当前位置：首页 > 作文大全 > 更多作文> 近邻作文

近邻作文

时间：2022-10-26 07:49:15 更多作文收藏本文下载本文

近邻作文（推荐29篇）由网友“清明雨”投稿提供，以下是小编为大家准备了近邻作文，欢迎参阅。

近邻作文

篇1：近邻700字作文

近邻700字作文

那美丽的鲜花，因为有了绿叶的依偎，才显得鲜艳与美丽；那湛蓝的天空，因为有了白云的点缀，才显得宁静和祥和；那广博的大地，因为有了万物的吻，才显得富足与丰饶，而我们社区，因为有了他人的存在，才更显得和谐和温馨。

她——林阿姨，四十岁左右的年纪，一双炯炯有神的眼睛里总闪着热情的光芒。林阿姨是个医生，有可能是职业的关系，脸上总是挂着一丝甜甜的微笑。她待人热情周到，左邻右舍谁家有了困难都找她，她也总是热情的去帮助人家。凡提起她，人人都会翘起大拇指说“好”。

有一次我妈的病又发作了，家只有一个人，爸爸出差在外，虽然我是个男孩，可我只有十来岁能怎么办呀？我急得像热锅上的蚂蚁一样。妈妈躺在床上痛苦的呻吟着，她的每一声呻吟都像钢针似的刺痛着我的心，我急得哇哇大哭。正巧林阿姨下班回来，她听到哭声，马上冲进来，看见虚弱得躺在床上的妈妈，什么都明白了，二话不说，瘦弱的'他便背起也不轻的妈妈向外赶。

当时正下着毛毛细雨，也不能打着伞，只是一个劲叫我帮妈妈遮好雨衣，叫我自己撑好伞。三月的雨天，雨水打在身上不痛但也够冷的，去医院的路不远，但我在后面分明清楚地听到了林阿姨急促的喘息声……

妈妈在医院留住观察。由于我家没人，林阿姨把我接到她家，并忙着给我做吃的。吃饭时，我的喉咙好像被什么东西卡住一样，一粒也咽不下去。可是林阿姨却不断往我碗里夹菜，还不时地问：“好吃不好吃啊？”“在阿姨家，你别怕。”这时，我眼睛里噙满了泪水，泪水掉在碗里，眼前模糊了……

林阿姨就是这么让人窝心，我们小区里的王奶奶也不时逢人就言：“小林对我可好了，就连亲生女儿也不及啊！”也正如此，小区更和谐了，人们的生活也更温馨了，有道是：远亲不如近邻啊！

篇2：远亲，真的不如近邻抒情作文

远亲，真的不如近邻抒情作文

以前我一直不相信“远亲不如近邻”的说法，认为亲戚毕竟是亲戚，再远也还是有个“亲”字，血浓于水嘛;可邻居，跟你是八竿子也打不着，怎么会胜过亲戚呢?可那次，我真的被“近邻”感动了!

那是一个风雨交加，电闪雷鸣的夜晚，爸爸出差了，妈妈正在洗碗，我正在看电视。突然，妈妈尖叫一声，手中的碗也摔到了地上，发出“砰”的一声响。我马上跑过去，发现妈妈捂着肚子，瘫坐在地上。我忙扶妈妈起来，搀着妈妈在沙发上躺下，就不知道怎么办了。我急得像热锅上的蚂蚁——团团转!妈妈大声痛苦地嘶叫着，我看在眼里，疼在心里，恨不得代替妈妈来受苦，可，我却不能。

“笃笃笃……”这时，突然响起了敲门声，只听见李阿姨大叫：“小静，快开门，小静啊……”我开了门，一大群邻居涌了进来，关切的问候着妈妈。我正感动着，妈妈嘶叫的'声音忽然停了下来!我跑过去一看，妈妈居然痛晕了!我使劲摇着妈妈的肩膀，哭着说：“妈妈，你醒醒!妈妈!”这时，李阿姨让陈伯伯出去打车，让梁叔叔和张大伯将妈妈抬了起来，自己则去打“120”。赵爷爷将身上仅有的八百元拿了出来，塞给了我。大家一起将妈妈送去了医院。

妈妈住院了，可她的情况已经好了不少，李阿姨他们每天煲鸡汤，送水果过来，向妈妈嘘寒问暖，妈妈感动不已，我则是热泪盈眶，我问：“李阿姨，您为什么对我妈妈这么好?”李阿姨笑着说：“邻里之间本就应该互相关心，况且你妈妈平时对我们大家那么好……”她的这些话，句句打在我的心坎上，仿佛是一场春雨洒落在久旱的田地里，飞快的渗了下去。

远亲，它真的不如近邻。

篇3：我家的近邻作文1000字

雨花台实验小学周钰萱

在我家油烟机的排气管中，生活着小麻雀一家。

以前，我年纪小，爸爸妈妈上班照顾不过来，所以一直和爷爷奶奶住在一起。转眼间，我上四年级了，爸爸妈妈为了给我一个更好的学习环境，我们一家三口就搬到了这套房子居住。自从前年我们搬进来住，就发现小麻雀一家已经住在这儿了。由于房子之前空闲了好几年，油烟机的排气管成了小麻雀一家共享天伦之乐的栖息地。我们平时在爷爷奶奶那儿吃饭，一般不自己开伙烧饭，所以和小麻雀一家和平共处了很长时间。

每天清晨，我从梦中醒来，总能听到它们一唱一和的歌声，在它们欢快的歌声中，刷牙、洗脸，吃早饭。又在它们叽叽喳喳的聊天声中，急匆匆的上学。晚上回家，它们一家早已进入了香甜的梦乡，打开油烟机的柜门，好像能听见它们均匀酣畅的呼吸。有了小麻雀一家的陪伴，我感觉这个家有意思了很多，我们有了别人家没有的近邻。

去年暑假，妈妈想自己烧饭，就想赶走这家“邻居”，当爸爸打开橱柜门，准备赶走它们时，两只受惊的老麻雀“突”地飞了出去，但是里面还是传出了尖细娇嫩的“叽叽叽叽”的叫声。爸爸说：“里面有小麻雀，好像还不会飞。”“那怎么办啊，如果把鸟窝掏掉，它们就没命了。”我着急的喊道。爸爸听了我说的话，也停了手。说：“算了，等过一阵子，这些小麻雀能飞了，再说吧。”就这样，麻雀一家又和我们和平共处了几个月。

国庆节快到了，小舅舅一家三口要来南京游玩，那当然要住在我们家了。妈妈说：“现在不得不自己开伙了，小麻雀怎么办？”爸爸说：“现在都秋天了，小麻雀崽子也该长大了吧。”于是周末，爸爸又打开了油烟机柜门，开启油烟机先轰了一阵，里面没有了小麻雀的声音，爸爸就把油烟机的排气管下了下来，结果里面掏出一大堆干草，足有一篮筐，用了一个很大的垃圾袋才装得下。

可怜那两只老麻雀，一直在窗户外叫个不停，甚至扑到窗玻璃上，对着打扫卫生的.妈妈，一阵狂叫，仿佛在据理力争：“你们凭什么拆了我的家！”妈妈伤感的对它们说：“可怜的麻雀们，我们也没办法啊，你下回再安家，一定找个安全的地方啊。”麻雀仿佛听懂了妈妈的话，过了一会儿，果然不再叫了。只是不知它们今夜住在哪儿啊？妈妈说：“现在天还不冷，它们在树上也可以过夜的。”我心里还是很失落和伤心。

妈妈说：“是啊，小麻雀也是生命啊，当我们追求方便的生活时，也要尽量不伤害这些小生命才是啊。地球上也该有它们的立身之处，这样我们的地球才不愧是鸟语花香的美丽星球。”我似乎听懂了。XX-5-22

