含羞草（Mimosa pudica）是一種引人注目的植物，以其顯著的特點(diǎn)而聞名。它的性格獨(dú)特而引人矚目，讓人不禁想要了解它深入一些。在本文中，我們將探討含羞草的性格特點(diǎn)，以及它如何與其他植物及環(huán)境互動(dòng)。
含羞草的性格可以說(shuō)是內(nèi)向與敏感的代表。當(dāng)葉子被觸摸或受到外界刺激時(shí)，它會(huì)立即做出反應(yīng)并收縮葉子。這種反應(yīng)是植物對(duì)外界的保護(hù)機(jī)制，它使得含羞草可以適應(yīng)不同的環(huán)境。
含羞草的內(nèi)向性格也使得它對(duì)環(huán)境的變化非常敏感。它可以感知?dú)鉁亍穸群凸庹盏淖兓⑼ㄟ^(guò)調(diào)整自己的生長(zhǎng)和開(kāi)花時(shí)間來(lái)適應(yīng)這些變化。這種敏感性使得含羞草成為對(duì)環(huán)境變化有高度適應(yīng)能力的植物。
與含羞草相處一段時(shí)間后，人們常常會(huì)發(fā)現(xiàn)它的情緒非常多變。有時(shí)候，含羞草會(huì)顯得非常害羞，耐不住寂寞，往往更喜歡生長(zhǎng)在密集的植被中，以獲得更多的安全感。而有時(shí)候，當(dāng)外部環(huán)境較為安靜時(shí)，含羞草會(huì)迅速展開(kāi)葉子，呈現(xiàn)出歡快的狀態(tài)。
這種多變的情緒可能與含羞草的內(nèi)向性格有關(guān)。當(dāng)感到威脅或不安全時(shí)，它會(huì)收縮葉子以保護(hù)自己；而當(dāng)感到安全舒適時(shí)，它會(huì)展開(kāi)葉子以接受陽(yáng)光和營(yíng)養(yǎng)。
含羞草的性格也使得它在與其他植物的互動(dòng)中表現(xiàn)出不同的特點(diǎn)。一方面，含羞草可以通過(guò)與其他植物相互掩護(hù)來(lái)增強(qiáng)自己的安全感。在郁郁蔥蔥的植被中，含羞草可以借助其他植物的掩護(hù)，減少遭受掠食者的威脅。
另一方面，含羞草也可能與其他植物競(jìng)爭(zhēng)養(yǎng)分和空間。由于其內(nèi)向性格和對(duì)周圍環(huán)境的敏感，含羞草傾向于維持自己的生活空間，并避免與其他植物發(fā)生過(guò)多的競(jìng)爭(zhēng)。
含羞草的內(nèi)向性格和復(fù)雜情緒使其具有較高的耐逆性和適應(yīng)性。當(dāng)受到干旱、高溫或其他不良環(huán)境因素的威脅時(shí)，含羞草可以通過(guò)調(diào)整自己的生理和形態(tài)特征來(lái)適應(yīng)新的環(huán)境。
例如，在干旱條件下，含羞草會(huì)收縮葉子表面的氣孔，以減少水分蒸發(fā)。當(dāng)溫度升高時(shí)，含羞草會(huì)通過(guò)調(diào)整葉片角度來(lái)減少受到的陽(yáng)光直射，以避免受到過(guò)多的傷害。
含羞草的性格特點(diǎn)給我們帶來(lái)了一些啟示。首先，它教會(huì)我們?nèi)绾芜m應(yīng)環(huán)境的變化。像含羞草一樣，我們也需要保持對(duì)環(huán)境變化的敏感，并靈活地調(diào)整我們的行動(dòng)和決策。
其次，含羞草的內(nèi)向性格提醒我們要保護(hù)自己并與其他人建立良好的關(guān)系。我們可以借鑒含羞草與其他植物相互掩護(hù)的策略，通過(guò)合作與他人共同成長(zhǎng)。
總之，含羞草的性格獨(dú)特而復(fù)雜。它的內(nèi)向與敏感使其具有較高的適應(yīng)能力和耐逆性，而多變的情緒使其表現(xiàn)出豐富的個(gè)性。通過(guò)和含羞草相處并觀察它的互動(dòng)，我們可以從中獲得一些有益的啟示，應(yīng)用于我們自己的生活中。
之前看了Mahout官方示例 20news 的調(diào)用實(shí)現(xiàn)；于是想根據(jù)示例的流程實(shí)現(xiàn)其他例子。網(wǎng)上看到了一個(gè)關(guān)于天氣適不適合打羽毛球的例子。
訓(xùn)練數(shù)據(jù)：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
檢測(cè)數(shù)據(jù)：
sunny，hot，high，weak
結(jié)果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代碼調(diào)用Mahout的工具類實(shí)現(xiàn)分類。
基本思想：
1. 構(gòu)造分類數(shù)據(jù)。
2. 使用Mahout工具類進(jìn)行訓(xùn)練，得到訓(xùn)練模型。
3。將要檢測(cè)數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對(duì)vector數(shù)據(jù)進(jìn)行分類。
接下來(lái)貼下我的代碼實(shí)現(xiàn)=》
1. 構(gòu)造分類數(shù)據(jù)：
