 重视 人权 问题 。 他 说 ： “ 曼德拉 总统 会见 我 时 说 ， 南非 不 主张 以 人权 问题 干涉 别国 内政 。 ”
有关 经贸 合作 问题 ， 钱 其琛 说 ， 中国 南非 同 属 发展中国家 ， 又 都 面临 着 发展 经济 的 任务 。 中国 愿意 在 住房 、 教育 、 交通 和 通讯 等 方面 同 南非 合作 ， 中国 在 南非 投资 合作 前景 可观 。
外国 政要 回首 １９９７年 俄 总统 ： 经济 停止 下滑 趋势
德 外长 ： 欧洲 取得 全面 成就 乌 外长 ： 对外 政策 积极 灵活
据 新华社 莫斯科 １２月 ３０日 电 （ 记者 张 铁柱 ） 俄罗斯 总统 叶利钦 ３０日 指出 ， 在 即将 过去 的 １９９７年 里 ， 俄 经济 停止 了 下滑 趋势 ， 政治 上 出现 了 和睦 与 和解 势头 ， 外交 工作 取得 了 重大 进展 ， 这 一切 都 使 人 对 新 的 一 年 充满 希望 。
叶利钦 是 在 接受 莫斯科 新闻 媒体 的 联合 采访 时 发表 上述 看法 的 。 他 在 谈 到 经济 形势 时 指出 ， １９９７年 成 了 生产 停止 滑坡 并 出现 增长 的 一 年 。 虽然 经济 增长 有限 ， 但 意义 重大 ， 它 标志 着 俄罗斯 经济 终于 摆脱 了 停滞 状态 ， 开始 走向 复苏 。 叶利钦 同时 强调 ， 政府 不 应 满足 已 取得 的 成绩 ， 而 应当 继续 努力 ， 促使 经济 进一步 回升 。
叶利钦 指出 ， １９９７年 俄罗斯 政治 局势 出现 了 新 的 积极 趋势 ， 社会 向 和睦 与 和解 迈出 了 重要 步伐 。 “ 四 人 会晤 ” 和 “ 圆桌会议 ” 已 成为 各 权力 机构 和 各 政治 力量 进行 合作 的 有效 机制 。 叶利钦 表示 他 将 尽 全力 继续 巩固 这 一 机制 ， 并 呼吁 各 权力 机构 加强 建设性 的 对话 。
在 谈 到 外交 形势 时 叶利钦 说 ， １９９７年 是 外交 工作 取得 重大 成果 的 一 年 。 在 这 一 年 里 ， 俄罗斯 与 白俄罗斯 建立 了 联盟 ， 改善 了 与 乌克兰 的 关系 ， 加强 了 在 欧洲 的 地位 ， 巩固 了 与 美国 等 其他 发达国家 的 平等 伙伴 关系 ， 与 亚洲 许多 国家 的 关系 也 得到 了 发展 。 叶利钦 在 谈话 中 特别 提到 了 俄 中 关系 今年 所 取得 的 巨大 进展 。
叶利钦 指出 ， 虽然 １９９７年 俄罗斯 在 许多 方面 取得 某些 进展 ， 但 还有 许多 不 尽如人意 的 地方 ， 甚至 还有 失望 和 痛苦 。 他 表示 期待 政府 能 在 新 的 一 年 里 采取 有力 措施 ， 集中 精力 振兴 经济 。
新华社 波恩 １２月 ３０日 电 （ 记者 吕 鸿 ） 德国 外长 金克尔 ３０日 在 此间 向 新闻界 发表 讲话 ， 称 欧洲 １９９７年 在 经济 、 政治 和 外交 方面 都 取得 了 成就 。
金克尔 说 ， １９９７年 是 欧盟 各 成员国 积极 谋求 严格 按 标准 启动 欧元 的 一 年 。 他 认为 ， 尽管 １９９８年 ５月 才 能 决定 加入 货币 联盟 的 首 批 成员国 ， 但是 “ 现在 就 已经 能 清楚 地 看到 ， 包括 德国 和 法国 在内 的 大多数 欧盟 国家 将 成为 货币 联盟 的 首 批 成员国 ” 。
在 谈 到 欧洲 的 政治 和 外交 问题 时 ， 金克尔 认为 ， １９９７年 是 欧洲 外交 和 安全 获得 成果 的 一 年 。
他 说 ： “ 《 阿姆斯特丹 条约 》 使 欧洲 大厦 焕然一新 ， 俄罗斯 和 北约 之间 战略 伙伴 关系 的 建立 填平 了 欧洲 安全 政治 的 鸿沟 ， 欧盟 扩大 的 历史性 决定 和 北约 开放 为 创建 一 种 新 的 欧洲 安全 格局 奠定 了 基础 ” ， ２１ 世纪 的 欧洲 呈现 出 了 轮廓 。
新华社 基辅 １２月 ３０日 电 乌克兰 外长 乌多文科 ３０日 指出 ， 乌克兰 １９９７年 的 对外 政策 十分 积极 和 灵活 ， 完全 符合 乌克兰 国家 的 民族 利益 。
乌多文科 是 ３０日 在 外交部 吹风会 上 总结 今年 外交 工作 时 说 这 番 话 的 。 他 说 ， 今年 乌 外交 工作 的 主要 成果 是 同 俄罗斯 签署 了 友好 、 合作 与 伙伴 关系 条约 ， 使 两 国 关系 取得 了 重大 进展 。
在 谈 到 地区性 合作 时 ， 乌 外长 说 ， 今年 乌克兰 加强 了 与 一 系列 国家 的 多边 合作 ， 并 倡导 加强 黑海 和 波罗的海 地区 国家 的 合作 。 乌多文科 强调 ， １９９８年 乌克兰 将 集中 精力 进一步 发展 地区性 合作 。 在 谈 到 同 西方 关系 时 ， 乌多文科 指出 ， 与 欧洲 组织 的 全面 一体化 是 乌克兰 对外 政策 的 战略 方针 。
致 读者
１９９７年 本报 国际 年终 报道 于 昨天 结束 。 这次 年终 报道 得到 广大 读者 、 有关 部门 领导 和 专家 学者 的 热情 支持 。 本报 记者 在 撰写 １９９７年 世界 经济 形势 及 特点 的 述评 时 ， 吸纳 了 各 方面 学者 专家 谷 源洋 、 谈 世中 、 肖 炼 、 李 长久 、 陈 漓高 、 甄 炳禧 等 对 世界 经济 形势 的 一些 观点 和 分析 。 我们 在 此 一并 表示 衷心 感谢 。
著名 学者 何 方 同志 应约 为 本报 撰写 了 《 一 年 来 南北 关系 的 变化 与 发展 》 一 文 ， 文中 有 一 段 关于 东亚 正在 成为 世界 经济 “ 新 的 第四 极 ” 的 论述 ， 而 引用 这 段 论述 （ 未 注明 出处 ） 的 本报 记者 文章 发表 在 何 方 同志 文章 之前 ， 并且 在 发表 他 的 文章 时 对 其 文字 删节 有 不当 之 处 ， 影响 不好 ， 我们 向 他 致歉 。
世界 人口 增长 形势 依然 严峻 专家 预计 本世纪 内 将 超过 ６０亿
据 新华社 华盛顿 １２月 ３０日 电 （ 记者 谷 利源 ） 美国 人口 研究所 所长 沃纳·福诺斯 今天 在 这里 指出 ， 尽管 近年来 一些 国家 的 人口 出生率 有所 下降 ， 但 由于 许多 发展中国家 人口 不断 增长 ， 世界 人口 增长 形势 依然 严峻 。
福诺斯 在 该所 举行 的 年度 记者 招待会 上 说 ， 由于 实施 了 计划生育 和 晚婚 等 措施 ， 加 上 死亡率 增加 ， 世界 人口 增长 速度 要 比 原先 预料 的 低 。 尽管如此 ， 人口 问题 对 世界 经济 、 环境 和 社会 发展 的 影响 依然 十分 严重 。 他 预计 ， 到 １９９９年 中 ， 世界 总人口 将 超过 ６０亿 。 目前 世界 大约 ８０％ 的 人口 居住 在 发展中国家 里 ， 而 有 ７４ 个 发展中国家 正 面临 着 在 今后 ３０ 年 里 人口 翻 一番 的 局面 。
钱 其琛 访问 德班
本报 德班 １２月 ３１日 电 记者 温 宪 报道 ： 中国 国务院 副 总理 兼 外长 钱 其琛 今天 访问 了 南非 著名 港口 城市 德班 。 钱 其琛 说 ， 中国 和 南非 正式 建交 是 给 两 国 人民 最 好 的 新年 礼物 。
德班 所 在 的 南非 夸祖鲁—纳塔尔省 省长 恩古巴尼 ， 夸—纳省 经济 及 旅游部 部长 、 新任 非国大 副 主席 祖马 等 与 钱 其琛 进行 了 热情 友好 的 会晤 。
恩古巴尼 省长 回顾 了 他 １９９６年 访华 时 的 情景 。 他 说 ， 中国 的 经济 发展 给 他 留下 了 深刻 的 印象 。 夸—纳省 经济 很 有 特点 ， 双方 经济 发展 模式 有 许多 共同点 。 中国 与 南非 之间 的 贸易 大部分 通过 德班港 ， 我们 有 良好 的 海上 和 港口 设施 。 我们 相信 ， 两 国 建交 以后 ， 双方 可以 进一步 发展 经贸 合作 关系 ， 特别 是 和 中国 沿海 城市 之间 的 合作 前景 很 好 。 我们 也 希望 同 中国 开拓 在 农业 、 科技 、 贸易 、 旅游 、 化工 等 领域 的 合作 。 恩古巴尼 还 说 ， 南非 资源 丰富 ， 我们 欢迎 中国 企业 到 夸—纳省 投资 合作 。
钱 其琛 说 ， 夸—纳省 有着 悠久 的 历史 ， 至今 仍 保留 着 祖鲁王国 的 传统 文化 和 风俗 习惯 。 良好 的 气候 和 独特 的 自然 景观 使 夸—纳省 成为 著名 的 旅游 地区 。 贵省 地理 位置 优越 ， 拥有 非洲 第一 大 港 ， 也 是 世界 十 大 港口 之一 的 德班港 。 夸—纳省 经济 发展 有着 巨大 潜力 。
钱 其琛 说 ， 近年来 ， 中国 的 上海市 与 夸—纳省 开展 了 多 领域 的 经济 合作 ， 先后 建立 了 家电 、 五金 、 搪瓷 、 文具 等 企业 ， 取得 了 明显 的 经济效益 。 他 表示 希望 在 现有 基础 上 推动 双方 在 各个 领域 的 友好 合作 向前 发展 。 他 相信 ， 两 国 地方 省 市 间 的 交流 与 合作 也 将 展现 出 更为 广阔 的 发展 前景 。
老挝 国会 主席 会见 何 鲁丽
新华社 北京 １２月 ３０日 电 万象 消息 ： 老挝人民民主共和国 中央 政治局 委员 、 国会 主席 沙曼·维雅吉 ２９日 在 万象 会见 了 正 在 老挝 访问 的 全国 政协 副 主席 、 中国 人民 争取 和平 与 裁军 委员会 会长 何 鲁丽 及 其 率领 的 和裁会 代表团 ， 宾主 进行 了 亲切 友好 的 交谈 。
沙曼 说 ， 何 鲁丽 访 老 是 一 次 重要 的 高 层次 访问 和 交流 ， 将 促进 两 国 传统 友好 关系 的 发展 ， 有利于 本 地区 的 和平 与 稳定 。 他 说 ， 老挝 人民 密切 关注 中国 社会主义 建设 事业 取得 的 巨大 成就 ， 对 中国 始终 坚持 高举 邓小平理论 旗帜 感到 高兴 。
何 鲁丽 说 ， 老挝 人民 在 老挝 人民 革命党 领导 下 ， 在 改革 开放 和 经济 建设 的 事业 中 取得 了 显著 成就 。 她 说 ， 中 老 两 国 是 山水相连 的 友好 邻邦 ， 两 国 人民 是 可以 相互 信赖 的 朋友 。 两 国 发展 长期 、 稳定 的 友好 关系 不仅 符合 两 国 和 两 国 人民 的 根本 利益 ， 而且 也 有利于 促进 亚太地区 乃至 世界 的 和平 与 稳定 。
中国 人民 争取 和平 与 裁军 委员会 代表团 是 应 老挝 和平 与 团结 委员会 的 邀请 于 １２月 ２５日 抵 老 进行 为期 ５ 天 的 友好 访问 的 。
美国 马里兰州 盖茨堡镇 举办 新年 灯展 （ 图片 ）
美国 马里兰州 的 盖茨堡镇 近日 举办 新年 灯展 。 ２００ 多 件 灯饰 作品 以 卡通 人物 和 动物 为 主要 造型 ， 设置 在 长 约 ６ 公里 的 道路 两旁 ， 为 寒冷 的 冬夜 增添 了 几 分 暖意 。 （ 新华社 记者 刘 宇 摄 ）
越 总理 谈 今年 工作 指导 方针
新华社 河内 １２月 ３１日 电 （ 记者 凌 德权 ） 越南 总理 潘 文凯 今天 在 这里 说 ， 从 １９９８年 开始 ， 越南 将 大力 挖掘 自身 潜力 ， 厉行节俭 ， 同时 吸收 外部 资金 ， 努力 提高 经济效益 和 竞争力 ， 注重 发展 文化 ， 实现 公平 和 社会 进步 。
潘 文凯 在 接受 越通社 记者 采访 时 说 ， 近 两 年 来 ， 越南 经济 继续 以 较 高 速度 增长 。 但 另一方面 ， 经济社会 形势 “ 出现 了 一些 不 正常 的 变化 ” ， 一些 生产 和 服务行业 的 增幅 减小 ， 社会 购买力 和 内部 积累 还 不 高 ， 外国 投资 减少 ， 财政 金融 系统 不 够 健康 和 安全 。
他 说 ， 越南 的 经济 既 取得 了 巨大 成就 ， 也 存在 薄弱 的 方面 ； 既 存在 继续 迅速 发展 的 可能 ， 又 存在 抑制 增长 速度 的 因素 。
他 强调 ， 当务之急 是 继续 革新 经济 机制 和 政策 ， 优先 发展 生产力 ， 同时 按 社会主义 方向 建立 适当 的 生产关系 ， 在 与 国际 接轨 的 过程 中 提高 民族 自强 的 意志 和 能力 ， 把 经济社会 的 革新 与 国家 行政 机构 的 改革 以及 党 的 革新 与 整顿 结合 起来 。
潘 文凯 在 阐述 １９９８年 的 任务 时 强调 要 解决 好 各种 社会 问题 ， 首先 是 农民 、 农村 和 农业 问题 。 他 说 ， 越南 目前 还有 １３００ 多 个 乡 、 １４００万 人口 处于 贫困 状态 。 解决 好 农业 和 农村 问题 也 就 是 解决 市场 问题 和 工业 所 需 的 劳动力 问题 。
苏丹 总统 强调 实现 全国 和解
本报 讯 苏丹 总统 奥马尔·哈桑·艾哈迈德·巴希尔 日前 发表 谈话 指出 ， 苏丹 实现 和平 的 时期 已经 到来 ， 将 在 没有 外来 干预 的 情况 下 把 国家 建成 一个 新 的 苏丹 。
巴希尔 强调 ， 政府 坚决 主张 通过 和平 和 政治 途径 结束 目前 的 武装 冲突 ， 在 全国 实现 和平 。 他 强烈 呼吁 以 约翰·加朗 为首 的 反 政府 武装力量 回到 国家 的 怀抱 。 苏丹 政府 努力 消除 各种 不 利于 实现 全国 和解 的 障碍 ， 大力 复兴 经济 、 恢复 农业 以 求 自给 ， 争取 把 苏丹 变成 阿拉伯 和 非洲 的 面包 篮子 。
在 谈 到 周边 关系 时 ， 巴希尔 说 ， 苏丹 政府 将 采取 行动 改善 与 周边 国家 的 关系 ， 特别 是 缓和 与 埃及 的 关系 ， 为 此 ， 他 本人 将 出访 埃及 以 实现 苏 、 埃 关系 正常化 。
巴希尔 强烈 抨击 美国 干涉 苏丹 的 内部 事务 ， 阻碍 和 破坏 苏丹 政府 实现 全国 和平 的 努力 。
中国 驻 突尼斯 大使 吴 传福 １２月 ３０日 代表 中国 政府 向 突尼斯 “ 全国 互助 基金 ” 无偿 提供 了 价值 ３００万 人民币 的 录像机 、 照相机 、 电脑 以及 各种 球类 等 体育 用品 和 设备 。 （ 本报 专电 ）
中国 政府 向 马达加斯加 政府 赠送 价值 ５０万 人民币 的 药品 和 医疗 器械 的 交接 仪式 １２月 ３０日 在 塔那那利佛 举行 。 中国 政府 自 １９７５年 向 马 派遣 医疗队 以来 ， 每年 都 向 马方 赠送 药品 和 医疗 器械 。 中国 驻 马 大使 赵 宝珍 和 马 卫生部长 昂里埃特 女士 出席 了 交接 仪式 。
截至 １９９７年 底 ， 利用 中国 政府 向 蒙古 政府 提供 的 无息贷款 而 建成 的 １１ 个 中小型 项目 ， 已 陆续 移交 给 蒙方 。 蒙古 对外 关系 部长 阿勒坦格列尔 和 中国 驻 蒙古 大使 齐 治家 日前 分别 代表 本国 政府 在 交接 证书 上 签字 。 已 交给 蒙古 政府 的 １１ 个 项目 中 有 煤矿 、 水电站 、 裘皮 加工厂 、 洗衣粉 厂 、 公路 沥青厂 、 瓦楞 纸板箱 厂 、 油漆 厂 、 兽药 厂 、 牛 血 提取 ＳＯＤ （ 超 氧化 物化 歧化酶 ） 厂 等 。
中国 首 次 制造 和 首 批 出口 的 ８０ 多 个 多 用途 液体 罐式 集装箱 １２月 ３０日 在 达累斯萨拉姆 顺利 通过 坦 赞 铁路局 的 验收 ， 开始 在 坦 赞 铁路线 上 投入 使用 。
阔步 迈向 新 世纪 （ 附 图片 ８ 张 ）
１ 、 大江 截流 展 宏图
１９９７年 １１月 ８日 ， 长江 三峡 工程 实施 大江 截流 ， 成为 一 期 工程 圆满 完成 ， 二 期 工程 进入 攻坚 阶段 的 里程碑 。 目前 ， 担负 施工 任务 的 各路 建设 大军 ， 正 为 宏伟 的 三峡 工程 再 续 新 篇章 。 （ 李 舸 摄 ）