简评：很有爱的文章，很有爱的小同学！

篇4：python k近邻算法实例

热点排行

Python入门教程超详细1小时学会

python 中文乱码问题深入分析

比较详细Python正则表达式操作指

Python字符串的encode与decode研

Python open读写文件实现脚本

Python enumerate遍历数组示例应

Python 深入理解yield

Python+Django在windows下的开发

python 文件和路径操作函数小结

python 字符串split的用法分享

篇5：近亲不如近邻的年代散文

近亲不如近邻的年代散文

几十年前，我住的那个城里。工人也好，干部也罢，谁都没有自己的房产，全都货真价实的“无产阶级”。

一间工厂建成了，一个机关设立了，头儿们首先要考虑的是，根据自己的规模，建一批职工宿舍和家属住宅。先“安居”，才会“乐业”。

那时的人顾大局识大体。只要说“工作需要”，谁都能做到“哪里需要到哪里去，哪里就是我的家”。因为“家”的概念，仅仅只是指有几个家庭成员而己。

年轻人工作了，单位会安排集体宿舍；谈婚论嫁时，向头儿递上申请，又会分配住家属区去；待到拖儿带女时，还可以通过单位内部调整到大一点的住房。从没听说过“房产证”这玩意儿，更没有什么“首付”、“月供”的说辞。一个院子、或一片区域之内，住着的全是低头不见抬头见的同事。那个交通不便，通讯不发达的年代，“远亲不如近邻”成了实实在在的事。

小时候，我家住的那一大片家属区全是平房，于是编号只是称几排几号而不是称着“栋”的。那种房子盖起来很简单：平整地面后，立几根木桩，上梁盖瓦。墙壁则是用竹片编成篱笆，再剁些稻草掺在黄泥中糊上去，外表再面一层白石灰就行。盖一排房子十天半月便可竣工。那种房子隔音效果极差，谁家要是不小心掉了个碗在地上，邻居们马上就听到了。好在左邻右舍都是一间厂甚至一个车间的工人，日子久了，都知根知底的，谁也就不在乎什么“隐私”不隐私了。

厨房是隔开的，住房对面盖了一个大间，靠墙打了些灶，分到每户一口。到做饭时，各家锅碗瓢盆叮叮当当此起彼伏。谁家要是煲个鸡汤呀，那香味飘散开来，大家都沾光。好菜起锅时，谁都会招呼邻家的孩子去捣两筷子的。一排房子住着的老老少少四五十口人，还真像一个大家庭。

厕所是公用的，自来水也是公用。各家有一口水缸，上公用水笼头挑来水倒缸里备用。有的家庭人老了，身体差了些，邻家小青年捎带着就把他家水缸灌满了。那样的房子怕失火，于是一排房子会备有一个铃当，大家轮流着值日，每晚九点半时，会摇响铃当，一声声“小心火烛”的呼喊会提醒各家各户检查柴灶里的火是否熄灭。小时候我特乐意去摇那个钤当，每回喊了“小心火烛”之后，我会有意加上一句“盖好被窝，小心感冒”。篱笆墙的房子冬天不抗冻，又因为黄泥石灰的墙面容易剥落，到后来再修的家属房就全成了砖房，仍然以平房为主。少有的几栋楼房，则要当点什么“官”才够资格享受。

到了七十年代，人多了，地盘依旧，机关工厂就全盖起了楼房。

我家分配到了三楼的一套住房。从楼房的中部上楼，到达楼层后是一道通走廊，左右各五户。三五十号人和睦相处，白天大人们上班，小孩上学，几位老人便搬个小竹椅坐走廊上聊天，顺带也就兼作了“保安”。中午时分，一些住户还会端着饭碗到走廊边吃边和邻居谈论些见闻，被称作《午间新闻联播》。时有哪家的孩子放学了，大人因工作下班晚点，邻家老太太就把孩子接家里吃饭去了。小孩不认生，大人也无所谓，一切都顺理成章。晚上更热闹，那时节没有电视机，在家闲坐着大眼瞪小眼的十分无聊，走廊便成了聚会之地。夏天室内较热，各家会抬出竹床或靠椅摆在走廊上，摇起蒲扇，或听邻家收音机里国际国内海阔天空，或张家李家嘻笑打趣，做完作业的孩子则数起了天上的星星。一排十户一大家子人，其乐融融。

那一年，南方打仗了。吃罢晚饭就有人把自家收音机摆在了窗台上，老少几十口全聚精会神跟着解放军攻凉山，打老山，一个个摩拳擦掌全都骂着那些吃咱用咱还端着咱的枪打咱的“白眼畜牲”。那阵势，一层楼似乎就顶上一个排的兵力似的。

一层楼住着，偶而也有“突发事件”发生。

那一回我从十里外的工厂下班回家，才两岁的孩子一把抱着我便不再松手，小脸红红，啼哭不己。妻出差上县里工地了，雇的保姆也没把他当回事。我抱着孩子在走廊上摇着哄着，初为人父不知所措。邻家大婶用眼窝贴在孩子额头一会：乖乖！烧这么厉害，要送医院啊。这一喊，接连又出来几位邻居，有的忙着指挥保姆准备孩子上医院的物品；有一位下楼去找单位的小车司机，听说司机去隔璧工地看露天电影了，又打发自家老公跑去放映场地广播找人；还有位便直接找了领导，让打电话到县里通知孩子妈赶回。第二天上午，妻便到病床边。

到孩子上幼儿园时，每次都是邻家奶奶稍带着送去接回的。有时妻加班误了收工的点，我也还在回家的路上，待到家时总会见到孩子端着邻家的碗有滋有味。孩子总是说自己家的.菜没别家好吃。那时候邻居间帮衬着做点什么好像都是理所当然的，你要是多说了几声“谢谢”还会怪你太见外了。

几百号人一个院子里住着，有时也会遇到哪位爷爷奶奶一甩手就走了的。但凡有这样的事情发生时，主人家只要燃响一挂鞭炮，立马就会有人寻上门来。有上门陪伴安慰家属的，有帮忙搭建灵堂的，还有跑上跑下张罗着买这买那的。不用动员，不用指派，一院子人人人出动，帮着主人把一场丧事办的热热闹闹。

一眨眼几十年就过去了。城市变得繁华起来，人越来越多，城里拥挤了。拆旧房盖高楼成了一种生财之道。

眼看着能换新居，一个院里的爷爷奶奶们却并不怎么开心。曾经去替子女照看过孙子辈的，尝过了大城市的苦。虽然高楼大厦，电梯上下，住了几年，对门对户那邻居姓什么？干什么？竟然一概不知。想问问吧，还怕别人怀疑自己探听隐私“图谋不轨”。在自家那屋里稍弄出点响动了，物业就寻上门来，说是邻居投诉被“扰民”了。一个小区大几千人，能认真唠嗑几句的对象却寥寥无几。于是那种“天伦之乐”一出家门便成了孤芳自赏，一些平日里喜欢说笑的大爷更是不乐意：“再呆个三五个月的，嘴巴都会闭臭”。

拆迁动员会上，七嘴八舌居然唱出了同一个调子：支持城市建设，愿意拆迁。条件是就地安置，整体搬迁，几十年的邻居，我们不散伙。

怀念那个年代，那些远亲不如近邻的岁月，真好！

篇6：有关友好的邻居作文:远亲赶不上近邻

那是一个晚上，外面寒风呼啸，我一个人走在黑漆漆的小路上，一阵寒风吹来，我不禁打了一个寒颤，一种沉闷的气氛在此时让人感到分外凄凉!

我走进小区，来到家门前，我轻轻地敲了敲门，生怕惊扰了邻居们休息，见没有反应，我便再次敲了敲，还是没有人帮我开门，我心里断定，家里肯定没人，我无力地靠着墙蹲了下来，寒风凛冽，冻得我浑身发抖，心里就像打翻了五味瓶一样，倍感凄凉。然而就在这时，邻居家的门开了，明亮的灯光射在我的脸上，张奶奶出来了，我叫了声：“张奶奶好!”张奶奶关心的问：“小姑娘，你的爸爸妈妈呢?怎么蹲在门口呀?”我回答：“我也不知道，我没有钥匙。”这时，张奶奶脱下了自己的外套披在我的身上，我顿时觉得温暖起来!张奶奶问我要不要打电话给妈妈，我点了点头，这是张奶奶将电话递给了我，我接过来给妈妈打了电话。张奶奶接过电话，将我拉进了她家，她让我坐下，她给我炒了炒饭吃，就这样一直等到妈妈回来。妈妈感激地对张奶奶说：“太感谢您了，多亏了您照顾我的孩子!”张奶奶笑着说“不用客气，举手之劳，不必客气!”}

张奶奶可真是我的及时雨啊!跟着妈妈回到家，外面的雨还在下。风依旧在吹，可是我的心里务必温暖!今天还真应了那句话：远亲赶不上近邻。

我们要跟邻居处理好关系，这样日子才会更加温馨幸福!

