冬季形容词.docx
《冬季形容词.docx》由会员分享，可在线阅读，更多相关《冬季形容词.docx（31页珍藏版）》请在冰豆网上搜索。
冬季形容词
冬季形容词
形容词顺序提问者：
hman13|浏览次数：
1058次WhatIwoulddoistogo___.A.reallyquietlysomewhereB.somewherequietlyreallyC.reallyquietsomewhereD.somewherereallyquiet这道题选什么？
为什么？
形容词的顺序是怎么排的？
请详细解释一下，谢谢！
D.somewherereallyquietgosomewhere去某地really修饰形容词quiet的确很安静形容词排列顺序以供参巧：
形容词（adjective），简称adj.或a.，是很普遍的一种语言词类。
形容词用来修饰名词，表示人或事物的性质、状态、特征的程度好与坏。
一般情况下，可将形容词分成性质形容词和叙述形容词两类，其位置一般都放在名词前面：
1）直接说明事物的性质或特征的形容词是性质形容词，它有级的变化，在句中可作定语等成分。
例如：
hot，hotter，hottest，ahotday，Whatafineday!
。
2）叙述形容词只能作表语，所以又称为表语形容词。
这类形容词没有级的变化，也不可用程度副词修饰。
大多数以a开头的形容词都属于这一类。
例如：
awake（醒着的），afraid（害怕的），asleep（睡着的）等。
形容词的用法和在句中的排列位置是非常重要的，直接关系着解题的质量。
形容词作的成分是定语，形容词一般放在所修饰的名词之前，如果两个以上的形容词修饰一个名词时，与被修饰名词关系密切的形容词靠近名词。
如果几个形容词的重要性差不多，音节少的形容词在前，音节多的在后。
例如：
apowerfulsocialistcountry（一个强大的社会主义国家）。
多个形容词修饰一个名词时，其顺序是什么？
在目前的语法书中，若有多个形容词修饰名词，则一般排序如下：
大小、长短、形状、年龄、新旧、颜色、国籍、出处、材料、用途、类别。
例如，It’sacoldwindyday.，alittleredforeignhat，alovelyredwoolenjumper，thethreebeautifulbignewredChinesewooddesk。
名词被多个形容词修饰时，形容词之间的先后顺序问题是学生把握不准确的地方。
上面的标准规则虽然都能看懂，但是就是不太好记忆。
许多的师生尝试总结过其它记忆方法，现将一般规律和记忆口诀总结如下：
1.这条记忆口诀会使学生都能把形容词的排序题做得非常准确，但是比较长。
好美小高状其新，颜色国料特别亲。
好是指good，bad等形容词；美是指beautiful，ugly等形容词；小是指big，small等形容词；高是指high，low等形容词；状是指形状的形容词，circle，square，oval等；其没有意思；新是指new，old，antique等形容词；颜色是指red，yellow，blue等表示颜色的形容词；国是指mountain，river，European，Chinese等形容词；料是指woolen，stone，silk等形容词；特别亲意思指最靠近所修饰的名词。
例如：
thebeautifullongnewredChinesesilkclothes。
2.还有一条顺口溜很好记忆：
县官行大令，射国才。
这条顺口溜在有的文章中被简化为：
县官行令宴国材，或者县官行令谢国材：
县（限定词）；官（描绘观点的形容词）；行（形状形容词）；大（大小形容词）；令（年龄新旧形容词）；射（颜色形容词）；国（国家出处形容词）；才（材料质地等形容词）；宴指颜色。
此法比较简单，易记忆。
例如：