２ 、 棉堆 如 山 喜 煞 人
我国 最 大 的 棉产区 新疆 去年 棉花 再 获 丰收 。 在 塔里木 盆地 麦盖提乡 像 小 山 一样 的 棉花 堆 前 ， 维吾尔族 儿童 都 乐 了 。 （ 武 斌 摄 ）
３ 、 百年 老 矿 创 新绩
百年 老 矿 江西 萍乡 矿务局 近年来 摒弃 传统 管理 模式 ， 建立 行之有效 的 管理 机制 和 激励 机制 ， 实现 扭亏为盈 。 这 是 矿工 们 准备 下 井 作业 。 （ 宋 振平 摄 ）
４ 、 科技 确保 粮 丰收
在 遭受 严重 自然灾害 的 情况 下 ， 依靠 科技 减灾 保证 农业 生产 ， 吉林省 去年 粮食 总产 超过 ２００亿 公斤 ， 是 历史 上 第四 个 丰收年 。 这 是 公主岭市 怀德 粮库 正在 收 粮 。 （ 蒋 林 摄 ）
５ 、 国企 改革 见 成效
我国 的 国有 企业 改革 见 成效 。 位于 河南 的 中国 一拖 集团 有限 责任 公司 面向 市场 ， 积极 调整 产品 结构 ， 加快 技术 改造 和 新 产品 研制 步伐 。 图 为 东方红牌 履带 拖拉机 生产线 。 （ 赵 鹏 摄 ）
６ 、 模范 行动 带 新兵
北京 军区 某部 一 连 连长 白 文建 一心 扑 在 部队 建设 上 ， 用 自己 的 模范 行动 带 出 了 一批批 优秀 士兵 ， 荣立 二等功 。 图 为 白 文建 带领 战士 进行 训练 。 （ 缪 青民 摄 ）
７ 、 晚年 生活 甜 如 蜜
河南省 滑县 大力 弘扬 中华民族 尊老敬老 的 传统 美德 ， 为 全县 ６０ 岁 以上 的 老人 办理 “ 老年人 优待证 ” ， 开展 了 十星级 文明户 、 五好 家庭 等 活动 ， 在 该县 形成 了 人人 自觉 敬老养老 的 良好 社会 风尚 。 瞧 ， 这 几 位 老人 晚年 的 生活 多 幸福 。
（ 赵 亚光 摄 ）
８ 、 香港 重视 普通话
为 鼓励 中学生 多 听 多 讲 普通话 ， 香港 普通话 台 近期 在 ５ 所 中学 举办 ２２ 次 “ 学校 普通话 广播室 ” 活动 ， 这 是 播音员 陈 曦 （ 左 ） 与 福建 中学 学生 在 进行 直播 。
（ 陈 小波 摄 ）
唱 国歌 与 写 杂文
胡 昭衡
新年 好 ！
新年 １９９８ 。 如 按 江湖 中 流行 的 以 撞 运气 发横财 的 谐音 骗术 来说 ， 可以 称为 “ 你 久久 发 ” 。 汉字 六 书 ， 有 其 优良 传统 ； 但 条条 均 可 假借 或 转注 ， 发挥 某种 国民 劣根性 ， 用以 占卜 人事 吉凶祸福 ， 愚弄 他人 和 自己 。
忆及 幼年 所 见 门联 ： 老人 点头 多 一 岁 ， 童子 拍手 贺 新年 ； 而今 七老八十 ， 每逢 岁末 除旧迎新 时 ， 总 会 想 点 什么 。 今年 ， 偶然 感触 到 两 个 似乎 风马牛不相及 的 问题 ： 唱 国歌 和 写 杂文 。
它们 有 什么 关系 ？ 每晚 我 看 中央 电视台 新闻 联播 时 ， 常 跟随 国歌 闭目 哼唱 休息 脑子 ； 偶尔 联系 歌词 思索 现实 ， 便 浮思翩翩 了 。 这 不 满 百 字 的 歌词 ， 六十 多 年 里 ， 我 从 《 义勇军 进行曲 》 唱 到 现在 ， 每 唱 必 有 亲切感 ， 而且 意境 常 新 ， 咀嚼 起来 它 是 一 篇 精品 杂文 。 我们 当代 杂文 能 有 这么 绵长 壮健 的 生命力 吗 ？ 这 对 我 有 何 启示 呢 ？
这 首 抗日 歌曲 ， 是 靠 什么 激发 人们 的 凝聚力 ， 不仅 使 人 喜唱乐听 ， 鼓舞 民心 士气 ， 而且 出类拔萃 ， 被 新 中国 定 为 国歌 ， 一 唱 三 代 不 衰 ？ 我 经 反复 琢磨 ， 认为 它 首先 符合 国情 民心 。 百年 来 中华民族 灾难深重 ， 到 了 危亡 的 最后 关头 ， 必须 万众一心 ， 前仆后继 ， 艰苦奋斗 ， 英勇 牺牲 ， 奋发自救 ， 来 救亡图存 ， 振兴图强 ， 而且 长期 坚持 前进不懈 。 其次 ， 歌词 语言 简明 ， 含有 强烈 的 时代 危机感 、 历史 使命感 和 社会 责任感 ； 歌曲 声调 铿锵 ， 明亮 有力 ， 动人心弦 ， 催人奋进 。 更 重要 的 ， 词曲 意境 和 新 中国 政治 需求 之 警钟长鸣 协调 拍合 。 我 想 ， 基于 这些 要素 条件 ， 各 方面 民主 协商 ， 中央 人民政府 “ 一锤定音 ” ， 成为 我国 人民 同声 歌唱 、 跨 世纪 不 衰 之 国歌 。 这 一 内涵 与 外部 机遇 ， 其 作用 影响 和 生命力 就 不 是 一般 歌曲 所 能 望尘比步 的 了 。
由 国歌 我 想到 杂文 。 我国 现代 杂文 的 开创 导师 鲁迅 ， 他 那 “ 不废江河 万古 流 ” 之 战斗性 宏文 ， 受到 共和国 的 开创者 毛 泽东 主席 的 推崇 ， 其 意义 非同寻常 。 新 中国 以来 的 杂文 事业 ， 历经 起伏 而 不断 发展 ， 与 鲁迅 的 大 旗 不 倒 不无关系 。 说 近 一点 ， 八十 年代 ， 开 风气之先 的 河北省 和 其他 省 市 ， 成立 杂文 学会 和 出版 杂文 报刊 ， 都 是 受到 当地 党 、 政 领导 的 支持 才 立定脚跟 的 。
当代 杂文 作者 ， 并非 “ 画堂 鹦鹉 鸟 ， 冷暖 不 自知 ” 的 鸣禽 ； 而是 具有 时代 危机 、 历史 使命 、 社会 责任 三 感 的 轻骑 号兵 ， 以 坚持 “ 二 为 ” 方向 与 “ 双 百 ” 方针 、 革故鼎新 涤浊扬清 为 己 重任 的 文艺 战士 。 我 从 唱 国歌 引发 来 写 杂文 之 简明 启示 是 ： 当代 杂文 要 讲 政治 ， 坚持 改革 开放 ， 发扬 正气 ， 针砭时弊 ， 在 闪烁 着 战斗 锋芒 的 后边 ， 有 一 颗 火热 的 心 ， 同时 应当 努力 争取 更 多 的 人 的 理解 和 支持 ， 包括 党政 领导 ， 使 社会主义 杂文 事业 蓬勃 发展 ！
黄土地 上 的 蒲公英 （ 外 一 首 ）
李 瑛
归来 的 雁阵 飞过 渭水
陕北 ， 蒲公英 就 开放 了
挣扎 着 开放 在
窑洞 向阳 的 墙角 ， 在
秦皇 战车 碾 过 的 大道 旁
像 一 支 苦调 歌谣
像 一 盏 黄晕 的 灯光
半 是 美丽 ， 半 是 凄惶
从 黄土 ， 从 历史 ，
从 生活 的 缝隙 间
生 出 的 不起眼 的 蒲公英
开 得 那么 认真 和 坦荡
矢志 报偿 护卫 它 的
黄河 的 臂弯 ， 秦岭 的 胸膛
黄 得 像 黄土层
黄 得 像 黄河 浪
以 一个 民族 庄严 的 肤色
开放 在 陕北 春天 的 身旁
用 金箔 打 成 的 花瓣儿
轻轻 摇曳 在 春风 里
辉映 着 长天大野
泻 下 的 阳光
瞩望 过 秦宫 汉阙 的 兴衰
倾听 着 晨钟暮鼓 的 鸣响
陪伴 着 遭受 五千 年
风雨 切割 的 黄土地
以 无畏 的 坚毅 和 淳朴
构成 生命 的 重量
它 洁白 的 浆汁 为 母乳
苦涩 里 又 有 甜蜜 和 芬芳
它 熟悉 一个 民族 的 历史
半生 用 汗 艰辛 地 创造
半生 用 血 抚养 刀枪
归来 的 雁阵 飞过 渭水
陕北 ， 蒲公英 就 开放 了
挣扎 着 开放 在
黄土 陡壁 的 缝缝 上 ，
在 干 河滩 沟壑 的 羊圈 旁
从 历史 的 喧嚣 中
它 看见 了 ， 看见 了 ———
明日 ， 一个 时代 的 辉煌
布老虎 （ 一 ）
蹲 在 窑洞 的 土炕 上
这 只 想 心事 的 布老虎
可 感到 惆怅 和 孤独
虎啸 的 雷鸣 和 风声
早已 消失
震惊 得 扑簌簌 的 树叶
也 早已 旋转 着 落 下
只 有 沉寂 ， 填 满 空谷
其实 ， 这里 早已 没有 老虎
它 和 龙 早 被 埋 进 了 黄土
只 有 巧手 的 婆姨 们 缝 成
一只只 憨态可掬 的 布老虎
染 出 斑斓 的 条纹
绣 出 挺拔 的 胡须
三 分 威严 ， 七 分 纯朴
是 给 孩子 们 做 的 帽子
和 鞋子
期望 他们 从 头 到 脚
强悍 又 英武
我 的 虎头虎脑 的 孩子 们 呵
可 理解 她们 心底 的
爱 、 希冀 和 痛苦
明天 ， 我们 将 看到 一 群
勇敢 的 灵魂
烈烈 雄风 中
上 摘 星 月 ， 下 战 塬谷
大西北 的 地平线 会 颤动
起来
那 是 他们 如雷似火 、 震天动地
的
脚步
迎 虎年 （ 书法 ）
（ 关 山月 ）
凝眸 岁月
粒砂
“ 爆竹声 中 一 岁 除 ， 春风 送 暖 入 屠苏 。 ” 旧岁 要 去 ， 新年 又 来 。 在 这个 日子 ， 心中 有 一 丝 莫名无言 的 激动 ， 我 明明 知道 自己 从中 获得 了 什么 ， 可 一时 又 说不清 获得 的 究竟 是 些 什么 ？ 是 丰裕 的 物质 ， 还是 高洁 的 精神 ？ 我 默然 。 此刻 ， 我 倒 觉得 自己 有 点儿 自私 了 ， 我 每时每刻 都 从 慈爱 而 宽容 的 岁月 中 索取 了 很多 很多 ， 我 的 生命 在 岁月 的 抚爱 与 鞭策 下 逐渐 成长 成熟 。
岁月 曾经 给予 我 一 颗 烂漫 天真 的 童心 ， 那 份 童心 的 纯真 快乐 足以 抵御 那时 生活 给予 我 的 贫穷 。 后来 ， 到 了 上学 的 年龄 ， 当 我 第一 次 捧 回 了 一 张 百 分 试卷 给 父母 看 的 时候 ， 娘 的 一 抹 微笑 一 句 夸奖 ， 其间 透 着 几多 希冀 与 期待 啊 ！ 如今 我 已 长大成人 ， 在 挥洒 过 汗水 之后 流过 泪水 之后 ， 才 稍微 懂得 了 究竟 怎样 的 人 才 有 资格 从 岁月 那里 分享 到 一 份 喜悦 一 份 收成 ！
岁月 对 人们 的 赐予 是 没有 条件 的 。 不论 是 在 哪 一个 季节 里 ， 你 都 可以 走 进 属于 自己 的 土壤 ， 或 耕耘 或 播种 。 你 也 可 尽情 地 在 岁月 的 怀抱 里 或 歌唱 或 感叹 ， 但 你 唯独 不可 懈怠 疏懒 ， 不可 夸夸其谈 好高骛远 ！ 你 不要 以为 她 给予 人们 的 只 是 无尽 的 热忱 与 宽容 ， 有时 她 也 表现 出 极端 的 肃穆 与 严酷 ， “ 莫 等闲 ， 白 了 少年 头 ， 空 悲切 ” ， 不 正是 这样 吗 ？
岁月 的 流逝 显得 凄美 而 沉毅 ， 荣辱 与 成败 交替 ， 诞生 与 消亡 轮回 。 就 在 这 岁月 的 流逝 中 ， 在 这 凝眸 与 沉思 的 过程 中 ， 面对 岁月 ， 我 只有 拼搏 只有 真诚 ！ 这 是 生命 的 唯一 ， 我 别无选择 。
岁月 是 什么 ？ 是 我们 挥汗如雨 奔波如梭 的 一个个 平凡 而 真实 的 日子 ， 是 一 种 永恒 又 是 一 抹 瞬间 ， 就 如 一 只 飞鸟 在 空中 滑翔 的 痕迹 ， 一 朵 花 从 绽放 到 凋零 的 过程 ， 就 犹如 一 程 寂寞 漫长 的 孤旅 ， 就 如 春夏秋冬 抑或 晨 昏 昼夜 的 有序 更迭 。
岁月 如 鞭 ， 驱赶 着 我们 从 天真烂漫 的 童年 走向 朝气蓬勃 的 少年 ， 从 热血沸腾 的 青年 走向 理智 沉静 的 中年 ！ 在 岁月 面前 ， 你 总 抵 不 住 一 份 诱惑 一 丝 紧迫 。
或许 仅 是 因 此 ， 我们 便 没有 理由 愧对 岁月 ， 当 珍爱 之 ！ 有 位 诗人 说 得 好 ： “ 公正 的 时间 ， 必将 收割 一切 ！ ” 谁 都 不 可能 放浪 于 岁月 疏懒 于 岁月 而 有所 收获 。 所以 我 要 说 ， 拥有 了 岁月 之 情 光阴 之 爱 的 人 ， 才 是 世界 上 最 幸福 最 快乐 也 最 富有 的 人 。
在 新年 的 钟声 敲响 的 时刻 ， 面对 岁月 ， 这 是 我 的 歌 我 的 心音 。
温馨 的 贺卡
向 贤彪
年根儿 了 ， 一张张 贺卡 ， 飞越 关山 ， 从 他乡 飘 至 我 的 案头 。
面对 这些 印刷 精美 、 色彩斑斓 的 贺卡 ， 读 着 那些 诗句 、 那些 祝辞 ， 喜悦 、 激动 、 欣慰 之 情 油然而生 ， 温馨 、 甜蜜 的 感觉 更 是 丝丝缕缕 ， 细腻 绵长 ……
一 张 小小的 贺卡 ， 反映 着 寄卡人 的 性格 、 情趣 和 艺术 鉴赏力 ， 每 一 张 贺卡 都 记载 着 它 和 收发人 之间 的 联系 ， 甚至 还有 一段段 小 故事 。 去年 夏天 ， 我 参加 一 家 杂志社 组织 的 云南 少数民族 地区 风情 采风 活动 ， 在 饱览 了 大理 的 苍山 、 洱海 秀丽 风光 后 ， 萌发 了 要 写 一 篇 游记 的 念头 ， 但 因 对 当地 的 一些 历史 传说 了解 甚 少 ， 在 宾馆 苦思 两 天 都 没有 下笔 。 宾馆 白族 服务员 阿朵 姑娘 知道 我 的 苦衷 后 ， 主动 邀 来 一 位 文化馆 的 曲 同志 ， 为 我 讲述 大理 的 历史 沿革 和 动人 传说 ， 还 从 自己 家里 找 来 一 本 《 大理 今昔 》 的 书 供 我 参考 ， 使 我 很 快 打开 思路 ， 连夜 写 出 了 《 大理 采风 》 一 稿 。 临别 那天 下午 ， 我 去 向 阿朵 告别 ， 不巧 她 回 乡下 看 外婆 去 了 ， 我 只好 留下 一 张 纸条 向 她 道谢 。
出乎意料 的 是 ， 新年 前夕 ， 我 意外 地 收到 阿朵 寄 来 的 贺年卡 。 这 是 一 张 洁白 晶莹 、 四周 有 凸纹 的 贺卡 ， 在 卡面 上 印刷 着 湛蓝 的 洱海 ， 洱海 里 飘动 着 几 艘 帆船 ， 远处 的 苍山 隐约可见 ， 好 一 幅 大理 风光 图 。 在 贺卡 的 背面 ， 写 着 两 行 娟秀 的 小字 ： “ 你 发表 在 报纸 上 的 文章 ， 把 我们 大理 写 得 好 美 、 好 美 ！ 我 有幸 认识 你 这 位 朋友 ， 真 高兴 。 别 忘 了 再 来 苍山 、 洱海 。 ” 一 次 偶然 相遇 ， 留下 一 次 难忘 的 回忆 ； 一 行 娟秀 的 小字 ， 捎 来 一个 遥远 的 问候 ， 颇 令人感动 。
欣赏 精美 的 贺卡 ， 不啻 为 一 种 美好 享受 ； 咀嚼 贺卡 的 赠言 ， 更 使 人 忘情 其中 ， 受益匪浅 。 给 我 寄 贺卡 的 多 为 师长 、 朋友 和 战友 ， 由于 年龄 、 职业 不同 ， 贺卡 上 的 祝愿 也 不 尽 相同 。 一 位 年年 都 给 我 寄 贺卡 的 中学 老师 ， 每 一 年 的 祝辞 都 不同 ， 他 在 今年 寄 的 贺卡 上 写 道 ： “ 轻轻 贺年卡 ， 重重 忘年情 。 新岁 新 里程 ， 更上一层楼 。 ” 字字句句 ， 洋溢 着 师生 情谊 ， 寄托 着 殷切 希望 。 一 位 远方 的 老 首长 在 贺卡 上 寄语 ： “ 躬逢 盛世 当 奋发 ， 期待 你 在 新 的 一 年 里 ， 事业 丰收 。 ” 言语 不 多 ， 然而 句句 励人 。
近年 兴起 一 种 “ 贺年 （ 有 奖 ） 明信片 ” ， 许多 朋友 的 祝愿 总 在 中奖 上 做文章 ， 诸如 “ 祝 君 中奖 ” 、 “ 中奖 有 我 一半 ” 云云 ， 而 一 位 相交 甚笃 的 朋友 ， 近年 都 以 这种 有 奖 明信片 相 赠 ， 却 从不 写 中奖 的 祝语 。 前 两 天 又 如期 收到 她 的 明信片 ， 上面 只 有 一 句 话 ： “ 祝 天天 快乐 。 ” 是 啊 ， 能 达到 “ 天天 快乐 ” ， 能 有 这种 心境 的 人 ， 该 是 何等 幸福 的 啊 ！