在hdfs主要?jiǎng)?chuàng)建一個(gè)文件夾路徑 /zhoujainfeng/playtennis/input 并將分類文件夾 no 和 yes 的數(shù)據(jù)傳到hdfs上面。
數(shù)據(jù)文件格式，如D1文件內(nèi)容： Sunny Hot High Weak
2. 使用Mahout工具類進(jìn)行訓(xùn)練，得到訓(xùn)練模型。
3。將要檢測(cè)數(shù)據(jù)轉(zhuǎn)換成vector數(shù)據(jù)。
4. 分類器對(duì)vector數(shù)據(jù)進(jìn)行分類。
這三步，代碼我就一次全貼出來(lái)；主要是兩個(gè)類 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 測(cè)試代碼
*/
public static void main(String[] args) {
//將訓(xùn)練數(shù)據(jù)轉(zhuǎn)換成 vector數(shù)據(jù)
makeTrainVector();
//產(chǎn)生訓(xùn)練模型
makeModel(false);
//測(cè)試檢測(cè)數(shù)據(jù)
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//將測(cè)試數(shù)據(jù)轉(zhuǎn)換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失敗！");
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉(zhuǎn)換成向量失敗！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//將測(cè)試數(shù)據(jù)轉(zhuǎn)換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失敗！");
System.exit(1);
}
//將序列化文件轉(zhuǎn)換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉(zhuǎn)換成向量失敗！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean參數(shù)是，是否遞歸刪除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成訓(xùn)練模型失敗！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("檢測(cè)數(shù)據(jù)構(gòu)造成vectors初始化時(shí)報(bào)錯(cuò)。。。。");
System.exit(4);
}
}
/**
* 加載字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加載df-count目錄下TermDoc頻率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1時(shí)表示總文檔數(shù)
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要從dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用貝葉斯算法開(kāi)始分類,并提取得分最好的分類label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("檢測(cè)所屬類別是："+getCheckResult());
}
}
1. 請(qǐng)介紹一下WebGIS的概念和作用，以及在實(shí)際應(yīng)用中的優(yōu)勢(shì)和挑戰(zhàn)。
WebGIS是一種基于Web技術(shù)的地理信息系統(tǒng)，通過(guò)將地理數(shù)據(jù)和功能以可視化的方式呈現(xiàn)在Web瀏覽器中，實(shí)現(xiàn)地理空間數(shù)據(jù)的共享和分析。它可以用于地圖瀏覽、空間查詢、地理分析等多種應(yīng)用場(chǎng)景。WebGIS的優(yōu)勢(shì)包括易于訪問(wèn)、跨平臺(tái)、實(shí)時(shí)更新、可定制性強(qiáng)等，但也面臨著數(shù)據(jù)安全性、性能優(yōu)化、用戶體驗(yàn)等挑戰(zhàn)。
2. 請(qǐng)談?wù)勀赪ebGIS開(kāi)發(fā)方面的經(jīng)驗(yàn)和技能。
我在WebGIS開(kāi)發(fā)方面有豐富的經(jīng)驗(yàn)和技能。我熟悉常用的WebGIS開(kāi)發(fā)框架和工具，如ArcGIS API for JavaScript、Leaflet、OpenLayers等。我能夠使用HTML、CSS和JavaScript等前端技術(shù)進(jìn)行地圖展示和交互設(shè)計(jì)，并能夠使用后端技術(shù)如Python、Java等進(jìn)行地理數(shù)據(jù)處理和分析。我還具備數(shù)據(jù)庫(kù)管理和地理空間數(shù)據(jù)建模的能力，能夠設(shè)計(jì)和優(yōu)化WebGIS系統(tǒng)的架構(gòu)。