作者|邓婧颖

公众号：静听花语说

篇7：(Python)(有监督)kNN近邻分类算法

有监督的kNN近邻算法：

（1）计算已知类别数据集中的点与当前点之间的距离

（2）按照距离递增次序排序

（3）选取与当前点距离最小的k个点

（4）确定前k个点所在类别的出现频率

（5）返回前k个点出现频率最高的类别作为当前点的预测分类

#数据样例

1 2:a

1 3:a

1 4:a

1 5:b

6 2:b

6 3:b

100 200:c

101 199:c

300 444:d

299 50:d

1000 10000:d

#版本0：纯python

kNNfrom math import sqrtfrom collections import Counterdistance=lambda a,b:sqrt(sum(map(lambda ai,bi:pow(ai-bi,2),a,b))) if len(a)==len(b) else Error0:data length match faildistance2=lambda a,b:distance([int(i) for i in a.split],[int(i) for i in b.split()]) # for strings#print(distance2('1 2 4 7 8','2 5 5 6 110'))readData=lambda file:{line.split(':')[0]:line.strip().split(':')[1] for line in open(file)}#print(readData())def judgeSpot(fileIn='test0.txt',x='1 2',num=5): distanceDict,data={},readData(fileIn) for k in data: distanceDict[str(distance2(x,k))]=data[k] # sortDistance=sorted(distanceDict.items(),key=lambda x:float(x[0]))[:num] # kindDict=[item[1] for item in sortDistance] return sorted(dict(Counter(item[1] for item in sorted(distanceDict.items(),key=lambda x:float(x[0]))[:num])).items(),key=lambda x:x[1],reverse=True)[0][0]#print(judgeSpot('1000 10000','test0.txt'),)def judgeSpot2(dataIn,x='1 2',num=5): distanceDict,data={},dataIn for k in data: distanceDict[str(distance2(x,k))]=data[k] # sortDistance=sorted(distanceDict.items(),key=lambda x:float(x[0]))[:num] # kindDict=[item[1] for item in sortDistance] return sorted(dict(Counter(item[1] for item in sorted(distanceDict.items(),key=lambda x:float(x[0]))[:num])).items(),key=lambda x:x[1],reverse=True)[0][0]print(judgeSpot('test0.txt','1000 10000'),)#Rate of Rightdef rateRight(fileIn='test0.txt',num=5): countRight,data=0,readData(fileIn) for k in data: if judgeSpot2(data,k,num)==data[k]:countRight+=1 return countRight/float(len(open(fileIn).readlines()))print(rateRight())

篇8：k近邻法的C++实现：kd树

1.k近邻算法的思想

给定一个训练集，对于新的输入实例，在训练集中找到与该实例最近的k个实例，这k个实例中的多数属于某个类，就把该输入实例分为这个类，

因为要找到最近的k个实例，所以计算输入实例与训练集中实例之间的距离是关键！

k近邻算法最简单的方法是线性扫描，这时要计算输入实例与每一个训练实例的距离，当训练集很大时，非常耗时，这种方法不可行，为了提高k近邻的搜索效率，常常考虑使用特殊的存储结构存储训练数据，以减少计算距离的次数，具体方法很多，这里介绍实现经典的kd树方法。

2.构造kd树

kd树是一种对k维空间中的实例点进行存储以便对其进行快速检索的树形数据结构，kd树是二叉树。

下面举例说明：

给定一个二维空间的数据集: T = {(2,3), (5,4), (9,6), (4,7), (8,1), (7,2)},构造一个平衡kd树。

根结点对应包含数据集T的矩形选择x(1) 轴，6个数据点的x(1) 坐标的中位数是7，以超平面x(1) = 7将空间分为左右两个子矩形（子结点）

左矩形以x(2) = 4为中位数分为两个子矩形

右矩形以x(2) = 6 分为两个子矩形

如此递归，直到两个子区域没有实例存在时停止

3.利用kd树搜索最近邻

输入：已构造的kd树；目标点x;

输出：x的最近邻

在kd树中找出包含目标点x的叶结点：从根结点出发，递归的向下访问kd树，若目标点x的当前维的坐标小于切分点的坐标，则移动到左子结点，否则移动到右子结点，直到子结点为叶结点为止。

以此叶结点为“当前最近点”

递归地向上回退，在每个结点进行以下操作：（a）如果该结点保存的实例点比当前最近点距离目标点更近，则以该实例点为“当前最近点”;

(b)当前最近点一定存在于某结点一个子结点对应的区域，检查该子结点的父结点的另

一子结点对应区域是否有更近的点（即检查另一子结点对应的区域是否与以目标点为球

心、以目标点与“当前最近点”间的距离为半径的球体相交）；如果相交，可能在另一

个子结点对应的区域内存在距目标点更近的点，移动到另一个子结点，接着递归进行最

近邻搜索；如果不相交，向上回退

当回退到根结点时，搜索结束，最后的“当前最近点”即为x的最近邻点。

4.C++实现

1 #include

2 #include

3 #include

4 #include

5 #include

6 using namespace std;

11 struct KdTree{

12 vectorroot;

13 KdTree* parent;

14 KdTree* leftChild;

15 KdTree* rightChild;

16 //默认构造函数

17 KdTree(){parent = leftChild = rightChild = NULL;}

18 //判断kd树是否为空

19 bool isEmpty()

20 {

21 return root.empty();

22 }

23 //判断kd树是否只是一个叶子结点

24 bool isLeaf()

25 {

26 return (!root.empty()) &&

27 rightChild == NULL && leftChild == NULL;

28 }

29 //判断是否是树的根结点

30 bool isRoot()

31 {

32 return (!isEmpty()) && parent == NULL;

33 }

34 //判断该子kd树的根结点是否是其父kd树的左结点

35 bool isLeft()

36 {

37 return parent->leftChild->root == root;

38 }

39 //判断该子kd树的根结点是否是其父kd树的右结点

40 bool isRight()

41 {

42 return parent->rightChild->root == root;

43 }

44 };

46 int data[6][2] = {{2,3},{5,4},{9,6},{4,7},{8,1},{7,2}};

48 template

49 vector>Transpose(vector>Matrix)

50 {

51 unsigned row = Matrix.size();

52 unsigned col = Matrix[0].size();

53 vector>Trans(col,vector(row,0));

54 for (unsigned i = 0; i < col; ++i)

55 {

56 for (unsigned j = 0; j < row; ++j)

57 {

58 Trans[i][j] = Matrix[j][i];

59 }

60 }

61 return Trans;

62 }

64 template

65 T findMiddleValue(vectorvec)

66 {

67 sort(vec.begin(),vec.end());

68 auto pos = vec.size() / 2;

69 return vec[pos];

70 }

73 //构建kd树

74 void buildKdTree(KdTree* tree, vector>data, unsigned depth)

75 {

77 //样本的数量

78 unsigned samplesNum = data.size();

79 //终止条件

80 if (samplesNum == 0)

81 {

82 return;

83 }

84 if (samplesNum == 1)

85 {

86 tree->root = data[0];

87 return;

88 }

89 //样本的维度

90 unsigned k = data[0].size();

91 vector>transData = Transpose(data);

92 //选择切分属性

93 unsigned splitAttribute = depth % k;

94 vectorsplitAttributeValues = transData[splitAttribute];