豪华 的 贺卡 多 了 ， 人们 的 心态 又 转向 崇尚 朴素 、 简洁 之 美 。 尤其 是 那些 自制 的 贺卡 ， 更 能 体现 收发人 之间 纯真 的 友谊 。 在 我 收到 的 一 大 摞 贺卡 中 ， 就 有 一些 朋友 自制 的 以 树叶 、 彩布条 和 香烟盒纸 为 材料 的 贺卡 ， 做工 虽 简 ， 其 情 却 浓 。 我 曾 帮助 过 的 一 位 苗族 小姑娘 ， 每年 她 都 要 从 遥远 的 苗家 山寨 寄 来 一 张 自制 的 贺卡 ， 上面 用 树叶 拼 成 一个个 美丽 的 图案 ， 写 上 一两 句 简洁 的 祝语 ——— 素洁 、 清新 ， 无 色彩 却 有 情趣 。 一 位 画家 寄 来 的 贺卡 ， 上面 是 他 设计 创作 的 一 幅 画 ， 画面 是 两 把 富有 抽象 意味 的 雨伞 ， 伞罩 相交 ， 伞 的 弯 柄 ， 互相 朝 里 相亲 ， 伞 上 是 细细 的 雨滴 。 画 的 下边 写 着 一 行 小字 ： “ 人生 旅途 难免 遇到 风风雨雨 ， 相依 搀扶 才 能 共 创 风和日丽 。 ” 原来 ， 这 是 对 我们 家庭 的 祝福 。
贺 新年 （ 附 图片 ４ 张 ）
河北省 蔚县 剪纸 历史 悠久 ， 它 出自 民间 扎根 于 劳动 人民 之中 。
“ 贺 新年 ” 一 组 剪纸 ， 由 我国 目前 最 大 的 剪纸 艺术品 工厂 ——— 蔚县 剪纸厂 供稿 。
细语 （ 中国画 ）
（ 杨 光利 ）
我 爱 逛 农贸市场
董 其中
近些年 来 ， 生活 中 必不可少 的 便 是 逛 农贸市场 。
大概 是 我 为着 生活 而 操持 家务 ， 又 从事 美术 创作 而 需 感受 生活 ， 所以 对 逛 农贸市场 特别 感 兴趣 。 即使 我 每次 出差 外地 ， 也 尽可能 要 去 农贸市场 转转 。
在 离 我 家 不 远 的 一 条 小 街 里 ， 有 一个 很 热闹 的 早市 。 蔬菜 、 瓜果 、 家禽 、 水产 、 日用 工业品 都 有 。 不过 ， 还 是 农副产品 居多 ， 而 农副产品 中 又 数 蔬菜 最 多 ， 品种 也 非常 丰富 ， 连 南方 的 苦瓜 、 蕻菜 、 苋菜 也 多 起来 了 。 尤其 在 夏 秋 两 季 ， 映入 你 眼帘 的 尽 是 那 绿茵茵 的 芹菜 、 油菜 、 菠菜 ， 红澄澄 的 西红柿 、 红 辣椒 、 胡萝卜 ， 水灵灵 的 白萝卜 、 大白菜 、 大 柿椒 ， 还有 那 紫蓝蓝 的 茄子 、 洋葱 ， 等等 。 这些 蔬菜 纯真 的 色彩 我 一 见 就 爱 。 它 是 自然 之 美 ， 是 画家 调色板 上 的 色彩 无法 与 之 相比 的 。
我 来到 水产 摊位 前 ， 两 只 大 铁盆 内 盛 满 了 鲜活 鱼儿 ， 有 鲤鱼 、 鲫鱼 、 武昌鱼 、 鲶鱼 等 。 鱼 是 我们 常见 的 美食佳肴 ， 又 是 我们 画家 描绘 的 生动 对象 ， 在 高手 笔下 便 是 人们 钟爱 的 一幅幅 艺术 作品 。 我 观察 那 各种 鱼儿 的 体态 结构 和 活动 变化 ， 它们 在 水中 是 那样 自由 欢快 ， 水 给 鱼 以 活力 ， 水 是 鱼 的 生命 。 有 两 位 卖主 是 一 对 四川 夫妇 ， 他们 代 客 对 鱼 进行 粗 加工 ， 手活 十分 利落 ， 令 观者 赞叹不已 。 在 家禽 摊位 中 ， 有 一个 摊位 专卖 乌骨鸡 。 嘴脸 乌黑 、 羽毛 洁白 轻柔 的 乌骨鸡 被 圈 在 几 只 铁丝 笼子 里 。 它 原本 是 两千五百 公里 之外 我 老家 江西 泰和 的 一 大 特产 ， 记得 我 小时 就 吃 过 。 如今 在 身边 见 到 此 物 ， 让 更 多 的 人 能 品尝 到 这种 美食 ， 感到 格外 高兴 。 同时 我 又 想 ， 像 这样 在 异地 繁殖 乌骨鸡 ， 原产地 的 优势 不 就 小 了 吗 ？ 不过 ， 由于 气候 、 水土 和 饲料 等 因素 ， 同一 物种 的 味道 南北 是 有 差异 的 。
在 农贸市场 如何 识别 和 选购 物品 大 有 学问 。 冬季 ， 上市 的 羊肉 一块块 的 钩挂 起来 一 溜 排 开 ， 当 我 在 这些 羊肉 摊位 前 徘徊 时 ， 就 听见 有人 在 评头论足 ， 说 那 肉色 暗红 的 是 山羊肉 ， 那 肉色 淡红 的 才 是 绵羊肉 。 当 有人 在 一 堆 死 鱼 前 举棋不定 时 ， 我 也 会 上前 去 告 他们 说 ， 抠 开 那 腮壳 看看 里面 的 腮 ， 若是 鲜红色 便 是 较 新鲜 的 ， 如 腮 的 颜色 发 白 就 欠佳 了 。 我 从小 长 在 河边 ， 可以 说 是 吃 鱼 长大 的 ， 懂得 这 方面 的 一点 知识 。
农贸市场 上 为什么 一时 生姜 跌 到 一 元 一 市斤 ， 而 一 年 之后 竟 涨 到 十 元 一 市斤 ， 再 过 一 年 价格 便 趋向 合理 ？ 物价 的 大 跌 大 涨 ， 物品 的 时缺时剩 ， 供求 从 平衡 到 失衡 ， 又 从 失衡 到 平衡 等 ， 属于 市场经济 的 一些 问题 ， 也 可 从 一个 小小的 市场 引发 思考 ， 悟 出 道理 以至 求得 答案 ， 使 我们 也 增加 了 点 经济 头脑 。
人们 围 在 一 车 玉茭 前 争相 选购 ， 玉茭 很快 被 买 光 。 作为 卖主 的 那位 农民 兄弟 ， 半 躺 在 那 剥弃 的 松软 的 玉茭皮 里 ， 数点 着 钞票 ， 那 惬意 和 舒心 劲儿 ， 那 憨态可掬 的 神情 ， 使 我 驻足 留连 ， 那 农民 的 形象 不 就 是 当今 中国 农民 的 一个 缩影 ， 它 深深 地 印 在 我 脑海 里 。
入秋 ， 花生 上市 了 ， 一 位 四十 多 岁 的 农妇 ， 用 她 那 壮实 的 双手 ， 将 一 大 麻袋 还 带 着 泥土 芳香 的 花生 倒 了 出来 。 我 还 未曾 见 到 过 这种 花生 ， 几乎 每 一 颗 都 饱含 四 个 米粒 ， 招 人 喜爱 。 农妇 满脸 丰收 喜悦 ， 向 我们 这些 分享 她 劳动 成果 的 城里人 连连 地 说 ： 『 你们 随便 挑 哇 ， 咱 自家 种 的 ， 八月十五 快 到 了 ， 买 回去 全家 吃 个 鲜 。 』 她 一边 说 着 ， 一边 还 帮 我们 挑选 哩 。 态度 是 那样 和善 亲切 ， 心地 是 那样 豁达 开朗 。 这时 ， 我 是 绝不 会 去 砍价 的 。
我 在 农贸市场 也 曾 遇到 过 一些 不 愉快 的 事情 ： 买 羊肉 时 ， 发现 秤盘 下面 竟 沾 着 一 块 羊油 ， 这 是 卖主 为 增加 重量 而 搞 的 鬼 。 还有 一 次 ， 我 从 农贸市场 买 回来 两 斤 带鱼 ， 妻子 称 了 一下 竟 短 了 半 斤 。 吃一堑 ， 长一智 ， 以后 我 就 多 了 一个 心眼 。
年复一年 ， 日复一日 ， 我 一次次 踏 着 晨光 ， 呼吸 着 新鲜 空气 走向 农贸市场 。 到 农贸市场 采购 ， 我 好像 置身 于 乡村 ， 在 田野 漫步 ； 又 好像 倘佯 在 自然美 的 世界 ， 感受 乡情 温馨 和 审美 乐趣 。 每次 我 空 手 而 去 ， 却 都 是 满载而归 。 然而 ， 更 使 我 高兴 和 欣慰 的 是 ， 我 带 回 的 还有 那 时代 的 变化 ， 田野 的 希望 ， 大自然 的 恩赐 ， 生活 的 启迪 和 那 深 藏 在 劳动者 心底 的 美 。
新年 的 祝福 （ 二 首 ）
曹 金良
贺年卡 （ 一 ）
乘 着 生肖 的 纸鸢
在 寒风 冷 雪 里
抵达 家门
如 一 盏 灯
照耀 整个 屋内
吉祥 的 问候
只 需 一 遍
便 缭绕 不 绝
将 祝福 的 心意
贴 满 窗户
成为 迎春 的 剪纸
童话 般的 温馨
就 这样 带 着 春 的 气息
逐渐 生长
逐渐 成熟
暖 亮 了 每 一个 夜晚
也 暖 亮 着 现实 的 心灵
年历片 （ 二 ）
掌 上 的 时间
怎么 抓 也 抓 不 住
好像 一 串 鞭炮
一 天 一 响
鸣 亮 白昼
也 消失 夜晚
让 我们 的 手心
攥 满 工作
不 能 懈怠
以 成功 和 喜悦
献给 新 的 节日
庆祝 我们 新 的 辉煌
国泰民安 （ 篆刻 ）
（ 陈 少华 ）
在 全国 政协 新年 茶话会 上 的 讲话
（ 一九九八年 一月 一日 ） （ 附 图片 １ 张 ）
江 泽民
江 泽民 在 茶话会 上 发表 重要 讲话 。 （ 新华社 记者 王 新庆 摄 ）
同志 们 、 朋友 们 ：
在 这 辞旧迎新 的 喜庆 时刻 ， 我 代表 中共中央 、 国务院 、 中央军委 ， 向 各 民主党派 、 全国 工商联 和 无党派 爱国人士 ， 向 全国 广大 工人 、 农民 、 知识分子 和 干部 ， 向 人民 解放军 指战员 、 武警 官兵 、 公安 干警 ， 向 香港 特别 行政区 同胞 、 澳门 同胞 、 台湾 同胞 和 海外 侨胞 ， 向 关心 和 帮助 中国 现代化 建设 的 国际 友人 ， 表示 良好 的 祝愿 ！ 祝 大家 新年 好 ！
一九九七年 ， 是 我们 党 和 国家 历史 上 非常 重要 而 又 极 不 平凡 的 一 年 。 年初 ， 敬爱 的 邓 小平 同志 离开 了 我们 ， 全党 全军 全国 各族 人民 紧密 团结 在 党中央 周围 ， 毫不动摇 地 坚持 党 的 基本 理论 和 基本 路线 ， 把 建设 有 中国 特色 社会主义 事业 继续 推向 前进 。 我国 政府 顺利 恢复 对 香港 行使 主权 ， 保持 了 香港 的 繁荣 稳定 ， 在 完成 祖国 统一 大业 的 道路 上 迈出 了 重要 的 一 步 。 我们 胜利 召开 党 的 十五大 ， 高举 邓小平理论 伟大 旗帜 ， 总结 历史 ， 展望 未来 ， 制定 了 党 在 社会主义 初级阶段 的 基本 纲领 ， 对 改革 开放 和 现代化 建设 跨 世纪 发展 作出 了 全面 部署 。 这 两 件 大事 ， 极 大 地 鼓舞 全党 和 全国 各族 人民 更加 紧密 地 团结 起来 ， 为 把 我国 建成 富强 民主 文明 的 社会主义 现代化 国家 ， 完成 祖国 统一 大业 而 奋斗 。
一九九七年 ， 我国 改革 开放 和 现代化 建设 继续 全面 推进 。 国民经济 实现 了 “ 高 增长 ， 低 通胀 ” ， 主要 经济 指标 基本 达到 宏观 调控 的 预期 目标 ， 保持 着 良好 的 发展 态势 。 农业 生产 再次 获得 好 收成 ， 企业 改革 继续 深化 ， 结构 调整 步伐 加大 ， 财政 收入 增长 较 快 ， 金融 形势 稳定 。 城乡 人民 生活 进一步 改善 。 对外 经济 技术 交流 与 合作 继续 扩大 ， 国际 收支 状况 良好 。 总的来看 ， 去年 的 经济 形势 是 好 的 ， “ 九五 ” 计划 的 良好 开局 得到 巩固 和 发展 。 党 的 建设 、 民主 法制 建设 和 精神文明 建设 取得 显著 成就 。 人民 解放军 革命化 、 现代化 、 正规化 建设 得到 进一步 加强 。 我们 伟大 的 祖国 ， 保持 社会 政治 、 经济 、 文化 协调 发展 和 全面 进步 的 兴盛 局面 。
一九九七年 ， 我国 外交 工作 取得 了 重要 成果 。 我国 同 周边 国家 的 睦邻友好 关系 继续 加强 ， 同 广大 发展中国家 的 团结 合作 进一步 巩固 ， 同 西方 发达国家 的 关系 得到 改善 和 发展 。 通过 高层 互访 ， 我国 与 美 、 俄 、 法 、 日 等 大国 确立 了 面向 二十一 世纪 发展 双边 关系 的 目标 和 指导 方针 。 今天 ， 我国 已 同 南非共和国 实现 关系 正常化 ， 正式 建立 外交 关系 。 我国 还 积极 参与 了 区域性 、 洲际性 经济 贸易 和 技术 合作 与 交流 。 我国 的 国际 地位 和 国际 影响 进一步 提高 。 国际 舆论 普遍 认为 ， 中国 在 促进 世界 和 地区 的 和平 、 稳定 与 发展 中 发挥 着 日益 重要 的 作用 。
一九九八年 ， 是 全面 贯彻 落实 十五大 提 出 的 各项 任务 的 第一 年 ， 也 是 完成 “ 九五 ” 计划 的 关键 一 年 。 我们 要 高举 邓小平理论 伟大 旗帜 ， 以 党 的 十五大 精神 为 指导 ， 统揽全局 ， 精心 部署 ， 狠抓 落实 ， 团结 一致 ， 艰苦奋斗 ， 开拓 前进 。 要 继续 贯彻 稳中求进 的 方针 ， 抓住 影响 经济 工作 的 关键 环节 ， 全面 推进 改革 开放 和 经济 建设 的 各项 工作 ； 加强 农业 基础 地位 ， 加快 国有 企业 为 重点 的 各项 改革 ， 积极 调整 和 优化 经济 结构 ， 进一步 扩大 对外开放 ， 继续 推进 经济 体制 和 增长 方式 的 根本 转变 ， 保持 国民经济 持续 快速 健康 发展 ； 加强 民主 法制 建设 ， 推进 依法 治国 ， 抓紧 进行 机构 改革 ； 加强 精神文明 建设 ， 促进 教育 科学 文化 事业 发展 和 社会 全面 进步 ； 加强 党 的 建设 ， 坚持不懈 地 开展 反 腐败 斗争 。 当前 ， 特别 要 注意 组织 和 调动 各 方面 的 力量 ， 切实 安排 好 群众 的 工作 和 生活 ， 维护 城乡 社会 稳定 。 在 “ 一国两制 ” 、 “ 港人治港 ” 、 高度 自治 的 方针 指导 下 ， 继续 保持 香港 的 繁荣 稳定 。 要 积极 做好 澳门 回归 的 各项 准备 工作 。
一九九八年 ， 将 召开 第九 届 全国 人民 代表大会 第一 次 会议 和 中国 人民 政治 协商 会议 第九 届 全国 委员会 第一 次 会议 ， 地方 人大 和 政协 也 要 换届 。 这 是 我国 政治 生活 中 的 大事 。 各级 党委 和 政府 要 加强 领导 ， 精心 组织 ， 做好 工作 ， 进一步 坚持 和 完善 人民 代表大会 制度 、 共产党 领导 的 多 党 合作 和 政治 协商 制度 。
改革 开放 近 二十 年 来 ， 我们 取得 了 举世瞩目 的 成就 ， 这 为 我们 的 事业 取得 新 的 胜利 奠定 了 坚实 的 基础 。 但 也 要 清醒 地 看到 ， 国际 竞争 日益 激烈 ， 在 我们 这样 一个 有 十二亿 人口 的 国家 中 进行 现代化 建设 ， 任重而道远 。 要 承担 和 完成 艰巨 繁重 的 改革 和 建设 任务 ， 各级 干部 特别 是 领导 干部 ， 一定 要 坚持 学习 马列主义 、 毛泽东思想 特别 是 邓小平理论 ， 并 在 实践 中 创造性 地 加以 运用 ， 进一步 解放思想 ， 实事求是 ， 抓住 机遇 ， 开拓进取 ； 一定 要 努力 吸收 新 知识 ， 研究 新 情况 ， 思考 新 问题 ， 善于 把 中央 的 路线 方针 政策 同 本地 本 单位 的 实际 紧密 结合 起来 ， 依靠 人民 群众 ， 脚踏实地 、 扎扎实实 地 工作 。 这样 ， 我们 就 一定 能 克服 前进 中 的 困难 ， 把 改革 和 发展 的 各项 事业 不断 推向 前进 。
实现 祖国 完全 统一 ， 是 海内外 一切 爱国 的 中华 儿女 的 共同 心愿 。 澳门 将 于 一九九九年 十二月 回到 祖国 怀抱 。 此时此刻 ， 我们 更加 思念 台湾 同胞 。 我们 将 继续 坚持 “ 和平 统一 、 一国两制 ” 的 基本 方针 和 发展 两岸 关系 、 推进 祖国 和平 统一 进程 的 八 项 主张 ， 大力 发展 两岸 经济 、 科技 、 文化 领域 的 交流 与 合作 ， 推动 实现 两岸 直接 “ 三通 ” 。 我们 希望 台湾 当局 以 民族 大义 为重 ， 尽早 回应 我们 提 出 的 在 一个 中国 的 原则 下 两岸 进行 谈判 的 郑重 呼吁 。
我们 将 坚持 独立自主 的 和平 外交 政策 ， 继续 在 和平共处 五 项 原则 基础 上 发展 同 各国 的 友好 合作 关系 ， 同 世界 各国 人民 共同 努力 ， 为 推动 建立 公正 合理 的 国际 新 秩序 ， 为 促进 世界 和平 与 发展 的 崇高 事业 和 开创 人类 美好 的 未来 ， 作出 积极 的 贡献 。
