比血型分類更好的性格分類方法

2022-01-10 血型性格君

收錄於話題 #血型性格 616個

四種性格。三維性格理論基於大數據研究發現基礎性格由血型基因主導,此外性別和後天兩個維度對性格也有比一定影響,但血型對性格的影響超過了50%,同時還主導了先天的認知方法和思想方式。於是可以簡單的將ABO三種血型基因對應出三種基礎性格,O基因盲人型性格君、A基因機器人型性格君和B基因孩子性格君,以及派生出AB型外星人型性格君。

 

「自我」的「盲人」。一個人碰落了你的手機,你剛想罵他,發現他是盲人,你自然不會去罵他了,但是為了避免問題,下次你一定不會把貴重物品放在他邊上、也不會太靠近他。

 

O基因:盲人型性格君。自我直覺主導的性格心,發育出體驗認知心,發育出功利實用主義思想心。直覺良好的性格心形成了實用體驗的認知心,但由於只關注自己的性格導致缺失了換位能力和邏輯認知能力、最終導致思想心雖明白萬物為我所用,但缺失了理解天道平衡的交換原則。由於過於自我功利、只關心「火對我有什麼用」,反而沒運用思想心更大的平衡、換位、邏輯智慧去獲得更大的共享彼此心宇宙的能量。

 

「教條」的「機器人」。一個人做事認真靠譜、一板一眼,但聽懂了也不會調整、永遠教條不變通,原來是個機器人,既然是機器人,你只能當他機器人用,不用指望機器人會真正懂你和明白人生意義。

 

A基因:機器人型性格。從眾主導的性格心,發育出先驗論價值觀認知心,發育出完美主義思想心從小受到教條家長的強力控制、加之自我性格又屬於價值觀導向的人,從小就被教育「火不能碰」的先驗論教條認知方法和刻意的完美主義封建思想方式,反而壓抑了性格心的天性和真正體驗認知能力,於是永遠體驗認識不到、用不了「火的功能」,即便認識了都不敢嘗試「用火」,真正的認知心、和本來的性格心、健康的思想心都被嚴重壓制,90%以上的決策和自己無關、都是被儒家、父母、書本植入的小學生教化內容。

 

「任性」的「小孩」。一個人真實、可愛、聰明,但說哭就哭、說變卦就變卦,原來是個孩子,你自然不會怪他,可是孩子就是孩子,雖然很好玩、但也只能哄著,不可能把他當大人對待和要求的。

 

B基因:孩子型性格君。感覺主導的性格心,發育出表象感知認知心,發育出理想主義思想心。從小被放任、又養尊處優、自我性格又感性任性的人,由於從來沒有積累認知和思想方式、長大後認知心和思想心都缺失,90%以上的決策還是任由性格心決定、總是被「飛蛾撲火」的感覺主導。由於感覺決策的出錯率高又無法迭代,會演化出喜歡找理由、愛逃避、玻璃心、刺蝟模式來抵制外界壓力,從而形成跟著感覺走、愛逃避外推責任、無法積累認知的閉環模型。

 

「難以捉摸」的「外星人」。一個人和你的行為方式、思維方式完全不同,比你的敏銳度、複雜度、衝突性高很多,常常讓你很難理解和接受,原來是個外星人,你對外星人又好奇、又害怕,偶爾思想互動交流下可能會有啟發,但是請記住外星人畢竟和你不是一個世界的人。

 

AB型:外星人型性格君。AB型性格是A基因機器人型性格和B基因孩子型性格的混合性格。又感性又理性、自我衝突糾結、嚴重缺乏安全感、因而喜歡採取數據觀察研究來得到安全感的追求合理的特質。好比A基因要求「火不能碰」、B基因卻感受到「火好漂亮」,在兩個衝突力量的共同作用下形成了缺乏安全感、愛觀察分析的性格,於是主動觀察了1000次火、掌握了「火怎麼生成、怎麼造火箭的前因後果」。也就是敏感糾結主導的性格心,發育出邏輯觀察認知心,發育出合理主義思想心。

 

性格君:比血型更簡單、具象直觀的性格分類描述方法。之所以用「盲人、機器人、小孩子、外星人」來描述「三維性格理論」中血型主導的四種性格,因為這樣可以更為直觀的理解各種性格的差異點,不需要再對「三維性格理論」和血型所對應的性格做複雜的描述解釋。同時,也更容易通過「盲人、機器人、小孩子、外星人」來把握面對的各種人,了解對方性格後就不會責怪「貓不是狗、女人不是男人,孩子不是大人」了,而是能夠更成熟有效的找到和每種人的有效關係。比如,把孩子當孩子,可以和孩子一起玩,孩子很真誠,但不要指望孩子能變成大人。盲人非常可靠,但不要指望盲人能看得見你看到的東西,和盲人保持有效距離就能更好相處。機器人非常認真負責,但只接收指令,所以不要指望機器人理解一切。外星人有自己思維方法,和外星人溝通和維護都有難度,所以離外星人遠點,但也理解外星人就是如此性格。

 