95 //选择切分值

96 double splitValue = findMiddleValue(splitAttributeValues);

97 //cout << “splitValue” << splitValue << endl;

99 // 根据选定的切分属性和切分值，将数据集分为两个子集

100 vector>subset1;

101 vector>subset2;

102 for (unsigned i = 0; i < samplesNum; ++i)

103 {

104 if (splitAttributeValues[i] == splitValue && tree->root.empty())

105 tree->root = data[i];

106 else

107 {

108 if (splitAttributeValues[i] < splitValue)

109 subset1.push_back(data[i]);

110 else

111 subset2.push_back(data[i]);

112 }

113 }

114

115 //子集递归调用buildKdTree函数

116

117 tree->leftChild = new KdTree;

118 tree->leftChild->parent = tree;

119 tree->rightChild = new KdTree;

120 tree->rightChild->parent = tree;

121 buildKdTree(tree->leftChild, subset1, depth + 1);

122 buildKdTree(tree->rightChild, subset2, depth + 1);

123 }

124

125 //逐层打印kd树

126 void printKdTree(KdTree *tree, unsigned depth)

127 {

128 for (unsigned i = 0; i < depth; ++i)

129 cout << “\t”;

130

131 for (vector::size_type j = 0; j < tree->root.size(); ++j)

132 cout << tree->root[j] << “,”;

133 cout << endl;

134 if (tree->leftChild == NULL && tree->rightChild == NULL )//叶子节点

135 return;

136 else //非叶子节点

137 {

138 if (tree->leftChild != NULL)

139 {

140 for (unsigned i = 0; i < depth + 1; ++i)

141 cout << “\t”;

142 cout << “ left:”;

143 printKdTree(tree->leftChild, depth + 1);

144 }

145

146 cout << endl;

147 if (tree->rightChild != NULL)

148 {

149 for (unsigned i = 0; i < depth + 1; ++i)

150 cout << “\t”;

151 cout << “right:”;

152 printKdTree(tree->rightChild, depth + 1);

153 }

154 cout << endl;

155 }

156 }

157

158

159 //计算空间中两个点的距离

160 double measureDistance(vectorpoint1, vectorpoint2, unsigned method)

161 {

162 if (point1.size() != point2.size())

163 {

164 cerr << “Dimensions don't match！！” ;

165 exit(1);

166 }

167 switch (method)

168 {

169 case 0://欧氏距离

170 {

171 double res = 0;

172 for (vector::size_type i = 0; i < point1.size(); ++i)

173 {

174 res += pow((point1[i] - point2[i]), 2);

175 }

176 return sqrt(res);

177 }

178 case 1://曼哈顿距离

179 {

180 double res = 0;

181 for (vector::size_type i = 0; i < point1.size(); ++i)

182 {

183 res += abs(point1[i] - point2[i]);

184 }

185 return res;

186 }

187 default:

188 {

189 cerr << “Invalid method!!” << endl;

190 return -1;

191 }

192 }

193 }

194 //在kd树tree中搜索目标点goal的最近邻

195 //输入：目标点；已构造的kd树

196 //输出：目标点的最近邻

197 vectorsearchNearestNeighbor(vectorgoal, KdTree *tree)

198 {

199 /*第一步：在kd树中找出包含目标点的叶子结点：从根结点出发，

200 递归的向下访问kd树，若目标点的当前维的坐标小于切分点的

201 坐标，则移动到左子结点，否则移动到右子结点，直到子结点为

202 叶结点为止,以此叶子结点为“当前最近点”

203 */

204 unsigned k = tree->root.size();//计算出数据的维数

205 unsigned d = 0;//维度初始化为0，即从第1维开始

206 KdTree* currentTree = tree;

207 vectorcurrentNearest = currentTree->root;

208 while(!currentTree->isLeaf())

209 {

210 unsigned index = d % k;//计算当前维

211 if (currentTree->rightChild->isEmpty() || goal[index] < currentNearest[index])

212 {

213 currentTree = currentTree->leftChild;

214 }

215 else

216 {

217 currentTree = currentTree->rightChild;

218 }

219 ++d;

220 }

221 currentNearest = currentTree->root;

222

223 /*第二步：递归地向上回退，在每个结点进行如下操作：

224 (a)如果该结点保存的实例比当前最近点距离目标点更近，则以该例点为“当前最近点”

225 (b)当前最近点一定存在于某结点一个子结点对应的区域，检查该子结点的父结点的另

226 一子结点对应区域是否有更近的点（即检查另一子结点对应的区域是否与以目标点为球

227 心、以目标点与“当前最近点”间的距离为半径的球体相交）；如果相交，可能在另一

228 个子结点对应的区域内存在距目标点更近的点，移动到另一个子结点，接着递归进行最

229 近邻搜索；如果不相交，向上回退*/

230

231 //当前最近邻与目标点的距离

232 double currentDistance = measureDistance(goal, currentNearest, 0);

233

234 //如果当前子kd树的根结点是其父结点的左孩子，则搜索其父结点的右孩子结点所代表

235 //的区域，反之亦反

236 KdTree* searchDistrict;

237 if (currentTree->isLeft())

238 {

239 if (currentTree->parent->rightChild == NULL)

240 searchDistrict = currentTree;

241 else

242 searchDistrict = currentTree->parent->rightChild;

243 }

244 else

245 {

246 searchDistrict = currentTree->parent->leftChild;

247 }

248

249 //如果搜索区域对应的子kd树的根结点不是整个kd树的根结点，继续回退搜索

250 while (searchDistrict->parent != NULL)

251 {

252 //搜索区域与目标点的最近距离

253 double districtDistance = abs(goal[(d+1)%k] - searchDistrict->parent->root[(d+1)%k]);

254

255 //如果“搜索区域与目标点的最近距离”比“当前最近邻与目标点的距离”短，表明搜索

256 //区域内可能存在距离目标点更近的点

257 if (districtDistance < currentDistance )//&& !searchDistrict->isEmpty()

258 {

259

260 double parentDistance = measureDistance(goal, searchDistrict->parent->root, 0);

261

262 if (parentDistance < currentDistance)

263 {

264 currentDistance = parentDistance;

265 currentTree = searchDistrict->parent;

266 currentNearest = currentTree->root;

267 }

268 if (!searchDistrict->isEmpty())

269 {

270 double rootDistance = measureDistance(goal, searchDistrict->root, 0);

271 if (rootDistance < currentDistance)

272 {

273 currentDistance = rootDistance;

274 currentTree = searchDistrict;

275 currentNearest = currentTree->root;

276 }

277 }

278 if (searchDistrict->leftChild != NULL)

279 {

280 double leftDistance = measureDistance(goal, searchDistrict->leftChild->root, 0);

281 if (leftDistance < currentDistance)

282 {

283 currentDistance = leftDistance;

284 currentTree = searchDistrict;

285 currentNearest = currentTree->root;

286 }

287 }

288 if (searchDistrict->rightChild != NULL)

289 {

290 double rightDistance = measureDistance(goal, searchDistrict->rightChild->root, 0);

291 if (rightDistance < currentDistance)

292 {

293 currentDistance = rightDistance;

294 currentTree = searchDistrict;

295 currentNearest = currentTree->root;

296 }

297 }

298 }//end if

299

300 if (searchDistrict->parent->parent != NULL)

301 {

302 searchDistrict = searchDistrict->parent->isLeft()?