人民 政协 在 过去 的 一 年 中 ， 认真 履行 自己 的 职能 ， 积极 反映 社情民意 ， 为 促进 国家 的 改革 和 建设 提供 了 许多 好 的 建议 和 意见 。 在 新 的 一 年 里 ， 希望 人民 政协 继续 发挥 爱国 统一战线 组织 的 优势 和 作用 ， 继续 推进 政治 协商 、 民主 监督 、 参政议政 的 规范化 和 制度化 ， 使 之 成为 我们 党 团结 各界 的 重要 渠道 。 要 继续 发挥 各 民主党派 、 人民团体 和 各界 爱国人士 在 政协 中 的 作用 ， 为 促进 改革 开放 和 现代化 建设 ， 实现 中华 振兴 和 完成 祖国 统一 ， 不断 贡献 自己 的 智慧 和 力量 。
同志 们 ， 朋友 们 ， 让 我们 在 邓小平理论 的 指引 下 ， 更加 紧密 地 团结 起来 ， 为 把 建设 有 中国 特色 社会主义 事业 全面 推向 二十一 世纪 而 努力 奋斗 ！
（ 新华社 北京 １月 １日 电 ）
全国 政协 举行 新年 茶话会 欢聚一堂 庆 佳节 团结 一致 展 宏图
江 泽民 作 重要 讲话 李 鹏 乔 石 朱 镕基 李 瑞环 刘 华清 尉 健行 李 岚清 荣 毅仁 出席 （ 附 图片 １ 张 ）
元月 一日 ， 全国 政协 举行 新年 茶话会 ， 江 泽民 、 李 鹏 、 乔 石 、 朱 镕基 、 李 瑞环 、 刘 华清 、 尉 健行 、 李 岚清 、 荣 毅仁 等 出席 。 （ 新华社 记者 樊 如钧 摄 ）
本报 北京 一月 一日 讯 中央 人民 广播 电台 记者 刘 振英 、 新华社 记者 陈 雁 、 本报 记者 陈 维伟 报道 ： 中国 人民 政治 协商 会议 全国 委员会 今天 上午 在 全国 政协 礼堂 举行 一九九八年 新年 茶话会 。 江 泽民 、 李 鹏 、 乔 石 、 朱 镕基 、 李 瑞环 、 刘 华清 、 尉 健行 、 李 岚清 、 荣 毅仁 等 党 和 国家 领导人 ， 同 全国 政协 、 各 民主党派 和 全国 工商联 负责人 、 无党派 爱国人士 ， 中央 、 国家机关 有关 方面 的 负责 同志 ， 以及 首都 各界 代表 欢聚一堂 ， 共度 佳节 。
中共中央 总书记 、 国家 主席 、 中央军委 主席 江 泽民 在 茶话会 上 发表 重要 讲话 。 他 代表 中共中央 、 国务院 、 中央军委 ， 向 各 民主党派 、 全国 工商联 和 无党派 爱国人士 ， 向 全国 广大 工人 、 农民 、 知识分子 和 干部 ， 向 人民 解放军 指战员 、 武警 官兵 、 公安 干警 ， 向 香港 特别 行政区 同胞 、 澳门 同胞 、 台湾 同胞 和 海外 侨胞 ， 向 关心 和 帮助 中国 现代化 建设 的 国际 友人 ， 表示 良好 的 祝愿 ， 祝 大家 新年 好 。
江 泽民 说 ， 一九九七年 ， 是 我们 党 和 国家 历史 上 非常 重要 而 又 极 不 平凡 的 一 年 。 年初 ， 敬爱 的 邓 小平 同志 离开 了 我们 ， 全党 全军 全国 各族 人民 紧密 团结 在 党中央 周围 ， 毫不动摇 地 坚持 党 的 基本 理论 和 基本 路线 ， 把 建设 有 中国 特色 社会主义 事业 继续 推向 前进 。 我国 政府 顺利 恢复 对 香港 行使 主权 ， 保持 了 香港 的 繁荣 稳定 ， 在 完成 祖国 统一 大业 的 道路 上 迈出 了 重要 的 一 步 。 我们 胜利 召开 党 的 十五大 ， 高举 邓小平理论 伟大 旗帜 ， 总结 历史 ， 展望 未来 ， 制定 了 党 在 社会主义 初级阶段 的 基本 纲领 ， 对 改革 开放 和 现代化 建设 跨 世纪 发展 作出 了 全面 部署 。 这 两 件 大事 ， 极 大 地 鼓舞 全党 和 全国 各族 人民 更加 紧密 地 团结 起来 ， 为 把 我国 建成 富强 民主 文明 的 社会主义 现代化 国家 ， 完成 祖国 统一 大业 而 奋斗 。
江 泽民 指出 ， 一九九八年 ， 是 全面 贯彻 落实 十五大 提 出 的 各项 任务 的 第一 年 ， 也 是 完成 『 九五 』 计划 的 关键 一 年 。 我们 要 高举 邓小平理论 伟大 旗帜 ， 以 党 的 十五大 精神 为 指导 ， 统揽全局 ， 精心 部署 ， 狠抓 落实 ， 团结 一致 ， 艰苦奋斗 ， 开拓 前进 。 一九九八年 ， 将 召开 第九 届 全国 人民 代表大会 第一 次 会议 和 中国 人民 政治 协商 会议 第九 届 全国 委员会 第一 次 会议 ， 地方 人大 和 政协 也 要 换届 。 这 是 我国 政治 生活 中 的 大事 。 各级 党委 和 政府 要 加强 领导 ， 精心 组织 ， 做好 工作 ， 进一步 坚持 和 完善 人民 代表大会 制度 、 共产党 领导 的 多 党 合作 和 政治 协商 制度 。
江 泽民 指出 ， 我们 将 继续 坚持 『 和平 统一 、 一国两制 』 的 基本 方针 和 发展 两岸 关系 、 推进 祖国 和平 统一 进程 的 八 项 主张 ， 大力 发展 两岸 经济 、 科技 、 文化 领域 的 交流 与 合作 ， 推动 实现 两岸 直接 『 三通 』 。 我们 希望 台湾 当局 以 民族 大义 为重 ， 尽早 回应 我们 提 出 的 在 一个 中国 的 原则 下 两岸 进行 谈判 的 郑重 呼吁 。 我们 将 坚持 独立自主 的 和平 外交 政策 ， 继续 在 和平共处 五 项 原则 基础 上 发展 同 各国 的 友好 合作 关系 ， 同 世界 各国 人民 共同 努力 ， 为 推动 建立 公正 合理 的 国际 新 秩序 ， 为 促进 世界 和平 与 发展 的 崇高 事业 和 开创 人类 美好 的 未来 ， 作出 积极 的 贡献 。 （ 全文 另 发 ）
新年 茶话会 由 中共中央 政治局 常委 、 全国 政协 主席 李 瑞环 主持 。 他 代表 政协 全国 委员会 向 各位 来宾 表示 热烈 的 欢迎 ， 祝 大家 在 新 的 一 年 里 身体 健康 、 工作 顺利 、 阖家幸福 ； 同时 向 所有 关心 、 支持 政协 工作 的 同志 和 朋友 们 表示 衷心 的 感谢 ， 希望 大家 在 新 的 一 年 中 ， 给 政协 工作 以 更 多 的 关心 、 帮助 和 支持 。
（ Ａ 、 Ｂ ）
民建 中央 主席 成 思危 也 在 茶话会 上 讲 了 话 。 他 代表 各 民主党派 中央 、 全国 工商联 和 无党派人士 ， 向 全国 各族 人民 致以 良好 的 祝愿 ， 向 香港 特别 行政区 同胞 、 澳门 同胞 、 台湾 同胞 和 海外 侨胞 致以 诚挚 的 问候 ， 向 伟大 而 光荣 的 中国 共产党 致以 崇高 的 敬意 。
出席 茶话会 的 领导 同志 还有 ： 丁 关根 、 田 纪云 、 李 铁映 、 吴 邦国 、 迟 浩田 、 张 万年 、 姜 春云 、 贾 庆林 、 温 家宝 、 曾 庆红 、 邹 家华 、 张 震 、 王 汉斌 、 倪 志福 、 费 孝通 、 雷 洁琼 、 李 锡铭 、 王 光英 、 程 思远 、 卢 嘉锡 、 布赫 、 铁木尔·达瓦买提 、 吴 阶平 、 宋 健 、 李 贵鲜 、 陈 俊生 、 司马义·艾买提 、 彭 珮云 、 任 建新 、 张 思卿 、 吴 学谦 、 杨 汝岱 、 王 兆国 、 钱 伟长 、 胡 绳 、 钱 正英 、 孙 孚凌 、 朱 光亚 、 万 国权 、 何 鲁丽 。
马 文瑞 、 汪 锋 等 老 同志 也 出席 了 茶话会 。
出席 茶话会 的 还有 ： 中央军委 委员 傅 全有 、 于 永波 、 王 克 、 王 瑞林 ， 全国 人大 常委会 秘书长 曹 志 ， 全国 政协 秘书长 朱 训 等 有关 方面 负责人 和 各界 人士 共 ４００ 多 人 。
在 茶话会 上 ， 江 泽民 等 领导 同志 来到 在座 各界 人士 中间 ， 亲切 交谈 ， 互 致 问候 ， 并 向 大家 拜年 。
文艺 工作者 在 茶话会 上 演出 了 歌剧 选段 、 小提琴 独奏 、 京剧 清唱 、 民乐 四重奏 等 精彩 的 文艺 节目 。
北国 有 寒趣 南疆 闻 花香 各地 群众 喜庆 元旦
据 新华社 北京 １月 １日 电 １９９８年 元旦 之际 ， 从 寒峭 的 北国 大地 ， 到 如春 的 海南 宝岛 ； 从 美丽 的 东海 之 滨 ， 到 莽莽 的 西部 边陲 ， 全国 各地 各族 人民 纷纷 喜庆 佳节 ， 决心 在 新 的 一 年 里 ， 高举 邓小平理论 的 伟大 旗帜 ， 在 党 的 十五大 精神 指引 下 胜利 前进 。
元旦 的 北京 ， 节日 气氛 格外 浓厚 。 清晨 ， 来自 祖国 各地 及 港澳台 地区 的 ４万 多 人 ， 冒 着 零下 ７ 摄氏度 的 严寒 ， 自发 地 聚集 到 了 祖国 的 心脏 ——— 天安门 广场 ， 参加 了 庄严 的 元旦 天安门 广场 升 国旗 仪式 。 在 长安街 沿线 及 大街小巷 的 高大 建筑物 上 ， 国旗 、 彩旗 飘扬 。 京城 各 大 公园 、 商场 及 各种 娱乐 场所 也 都 充满 了 欢乐 气氛 。 巨大 的 氢气 红灯笼 和 各种 颜色 的 彩球 飘荡 在 冬日 京城 的 天空 中 。
今天 ， 哈尔滨市 的 最低 气温 达到 零下 ２５ 摄氏度 ， 但 市民 们 欢庆 新年 的 热情 却 没有 丝毫 减弱 。 在 冰雪 覆盖 的 松花江 上 ， 刚刚 开放 的 江 上 游乐园 成 了 人们 游玩 的 好 去处 。 一座座 冰雕 构成 了 另 一个 崭新 的 世界 ， 人们 穿梭 其间 ， 尽情 地 享受 冰雪 带来 的 无穷 乐趣 。
与 寒冷 的 哈尔滨 形成 鲜明 对照 ， 南国 春 来 早 ， 花城 今 更 艳 。 ’９８ 广州 风情 贺年 缤纷 大 巡游 今天 在 广州 隆重 举行 ， 为 广州 新年 第一 天 增添 了 喜庆 的 节日 气氛 ， 同时 也 拉开 了 ’９８ 华夏 城乡游 （ 广州 ） 活动 的 序幕 。
来自 香港 特区 １０ 多 个 团体 的 ４００ 多 位 香港 同胞 首 次 来 广州 参加 此次 贺年 活动 。
海口市 阳光 明媚 。 公园 里 到处 是 欢乐 的 人群 ， 五颜六色 的 风筝 带 着 人们 新春 的 心愿 和 祝福 在 天上 越 飞 越 高 。
古城 西安 以 整洁 的 市容 市貌 迎来 了 １９９８年 的 第一 天 。 彩旗 、 红灯 和 悬浮 在 空中 的 彩色 气球 把 各 主要 街道 装扮 得 五彩缤纷 ， 充满 了 欢乐 祥和 的 节日 气氛 。 位于 市中心 的 钟楼 和 鼓楼 相映成辉 ， 游客 们 兴致勃勃 地 登 上 钟楼 ， 敲响 了 新年 的 钟声 。
在 郑州 最 大 的 绿城 广场 ， 来自 中原区 大岗 刘乡 冯湾村 农民 艺术团 精彩 的 高跷 、 盘鼓 、 秧歌 表演 吸引 了 众多 的 游园 群众 。 在 风景如画 的 金水河 畔 ， 郑州 老年 豫剧团 等 数 支 民间 表演 团体 也 自发 地 开展 各种 演出 活动 ， 引起 周围 众多 豫剧 爱好者 的 阵阵 喝彩 。
今日 清晨 ， 在 嘹亮 的 国歌声 中 ， 拉萨 隆重 举行 升 国旗 仪式 。 一 面 鲜艳 的 五星红旗 在 布达拉宫 广场 上 冉冉 升起 ， 成为 新年 里 雪域 高原 上 最为 激动人心 的 景观 。 拉萨 街头 ， 各 机关 单位 的 大门口 都 挂 起 崭新 的 五星红旗 ， 几 条 主要 街道 上 彩旗 翻飞 ， 乐声 悠扬 。
山城 重庆 ， 腊梅 飘香 ， 彩灯 高 挂 ， 一派 喜庆 气氛 ， 重庆 迎来 建 直辖市 后 的 第一 个 元旦 。 冬季 难得 的 阳光 透过 薄雾 将 重庆 照耀 得 一 片 灿烂 。 刚刚 落成 、 颇 具 现代 园林 风格 的 珊瑚 公园 内 ， 绿影扶疏 ， 游人如织 。 从 广州 等 地 空运 来 的 １８万 枝 鲜花 竞相 争 艳 ， 为 隆冬 的 重庆 带来 阵阵 春意 。
中共中央 政治局 委员 、 中共 上海 市委 书记 黄 菊 ， 中共中央 政治局 委员 、 河南 省委 书记 李 长春 ， 分别 在 所 在 省市 参加 了 看望 和 慰问 群众 的 活动 。
承 百年 报国志 做 世纪 栋梁材 北大 学生 举行 宣誓 仪式
本报 北京 １月 １日 讯 记者 王 建新 报道 ： 今天 的 北京 ， 节日 气氛 浓厚 。 来自 全国 各地 的 数万 群众 参加 了 天安门 广场 升 国旗 仪式 。 北京大学 ２０ 多 个 院 系 的 １０００ 多 名 大学生 ， 参加 升旗 仪式 后 ， 举行 了 “ 胸怀祖国 、 服务 人民 ” 为 主题 的 北大 学生 “ 承 百年 报国志 ， 做 世纪 栋梁材 ” 宣誓 活动 。
大学生 们 整齐 地 立 在 广场 上 ， 他们 面对 国旗 ， 举起 右手 ， 高声 倡议 ： “ 响应 江 泽民 总书记 的 号召 ， 胸怀祖国 ， 服务 人民 ， 争 做 跨 世纪 的 栋梁之材 。 ” 他们 庄严 宣誓 ： “ 继承 北大 光荣 革命 传统 ， 高举 邓小平理论 伟大 旗帜 ， 紧密 团结 在 以 江 泽民 同志 为 核心 的 党中央 周围 ， 为 实现 中华民族 的 全民 振兴 而 努力 奋斗 。 ” 誓词 伴随 着 《 歌唱 祖国 》 的 激越 旋律 久久 回荡 在 广场 上空 ， 飞扬 的 青春 昭示 着 祖国 灿烂 的 明天 。
我 驻 南非 大使馆 开馆 钱 其琛 揭牌 并 讲话
本报 比勒陀利亚 １月 １日 电 记者 温 宪 报道 ： 中国 国务院 副 总理 兼 外交部长 钱 其琛 今天 在 这里 宣布 ， 中华人民共和国 大使馆 正式 开馆 。
开馆 仪式 在 原 中国 国际 问题 研究所 驻 比勒陀利亚 南非 研究 中心 所在地 举行 。 南非 外交部 部长 恩佐 、 各国 驻 南非 使节 、 南非 各界 人士 、 南非 华人 华侨 代表 和 中国 外交官 以及 新闻 机构 的 记者 约 ３００ 人 目睹 了 这 一 激动人心 的 历史性 时刻 。
开馆 仪式 由 中国 驻 南非共和国 首任 大使 王 学贤 主持 。 钱 其琛 在 开馆 仪式 上 发表 了 讲话 。 钱 其琛 说 ： “ 今天 ， 正 当 世界 人民 喜迎 新年 之际 ， 中华人民共和国 与 南非共和国 正式 建立 了 外交 关系 ， 中华人民共和国 驻 南非共和国 大使馆 也 正式 开馆 。 这 将 是 中国 、 南非 两 国 人民 一个 值得 纪念 的 日子 。 ” 他 说 ： “ 中华人民共和国 驻 南非共和国 大使馆 肩负 着 促进 中国 、 南非 两 国 在 各个 领域 开展 友好 合作 的 重任 ， 在 南非 政府 和 各界 友好 人士 的 支持 下 开展 工作 。 中国 大使馆 将 为 增进 两 国 人民 之间 的 了解 、 加深 两 国 人民 之间 的 传统 友谊 作出 贡献 。 ” 钱 其琛 为 中国 驻 南非 大使馆 揭开 馆牌 。
南非 外长 恩佐 在 讲话 中 首先 代表 南非 政府 对 中国 大使馆 正式 开馆 表示 祝贺 。 他 说 ， 在 两 国 正式 建交 后 的 第一 天 举行 这 一 开馆 仪式 “ 标志 着 我们 双边 关系 中 的 历史性 时刻 ” 。
农民 乐队 新年 为 群众 义演 （ 图片 ）
江西 临川市 洋洲镇 洋洲村 的 农民 乐队 在 元旦 这天 为 本村 村民 演出 迎 新年 节目 。 这个 乐队 由 农民 自发 组织 成立 ， 挖掘 整理 出 失传 多年 的 “ 临川 民间 地方 曲调 ” 五 部 ， 走村串户 为 农民 义演 ， 深受 群众 欢迎 。 （ 新华社 记者 宋 振平 摄 ）
祝愿 祖国 明天 更加 繁荣昌盛 香港 大学生 在 京 度 佳节
新华社 北京 １月 １日 电 （ 江 涛 、 曹 斌 ） 昨晚 ， 第一 次 来到 首都 北京 的 ５０ 多 名 香港 大学生 ， 和 北京 航空 航天 大学 的 同学 们 在 《 歌唱 祖国 》 的 歌声 中 一起 迎接 １９９８年 的 到来 。