ahorriblebigblackdog。
3.绘大行星燕国制图这是谐音，意思是：
绘：
描绘如beautiful，nice。
大：
大小长短如big，small。
行：
形状，如square，round，long。
星：
新或旧，如new，old。
燕：
颜色如red，white。
国：
国家来源地。
制：
质地，如silk，wood。
图：
用途目的。
例如：
alongredAmericancar，aprettylittleSpanishgirl。
4.另外，还有一句话美小圆旧黄，法国木书屋。
在这句里，法国指国家、来源French，Chinese。
木指材料、质地wooden，woolen，stone，silk等。
书屋指用途目的。
例如：
asmallantiquewoodentable。
再如：
anewly-builtredbrickbuilding。
5.最后，尝试记住Opshacom这个杜撰的词，也不失为一个较好的背诵方法。
Opshacom中p代表opinion，指表示人们观点的形容词，如beautiful，lovely，nice等；sh代表shape，指表示形状的形容词，如long，short，narrow等；a代表age，指表示年龄、时代的形容词，如old，new，young等；c代表colour，指表示颜色的形容词，如red，blue，orange等；o代表origin，指表示国籍、地区的形容词，如British，Canadian，German等；m代表material，指表示材料的形容词，如plastic，metal，silk等。
的形容词语認識Fuzzy第七章模糊推論1認識Fuzzy7.1語句變數（LinguisticVariables）溫度的形容詞語句:
〝冷〞、〝熱〞、〝低〞。
一般溫度變數的值:
0oc,2oc。
以〝語句〞形容某個變數的語句稱為〝語句變數（LinguisticVariables）〞。
2認識Fuzzy例7.1：
一部汽車之速度是一個變數，我們以x代表，它的範圍是[0,V]，V是x之最大值，亦即該汽車之最大速度。
現在我們在[0,V]為宇集下定義三個模糊集合，慢、中、快，如圖7.1。
X看成一個〝語句變數〞，而慢、中、快就是x（語句變數）的〝值〞。
1慢中快圖7.10車速X3認識Fuzzy一個語句變數包含四項資料：
1.名稱（Name）：
如〝車速〞。
2.種類（Class）：
如慢、中、快三種。
3.範圍（Range）：
如車速最小到最大之範圍。
4.程度（Degree）：
如圖7.1中，須定義出慢、中、快各個模糊集合之形狀，代表該語句變數在宇集中之各點的程度如何。
〝數值變數〞是明確的，如x=20。
〝語句變數〞是模糊的，如快、慢。
4認識Fuzzy7.2比較型語句變數單調形容詞：
慢、中、快。
比較型的形容詞：
〝很慢〞、〝很快〞、〝非常慢〞、〝非常快〞、〝稍慢〞、〝稍快〞。
圖7.1模糊集合為例:
令A是一個表示車速的模糊集合〝快〞。
5認識Fuzzy比較型語句變數也可以模糊集合形式表達，如：
:
〝快〞A2（x）:
〝稍快〞A（x）1A2（x）:
〝很快〞A3（x）:
〝非常快〞圖7.1車速〝快〞之模糊集合修正如:
稍快1快很快非常快06090120X圖7.26認識Fuzzy例7.2：
我們擲一個骰子，骰子的點數X={1,2,3,4,5,6}所成的集合為論域。
骰子的點數是〝小的〞的模糊集合若為A=11+0.82+0.63+0.44+0.25+0.16則:
很小的A2=1+0.64+0.36+0.16+0.04+0.01123456非常小稍小的A3=11+0.512+0.223+0.064+0.0085+0.0016A1/2=11+0.942+0.773+0.634+0.455+0.326以上定義〝均只是〝習慣〞或〝常理〞，不是〝規定〞。