303 searchDistrict->parent->parent->rightChild:

304 searchDistrict->parent->parent->leftChild;

305 }

306 else

307 {

308 searchDistrict = searchDistrict->parent;

309 }

310 ++d;

311 }//end while

312 return currentNearest;

313 }

314

315 int main()

316 {

317 vector>train(6, vector(2, 0));

318 for (unsigned i = 0; i < 6; ++i)

319 for (unsigned j = 0; j < 2; ++j)

320 train[i][j] = data[i][j];

321

322 KdTree* kdTree = new KdTree;

323 buildKdTree(kdTree, train, 0);

324

325 printKdTree(kdTree, 0);

326

327 vectorgoal;

328 goal.push_back(3);

329 goal.push_back(4.5);

330 vectornearestNeighbor = searchNearestNeighbor(goal, kdTree);

331 vector::iterator beg = nearestNeighbor.begin();

332 cout << “The nearest neighbor is: ”;

333 while(beg != nearestNeighbor.end()) cout << *beg++ << “,”;

334 cout << endl;

335 return 0;

336 }

篇9：雪夜与友生同宿晓寄近邻,雪夜与友生同宿晓寄近邻温庭筠,雪夜与友生同宿晓寄

雪夜与友生同宿晓寄近邻,雪夜与友生同宿晓寄近邻温庭筠,雪夜与友生同宿晓寄近邻的意思,雪夜与友生同宿晓寄近邻赏析 -诗词大全

雪夜与友生同宿晓寄近邻

作者：温庭筠朝代：唐体裁：五律闭门群动息，积雪透疏林。有客寒方觉，无声晓已深。

正繁闻近雁，并落起栖禽。寂寞寒塘路，怜君独阻寻。

篇10：秦岭近邻地区秋季暴雨的天气动力学分析

秦岭近邻地区秋季暴雨的天气动力学分析

对10月1～2日秦岭近邻地区连阴雨中的暴雨天气的成因进行分析,结果表明:暴雨发生在500 hPa东亚稳定的东高低环流形势下;低空西南急流为雨区提供了大量热量、动量及水汽,而高、低空急流的次级环流以及锋面次级环流之间的耦合加大了低层辐合和高层辐散,使暴雨区产生了强烈上升运动,为产生暴雨的中-α尺度系统形成提供了有利的大尺度环流背景场,秦巴山区复杂地形对产生暴雨中-α尺度的'形成和发展也有一定的激发作用;螺旋度强度变化对暴雨发生发展有一定的指示意义,暴雨发生前对流中底层有较大螺旋度值,且呈下正上负的垂直结构,暴雨一般发生在对流层低层螺旋度正值中心的前方.

作者：方建刚侯建忠陶建玲郭大梅 FANG Jian-gang HOU Jian-zhong TAO Jian-ling GUO Da-mei 作者单位：方建刚,FANG Jian-gang(陕西省气候中心,陕西,西安,710014;中国科学院,地球环境研究所,陕西,西安,710075)

侯建忠,陶建玲,郭大梅,HOU Jian-zhong,TAO Jian-ling,GUO Da-mei(陕西省气象台,陕西,西安,710014)

刊名：兰州大学学报（自然科学版） ISTIC PKU英文刊名：JOURNAL OF LANZHOU UNIVERSITY（NATURAL SCIENCES）年，卷(期)： 43(4) 分类号：P458.1 关键词：暴雨急流高低空急流耦合螺旋度

篇11：基于K近邻分类间隔的特征选择方法研究

基于K近邻分类间隔的特征选择方法研究

特征选择是机器学习和模式识别领域的一个关键问题.文中详细分析研究一类基于K近邻分类间隔的特征选择算法,并着重讨论当K>1时,特征选择的`评价准则和搜索策略的设计,同时在多个数据集上验证其性能.

作者：李云张腾飞杨文杰 LI Yun ZHANG Teng-fei YANG Wen-jie 作者单位：李云,杨文杰,LI Yun,YANG Wen-jie(南京邮电大学,计算机学院,江苏,南京,210046)

张腾飞,ZHANG Teng-fei(南京邮电大学,自动化学院,江苏,南京,210046)

刊名：南京邮电大学学报（自然科学版） ISTIC英文刊名：JOURNAL OF NANJING UNIVERSITY OF POSTS AND TELECOMMUNICATIONS(NATURAL SCIENCE) 年，卷(期)： 29(6) 分类号：O235 TP273+.22 关键词：特征选择 K近邻分类间隔

篇12：中班美术优秀教案及教学反思《色彩的远亲与近邻》

中班美术优秀教案及教学反思《色彩的远亲与近邻》

一、活动目标：

1、初步感知相邻色与对比色，能正确地区分，学习大胆地运用。

2、通过感知活动，幼儿知道动物自身颜色与环境的关系。

二、活动准备：

1、知识经验：幼儿认识三原色，知道一些色彩的名称。

2、环境准备：大幅的海洋的背景图。

3、材料准备：幼儿操作用的色彩娃娃、《找朋友》磁带、录音机、魔术棒。

三、活动过程：

1、游戏：考眼力。

1）教师：小朋友，你们玩过捉迷藏吗？请你们找找小动物们都躲在哪里，好吗？

2）幼儿寻找不同图片里躲藏的小动物，感受寻找的难易不同。

2、集体讨论游戏的结果，寻找色彩之间的关系。

1）讨论：为什么有的动物很容易找到，而有的动物却很难被发现呢？

2）幼儿说说自己小组讨论的结果。

3）小结：色彩的不同。有的动物的颜色与它生活的环境的颜色很接近，所以很难被发现，有的动物的颜色与周围环境的.颜色差别特别大，所以很快就发现了。

3、游戏：颜色对对碰。

1）认识标准色环。

2）帮助颜色娃娃找远亲与近邻。

3）教师用色彩娃娃讲解色彩的远亲与近邻的含义。

4）游戏：《找朋友》，找出颜色娃娃的远亲与近邻。

4、游戏：我来帮助你。

1）教师以故事《小鱼和鲨鱼》激发幼儿活动的愿望。

2）幼儿帮助小鱼穿上魔术衣，躲避鲨鱼的追捕，而让大鲨鱼穿上魔术衣，能让小鱼迅速及时地发现大鲨鱼。

3）幼儿分小组讨论并操作。

5、讲评：哪组的小鱼保护得特别的好，不易被发现，而鲨鱼却能及时被辨别？

教学反思：

孩子们学习积极性高。但在开始作画时，相当一部分孩子不敢下笔，在老师的鼓励和引领后才纷纷动笔画。分析原因，平时锻炼机会不足，缺乏自信心所致，大家认为，活动时间太长，在这次活动中，教师的活动程序清晰有序，过程生动、有趣，方法得当。富于启发性、探究性，更重要的是教师的教态、语言、语气始终充满感染力，深深吸引着孩子们情绪愉快地积极、主动参与到活动中，因此，整个活动过程气氛活跃，效果理想。

篇13：基于SVR和k-近邻群的组合预测在QSAR中的应用

基于SVR和k-近邻群的组合预测在QSAR中的应用

为提高定量构效关系(QSAR)研究的预测精度,发展了一种新的基于支持向量机回归(SVR)非线性筛选分子结构描述符、基于k-近邻群的非线性组合预测方法.首先以均方误差(MSE)最小为原则,以留一法通过多轮末尾淘汰实施分子结构描述符的非线性SVR汰选并给出最优核函数和相应保留描述符;其次基于待测样本与训练样本保留描述符向量的`欧氏距离,以不同k-近邻群子模型双重留一法预测值反映样本集的异质性;然后基于MSE最小,以留一法通过多轮末尾淘汰实施近邻群子模型的非线性SVR汰选并给出最优核函数和相应保留子模型;最后基于保留子模型以双重留一法实施组合预测.以取代苯胺和苯酚类化合物对大型械QSAR实例验证表明:新方法在所有参比模型中预测精度最高,且能更精细地反映描述符与化合物毒性间的非线性关系,具结构风险最小、非线性、适于小样本,能有效克服过拟合、维数灾和局极小,非线性筛选描述符和子模型,非线性组合预测,自动选择最优核函数及其相应参数,泛化推广能力优异、预测精度高等诸多优点,在QSAR研究中有广泛应用前景.