此次 到 京 的 香港 大学生 来自 香港 科技 大学 和 浸会 大学 ， 他们 于 １２月 ３０日 抵 京 后 参观 了 北大 、 清华 和 抗日战争 纪念馆 。 在 中国 青年 政治 学院 ， 两地 大学生 就 学习 、 生活 等 共同 关心 的 话题 展开 了 交流 。
今天 早晨 ， 香港 大学生 顶 着 寒风 在 天安门 广场 参加 了 庄严 的 升 国旗 仪式 ， 当 五星红旗 冉冉 升起 的 时候 ， 许多 同学 情不自禁 地 唱 起 了 国歌 ， 大家 祝愿 祖国 明天 更加 繁荣昌盛 。
黑龙江 ： 省 领导 走访 慰问 困难 职工
本报 哈尔滨 １月 １日 电 记者 董 伟 报道 ： 顶 着 寒风 ， 黑龙江省 各级 领导 组成 若干 慰问 小组 ， 在 节日 期间 深入 到 厂矿 车间 ， 为 困难 职工 送 去 党 的 温暖 。
元旦 前 ， 省委 书记 徐 有芳 率 省委 、 省政府 第一 走访 慰问组 驱车 数百 里 来到 华安 工业 （ 集团 ） 公司 ， 一 下车 ， 就 走 进 困难 职工 的 家中 。 在 原 华安 厂 高级 工程师 李 升 的 家中 ， 徐 有芳 了解 到 ， ６２ 岁 的 李 升 已 患 脑血栓 瘫痪 在 床 １２ 年 ， 家里 生活 非常 拮据 。 徐 有芳 坐 在 李 升 的 床 前 ， 把 慰问金 交给 这 位 老 知识分子 ， “ 你们 对 共和国 的 贡献 ， 党 和 人民 是 不 会 忘记 的 。 ”
省长 田 凤山 来到 大庆市 萨尔图区 看望 下岗 职工 ， 他 给 残疾人 郭 景文 送 去 慰问金 后 ， 又 来到 于 洪洋 的 家 。 喝 着 冒 热气 的 粗 茶 ， 省长 和 下岗 职工 一起 探讨 择业 观念 的 转变 ， 探讨 如何 多 方面 开辟 就业 渠道 。
黑龙江 省委 、 省政府 要求 各级 党委 、 政府 真心实意 地 帮助 困难 职工 ， 努力 实现 下岗 职工 再 就业 ； 要 继续 做好 减轻 农民 负担 工作 ， 切实 安排 好 农村 灾民 、 贫困户 生活 ， 帮助 城乡 生活 困难 的 群众 过 好 新春 佳节 。
图片 新闻
１ 、 元月 １日 ， 团中央 、 全国 青联 组织 文艺界 青联 委员 关 牧村 、 姜 昆 等 著名 演员 来到 北京市 儿童 福利院 与 孤残 少儿 和 全体 员工 联欢 ， 共同 度过 了 一个 欢乐 愉快 的 节日 。 图 为 演员 和 孩子 们 在 一起 。 （ 张 悦 摄 ）
２ 、 新年 第一 天 ， 北京 、 上海 两地 同时 举行 万 人 登 八达岭 长城 和 千 人 登 东方 明珠 塔 “ 新春 步步 高 ” 活动 。 图 为 八达岭 登山 活动 的 场面 。 （ 本报 记者 王 霞光 摄 ）
南京 ： 给 特困户 解决 困难
本报 南京 １月 １日 电 记者 龚 永泉 报道 ： 南京市 各级 党委 、 政府 以及 工会 、 劳动 等 部门 体察 民情 民意 ， 切实 帮助 群众 解决 各种 实际 困难 ， 发动 各界 开展 献 爱心 、 送 温暖 活动 ， 努力 形成 全 社会 扶贫帮困 、 助人为乐 的 好 风气 。
南京 把 再 就业 工程 和 安排 好 困难 职工 的 生活 作为 一 项 重要 工作 来 抓 ， 全市 建立 和 完善 再 就业 服务 体系 ， 普遍 在 行业 、 区 县 建立 了 再 就业 服务 管理 中心 ， 帮助 职工 转岗 培训 ， 转变 观念 ， 尽快 实现 再 就业 。 在 元旦 、 春节 来临 之际 ， 市政府 筹集 资金 １５００ 多 万 元 ， 为 困难 企业 和 职工 以及 农村 贫困户 帮扶 解困 。
为了 抓好 节日 期间 的 送 温暖 工作 ， 市委 、 市政府 主要 领导 带队 ， 组织 有关 部门 分成 六 路 ， 分别 到 困难 企业 、 困难 职工 家庭 、 农村 贫困户 走访 慰问 。 市 总工会 对 各 系统 、 行业 、 区 县 的 职工 生活 状况 进行 了 一 次 调查 ， 把 困难 职工 的 救济金 提前 划拨 ， 同时 ， 对 钟山 煤矿 等 特困 企业 和 １４００ 户 特困 家庭 进行 重点 帮扶 ， 捐 衣 捐 被 ， 问寒问暖 。
重庆 ： 关怀 孤寡老人
本报 重庆 １月 １日 电 记者 李 维平 报道 ： 为了 使 全市 城乡 敬老院 的 老人 能 过 上 一个 欢乐 、 祥和 的 新年 ， 重庆市 社会 福利 有 奖 募捐 委员会 决定 三 年 内 每年 入冬 前 ， 向 全市 城乡 敬老院 的 １６０００ 多 名 孤寡老人 每人 捐赠 特大 加厚型 踏花被 一 床 。 首 次 捐赠 送 温暖 活动 元旦 前 在 重庆市 人民 广场 举行 。 满载 捐赠 物品 的 卡车 披红挂彩 ， 第一 批 ６０００ 床 被子 发运 到 万县 、 涪陵 、 黔江 等 地区 的 城乡 敬老院 。 近年来 ， 重庆市 社会 福利 有 奖 募捐 委员会 资助 社会 福利院 、 老人 公寓 、 敬老院 共 ４４３ 所 ， 资助 总 金额 达 ７５０万 元 。
济南 ： 多管齐下 为 民 解困
本报 济南 １月 １日 电 记者 贾 建舟 、 刘 磊 报道 ： 新年 期间 ， 济南 市政府 及 社会 各界 的 送 温暖 活动 正 成为 寒冬 中 的 一 股 暖流 。 几 天 前 ， 市政府 专门 召开 会议 ， 对 元旦 和 春节 期间 的 职工 解困 、 再 就业 、 农村 救灾 等 工作 进行 部署 。 决定 从 １９９８年 元月 起 ， 把 济南市 市区 居民 最低 生活 保障 标准 每月 提高 １０ 元 ， 并 要求 按 新 标准 发放 的 元月份 保障金 要 尽快 送 到 每 一个 特困户 家中 。 此外 ， 还 给 每户 特困 家庭 加 发 ６０ 元 过节 慰问金 。
明天 气象 预报 （ １月 ２日 ２０时 — ３日 ２０时 ）
天气 趋势 分析
受 较 强 冷空气 影响 ， ２日 晚上 到 ３日 ， 长江 中下游 以北 大部 地区 将 有 ５ 级 — ６ 级 偏 北风 ， 渤海 和 黄海 大部 有 ６ 级 — ８ 级 偏 北风 ； 内蒙古 东北部 、 东北 地区 大部 有 小到中雪 。 冷空气 前锋 过 后 ， 西北 地区 东部 和 长江 中下游 以北 大部 地区 的 气温 将 下降 ６ ℃ — １０ ℃ 。 受 暖湿气流 影响 ， 江淮 、 江南 、 华南 大部 以及 贵州 等 地 将 有 小到中雨 ， 局部 地区 有 大雨 。
华夏 城乡游 首迎式 在 沪 举行 罗 干 及 近 千 名 海内外 游客 出席 欢庆 活动
本报 上海 １月 １日 电 记者 龚 雯 报道 ： 今天 ， 黄浦江畔 的 东方 明珠 电视塔 前 热闹非凡 ， 一派 节日 盛景 ， ’９８ 华夏 城乡游 首迎式 在 这里 隆重 举行 。 国务委员 兼 国务院 秘书长 罗 干 、 国家 旅游局 局长 何 光 、 上海 市委 副 书记 龚 学平 等 以及 近 千 名 海内外 游客 出席 了 这项 欢庆 活动 。
罗 干 说 ， 改革 开放 以来 ， 中国 旅游业 取得 了 很 大 成绩 ， 得到 了 健康 发展 。 在 刚刚 过去 的 １９９７年 ， 我国 成功 地 举办 了 ’９７ 中国 旅游年 ， 预计 全年 入境 旅游 人数 将 达 ５４００万 人次 ， 创汇 １１５亿 美元 ， 创 历史 最高 水平 。 他 说 ， 今年 正值 我国 改革 开放 ２０ 周年 ， 国家 旅游局 推出 ’９８ 华夏 城乡游 ， 突出 表现 中国 改革 开放 以来 城市 与 乡村 的 新 气象 、 新 变化 ， 这 是 一 件 很 有 意义 的 事情 。 他 表示 ， 欢迎 广大 海外 朋友 来华 游览 观光 ， 领略 一下 中国 的 瑰丽 风光 和 灿烂 文化 ， 了解 一下 当代 中国 人民 的 生活 。
据悉 ， 随着 上海 改革 开放 不断 深化 ， 该市 旅游业 已 具备 了 良好 的 发展 条件 和 坚实 的 基础 。 去年 ， 新 组建 的 上海市 旅游委 初步 实现 新 老 管理 体制 的 衔接 、 过渡 ， 并 通过 一 系列 举措 ， 使 上海 旅游业 再 创 新高 ， １ — １１月份 ， 接待 入境 旅游 人数 １５３．９万 人次 ， 创汇 １２．４亿 美元 ， 分别 较 上年 同期 增加 １６．３％ 和 １４．７％ 。
居民 生活 如常 事业 蒸蒸日上 香港 特区 政府 发表 回归 半 年 大事录
据 新华社 香港 １月 １日 电 香港 特区 政府 在 １９９７年 的 最后 一 天 ， 发表 了 《 香港 特别 行政区 ——— 首 六 个 月 大事录 》 ， 认为 香港 回归 后 的 情况 “ 粉碎 了 一些 对 ７月 １日 后 香港 变 得 灰暗 的 预言 ” 。
大事录 详细 记录 了 香港 回归 以来 政治 、 经济 、 法治 、 人权 、 教育 、 基本建设 等 方面 的 重大 事项 。 包括 ： 香港 成为 中国 的 一个 特别 行政区 后 ， 在 “ 一国两制 ” 方针 政策 下 运作 ； 基本法 保障 了 香港 资本主义 制度 及 原有 生活 方式 五十 年 不 变 ； 发行 自己 的 货币 ； 保持 原有 税制 、 独立 关税区 地位 和 公务员 制度 等 。
这 份 特区 政府 的 报告 长 达 ２０ 页 。 文中 说 ， 香港 顺利 回归 祖国 ， 香港 居民 生活 如常 ， 正如 基本法 所 保证 的 一样 。
报告 说 ， 回归 两 个 月 后 ， 香港 成功 举行 了 世界 银行 和 国际 货币 基金 组织 理事会 年会 ， 数千 名 来自 各国 和 地区 的 财长 、 央行 行长 及 官员 和 ２０００ 多 传媒 人士 ， 在 香港 得到 了 第一手 的 特区 运作 观感 ， 香港 回归 后 的 情况 赢得 了 人们 的 信心 。
报告 认为 ， 虽然 亚洲 出现 了 金融 风波 ， 但 香港 经济 仍然 跨 步 向前 。 报告 重申 了 特区 政府 维持 联系汇率 制度 的 决心 ， 指出 香港 拥有 多种 有利 因素 ， 包括 ： 比 邻近 地区 通胀率 低 、 香港 银行业 采取 审慎 贷款 及 维持 高 资本 充足 比率 的 政策 、 租金 和 楼价 下调 、 联系汇率 可 稳定 汇率 等 。 因此 ， “ 假若 情况 好转 ， 本港 的 复原 速度 亦 会 较 快 ” 。
报告 还 记录 了 行政 长官 董 建华 去年 ９ 至 １１月 的 外访 活动 和 １０月 发表 首 份 施政 报告 。
澳门 舆论 发表 社论 评论 中国 成就 斐然 前程锦绣
本报 澳门 一月 一日 电 一九九八年 新年伊始 ， 澳门 中文 报纸 纷纷 发表 社论 、 评论 ， 祝贺 中国 在 一 年 中 取得 的 辉煌 成就 ， 『 中国 现代化 大业 成就 誉满全球 』 。 展望 新 的 一 年 ， 充满 信心 ， 愿 澳门 在 回归 路上 迈出 更 大 更 坚实 的 步伐 。
《 澳门 日报 》 元旦 献辞 说 ， 回首 旧岁 ， 展望 未来 ， 中国 人民 深 为 祖国 的 斐然 成就 和 锦绣前程 而 欢欣鼓舞 ， 同声 讴歌 。 献辞 总结 了 一九九七年 中国 外交 工作 取得 的 巨大 成绩 ， 指出 ， 这 体现 了 中国 的 全方位 多元 外交 ， 建立 和 巩固 双边 之间 以 共同 利益 为 基础 而 又 不 针对 第三 国 的 面向 二十一 世纪 的 新型 合作 关系 ， 是 一九九七年 世界 最 重要 的 外交 事态 的 组成部分 。
《 华侨 报 》 的 评论 引述 了 新华社 澳门 分社 社长 王 启人 的 新年 『 三愿 』 ： 一 愿 有关 澳门 政权 交接 的 重大 问题 有 重大 突破 ； 二 愿 社会 稳定 ， 经济 发展 ； 三 愿 澳门 居民 积极 投入 到 后过渡期 的 各项 事务 中 ， 为 平稳 过渡 作出 更 大 贡献 。 该报 评论 指出 ， 这 表达 了 人们 的 意愿 希望 新 的 一 年 更 好 。
《 华澳 日报 》 的 评论 特别 引述 江 主席 新年 讲话 ： 『 实现 祖国 的 完全 统一 ， 是 海内外 全体 中国 人 的 共同 心愿 。 通过 中 葡 双方 的 合作 和 努力 ， 按照 『 一国两制 』 方针 和 澳门 《 基本法 》 ， 一九九九年 十二月 澳门 的 回归 一定 能够 顺利 实现 。 』
香港 报纸 刊登 新年 致词 香港 正 朝着 美好 明天 发展
据 新华社 香港 一月 一日 电 香港 报纸 今天 纷纷 发表 社论 、 社评 ， 高度 评价 过去 的 一九九七年 ， 并 认为 在 新 的 一 年 里 ， 祖国 的 现代化 建设 事业 将 进入 一个 新 的 发展 时期 ， 『 一国两制 』 下 的 香港 将 更加 繁荣 稳定 ； 香港 和 祖国 将 以 骄傲 的 成就 ， 一同 迈向 辉煌 的 二十一 世纪 。
香港 《 文汇报 》 社论 说 ， 一九九七年 是 中国 历史 发展 上 重要 的 一 年 ， 是 中国 人民 无比 喜悦 、 开拓 划时代 事业 的 历史性 年头 。 中国 和平 地 顺利 收回 香港 ， 并 向 全世界 展示 了 『 一国两制 』 事业 的 可行性 和 辉煌 前景 ， 赢得 了 世界 各国 人民 的 赞赏 。 中共 十五大 开拓 了 跨 世纪 的 建设 富强 中国 的 宏伟 事业 ， 国家 经济 的 蓬勃 发展 ， 将 给 香港 一九九八年 的 经济 带来 强劲 的 支持 。
《 商报 》 的 社评 说 ， 一九九八年 将 是 全国 人民 满怀信心 开创 新 业绩 的 一 年 。 中共 十五大 制定 了 中国 跨 世纪 发展 的 行动 纲领 ， 国家 各个 部门 正 认真 贯彻 落实 十五大 精神 。 在 新 的 一 年 ， 祖国 的 改革 开放 大业 将 稳步 推向 新 的 阶段 ， 经济 将 继续 保持 强劲 的 发展 势头 。 社评 说 ， 祖国 经济 的 快速 稳定 增长 为 香港 的 持续 繁荣 提供 了 良好 的 外部 环境 。
《 大公报 》 社评 认为 ， 一九九七年 对 港人 来说 ， 是 历史 上 从来 没有 过 的 最 光荣 、 最 值得 骄傲 自豪 的 一 年 。 香港 顺利 回归 ， 特区 开局 良好 ， 『 一国两制 』 方针 得到 落实 ， 一切 正 按 正常 轨道 朝着 美好 明天 发展 。 社评 认为 ， 这 一切 都 是 港人 在 新 的 一 年 以至 今后 更 长 日子 的 信心 源泉 。
香港 各界 举行 活动 喜庆 元旦
新华社 香港 １月 １日 电 香港 各界 今天 继续 举行 各种 活动 ， 喜庆 １９９８年 元旦 。
香港 中华 总商会 今天 上午 举行 会员 元旦 团拜 酒会 ， 新华社 香港 分社 副 社长 秦 文俊 出席 了 酒会 。 会长 曾 宪梓 在 致词 时 说 ， 香港 回归 后 ， 进入 了 “ 一国两制 ” 、 “ 港人治港 ” 、 高度 自治 的 新纪元 。 回归 半 年 来 ， 香港 无论 在 政治 、 经济 、 社会 各个 方面 都 运作 如常 ， 港人 及 各国 投资者 对 香港 前景 信心 不断 增强 。 他 表示 ， 中华 总商会 在 新 的 一 年 里 ， 将 继续 全力 支持 特区 政府 的 工作 ， 为 创建 香港 的 美好 未来 而 努力 。
香港 特区 临时 区域 市政局 今天 在 大埔 、 天水围 等 ７ 个 地区 举办 “ 活力 动感 贺 元旦 ” 嘉年华会 。 １０００ 多 名 表演者 串 成 人 龙 大 跳 龙舞 ， 数百 市民 共同 创作 １８０ 英尺 长 的 春联 ， 来自 内地 的 羽毛球 选手 与 香港 市民 举行 友谊 比赛 。
京 沪 元旦 登高 活动 别具一格 万 人 奋勇争先 电视 双向 传送