模糊集合歸屬度之值很主觀的。
只要不違常理均可接受。
7認識Fuzzy7.3模糊命題（FuzzyPropositions）IF（LL）,THEN（LL）（LL）代表一個模糊命題。
（7.1）模糊命題有兩種:
（1）原始模糊命題（AtomicFuzzyProposition）x是白色的;y是高的;z是肥胖的。
（2）複合模糊命題（CompoundFuzzyProposition）x是白色的，且高的，且胖的。
（7.2a）y是快的，或x是慢的。
（7.2b）z是非白色的，且非高的，或是胖的。
（7.2c）8認識Fuzzy複合模糊命題也可以是:
x是白色的，且y是快的，或z是瘦的。
（7.3）x是快的，且y是正的。
（7.4）是一個模糊關係，須有歸屬度之設定。
是一個模糊關係探討歸屬度之設定問題:
（a）一個複合模糊命題用〝且（and）〞來組合，如:
x是A，且y是B。
A及B分別定義在論域X及Y中之兩個模糊集合，即模糊關係A∩B定義在X×Y上。
9認識Fuzzy歸屬函數可寫成（A∩B）（x,y）=t（A（x）,B（y））。
其中t:
[0,1]×[0,1]→[0,1]是模糊交集，或t-norm。
（b）一個複合模糊命題用〝或（or）〞來組合，如:
x是A或y是B。
即一個定義在X×Y上之模糊關係A∪B，歸屬函數可寫成（A∪B）（x,y）=s（A（x）,B（y））。
其中s:
[0,1]×[0,1]→[0,1]是模糊聯集，或s-norm。
10認識Fuzzy（c）複合模糊命題中有〝非（not）〞在其中，如:
x是A或y是非B。
可知（A∪B）（x,y）=s（A（x）,B（y））。
B表示B之補集合。
例7.3：
一個複合模糊命題（x是A且y是非B）或z是C。
歸屬函數表示法可寫成:
s（t（A（x）,B（y））,C（z））11認識Fuzzy7.4模糊推理句推理句〝若p則q〞，以p→q來表示。
〝真〞:
〝T（True）〞。
〝偽〞:
〝F（False）〞。
p→q真值表:
pTTFFqTFTFp→qTFTT表7.112認識Fuzzyp→q在表7.1也可用:
p∨q或（p∧q）∨p（7.5）其中p,∨,∧分別表示傳統邏輯中之〝非p〞,〝或〞,〝且〞運算。
在p→q中，p與q為模糊命題:
（1）p與q有模糊集合中歸屬函數表示其真偽程度（介於0與1之間）。
（2）p→q有歸屬函數之表示法。
（3）〝p→q〞為模糊推理句。
（4）若p則q看成一個模糊關係。
13認識Fuzzy舉例來說:
p是〝x是小的〞，是一個模糊集合，其歸屬函數代表x是小的程度。
q是〝y是大的〞，是一個模糊集合，其歸屬函數代表y是大的程度。
p→q:
〝x是小的,y是大的〞。
（1）指整個推理句在（x,y）,x∈X,y∈Y的真偽程度。
（2）真偽程度用歸屬函數來表示,p→q看成一個模糊關係,如:
（x是A）→（y是B）⇔（x,y）是RA與B:
模糊集合，R:
模糊關係。
14認識Fuzzy與傳統邏輯有所區分:
用〝若FP1則FP1FP2〞或〝FP1→FP2〞表示模糊推理句。
及Y=Y1×Y2×L×Yk及FP2均為模糊命題（可能是原始命題或複合命題）。
X=X1×X2×L×Xn模糊關係分別定義在上。
若是原始命題則X=X1及Y=Y1，（FP1或個模糊集合）。
FP2）變成一15認識Fuzzy模糊推理句有模糊關係的定義。
（即模糊關係中的歸屬函數計算方法）模糊推理句中模糊關係定義會用到:
〝FPi〞（非FPi）,i=1,2,〝∧〞（交集）及〝∨〞（聯集）之運算。
在模糊集合領域內，補集、交集、聯集之定義不一，許多文獻均提出不同之定義，因此造成模糊關係之計算也有不同之方法。
16認識Fuzzy現舉出一些常見的推理句:
丹尼-理查表示法（Dienes-RescherImplication）FP1（x）Δ（1−FP1（x））,x∈X,〝∨〞表示max,亦即:
（FP1→FP2）⇔max[1−FP1（x）,FP2（y）]ΔRDR（x,y）（7.6）把（FP1→FP2）之模糊關係的歸屬函數寫成RDR（x,y），x∈X,y∈Y。
（RDR之下標DR代表Dienes-Rescher）。
17認識Fuzzy路卡表示法（LukasiewiczImplication）：
FP1（x）Δ（1−FP1（x））,x∈X用Yagers−基準，且令y=1表示〝∨〞，則:
（FP1→FP2）⇔min[1,（1−FP1（x））+FP2（y）]ΔRL（x,y）（7.7）,x∈X,y∈Y代表（FP1→FP2）模糊關係之歸屬函數。
RL（x,y）18認識Fuzzy札德表示法（ZadehImplication）：
〝∧〞用min來表示，〝∨〞用max來表示。
FP1（x）則為1−FP1（x）。
（FP1→FP2）⇔max[min（FP1（x）,FP2（y））,1−FP1（x）]ΔRZ（x,y）（7.8）19認識Fuzzy古德表示法（GodelImplication）：
在傳統邏輯較常用的表示法，現也被移在模糊條件語句中使用。
FP1（x）≤FP2（y）,⎧1,（FP1→FP2）⇔RG（x,y）Δ⎨⎩FP2（y）,otherwise.（7.9）20認識Fuzzy曼達尼表示法（MamdaniImplication）：
這個表示法最簡單也最常用，也是發源最早的。
直接把FP1→FP2看成〝FP1且FP2〞，即FP1∧FP2。
〝∧〞用〝最小（min）〞或〝乘積（Product）〞來表示。
亦即（FP1→FP2）⇔min（FP1（x）,FP2（y））ΔRMM（x,y）（7.10a）或（FP1→FP2）⇔FP1（x）⋅FP2（y）ΔRMP（x,y）（7.10b）其中RMM之下標代表Mamdani及min。
RMP之下標則是Mamdani及product。
21認識Fuzzy例7.4：
讓x1表示洗澡熱水的溫度，x2表示當時的氣溫，y表示熱水器瓦斯火之大小。
用一個模糊條件語句來定出規則如下：
若x1是低的，x2且是冷的，則y是大的，其中〝低〞、〝冷〞及〝大〞均為模糊集合，分別定義如下：
⎧1,⎪35−x1⎪低（x1）ΔL（x1）=⎨,20⎪⎪0,⎩若0≤x1≤15,若1535;（7.11a）⎧5−x2⎪,冷（x2）ΔS（x2）=⎨5⎪0,⎩若0≤x2≤5,若x2>5（7.11b）22認識Fuzzy⎧0,⎪大（y）ΔB（y）=⎨y−1,⎪1,⎩若y≤1,若12;（7.11c）以上三個模糊集合分別定義在X1=[0,80]，X2=[0,15]Y=[0,3]及之宇集上。
是〝若x1是低的，且x2是冷的〞而FP2為〝y是大的〞。
因FP1為一個複合模糊命題，必須先解決FP1（x1,x2）之問題。
令〝且〞用〝乘積〞來表示，則FP1（x1,x2）=L（x1）⋅S（x2）是定義在X1×X2之模糊關係。
FP123認識Fuzzy由（7.11a）及（7.11b）得:
若x1>35,或x2>5,（A區）⎧0,⎪⎪若0≤x1≤15,⎪5−x2,⎪且0≤x2≤5,（B區）FP1（x1,x2）=L（x1）⋅S（x2）=⎨5⎪⎪⎪（35−x1）（5−x2）,若1535,或x2>5,或y≤1,（A區）若x1≤15,且0≤x2≤5,且12,（D區）若152.（E區）（7.13）25認識Fuzzy（7.13）式用圖示法寫出（見圖7.4）y≤112ABDx1≤15CE1535或x2>5圖7.4且0≤x2≤5且0≤x2≤526認識Fuzzy可用曼達尼表示法（7.10b）式來作:
RMP（x1,x2,y）=FP1（x1,x2）⋅FP2（y）⎧0,⎪5−x2（y−1）⋅,⎪5⎪⎪（y−1）⋅（35−x1）（5−x2）,=⎨100⎪5−x2⎪5,⎪（35−x）（5−x）12⎪,100⎩（A區）（B區）（C區）（D區）（E區）（7.14）上式中（A區）～（E區）同圖7.4所示。