作者：袁哲明熊洁仪张永生 YUAN Zhe-ming XIONG Jie-yi ZHANG Yong-sheng 作者单位：湖南农业大学生物安全科学技术学院,湖南,长沙,410128 刊名：分子科学学报 ISTIC PKU英文刊名：JOURNAL OF MOLECULAR SCIENCE 年，卷(期)： 23(3) 分类号：O641 关键词：支持向量机回归定量构效关系均方误差非线性 -近邻群组合预测

篇14：九日阻雨简高侍御时与高公近邻,九日阻雨简高侍御时与高公近邻皎然,九日阻雨

九日阻雨简高侍御（时与高公近邻）,九日阻雨简高侍御（时与高公近邻）皎然,九日阻雨简高侍御（时与高公近邻）的意思,九日阻雨简高侍御（时与高公近邻）赏析 -诗词大全

九日阻雨简高侍御（时与高公近邻）

作者：皎然朝代：唐江上重云起，何曾`□尘。不能成落帽，翻欲更摧巾。

素发闲依枕，黄花暗待人。且应携下价，芒屦就诸邻。

篇15：模糊K近邻分类器在邻域风险最小化算法中的应用

模糊K近邻分类器在邻域风险最小化算法中的应用

在邻域风险最小化原则(VRM)中运用模糊K近邻分类器,来提出一种新的定义邻域半径的方法,从而得出一种新的VRM算法.实例证明这一新算法对解决稀疏小样本的.分类和回归有着较好的应用.

作者：杞娴殷英戴琳 QI Xian YIN Ying DAI Lin 作者单位：昆明理工大学,理学院,云南,昆明,650091 刊名：昆明理工大学学报(理工版) ISTIC PKU英文刊名：JOURNAL OF KUNMING UNIVERSITY OF SCIENCE AND TECHNOLOGY(SCIENCE AND TECHNOLOGY) 年，卷(期)： 32(6) 分类号：O235 关键词：支持向量机模糊K近邻

篇16：基于K近邻方法的窄线与宽线活动星系核的自动光谱分类

基于K近邻方法的窄线与宽线活动星系核的自动光谱分类

对于美国芝加哥大学等6个组织的斯隆数字化巡天观测(SDSS)的一批低红移活动星系核(AGN)光谱数据,针对宽线AGNs和窄线AGNs发射线的不同特征,在静止系的光谱上截取有效波段范围,采用自动分类的K近邻方法,对其进行分类.宽线和窄线AGNs光谱的主要区别在于Hβ、[OⅢ]、Hα和[NⅡ]等发射线的.幅度和半高全宽(FWHM)的大小,所以截取这些发射线所在的波段进行单独或组合的分类实验,实验证明,单独采用以Hα和[NⅡ]发射线为主的波段,分类效果最好,且对于训练样本数和测试样本数分别为1000和3313条的AGNs光谱的单次分类速度可达32.89秒.在充分利用光谱的典型特征的情况下,自动分类方法也可有效地应用于活动星系核的分类,为传统的通过计算发射线的FWHM值或发射线强比对大型光谱巡天所产生的庞大数据库进行分类提供了一种快速直接的分类方法.

作者：赵梅芳吴潮罗阿理吴福朝赵永恒 ZHAO Mei-fang WU Chao LUO A-li WU Fu-chao ZHAO Yong-heng 作者单位：赵梅芳,吴福朝,ZHAO Mei-fang,WU Fu-chao(中科院自动化所国家模式识别实验室,北京,100080)

吴潮,罗阿理,赵永恒,WU Chao,LUO A-li,ZHAO Yong-heng(中国科学院国家天文台,北京,100012)

刊名：天文学报 ISTIC PKU英文刊名：ACTA ASTRONOMICA SINICA 年，卷(期)：2007 48(1) 分类号：PTP29 关键词：星系:活动星系:核谱线:轮廓方法:数据分析

篇17：基于支持向量机回归与K-最近邻法的组合预测用于除草剂QSAR建模

基于支持向量机回归与K-最近邻法的组合预测用于除草剂QSAR建模

为了提高定量构效关系(QSAR)研究的预测精度,发展了一种基于支持向量机回归(SVR)与K-最近邻法(KNN)的组合预测方法:以均方误差(MSE)最小为原则,基于SVR实施核函数寻优;基于MSE最小原则与最优核函数以SVR进行描述符筛选并得到保留描述符;通过“多轮末尾强制淘汰法”揭示各保留描述符对预测精度的`影响程度;从保留描述符出发,以不同KNN预测值反映样本集异质性并构建子模型,然后基于SVR以留一法实施组合预测.运用该组合预测方法研究苯乙酰胺类除草剂QSAR建模,结果表明:基于SVR与KNN的组合预测方法在参比模型中预测精度最高,具结构风险最小、非线性、能有效克服过拟合、泛化推广能力优异等优点,在QSAR研究中具有广泛的应用前景.

作者：谭泗桥袁哲明柏连阳熊洁仪 TAN Si-qiao YUAN Zhe-ming BAI Lian-yang XIONG Jie-yi 作者单位：谭泗桥,TAN Si-qiao(湖南农业大学生物安全科学技术学院,长沙,410128;湖南农业大学信息科学技术学院,长沙,410128)

袁哲明,柏连阳,熊洁仪,YUAN Zhe-ming,BAI Lian-yang,XIONG Jie-yi(湖南农业大学生物安全科学技术学院,长沙,410128)

刊名：农药学学报 ISTIC PKU英文刊名：CHINESE JOURNAL OF PESTICIDE SCIENCE 年，卷(期)： 9(4) 分类号：O641 关键词：支持向量机回归 K-最近邻法组合预测定量构效关系

篇18：作文

近了近了，春的脚步声近了。

多么迷人的春呀，看，春天的脚步正在向咱们走来，向咱们正在展示春的美。小草偷偷的冒出它那尖尖的头，正在探视着春天的脚步到了哪里。柳树随着春风妹妹的到来，它那纤细的小手臂也随之迎风飘扬，好象在告诉咱们春天的脚步近了。冰冻的河水随春天的到来融化了，一条条溪流向东而去……看，这充满生机的一切都在告诉咱们春天的脚步近了，春天已经到咱们身边了。

多么悦耳的春呀，听，春天的脚步近了，她迈着轻碎的小步伐向咱们走来，同时她也带来了滋润万物的春雨弟弟。淅淅沥沥，淅淅沥沥……有节奏的下着小雨，竹笋弟弟妹妹们听见雨弟弟的脚步声都不约而同的探出脑袋好奇的望着周围的一切，听那节奏般的音乐吸引着他们努力向上生长着。冬眠的动物听见雨弟弟的呼唤声，都睁开那明亮的眼睛，随着雨弟弟的到来去寻找春天的脚步声。听，一曲美妙的声音，向咱们宣示春天的脚步近了，春天到了。

多么香浓的春呀，闻，便可以得到沁人心脾的香，那种香是多么令人心醉，春天脚步带来了芳香。桃树开了花，嗅一嗅，满鼻飘香，香的让咱们感受到春天为咱们的生活带来了欢笑和快乐。躺在开满花香的草地上，使劲用鼻子嗅一嗅，便猛然间觉得清新的空气中弥漫着花香的味道，让咱们沉醉于鸟语花香的世界，让咱们感受到春天的脚步近了，让咱们感受到春天带来温暖和安慰。

近了近了，春天真的近了，广阔的农田里有了农民伯伯们那忙碌的身影，燕子们纷纷从南方飞回来了，麦苗泛青了，河水唱起悦耳的步伐向前冲了。

春天是人们所向往的季节，人们总是在这个季节做好了自己的打算。俗话说得好：一年之计在于春，每一日之计在于晨。春天的脚步近了，春天的到来就已经暗示了咱们应该从今天做起，从现在做起，从一年中春的到来做起，好好学习，发挥自己最好的潜力，取得一个好的成绩，长大后成为祖国的栋梁之才，努力建设祖国的美好未来。

篇19：假如作文

啊，终于可以睡觉了，但愿做一个好梦。

星期三，我坐在办公室里，边喝着咖啡，边翻着电子书。突然，电话响了，我连忙跑过去。只见里面传来了低沉的男中音：节能大使，你到环保局一趟，有急事！说完，就挂掉了电话。我心里一阵窃喜：自从上次整顿白色污染工作结束，几个月都没事干，今天总算有事干了！于是，我坐着一架飞艇，赶往环保局。