本报 北京 １月 １日 讯 记者 刘 小明 报道 ： １９９８年 第一 天 ， 北京 、 上海 同时 举行 以 全民 健身 为 主题 的 元旦 登高 活动 。 首都 近 万 名 群众 来到 八达岭 攀登 长城 ， 上海 千 名 男女老少 在 东方 明珠 塔 内 奋力 登高 。 与此同时 ， 中央 电视台 和 上海 东方 电视台 对 这 两 项 活动 进行 双向 传送 直播 ， 为 元旦 电视 节目 增添 了 新 内容 。
国家 体委 主任 伍 绍祖 、 中共 上海 市委 副 书记 龚 学平 等 领导 和 群众 一起 参加 了 登高 活动 ， 并 为 比赛 举 枪 发令 。
长城 脚下 ， 同 去年 大雪纷飞 的 元旦 不同 ， 今年 的 新年 晴空万里 ， 阳光 洒遍 八达岭 起伏 的 群山 。 北京市 各行各业 的 体育 爱好者 云集 这里 ， 浩浩荡荡 的 登山 队伍 分成 三 个 组别 ， 从 长城 脚下 出发 ， 向 长城 高处 的 烽火台 挺进 。 北京 老年 长跑队 一 位 年逾古稀 的 队员 对 记者 说 ， 他 已 是 连续 第三 年 参加 元旦 登 长城 比赛 ， 他 觉得 这 一 活动 很 有 意义 ， 象征 着 中国 人民 以 拼搏 精神 步步登高 ， 迎接 祖国 美好 的 明天 。
国家 体委 副 主任 张 发强 说 ， 京 沪 两地 新年 登高 活动 ， 为 开展 全民 健身 树立 了 一 面 旗帜 ， 通过 这 一 活动 号召 全国 人民 参加 各种 形式 的 体育 锻炼 ， 培养 敢于 向 艰难险阻 挑战 的 精神 。
汪 道涵 在 《 两岸 关系 》 杂志 发表 新年 祝辞 一 年 春事 早 耕耘
本报 北京 １月 １日 讯 海峡 两岸 关系 协会 会长 汪 道涵 在 《 两岸 关系 》 杂志 １９９８年 １月 号 上 发表 新年 祝辞 。 题 为 ： 一 年 春事 早 耕耘 。
１９９８年 春天 即将 来临 ， ２１ 世纪 的 曙色 已然 可辨 。 我 谨 代表 海峡 两岸 关系 协会 向 台湾 同胞 、 向 关心 和 支持 祖国 统一 大业 的 港澳 及 海外 的 朋友 们 ， 致以 新年 的 祝贺 和 诚挚 的 谢意 ！
１９９７年 是 中华民族 现代 发展 进程 中 具有 重大 历史 意义 的 一 年 。 中国 恢复 对 香港 行使 主权 ， 标志 着 祖国 和平 统一 大业 迈 入 一个 新 的 历史 阶段 。 香港 特别 行政区 按照 “ 一国两制 ” 实行 “ 港人治港 ” 、 高度 自治 ， 继续 保持 着 繁荣 稳定 ， 为 海峡 两岸 的 和平 统一 发挥 了 巨大 的 示范 作用 。 不久前 召开 的 中国 共产党 第十五 次 全国 代表大会 ， 是 祖国 大陆 改革 开放 事业 承前启后 、 继往开来 的 盛会 ， 是 以 江 泽民 为 核心 的 第三 代 中央 领导 集体 高举 邓小平理论 的 伟大 旗帜 ， 把 建设 有 中国 特色 社会主义 事业 全面 推向 ２１ 世纪 的 盛会 。 江 泽民 主席 对 美国 成功 的 国事访问 ， 以及 中国 政府 其他 一 系列 重大 外交 活动 取得 的 显著 成就 ， 进一步 扩大 了 中国 的 国际 影响 。 这 将 对 中华民族 的 繁荣 振兴 、 对 亚太地区 与 世界 和平 、 对 跨 世纪 两岸 关系 的 发展 和 祖国 和平 统一 事业 的 推进 ， 产生 积极 而 深刻 的 影响 。
过去 一 年 ， 在 两岸 同胞 的 共同 努力 下 ， 两岸 经济 交往 、 文化 交流 和 人员 往来 取得 了 很 大 进展 。 两岸 间接 贸易额 持续 增长 ， 台商 赴 大陆 投资 继续 保持 一定 规模 。 两岸 文化 、 科技 等 领域 的 交流 蓬勃 发展 ， 两岸 人员 往来 日益 热络 ， 台胞 来 大陆 人次 将 再 创 历史 新高 。 两岸 通邮 、 通航 、 通商 取得 新 的 局部 进展 。 海协 与 海基会 的 交流 与 沟通 稳步 发展 ， 日益 频繁 ， 为 两岸 协商 的 重新 开始 创造 了 有益 气氛 。
当前 ， 两岸 关系 发展 正 处在 一个 重要 的 历史 时刻 。 在 ２０ 世纪 仅 剩下 短短 三 年 的 时候 ， 两岸 同胞 都 应该 面向 未来 ， 认真 思考 如何 改善 和 推动 跨 世纪 两岸 关系 这 一 重大 而 严肃 的 问题 。 在 此 ， 我 愿 提 出 三 点 意见 和 建议 ：
第一 ， 及早 举行 两岸 政治 谈判 ， 为 跨 世纪 两岸 关系 发展 创造 条件 。 江 泽民 总书记 在 十五大 报告 中 再次 郑重 呼吁 ： 作为 第一 步 ， 海峡 两岸 可 先 就 “ 在 一个 中国 的 原则 下 ， 正式 结束 两岸 敌对 状态 ” 进行 谈判 ， 并 达成 协议 ； 在 此 基础 上 ， 共同 承担 义务 ， 维护 中国 的 主权 和 领土 完整 ， 并 对 今后 两岸 关系 的 发展 进行 规划 。 希望 台湾 方面 尽快 予以 回应 。 可 先 由 海协 与 海基会 授权 进行 两岸 政治 谈判 的 程序性 安排 。 在 此 基础 上 ， 重新 开始 两会 经济性 、 事务性 议题 的 商谈 。
第二 ， 大力 发展 两岸 经济 合作 ， 互补 互利 、 共同 繁荣 。 面对 区域化 和 一体化 的 全球 经济 发展 趋势 ， 从 经济 发展 规律 和 两岸 同胞 长远 利益 出发 ， 政治 上 的 歧异 不 应当 妨碍 两岸 经济 合作 。 由于 人为 的 限制 ， 目前 两岸 经济 关系 的 状况 与 世界 经济 发展 的 潮流 和 经济 区域化 的 趋势 极 不 相 适应 ； 与 两岸 经济 发展 的 客观 需要 以及 两岸 同胞 特别 是 工商界 的 要求 还有 极 大 差距 。 应当 把 加强 两岸 经济 合作 作为 跨 世纪 两岸 经济 发展 战略 的 重要 内容 ， 采取 切实 措施 ， 进一步 开放 和 推动 两岸 资金 、 技术 、 产品 等 方面 的 交流 ， 促进 两岸 产业 协作 ， 尽快 实现 两岸 直接 “ 三通 ” 。
第三 ， 以 共同 继承 和 发扬 中华 优秀 文化 传统 为 纽带 ， 加强 两岸 同胞 的 往来 和 交流 ， 增加 沟通 与 了解 ， 增强 中华民族 的 凝聚力 ， 厚 植 共同 走向 和平 统一 的 文化 氛围 。
展望 １９９８年 ， 尽管 两岸 关系 中 还 存在 着 种种 曲折 和 困难 ， 但 寒冬 终将 过去 ， 无 人 能 阻挡 春天 脚步 的 临近 。 我们 由衷 地 祝愿 ， 在 两岸 同胞 的 共同 努力 下 ， 两岸 关系 的 发展 能够 走向 一个 新 的 起点 。
较 强 冷空气 将 影响 我国 大部 地区
本报 讯 据 中央 气象台 提供 的 信息 ： １９９８年 元月 上旬 影响 我国 的 冷空气 势力 将 加强 。
２日 — ５日 ， 受 较 强 冷空气 影响 ， 淮河 以北 大部 地区 有 ５ 级 — ６ 级 偏 北风 ， 江淮 、 江南 及 华南 北部 有 ４ 级 — ６ 级 偏 北风 ， 我国 东部 和 南部 海域 有 ６ 级 — ８ 级 大风 ； 东北 地区 东部 有 小到中雪 ， 我国 南方 大部 地区 有 小到中雨 （ 雪 ） ， 其中 江南 和 华南 的 部分 地区 有 大雨 。 全国 大部 地区 日 平均 气温 将 下降 ５ ℃ — １０ ℃ 。 请 有关 部门 注意 加强 防风 、 防冻 措施 。
７日 — ８日 ， 受 另 一 股 冷空气 影响 ， 西北 大部 、 华北 东部 及 黄淮 地区 阴 有 小雪 或 雨夹雪 ； 并 有 ４ 级 — ５ 级 偏 北风 ； 日 平均 气温 将 下降 ４ ℃ — ７ ℃ 。
由于 西南 暖湿气流 较为 旺盛 ， ６日 — ８日 ， 我国 南方 大部 地区 仍 为 阴雨 天气 ， 一般 有 小到中雨 （ 雪 ） ， 部分 地区 有 大雨 ， 但 气温 较为 平稳 。
各国 政要 发表 新年 贺词
综合 本报 和 新华社 电 在 辞旧迎新 之际 ， 一些 国家 领导人 发表 文告 或 讲话 ， 总结 过去 ， 展望 未来 。
日本 首相 桥本龙太郎 年前 在 首相 官邸 举行 的 新年 记者 招待会 上 强调 ， 在 新 的 一 年 里 ， 要 通过 稳定 金融 体系 使 国家 经济 回到 复苏 轨道 上 来 。 他 说 ， 日本 有 １２００万亿 日元 的 个人 金融 资产 ， 有 ８０００亿 美元 的 对外 净 资产 ， 有 超过 ２０００亿 美元 的 居 世界 首 位 的 外汇 储备 。 他 认为 ， 日本 完全 没有 必要 担心 它 目前 在 金融 领域 遇到 的 困难 。 桥本 表示 相信 ， 在 自民党 提 出 的 稳定 金融 对策 和 ２万亿 日元 特别 减税 措施 发挥 作用 后 ， 日本 经济 就 会 出现 复苏 。
韩国 总统 金 泳三 和 当选 总统 金 大中 １２月 ３１日 分别 发表 新年 献词 ， 强调 国民 要 齐心 团结 ， 为 克服 面临 的 经济 困难 共同 奋斗 。 金 泳三 希望 新 的 一 年 成为 国民 和解 ， 振兴 经济 和 进一步 发展 民主 政治 的 一 年 ； 金 大中 号召 全体 国民 发挥 潜力 ， 共同 参与 改革 ， 共同 渡过 难关 ， 在 政治 民主化 的 基础 上 实施 大众 参与 的 市场经济 原则 ， 在 １９９９年 内 摆脱 国际 货币 基金 组织 的 管制 ， 最终 恢复 韩国 经济 。
蒙古 总统 巴嘎班迪 １２月 ３１日 晚 发表 电视 新年 贺词 ， 号召 全体 蒙古 人民 同心协力 、 团结 和睦 、 努力 工作 ， 在 新 的 一 年 里 使 蒙古 经济 有 新 的 起色 。 他 说 ， １９９８年 是 蒙古 极其 重要 的 一 年 。 要 在 减少 贫困 、 提高 人民 生活 方面 争取 较 好 的 成就 。 大力 发展 民族 工业 、 畜牧业 和 电力 事业 。 在 谈 到 蒙古 外交 政策 时 ， 他 强调 坚持 外交 政策 的 统一性 和 连续性 。
泰国 总理 川·立派 １日 晚 在 电视台 向 全国 人民 发表 新年 贺词 ， 号召 人民 齐心协力 共同 奋斗 ， 克服 经济 困难 ， 使 泰国 走 出 经济 困境 。 川·立派 表示 相信 ， 在 进入 １９９８年 之际 ， 只要 我们 齐心协力 共同 奋斗 ， 泰国 的 经济 形势 一定 会 好转 。
马来西亚 总理 马哈蒂尔 强调 ， 全国 人民 应 在 新 的 一 年 里 做好 与 困难 进行 斗争 的 准备 。 他 说 ， 面对 严重 的 经济 问题 ， 从 维护 国家 独立 和 尊严 的 角度 出发 ， “ 我们 不 能 屈服 或 投降 ， 必须 奋起 迎接 挑战 和 作出 牺牲 ” 。
印度尼西亚 总统 苏哈托 呼吁 全国 人民 团结 起来 ， 努力 工作 ， 克服 国家 面临 的 经济 困难 。 他 强调 ， 不管 遇到 什么 事情 ， “ 我们 必须 前进 ” 。 “ 这 就 是 我们 的 决心 ” 。 他 认为 ， 印尼 经济 在 新 的 一 年 里 将 走 出 困境 。
新加坡 总理 吴 作栋 认为 ， １９９８年 ， 邻国 经济 增长 速度 放慢 将 对 新加坡 产生 影响 ， 新加坡 的 经济 形势 将 是 严峻 的 。 他 同时 强调 ， 新加坡 的 经济基础 是 健康 的 。 新加坡 拥有 巨额 外汇 储备 ， 金融业 也 十分 发达 。 此外 ， 新加坡 政局 稳定 。 因此 ， 对 新加坡 保持 信心 是 实现 经济 增长 和 繁荣 的 关键 。
波兰 总统 克瓦希涅夫斯基 １２月 ３１日 通过 电视台 发表 新年 文告 指出 ， 当今 波兰 社会 的 特点 是 “ 稳定 和 发展 ” 。 这 是 全体 波兰 人民 “ 共同 努力 ” 、 “ 一起 参与 ” 的 结果 。 波兰 人民 应该 为 取得 的 成就 感到 “ 自豪 ” 。 他 说 ， 现在 ， 波兰 面临 “ 困难 的 挑战 ” ， 因而 ， 全 社会 更 需要 “ 互相 理解 ” ， 共同 建设 美好 的 波兰 。
刚果民主共和国 总统 卡比拉 １２月 ３１日 向 全国 发表 广播 电视 讲话 说 ， １９９７年 是 刚果 （ 民 ） 人民 摆脱 奴役 的 一 年 ， 而 １９９８年 将 是 国家 重建 和 民族 振兴 的 一 年 。 卡比拉 指出 ， 在 新 的 一 年 里 ， 刚果 （ 民 ） 政府 将 着手 执行 旨在 为民造福 的 三 年 计划 ， 尽快 恢复 交通 、 通讯 等 基础 设施 的 建设 。 他 说 ， 政府 将 优先 发展 农业 ， 以 减少 粮食 进口 。 他 还 强调 要 建立 一 支 由 青年 组成 的 准 军事 性质 的 “ 国民 服务队 ” ， 其 任务 是 保卫 、 建设 国家 ， 捍卫 民族 团结 。
莫桑比克 总统 希萨诺 ３１日 在 马普托 发表 新年 文告 ， 呼吁 全体 人民 为 确保 国家 １９９８年 经济 和 社会 发展 计划 取得 成功 作出 自己 的 贡献 。 希萨诺 说 ， 莫桑比克 政府 在 新 的 一 年 里 将 加强 对 通货膨胀 的 控制 ， 以 减少 经济 对 外部 的 依赖 ， 实现 国民经济 的 持续 增长 。 他 说 ， １９９８年 包括 能源 部门 在内 的 经济 增长率 应该 在 ９·５％ 左右 。
使馆 来 了 小 客人 （ 附 图片 １ 张 ）
本报 驻 阿联酋 记者 林 皎明
元旦 前夜 ， 中国 驻 阿联酋 使馆 内 一 片 欢声笑语 。
忽然 ， 门外 走 进 一 位 小 客人 。 他 一 米 多 高 ， 浓眉大眼 ， 一 脸 清秀 ， 身 穿 一 套 特制 深色 中山装 ， 前胸袋 里 插 一 块 红 巾帕 。 一 问 才 知道 ， 他 今年 四 岁 。 别 看 他 年纪 小 ， 言谈举止 却 俨然 像 个 大人 ……
他 ， 就 是 阿联酋 总统 扎耶德 的 爱孙 小 扎耶德 。 新年 将 至 ， 小 扎耶德 与 他 的 中国 阿姨 胡 彩玲 受 华 黎明 大使 之 邀 ， 特意 到 中国 使馆 参加 辞旧迎新 联欢会 。
小 扎耶德 给 华 大使 带来 一个 三 层 大 花篮 表示 祝贺 。 最 珍贵 的 礼物 ， 是 自己 绘制 的 一 张 贺年卡 。 他 用 彩笔 画 了 一 条 龙 的 图案 ， 还 用 中文 写 上 自己 的 名字 。 看 着 这 张 充满 童稚 和 真诚 的 贺卡 ， 华 大使 夫妇 乐得 合不拢嘴 。
小 扎耶德 的 到来 ， 给 中国 使馆 的 联欢会 带来 格外 多 的 笑声 。 华 大使 把 一 辆 遥控 太空车 送给 小 客人 。 小 扎耶德 把 玩具 抱 在 怀里 ， 不时 地 摆弄 它 ， 另 一 只 手 还 不 忘 把 大 苹果 送 进 嘴里 。
据 胡 彩玲 介绍 ， 小 扎耶德 很 聪明 ， 又 听话 ， 虽然 年 仅 四 岁 ， 已 开始 学 英语 、 法语 和 中文 ， 并 能 流利 地 说 几 句 日常 中国话 。 他 和 普通 孩子 一样 ， 喜欢 踢 足球 、 游泳 。 他 在 王宫 里 有 自己 的 单独 套间 ， 有 严格 的 生活 规律 。 小家伙 特别 喜欢 中国 的 孙 悟空 和 葫芦娃 小 金刚 ， 还 特 爱 吃 胡 老师 包 的 饺子 。 去年 ， 中国 与 沙特 比赛 足球 ， 小 扎耶德 手 拿 中国 国旗 为 中国队 加油 ， 令 四座宾朋 惊喜 。
有人 问 小 扎耶德 想 不 想 到 中国 去 玩 ， 他 说 ： “ 我 还要 到 中国 去 上学 呢 ！ ”
（ 本报 阿布扎比 １月 １日 电 ）
图片 ：
图 为 小 扎耶德 与 中国 大使 夫妇 及 小朋友 们 观看 娱乐 节目 。
（ 本报 记者 林 皎明 摄 ）
激动人心 的 时刻 （ 附 图片 １ 张 ）
本报 驻 南非 记者 温 宪