27認識Fuzzy例7.5：
有兩個X模糊推理句:
={1,2,3,4},Y={4,5,6}宇集。
若有一若x是小的，則y是大的。
其中x∈X,y∈Y（7.15）；小的及大的均為模糊集合如下：
.小的=11+0.52+013+04.大的=014+0.55+16此題目的FP1為〝x是小的〞，FP2為〝y是大的〞。
28認識Fuzzy用丹尼-理查表示法（7.6）式來求模糊關係RDR（x,y）1−FP1（x）=01+0.52+0.93+14RDR（x,y）=max[1−FP1（x）,FP2（y）]....=01（14）+05（15）+1（16）+05（2,4）+05（2,5）+1（2,6）,,,09091111..（34）+（35）+（36）+（4,4）+（4,5）+（4,6）,,,（7.16）29認識Fuzzy改用札德表示法（7.8）式的話，有下列結果。
.....RDR（x,y）=01（14）+05（15）+1（16）+05（2,4）+05（2,5）+05（2,6）,,,09.09.09.111（3,4）+（35）+（3,6）+（4,4）+（4,5）+（4,6）,1（7.17）在（7.15）中舉例說明。
（1,6）表示當x=1,y=6時，0.5推理句（7.15）是真的程度為1；同理（2,5）表示x=2,y=5時，推理句（7.15）是真的程度只有0.5。
30認識Fuzzy7.5本章總結語句變數包含四項資料。
比較形語句變數可以由原語句變數作平方、三方或開根號。
模糊命題包含原始命題及複合命題兩種。
重要的是將命題用在模糊條件式語句中。
模糊關係的五種方法為
（1）丹尼-查理表示法，
（2）路卡表示法，（3）札德表示法，（4）古德表示法及（5）曼達尼表示法。
31打开形容词学生初学作文时�老师总要鼓励学生多使用优美的词语。
哪个学生作文中优美的词语用得多，老师就要用红笔批下词语丰富，语言生动等字样，给予鼓励。
老师这样做当然是对的。
初学写作，积累词语和学习运用词语，是一种很必要的训练。
但是，当写作达到一定程度后，就不能仅仅满足于写作时词语的丰富了。
那些优美的词语，多是形容词。
不少形容词看上去很美，但却空洞、模糊，并不能准确、清晰、生动地表现事物。
写作到了一定程度，除了学会运用形容词之外，还要学会打开形容词。
一个形容词，常常概括了许多内容。
我所说的打开形容词，就是展示形容词概括了的内容。
打开一个形容词，常常就打开了一片被遮掩的天地，就像拨云见月一样。
比如朱自清先生的《春》，有一段写春天各种果树的花儿和野花儿开得很热闹：
桃树、杏树、梨树，你不让我，我不让你，都开满了花赶趟儿。
红的像火，粉的像霞，白的像雪。
花里带着甜味儿；闭了眼，树上仿佛已经满是桃儿、杏儿、梨儿。
花下成千成百的蜜蜂嗡嗡地闹着，大小的蝴蝶飞来飞去。
野花遍地是：
杂样儿，有名字的，没名字的，散在草丛里，像眼睛，像星星，还眨呀眨的。
如果仅仅写一句各种花儿开得很热闹，就不可能给读者带来这么鲜明的印象了。
这一段，把热闹这个词给打开了，带给读者许多美的感受，春天的勃勃生机具体生动地展现在了读者面前。
同样，李汉荣《山中访友》开头写道：
早晨，好清爽！
心里的感觉好清爽！
如果没有前面走出门，就与含着露水和栀子花气息的好风撞个满怀这一句的铺垫，也就不会那么引人入胜了。
其实，前面的一句铺垫，正是清爽的具体表现。
有一次，有个学生写一篇关于救火的作文，文中有这样一句话：
火猛烈地燃烧着。
我在猛烈二字下面画了红圈，让他把这个词语展开，具体写火如何猛烈，不用猛烈这个词，却能让人真切地感受到火的猛烈。
后来，这个学生具体地描写了大火燃烧时的烟雾、火焰、热浪、声音和气味等
升级会员 