来到了环保局门前，只见几个暗淡无光的塑料大字：泰州市环保局。下面还写着一行小字：环境污染、能源等各种环保问题俱能解决。看到这儿，我感到有一点儿好笑：连制作金子招牌的材料都没了，环保问题怎么能解决？

到了局里，局长林聪先生对我十分热情，可当我问起他什么能源不够了，他却尴尬极了，吞吞吐吐地说：是是是。到底是什么能源？我既着急又有些不耐烦地问道，纸！站在一旁的副局长韩建平说道。听到这个消息，我暴跳如雷，大吼道：几个月前你们就找过我谈论纸的问题，怎么今天又是纸？韩建平见我发怒，连忙说：人民需要纸呀，虽然现在科技十分发达，但生活中的许多地方还是得用到纸，可树却是个很严峻的问题。这事不能全怪我们，现在的树是供不应求，我们每一个月就种一次树，可往往才不到半个月，树就被造纸厂的工人们砍了。我们已经竭尽全力了！我仔细一想，说的也是。于是态度平和了许多，说：二位局长，你们为什么不执行《节纸法》呢？林聪的脸上顿时露出了瞧不起我的神色，洪节能使，您也太天真了吧！说完随意拿起一张草稿纸，我们已经执行了让市民们每天只用3张纸的法律。我面露愧色，苦思冥想，突然想出了一个好点子，于是对他们说：恕吾失陪，在下回家画张草图。

我坐着飞艇回到了办公室，忙活了半个小时左右，又回到环保局。手上带着3份资料：草图、草稿以及备注。

林聪展平草图，摊在桌子上。只见第一幅草图上，画着一条繁华的大街上，有一堆纸；第二幅图上，画着一个大大的机器；第三个图上，有一个男人，他把那些废纸都投进了再生纸回收器里面；第四幅图上，男人拿出几张崭新的大白纸，高兴地回家了。大街都看不明白，韩建平连忙拿起草稿，上面写着林韩二位先生及环保局所有人：

最近树少，纸需求量又大，不得已造出再生纸回收器，这种机器可以将普通白纸变成再生纸。再生纸使用过后，投入再生纸回收器，它就会变成一张新的再生纸。

洪节能使

林聪又拿起备注，大声念出内容备注

给半猜半懂者：

从前的再生纸设计存在缺陷，我这种再生纸，可以无数次循环使用。

林聪和韩建平看完十分高兴，说：这才是长远之计，真心感谢你帮助我们解决了这个棘手的问题。

要想练就绝世功，就要忍受常人难忍受的痛我正准备接电话，突然，我惊醒了，原来这是南柯一梦啊！但是我会为这个目标努力下去的。

篇20：假如作文

世界上有各种各样的力，弹力、回力、引力、吸引力、……可是我最喜欢的还是巧克力。

假如我来到巧克力世界我会，我该怎么办？

我有一次在睡觉时，突然，我到了巧克力世界，我还穿着衣服口带里的5元钱还在呢！我看见那里的人都像地球人他们什么都东西都是巧克力做的，房子、车子都发出阵阵香气，我在也经不起这样的诱惑了，看到一个补胎场，抱起一个轮胎就吃，那个老板说：“小朋友我的轮胎有那么好吃吗？快赔钱，不然我要叫警察。”我把5元给了他，他看了又看说：“这是什么东西呀？”我看到一个人拿出了钱才知道他们的钱是巧克力做的，那个人掉了五块钱我就捡起来给了他我发现一个牌子上面写着“自动参加环保卫生，”我去参加了，他给了我一个扫把我想着这些垃圾也是巧克力做的那么，也就可以吃呀！我没有要扫把自己把那垃圾狼吞虎咽的吃掉了，后来我告诉他们我是地球人，他们说：“地球人怎么喜欢吃我们的垃圾啊？”

突然，我醒来了，原来这是梦，但我觉的，巧克力世界很有意思，希望下次还有机再次进入巧克力世界！

【精选假如作文汇总10篇】

篇21：作文

快乐与他人分享，就2份快乐；痛苦与他人承担，便减轻1份痛苦。分享是美丽的，分享是爱的包容。学会分享，是心灵的寄语。

学会分享美景，是情操的陶冶。古时陶弘景就与友人分享“晓雾将歇”，“沉鳞竞跃”的山中美景；苏轼也与张怀民分享“水中藻、荇交横，盖竹柏影也”的月下之色；“飞流直下三千尺，疑是银河落九天”，磅礴的气势，不正是李白在与他人分享这天之绝色吗？学会分享美景，是对心的洗礼，是对境界的提升，让人生对生命有不同的感悟。

学会分享最珍贵的礼物，是爱的传播。东南亚海啸时期，英国小毅然捐献出最爱的小布娃娃。她说：“它让我感到快乐，也灾孩子感到快乐的！”纯洁的童心！布娃娃在灾区眼中，连一滴水都，但它身上却承载了无私而纯洁的爱！我，娃娃落在哪个孩子手上，她能感受到大洋彼岸的亲切问候，春日的阳光温暖而充满甜蜜。学会分享最珍贵的礼物，是分享着真诚与炙热的爱，像阳光雨露般撒入心田。

学会分享生命，是的高尚。你可曾，当你的鲜血被注入垂死的病人身体里时，你就与他分享了你的生命！邓小平老人至死都将角膜捐献，又是何等的高尚？他与别人分享了光明，更分享了光辉灿烂生。

分享是美丽的。，与他人分享快乐，是跳动的音符，叮叮咚咚，组成悦耳的乐章；是五彩斑斓的颜色，跳动着，在人与人心间搭起爱的彩虹。学会分享，学真诚的爱撒满于地间。

【分享作文汇总十篇】

篇22：假如作文

有一天，我正在大街上走着，看见大人们正在吵闹，因为一点儿小事，吵得不可开交。我在旁边看着，喃喃自语：“假如大人都消失了那该多好啊！”当我真在想象那个画面的时候，一阵奇怪的风吹俩，耳边也清净了，抬头一看，身边竟然一个大人都没有，都是些小孩。他们和我都愣住了，但没过几秒，又变得热闹起来，因为不会再有大人管着我们了。

会到家中，我高兴极了，连忙邀请同学到家里“做客”。于是，大家开始疯玩，有的站在电视机前面唱歌，有的在客厅里手舞足蹈，大家都高兴地唱啊、跳啊！有几个男生，围成一团玩扑克牌，不争个你输我赢决不罢休。还有的坐在电脑前面目不转睛地玩着游戏。客厅、房间等地都挤满了人，热闹极了，就算在隔壁，也能听到我们的欢呼声、笑声。

同学走后，家里变得乱七八糟，没人收拾。“咕噜”我的肚子饿了，我又不会做饭，只好去买些东西解饿了。在面包店门口，一大群小孩在抢面包，谁也不让着谁，有的甚至打起来了。在超市里，东西全被抢完了，空空的，一点也不剩。

总而言之，大街上全是吵闹的声音，根本不会停歇似的，没完没了。我实在受不了了，大声喊到：“还是大人在的好啊！”

那阵风又吹来了，一切都恢复了原样，我走回家，看到妈妈在做饭，爸爸在看电视，一切都没变。

还是有大人在的日子好啊！

篇23：假如作文

假如我是一位语文老师，我就不会在下课的时候，还在那里拖课。我会让他们下课，好好去休息。这样下节课才有精神听课。

假如我是老师，就会让每一个同学当上运动员，去参加运动会。而不会让他们觉得自己没有希望，感到自己十分没用，而只有在那里羡慕的分。我不会让他们感到孤独，要让他们融入到我们这个大家庭中。