１月 １日 ， 中华人民共和国 驻 南非共和国 大使馆 在 南非 行政 首都 比勒陀利亚 开馆 。 这 是 在 开馆 仪式 上 升 中华人民共和国 国旗 。 （ 新华社 记者 李 学仁 摄 ）
１９９８年 １月 １日 上午 ９时 ， 中华人民共和国 驻 南非共和国 大使馆 在 此间 举行 了 开馆 仪式 。 尽管 今天 为 公共 假日 ， 但 一大早 ， 就 有 各种 肤色 的 人们 急匆匆 赶到 中国 大使馆 所 在 的 比陀瑞尔斯 大街 ９７２ 号 ， 以 目睹 这 一 历史性 场面 。
中国 大使馆 的 工作 人员 自 清晨 ６时 起 便 开始 忙碌 着 布置 开馆 仪式 现场 。 中华人民共和国 国徽 高高 挂 在 那 座 两 层 办公楼 的 大门 之上 ， 写 有 “ 中华人民共和国 大使馆 开馆 仪式 ” 字样 的 大 横幅 赫然 醒目 ， 一排排 鲜花 被 布置 在 临时 搭 起 的 讲台 上 。 中国 驻 南非 首任 大使 王 学贤 跑前跑后 地 同 大家 一起 忙碌 着 布置 现场 ， 还 不时 被 各方 来宾 请 去 合影 留念 。
站 在 主持 开馆 仪式 的 讲台 上 ， 王 学贤 说 ： “ 我 听说 本地 人民 有 天上 下雨 是 欢迎 客人 最佳 方式 的 说法 ， 现在 这个 小雨 也 表明 了 我们 对 你们 所有 人 到来 的 衷心 谢意 。 ” 一番话 说 得 人们 开怀大笑 。 南非 外长 恩佐 在 致词 中 也 首先 说 ， “ 对 我们 两 国 关系 来说 ， 天上 正在 下 的 这 几 滴 雨水 是 一个 大 好 的 兆头 ！ ”
上午 ９时 １０分 ， 一 面 鲜艳 的 五星红旗 在 ９７２ 号 院内 新 竖起 的 旗杆 上 冉冉 升起 ， 随即 响起 了 激越 的 《 义勇军 进行曲 》 。 护卫 国旗 升起 的 ４ 位 青年 都 是 中国 大使馆 工作 人员 。 为了 这 一 庄严 时刻 的 到来 和 确保 升旗 过程 万无一失 ， 他们 曾 多次 在 夜深人静 之 时 进行 演练 。 如今 ， 他们 的 脸上 漾 出 了 灿烂 的 微笑 。
仰望 着 这 面 升起 的 五星红旗 ， 又 有 多少 人 心潮难平 。 人群 中 有 几 位 是 专程 从 伊丽莎白港 赶来 的 华人 代表 。 在 去年 香港 回归 祖国 之际 ， 就 是 他们 顶住 来自 台湾 当局 的 压力 ， 亲手 缝制 了 一 面 祖国 的 五星红旗 以 示 庆祝 。 另 有 几 个 南非 华人 团体 在 一 封 致 钱 其琛 的 信 中 说 ， “ 我们 南非 华人 、 华侨 和 世界各地 华侨 一样 为 祖国 的 富强 、 民族 的 团结 和 外交 的 强大 感到 欢欣鼓舞 。 我们 昂首挺胸 ， 以 身 为 中国 人 而 感到 自豪 。 我们 每时每刻 都 在 关注 着 祖国 的 发展 与 进步 。 祖国 强盛 ， 我们 华侨 在 国外 才 有 地位 。 我们 虽然 生活 在 异国他乡 ， 但 我们 的 心 永远 和 祖国 人民 连 在 一起 。 ”
中国 与 南非 建交 是 令 两 国 人民 极为 高兴 的 喜事 ， 是 对 两 国 人民 最 好 的 新年 礼物 。 来自 各方 的 贺电 、 贺信 如 雪片 般 飞 向 中国 大使馆 。 由 中国 常驻 联合国 代表 秦 华孙 签署 的 一 份 贺电 说 ： “ 值 此 中 南 建交 之际 ， 我们 从 纽约 曼哈顿岛 遥祝 大家 在 新 的 一 年 中 开局 顺利 ， 马到成功 。 ”
在 两 国 正式 建交 前夕 的 １９９７年 １２月 ３１日 晚上 ， 北京 电视台 与 南非 华人 共同 主办 了 一 场 题 为 《 阳光 彩虹 花园 》 的 庆祝 联欢 晚会 。 来自 中国 的 演员 、 当地 华人 代表 和 南非 演艺界 人士 同台 献艺 。 南非 驻 中国 的 外交官 徐 义昭 也 上台 用 不 甚 流利 的 中文 主持 节目 。 晚会 最后 一个 节目 是 中 、 南 两 国 歌唱 演员 共 唱 《 饮酒 歌 》 。 徐 义昭 一板一眼 地 操 着 中文 说 ： “ 让 我们 为 中 、 南 两 国 人民 的 友谊 干杯 ， 让 我们 两 国 之间 的 关系 像 黄金 一样 珍贵 ， 像 钻石 一样 坚强 。 ” （ 本报 比勒陀利亚 １月 １日 电 ）
南非 华人 华侨 庆祝 中 南 建交
本报 约翰内斯堡 １２月 ３１日 电 记者 温 宪 报道 ： 为 热烈 庆祝 中国 与 南非 建立 正式 外交 关系 和 欢迎 钱 其琛 副 总理 兼 外长 访问 南非 ， 南非 华人 华侨 今晚 在 此间 举行 了 庆祝 联欢 晚会 。
晚会 在 南非 广播 公司 演播 大厅 举行 ， 舞台 两侧 台柱 上 分别 雄踞 着 三 只 精心 扎制 的 南非 猎豹 和 象征 中国 的 巨龙 。 正 在 南非 访问 的 中国 国务院 副 总理 兼 外交部长 钱 其琛 参加 了 这 一 联欢 晚会 。 在 隆重 热烈 的 气氛 中 ， 南非 华人 代表 首先 发言 对 中国 与 南非 两 国 建交 表示 热烈 祝贺 ， 并 为 祖国 的 不断 发展 强大 表示 自豪 。
钱 其琛 说 ， 在 南非 的 华人 华侨 是 一个 活跃 的 群体 。 “ 新 南非 的 诞生 ， 使得 在 南非 的 华人 华侨 同 其他 各 阶层 一样 取得 了 平等 的 地位 ， 为 华人 华侨 在 南非 的 发展 提供 了 新 的 机遇 。 ”
钱 其琛 还 介绍 了 祖国 的 建设 发展 形势 。 他 说 ， “ 中华民族 是 一个 凝聚力 很 强 的 民族 ， 历来 维护 统一 ， 反对 分裂 。 中国 政府 实现 祖国 统一 的 决心 是 坚强 的 ， 政策 也 是 明确 的 。 ” 钱 其琛 说 ， “ 现在 南非 与 中华人民共和国 建交 了 ， 这 再次 表明 ： 台湾 当局 的 分裂 活动 是 没有 出路 的 。 只有 实现 祖国 统一 ， 台湾 才 能 有 更 大 的 发展 和 前途 。 我们 坚信 ， 中国 完全 统一 的 目标 一定 能 实现
gitextract_e6kzvz0w/
├── AdaBoost/
│ └── AdaBoost.py
├── Clustering/
│ ├── Hierachical_Clustering/
│ │ ├── Hierachical_Clustering.ipynb
│ │ └── Hierachical_Clustering.py
│ ├── K-means_Clustering/
│ │ ├── K-means_Clustering.ipynb
│ │ └── K-means_Clustering.py
│ └── iris.data
├── DecisionTree/
│ └── DecisionTree.py
├── EM/
│ └── EM.py
├── HMM/
│ ├── HMM.py
│ ├── HMMTrainSet.txt
│ └── testArtical.txt
├── KNN/
│ └── KNN.py
├── LDA/
│ ├── LDA.ipynb
│ ├── LDA.py
│ └── bbc_text.csv
├── LSA/
│ ├── LSA.ipynb
│ ├── LSA.py
│ └── bbc_text.csv
├── Logistic_and_maximum_entropy_models/
│ ├── logisticRegression.py
│ └── maxEntropy.py
├── NaiveBayes/
│ └── NaiveBayes.py
├── PCA/
│ ├── PCA.ipynb
│ ├── PCA.py
│ └── cars.csv
├── PLSA/
│ ├── PLSA.ipynb
│ ├── PLSA.py
│ └── bbc_text.csv
├── Page_Rank/
│ ├── Page_Rank.ipynb
│ └── Page_Rank.py
├── README.md
├── SVM/
│ └── SVM.py
├── perceptron/
│ └── perceptron_dichotomy.py
└── transMnist/
├── Mnist/
│ ├── t10k-images.idx3-ubyte
│ ├── t10k-labels.idx1-ubyte
│ ├── train-images.idx3-ubyte
│ └── train-labels.idx1-ubyte
└── transMnist.py
SYMBOL INDEX (89 symbols across 18 files)
FILE: AdaBoost/AdaBoost.py
function loadData (line 20) | def loadData(fileName):
function calc_e_Gx (line 52) | def calc_e_Gx(trainDataArr, trainLabelArr, n, div, rule, D):
function createSigleBoostingTree (line 95) | def createSigleBoostingTree(trainDataArr, trainLabelArr, D):
function createBosstingTree (line 137) | def createBosstingTree(trainDataList, trainLabelList, treeNum = 50):
function predict (line 199) | def predict(x, div, rule, feature):
function model_test (line 216) | def model_test(testDataList, testLabelList, tree):
FILE: Clustering/Hierachical_Clustering/Hierachical_Clustering.py
function load_data (line 22) | def load_data(file):
function Normalize (line 49) | def Normalize(Xarray):
function cal_distance (line 67) | def cal_distance(xi, xj):
function Distances (line 85) | def Distances(Xarray):
function cal_groupdist (line 103) | def cal_groupdist(g1, g2, group_dict, dists):
function Clustering (line 125) | def Clustering(Xarray, k, dists):
function Adjusted_Rand_Index (line 163) | def Adjusted_Rand_Index(group_dict, Ylist, k):
FILE: Clustering/K-means_Clustering/K-means_Clustering.py
function load_data (line 24) | def load_data(file):
function Normalize (line 51) | def Normalize(Xarray):
function cal_distance (line 69) | def cal_distance(xi, xj):
function cal_groupcenter (line 87) | def cal_groupcenter(group, Xarray):
function Adjusted_Rand_Index (line 106) | def Adjusted_Rand_Index(group_dict, Ylist, k):
function Kmeans (line 151) | def Kmeans(Xarray, k, iters):
FILE: DecisionTree/DecisionTree.py
function loadData (line 19) | def loadData(fileName):
function majorClass (line 45) | def majorClass(labelArr):
function calc_H_D (line 68) | def calc_H_D(trainLabelArr):
function calcH_D_A (line 101) | def calcH_D_A(trainDataArr_DevFeature, trainLabelArr):
function calcBestFeature (line 123) | def calcBestFeature(trainDataList, trainLabelList):
function getSubDataArr (line 166) | def getSubDataArr(trainDataArr, trainLabelArr, A, a):
function createTree (line 190) | def createTree(*dataSet):
function predict (line 244) | def predict(testDataList, tree):
function model_test (line 279) | def model_test(testDataList, testLabelList, tree):
FILE: EM/EM.py
function loadData (line 26) | def loadData(mu0, sigma0, mu1, sigma1, alpha0, alpha1):
function calcGauss (line 61) | def calcGauss(dataSetArr, mu, sigmod):
function E_step (line 82) | def E_step(dataSetArr, alpha0, mu0, sigmod0, alpha1, mu1, sigmod1):
function M_step (line 110) | def M_step(muo, mu1, gamma0, gamma1, dataSetArr):
function EM_Train (line 126) | def EM_Train(dataSetList, iter = 500):
FILE: HMM/HMM.py
function trainParameter (line 24) | def trainParameter(fileName):
function loadArticle (line 145) | def loadArticle(fileName):
function participle (line 164) | def participle(artical, PI, A, B):
FILE: KNN/KNN.py
function loadData (line 23) | def loadData(fileName):
function calcDist (line 49) | def calcDist(x1, x2):
function getClosest (line 66) | def getClosest(trainDataMat, trainLabelMat, x, topK):
function model_test (line 123) | def model_test(trainDataArr, trainLabelArr, testDataArr, testLabelArr, t...