3. 請(qǐng)描述一下您在以往項(xiàng)目中使用WebGIS解決的具體問(wèn)題和取得的成果。
在以往的項(xiàng)目中，我使用WebGIS解決了許多具體問(wèn)題并取得了顯著的成果。例如，在一次城市規(guī)劃項(xiàng)目中，我開(kāi)發(fā)了一個(gè)基于WebGIS的交通流量分析系統(tǒng)，幫助規(guī)劃師們?cè)u(píng)估不同交通方案的效果。另外，在一次環(huán)境監(jiān)測(cè)項(xiàng)目中，我使用WebGIS技術(shù)實(shí)現(xiàn)了實(shí)時(shí)的空氣質(zhì)量監(jiān)測(cè)和預(yù)警系統(tǒng)，提供了準(zhǔn)確的空氣質(zhì)量數(shù)據(jù)和可視化的分析結(jié)果，幫助政府和公眾做出相應(yīng)的決策。
4. 請(qǐng)談?wù)勀鷮?duì)WebGIS未來(lái)發(fā)展的看法和期望。
我認(rèn)為WebGIS在未來(lái)會(huì)繼續(xù)發(fā)展壯大。隨著云計(jì)算、大數(shù)據(jù)和人工智能等技術(shù)的不斷進(jìn)步，WebGIS將能夠處理更大規(guī)模的地理數(shù)據(jù)、提供更豐富的地理分析功能，并與其他領(lǐng)域的技術(shù)進(jìn)行深度融合。我期望未來(lái)的WebGIS能夠更加智能化、個(gè)性化，為用戶提供更好的地理信息服務(wù)，助力各行各業(yè)的決策和發(fā)展。
這塊您需要了解下stm32等單片機(jī)的基本編程和簡(jiǎn)單的硬件設(shè)計(jì)，最好能夠了解模電和數(shù)電相關(guān)的知識(shí)更好，還有能夠會(huì)做操作系統(tǒng)，簡(jiǎn)單的有ucos，freeRTOS等等。最好能夠使用PCB畫圖軟件以及keil4等軟件。希望對(duì)您能夠有用。
含羞草是豆科多年生草本，屬亞熱灌木，能長(zhǎng)一米多高。
含羞草可以預(yù)測(cè)地震
據(jù)土耳其地震學(xué)家艾爾江表示，在強(qiáng)烈地震發(fā)生的幾小時(shí)前，對(duì)外界觸覺(jué)敏感的含羞草葉會(huì)突然萎縮，然后枯萎。在地震多發(fā)的日本，科學(xué)家研究發(fā)現(xiàn)，在正常情況下，含羞草的葉子白天張開(kāi)，夜晚合閉。如果含羞草葉片出現(xiàn)白天合閉，夜晚張開(kāi)的反常現(xiàn)象，便是發(fā)生地震的先兆。如：1938年1月11日上午7時(shí)，含羞草開(kāi)始張開(kāi)，但是到了10時(shí)，葉子突然全部合閉，果然在13日發(fā)生了強(qiáng)烈地震。1976年日本地震俱樂(lè)部的成員，曾多次觀察到含羞草葉子出現(xiàn)反常的合閉現(xiàn)象，結(jié)果隨后都發(fā)生了地震。所以含羞草是植物界最佳地震預(yù)測(cè)者。
含羞草：為豆科多年生草本或亞灌木，由于葉子會(huì)對(duì)熱和光產(chǎn)生反應(yīng)，受到外力觸碰會(huì)立即閉合，所以得名含羞草。形狀似絨球。開(kāi)花后結(jié)莢果，果實(shí)呈扁圓形。葉為羽毛狀復(fù)葉互生，呈掌狀排列。大約在盛夏以后開(kāi)花，頭狀花序長(zhǎng)圓形，2-3個(gè)生于葉腋。花為白色、粉紅色，花萼鐘狀，有8個(gè)微小萼齒，花瓣四裂，雄蕊四枚，子房無(wú)毛。莢果扁平，每莢節(jié)有1顆種子，成熟時(shí)節(jié)間脫落。花期9月。
含羞草的花語(yǔ)是害羞、禮貌、敏感。它是一種非常常見(jiàn)的百姓種植的植物，它的生命力強(qiáng)，容易養(yǎng)活，外觀也小巧可愛(ài)，只要輕輕碰一下，它就會(huì)閉合葉子，很是有趣，它象征著對(duì)事物的美好，所以很多人也會(huì)借用含羞草來(lái)比喻女生，以此表達(dá)情感。
《含羞草》
演唱：翁倩玉
詞：陳桂芬
曲：劉家昌
歌詞：
小小一株含羞草
自開(kāi)自落自清高
她不是存心驕傲
只為了只為了美麗情操
小小一株含羞草
自憐自愛(ài)自煩惱
她只愁真情太少
不知道不知道青春會(huì)老
啊含羞草
日日夜夜在祈禱
快放寂寞去逃跑
莫叫孤獨(dú)來(lái)打擾
等到那真情來(lái)?yè)肀?/p>
再不要再不要羞彎了她的腰
擴(kuò)展資料
根據(jù)瓊瑤原著《含羞草》改編的臺(tái)灣電視連續(xù)劇《含羞草》，主題曲就是這首翁倩玉演唱的《含羞草》。
含羞草主要采用種子繁殖，含羞草的繁殖方法是：陽(yáng)歷4月下旬-5月上旬播種，播深5-6厘米左右，澆透水，5-7天左右可以出苗，加強(qiáng)土肥水管理，當(dāng)年夏季開(kāi)花結(jié)果（豆角），秋季果實(shí)成熟后采集種子，儲(chǔ)存?zhèn)溆茫履暝俅伍_(kāi)始一個(gè)輪回。