假如我是老师，我就不会没收他们那些十分心爱的玩具。我会讲道理给他们听，让他们更加珍惜玩具，可是也得遵守纪律，孝顺父母。

假如我是老师。我就会把家庭作业布置得少一些，减轻他们的负担，让他们每天快乐地成长。

假如我是老师我就会这样做。

篇24：假如作文

话说当年西楚霸王骑着乌骓马来到了乌江边上。下面的场景不是《项羽本纪》中的自刎，而是西楚霸王想通，过了乌江，骑着他的乌骓马，来到了乌江对面……

项羽是个性情至极的人，望着江对面的刘邦和他的红衣汉军。以及自己的几百名黑衣楚军。伤感至极。这时，史书中的乌江亭长冒出来说：“大王，他们为国殉职，死得其所。咱们还是快回楚地，等我们东山再起之时再祭奠他们也不迟啊。”项羽想了想，还是扬鞭而去。

项羽回到楚地，对众江东父老大喊：“现天下，已被汉贼夺去，我欲东山再起，众江东父老，可肯助我一臂之力？”

这史书中所说的江东人民，自然是一堆正常人。暴秦刚亡，天下想修生养息，谁会与你一起造反？你是项羽又怎么样？就算你是朱棣，我也不会舍命陪君子。

江东人民中自然少不了代表，这代表也不能没有个名字，就给他路人甲的光荣称号吧。这路人甲就对着这西楚霸王大喊：“我们凭什么相信你，当初你也说会带领我们夺得天下，结果怎么样？八千人就换你了你胯下的那匹马！？”话音刚落，大笑声四起。当然霸王有霸王的风范。立刻回道：“要不是当初我轻信刘邦那小人，我怎么会落到如此田地？”

路人甲说：“几句话就让你交出了几千人的性命，我们又凭什么相信你的话呢？你的命值钱，我们的命就不值钱吗？”霸王无言。在他所信任、相信的楚人没想到这么无义。

这就是乌江亭长所说的江东人才。项羽想要东山再起，可惜西山不准他的小伙伴被一个人所操控。其实现在想想也释然，谁会在太平盛世的时候为了一个“义”而丢掉自己的性命，不是所有的人都是孟圣人，舍生取义者只有乱世才有，舍生取义者是乱世的特产。

霸王再次来到了乌江边上。提刀自刎。苟延残喘几年又有什么意义？换来的只是史书上的一个较大的数字和“霸王于乌江自刎之。”而不是“霸王不肯过江东，自刎之。”

【【精华】假如作文汇总5篇】

篇25：假如作文

姐姐，在咱们这个小世界里，我最爱您，难道您还看不出来吗?吃饭的时候，我总是把菜一个劲儿地往您碗里夹;分苹果的时候，我总是把最好最大的往您手里塞。

这样做，都是因为我非常佩服您，您用十倍、百倍努力换来了重点中学的录取通知书，也在您的人生旅程中艰难地向前迈出了第一步。小世界的每一个成员都用另一种眼光看待您，而您并不骄傲，继续埋头向着知识的高峰攀登。姐姐，假如我是您，我会清楚地知道，您手中这薄薄的录取通知书是多么来之不易。

我会用千倍、万倍的努力迈出第二步、第三步……我一定会比您学得更好!但是，我不会小心眼的生怕别人超过自己!“假如我是……”这就是我—小世界里的一个小成员所想到的。但是，我毕竟是我，一个年仅11岁的六年级的小学生。我应该脚踏实地地走好自己的人生之路，奔向更加光辉灿烂的明天

篇26：作文

漫步在湖边，看到春天的柳树叶色清翠碧绿妆得婆娑在风中起舞，千条万条的柳枝低垂着柔嫩而轻盈，好象羞涩的女子，望着远远的湖波含情脉脉。是谁?创造自然界的精彩的景象，那是春天装点的。

此时让我想起了贺知章的《咏柳》∶”碧玉妆成一树高，万条垂下绿丝绦。不知细叶谁裁出，二月春风似剪刀。“这挥洒自如的诗句道出了柳树的婀娜多姿。

临湖翠柳，具有风味人情，有多少人在这和心上人依依难舍，执手话别，多少思念，多少离愁，又有谁能说得明了。这柳树的细丝流荡着一种淡淡的感伤情绪，春风知别苦，不遣柳条青。

在柳树下，有情人的窃窃私语看明朗月光映照湖水的涟漪，柳树的摇曳，这是多么浪漫的情调。长长的柳条如同长发飘飘的少女，风情万种，在月光下的显得温柔。那是春天的使者。

春天给人希望，嫩绿的柳芽在春风中涌动着一种活力，有些细叶刚刚抽出，鹅黄嫩绿，在春风下清新秀丽，绿柳才黄半未匀给人一种喜悦和神奇!

篇27：作文

在这个万物复苏、百花斗艳的春天，柳树姑娘迫不及待地甩开了自己绿色的头发，在阳光里玩耍、游戏。

柳树的柳条已经长了不少了，挨挨挤挤的，远远望去，柳条很像一束绿色的头发在飘动；近处看，像一条条丝带随风舞动。柳条有的才有五六片叶子，有的柳条上长满叶子，有的柳条一片叶子也没有，光秃秃的。

柳树的树干千姿百态，有的很挺拔，像一个个英姿飒爽的战士侦查着敌人的一举一动；有的是弯的，像一个个美丽的小姑娘在对着“镜子”梳妆打扮......

柳树的影子映在波光粼粼的湖面上，美丽极了！叶子掉在湖面上像一艘艘悠然自得的小船。

柳树不仅很美，而且作用也很多。

柳树可以防浪护岸，做家具和农具等等，还能净化空气、绿化环境......

我看完柳树心旷神怡，情不自禁吟出唐代诗人贺知章写的诗句：“碧玉妆成一树高，万条垂下绿丝绦。”

我喜欢春天，更喜欢美丽的柳树。

篇28：作文

不知什么时候，排浪河畔的柳树发芽了春风吹着吹着，吹出了柳树泛着黄的嫩叶。它们自然的垂在白浪河上，丝丝缕缕，轻轻柔柔，春风吹过去，那柳儿便会随之起舞远远的望过去，柳树的枝条好似白浪河的垂帘，隐隐约约的遮挡了大片风光，犹抱琵琶半遮面似的撩拨着人们的心弦，勾起行人的无限遐想。春柳调皮的将它千万条柔丝伸向流淌的河水，河水便被荡起浅浅的涟漪。经过春雨的淋洗，它们好像更绿了些。细雨中的柳，也是美的。

写到这里，我不禁想起西湖两岸的垂柳，终日沉浸在毛毛细雨中，那里的柳儿便是多了几分朦胧的感觉，及泥土的气息吧。快了吧，快要到飘柳絮的`时候了吧。记得每年大约这个时候，那洁白的柳絮便会纷纷扬扬，轻轻的在空中曼舞，千丝万絮惹得春风醉。

我觉得，这定是一年中，最浪漫，最让人心动的季节了。 “最是一年春好处，绝胜烟柳满皇都。” 正是由于柳树的存在，春天才会变得如此多姿多彩。也正是由于垂柳的存在，桃花、杏花、梨花才被衬得格外柔美动人。倘若这世间无柳，恐怕即便是人间天堂——西湖，也定会缺少那种朦胧的感觉。

篇29：作文

一根粗粗的树干，一条条又细又软的树枝，拼成了一棵美丽的柳树。冬季才刚过去，柳树的树枝上就慢慢长出了一片片嫩绿的柳叶。它告诉我们，春季来到了；告诉所有的花草树木，春季又来到了，大家快点醒来吧！

柳树在水池旁边休息着。突然，季空下起了哗啦啦的春雨，正好给柳树洗了个清凉澡。雨渐渐停了，一转眼，大地上的花草树木都苏醒了，它们感谢这场来之不易的春雨。一阵微风吹过，柳树的树叶随风飘动，好像是一个个小朋友在荡秋千。有些人在凉亭里休息，看见微风吹拂着柳树，就觉得自己仿佛就是一棵柳树，披着绿色的衣服，站在阳光里。一阵微风吹过来，他们就翩翩起舞，碧绿的衣裳也随着微风飘起来。风停了，他们停止了舞蹈。小鱼在旁边游过说：“你们刚才跳的舞真是太好看了，我都被你们迷住了！”慢慢地，他们不知不觉地回到了原来的世界。