FILE: LDA/LDA.py
function load_data (line 30) | def load_data(file, K):
function do_lda (line 86) | def do_lda(text, words, alpha, beta, K, iters):
FILE: LSA/LSA.py
function load_data (line 30) | def load_data(file):
function frequency_counter (line 58) | def frequency_counter(text, words):
function do_lsa (line 78) | def do_lsa(X, k, words):
FILE: Logistic_and_maximum_entropy_models/logisticRegression.py
function loadData (line 21) | def loadData(fileName):
function predict (line 53) | def predict(w, x):
function logisticRegression (line 71) | def logisticRegression(trainDataList, trainLabelList, iter = 200):
function model_test (line 117) | def model_test(testDataList, testLabelList, w):
FILE: Logistic_and_maximum_entropy_models/maxEntropy.py
function loadData (line 25) | def loadData(fileName):
class maxEnt (line 51) | class maxEnt:
method __init__ (line 55) | def __init__(self, trainDataList, trainLabelList, testDataList, testLa...
method calcEpxy (line 73) | def calcEpxy(self):
method calcEp_xy (line 102) | def calcEp_xy(self):
method createSearchDict (line 125) | def createSearchDict(self):
method calc_fixy (line 162) | def calc_fixy(self):
method calcPwy_x (line 182) | def calcPwy_x(self, X, y):
method maxEntropyTrain (line 218) | def maxEntropyTrain(self, iter = 500):
method predict (line 242) | def predict(self, X):
method test (line 259) | def test(self):
FILE: NaiveBayes/NaiveBayes.py
function loadData (line 19) | def loadData(fileName):
function NaiveBayes (line 45) | def NaiveBayes(Py, Px_y, x):
function model_test (line 76) | def model_test(Py, Px_y, testDataArr, testLabelArr):
function getAllProbability (line 99) | def getAllProbability(trainDataArr, trainLabelArr):
FILE: PCA/PCA.py
function load_data (line 22) | def load_data(file):
function Normalize (line 39) | def Normalize(X):
function cal_V (line 58) | def cal_V(X):
function do_pca (line 86) | def do_pca(X, k):
FILE: PLSA/PLSA.py
function load_data (line 30) | def load_data(file):
function frequency_counter (line 58) | def frequency_counter(text, words):
function do_plsa (line 90) | def do_plsa(X, K, words, iters = 10):
FILE: Page_Rank/Page_Rank.py
function iter_method (line 38) | def iter_method(n, d, M, R0, eps):
function power_method (line 53) | def power_method(n, d, M, R0, eps):
FILE: SVM/SVM.py
function loadData (line 21) | def loadData(fileName):
class SVM (line 50) | class SVM:
method __init__ (line 54) | def __init__(self, trainDataList, trainLabelList, sigma = 10, C = 200,...
method calcKernel (line 84) | def calcKernel(self):
method isSatisfyKKT (line 120) | def isSatisfyKKT(self, i):
method calc_gxi (line 147) | def calc_gxi(self, i):
method calcEi (line 176) | def calcEi(self, i):
method getAlphaJ (line 188) | def getAlphaJ(self, E1, i):
method train (line 244) | def train(self, iter = 100):
method calcSinglKernel (line 342) | def calcSinglKernel(self, x1, x2):
method predict (line 356) | def predict(self, x):
method test (line 381) | def test(self, testDataList, testLabelList):
FILE: perceptron/perceptron_dichotomy.py
function loadData (line 19) | def loadData(fileName):
function perceptron (line 48) | def perceptron(dataArr, labelArr, iter=50):
function model_test (line 102) | def model_test(dataArr, labelArr, w, b):
FILE: transMnist/transMnist.py
function convert (line 11) | def convert(imgf, labelf, outf, n):
Copy disabled (too large)
Download .json
Condensed preview — 37 files, each showing path, character count, and a content snippet. Download the .json file for the full structured content (19,555K chars).
[
{
"path": "AdaBoost/AdaBoost.py",
"chars": 7819,
"preview": "#coding=utf-8\r\n#Author:Dodo\r\n#Date:2018-12-05\r\n#Email:lvtengchao@pku.edu.cn\r\n#Blog:www.pkudodo.com\r\n'''\r\n数据集：Mnist\r\n训练集数"
},
{
"path": "Clustering/Hierachical_Clustering/Hierachical_Clustering.ipynb",
"chars": 28344,
"preview": "{\n \"cells\": [\n {\n \"cell_type\": \"code\",\n \"execution_count\": 57,\n \"metadata\": {},\n \"outputs\": [\n {\n \"name\""
},
{
"path": "Clustering/Hierachical_Clustering/Hierachical_Clustering.py",
"chars": 6378,
"preview": "#coding=utf-8\r\n#Author:Harold\r\n#Date:2021-1-27\r\n#Email:zenghr_zero@163.com\r\n\r\n'''\r\n数据集：iris\r\n数据集数量：150\r\n----------------"
},
{
"path": "Clustering/K-means_Clustering/K-means_Clustering.ipynb",
"chars": 22279,
"preview": "{\n \"cells\": [\n {\n \"cell_type\": \"code\",\n \"execution_count\": 6,\n \"metadata\": {},\n \"outputs\": [\n {\n \"name\":"
},
{
"path": "Clustering/K-means_Clustering/K-means_Clustering.py",
"chars": 5582,
"preview": "#coding=utf-8\r\n#Author:Harold\r\n#Date:2021-1-27\r\n#Email:zenghr_zero@163.com\r\n\r\n'''\r\n数据集：iris\r\n数据集数量：150\r\n----------------"
},
{
"path": "Clustering/iris.data",
"chars": 4550,
"preview": "5.1,3.5,1.4,0.2,Iris-setosa\n4.9,3.0,1.4,0.2,Iris-setosa\n4.7,3.2,1.3,0.2,Iris-setosa\n4.6,3.1,1.5,0.2,Iris-setosa\n5.0,3.6,"
},
{
"path": "DecisionTree/DecisionTree.py",
"chars": 9898,
"preview": "#coding=utf-8\r\n#Author:Dodo\r\n#Date:2018-11-21\r\n#Email:lvtengchao@pku.edu.cn\r\n\r\n'''\r\n数据集：Mnist\r\n训练集数量：60000\r\n测试集数量：10000\r"
},
{
"path": "EM/EM.py",
"chars": 5216,
"preview": "# coding=utf-8\r\n# Author:Dodo\r\n# Date:2018-12-8\r\n# Email:lvtengchao@pku.edu.cn\r\n# Blog:www.pkudodo.com\r\n\r\n'''\r\n数据集：伪造数据集"
},
{
"path": "HMM/HMM.py",
"chars": 10534,
"preview": "#coding=utf-8\r\n#Author:Dodo\r\n#Date:2018-12-10\r\n#Email:lvtengchao@pku.edu.cn\r\n#Blog:www.pkudodo.com\r\n'''\r\n数据集：人民日报1998年中文"
},
{
"path": "HMM/HMMTrainSet.txt",
"chars": 4084479,
"preview": "迈向 充满 希望 的 新 世纪 —— 一九九八年 新年 讲话 （ 附 图片 １ 张 ） \r\n中共中央 总书记 、 国家 主席 江 泽民 \r\n（ 一九九七年 十二月 三十一日 ） \r\n１"
},
{
"path": "HMM/testArtical.txt",
"chars": 935,
"preview": "深圳有个打工者阅览室\r\n去年１２月，我在广东深圳市出差，听说南山区工商分局为打工者建了个免费图书阅览室，这件新鲜事引起了我的兴趣。\r\n１２月１８日下午，我来到了这个阅览室。阅览室位于桂庙，临南油大道，是一间轻体房，面积约有４０平方米，内部装"
},
{
"path": "KNN/KNN.py",
"chars": 4834,
"preview": "#coding=utf-8\r\n#Author:Dodo\r\n#Date:2018-11-16\r\n#Email:lvtengchao@pku.edu.cn\r\n\r\n'''\r\n数据集：Mnist\r\n训练集数量：60000\r\n测试集数量：10000（"
},
{
"path": "LDA/LDA.ipynb",
"chars": 10605,
"preview": "{\n \"cells\": [\n {\n \"cell_type\": \"code\",\n \"execution_count\": 37,\n \"metadata\": {},\n \"outputs\": [\n {\n \"name\""
},
{
"path": "LDA/LDA.py",
"chars": 6672,
"preview": "#coding=utf-8\r\n#Author:Harold\r\n#Date:2021-1-27\r\n#Email:zenghr_zero@163.com\r\n\r\n'''\r\n数据集：bbc_text\r\n数据集数量：2225\r\n-----------"
},
{
"path": "LDA/bbc_text.csv",
"chars": 5056090,
"preview": "category,text\ntech,tv future in the hands of viewers with home theatre systems plasma high-definition tvs and digital "
},
{
"path": "LSA/LSA.ipynb",
"chars": 5679,
"preview": "{\n \"cells\": [\n {\n \"cell_type\": \"code\",\n \"execution_count\": 2,\n \"metadata\": {},\n \"outputs\": [\n {\n \"name\":"
},
{
"path": "LSA/LSA.py",
"chars": 3834,
"preview": "#coding=utf-8\r\n#Author:Harold\r\n#Date:2021-1-27\r\n#Email:zenghr_zero@163.com\r\n\r\n'''\r\n数据集：bbc_text\r\n数据集数量：2225\r\n-----------"
},
{
"path": "LSA/bbc_text.csv",
"chars": 5056090,
"preview": "category,text\ntech,tv future in the hands of viewers with home theatre systems plasma high-definition tvs and digital "
},
{
"path": "Logistic_and_maximum_entropy_models/logisticRegression.py",
"chars": 4262,
"preview": "# coding=utf-8\r\n# Author:Dodo\r\n# Date:2018-11-27\r\n# Email:lvtengchao@pku.edu.cn\r\n# Blog:www.pkudodo.com\r\n\r\n'''\r\n数据集：Mnis"
},
{
"path": "Logistic_and_maximum_entropy_models/maxEntropy.py",
"chars": 9233,
"preview": "# coding=utf-8\r\n# Author:Dodo\r\n# Date:2018-11-30\r\n# Email:lvtengchao@pku.edu.cn\r\n# Blog:www.pkudodo.com\r\n\r\n'''\r\n数据集：Mnis"
},
{
"path": "NaiveBayes/NaiveBayes.py",
"chars": 5841,
"preview": "# coding=utf-8\r\n# Author:Dodo\r\n# Date:2018-11-17\r\n# Email:lvtengchao@pku.edu.cn\r\n\r\n'''\r\n数据集：Mnist\r\n训练集数量：60000\r\n测试集数量：10"
},
{
"path": "PCA/PCA.ipynb",
"chars": 9473,
"preview": "{\n \"cells\": [\n {\n \"cell_type\": \"code\",\n \"execution_count\": 1,\n \"metadata\": {},\n \"outputs\": [\n {\n \"name\":"
},
{
"path": "PCA/PCA.py",
"chars": 3085,
"preview": "#coding=utf-8\r\n#Author:Harold\r\n#Date:2021-1-27\r\n#Email:zenghr_zero@163.com\r\n\r\n'''\r\n数据集：cars\r\n数据集数量：387\r\n----------------"
},
{
"path": "PCA/cars.csv",
"chars": 29910,
"preview": "Sports,SUV,Wagon,Minivan,Pickup,AWD,RWD,Retail,Dealer,Engine,Cylinders,Horsepower,CityMPG,HighwayMPG,Weight,Wheelbase,Le"
},
{
"path": "PLSA/PLSA.ipynb",
"chars": 7867,
"preview": "{\n \"cells\": [\n {\n \"cell_type\": \"code\",\n \"execution_count\": 55,\n \"metadata\": {},\n \"outputs\": [\n {\n \"name\""
},
{
"path": "PLSA/PLSA.py",
"chars": 5905,
"preview": "#coding=utf-8\r\n#Author:Harold\r\n#Date:2021-1-27\r\n#Email:zenghr_zero@163.com\r\n\r\n'''\r\n数据集：bbc_text\r\n数据集数量：2225\r\n-----------"
},
{
"path": "PLSA/bbc_text.csv",
"chars": 5056090,
"preview": "category,text\ntech,tv future in the hands of viewers with home theatre systems plasma high-definition tvs and digital "
},
{
"path": "Page_Rank/Page_Rank.ipynb",
"chars": 4006,
"preview": "{\n \"cells\": [\n {\n \"cell_type\": \"markdown\",\n \"metadata\": {},\n \"source\": [\n \"### PageRank算法\\n\",\n \"以下图所示的有向图为例"
},
{
"path": "Page_Rank/Page_Rank.py",
"chars": 2935,
"preview": "#coding=utf-8\r\n#Author:Harold\r\n#Date:2021-1-27\r\n#Email:zenghr_zero@163.com\r\n\r\n'''\r\n有向图：directed_graph.png\r\n结点数量：7\r\n-----"
},
{
"path": "README.md",
"chars": 6053,
"preview": "## 【广告位-AI 工具推荐】学术研究必备 - GreatRouter 大模型 API 服务\n 正在用 大模型 做研究？论文写作、代码调试、数据分析都需要 AI 辅助？\n\n [**GreatRouter**](https://www."
},
{
"path": "SVM/SVM.py",
"chars": 13890,
"preview": "#coding=utf-8\r\n#Author:Dodo\r\n#Date:2018-12-03\r\n#Email:lvtengchao@pku.edu.cn\r\n#Blog:www.pkudodo.com\r\n'''\r\n数据集：Mnist\r\n训练集数"
},
{
"path": "perceptron/perceptron_dichotomy.py",
"chars": 3856,
"preview": "#coding=utf-8\n#Author:Dodo\n#Date:2018-11-15\n#Email:lvtengchao@pku.edu.cn\n\n'''\n数据集：Mnist\n训练集数量：60000\n测试集数量：10000\n--------"
},
{
"path": "transMnist/transMnist.py",
"chars": 923,
"preview": "#coding=utf-8\n'''\nMnsit原始数据集为字符格式，将数据集转换为cvs格式，\n后续代码都会在cvs文件的基础上进行编写，这样大家看代码也能清楚很多\n代码由以下网址提供，表示感谢。\nhttps://pjreddie.com/"
}
]
// ... and 4 more files (download for full content)
About this extraction
This page contains the full source code of the Dod-o/Statistical-Learning-Method_Code GitHub repository, extracted and formatted as plain text for AI agents and large language models (LLMs). The extraction includes 37 files (63.5 MB), approximately 4.9M tokens, and a symbol index with 89 extracted functions, classes, methods, constants, and types. Use this with OpenClaw, Claude, ChatGPT, Cursor, Windsurf, or any other AI tool that accepts text input. You can copy the full output to your clipboard or download it as a .txt file.
Extracted by GitExtract — free GitHub repo to text converter for AI. Built by Nikandr Surkov.