性格和心性。事實上,每個人都有自己的性格,對於別人的性格,只需要看清、接受和加以運用就是可以了,對於自己的性格也是一樣看清、接受和運用,只是在性格之上一個人還有心性,性格是改不掉的,但是心性是人的潛在精神屬性,是可以不斷提升、接近天地規律的。本書的任務就是幫助大家看清、接受和運用性格,至於進一步提升心性可以看本書的系列叢書《心性學》,那本書是基於本書看清性格「認識自己」基礎上的「成為更好的自己」。

相關焦點

  • 中國公務員職務分類的現狀與問題
    三、中國公務員職位分類實踐中的問題《公務員法》確立了中國以職位分類為主, 兼具品位分類特點的綜合分類方法,為中國科學、高效地進行公務員管理奠定了基礎,然而由於該方法實施時間較短、經驗不足, 運用到具體的公務員分類中後產生了諸多問題,主要集中在方法的設計和實施。(一) 分類方法設計存在缺陷1.
  • UDSMProt:蛋白質分類通用深度序列模型
    該文章針對大多數蛋白質分類的最先進方法都是為單個分類任務量身定製,並且依賴手工製作特徵的問題,提出了通用的深度序列模型UDSMProt。該模型在來自Swiss-Prot的未標記蛋白質序列上進行了預訓練,並在蛋白質分類任務上進行微調,然後應用於三個典型任務。實驗結果表明,UDSMProt與針對這些特定任務量身定製的最新算法的性能相當,並且對於三分之二的任務,UDSMProt的性能更好。
  • 常見濾波器分類
    下面小編就來微大家介紹下濾波器分類及常用濾波器有哪幾種。濾波器的分類濾波器的種類很多,分類方法也不同。1.從功能上分;低、帶、高、帶阻。2.從實現方法上分:FIR、IIR3.按元件分類:濾波器可分為:有源濾波器、無源濾波器、陶瓷濾波器、晶體濾波器、機械濾波器、鎖相環濾波器、開關電容濾波器等。4.
  • 格雷希爾快速接頭的規格型號分類與選型方法
    格雷希爾快速接頭的規格型號分類主要可分為直管、孔接頭,凸緣管、擴口管、寶塔管接頭,氣瓶充裝接頭和螺紋接頭等,具體的選型方法詳見如下:一、直管、孔快速接頭規格型號和選型直管、孔是指形狀為規則的圓形,外壁或內壁光潔的管件,如醫用導管、無縫不鏽鋼鋼管、氣管等。
  • seaborn catplot-用分類數據繪圖
    如果主要變量之一是「分類的」(分為離散組),則使用更專業的可視化方法可能會有所幫助。在 seaborn 中,有幾種不同的方式來可視化涉及分類數據的關係。以之間的關係類似relplot(),要麼scatterplot()或者lineplot(),有兩種方法可以讓這些地塊。有許多軸級函數用於以不同方式繪製分類數據,還有一個圖形級界面catplot(),可提供對它們的統一更高級別訪問。
  • 傳感器的分類詳解
    現將常採用的分類方法歸納如下:    1、按輸入量即測量對象的不同分:    如輸入量分別為:溫度、壓力、位移、速度、溼度、光線、氣體等非電量時,則相應的傳感器稱為溫度傳感器、壓力傳感器、稱重傳感器等。
  • 3D列印的分類
    3D 列印的分類3D 列印的分類方式有很多,最主要的三種分類方式分別是按應用領域分類、按原材料分類、按照技術原理進行分類。按照最終產品的應用領域,3D 列印可分為消費級 3D 列印和工業級 3D 列印。
  • 從零開始,半小時學會PyTorch快速圖片分類
    繪製最高損失是可視化和解釋分類結果的好方法。 most_confused只突出顯示預測分類和實際類別中最混亂的組合,換句話說,就是分類最常出錯的那些組合。從圖中可以看到,模型經常將斯塔福郡鬥牛犬錯誤分類為美國鬥牛犬,它們實際上看起來非常像。
  • 用模型「想像」出來的target來訓練,可以提高分類的效果!
    這篇文章的主要思想是通過構造一個「標籤混淆模型」來實時地「想像」一個比one-hot更好的標籤分布,從而使得各種深度學習模型(LSTM、CNN、BERT)在分類問題上都能得到更好的效果。個人感覺,還是有、意思的。
  • 檢測與分類專輯 | FCOS
    儘管基於錨框的方法獲得了巨大的成功,仍然有必要提出該方法的幾個缺點:1. 檢測表現效果對於錨框的尺寸、長寬比、數目非常敏感,因此錨框相關的超參數需要仔細的調節。2.即使經過的精心的設計,由於錨框的尺寸和寬高比是固定的,檢測模型會難以處理尺度變化很大的目標,尤其是很小的目標。預定義的錨框也會妨礙檢測模型的泛化性能,對於新的檢測任務就需要有不同的尺寸和寬高比。
  • 濾波器的分類
    濾波器的分類    濾波器是一種用來減少或者消除幹擾的電氣部件,其功能是對輸入信號進行過濾處理得到所需的信號
  • 傳感器的概念和分類
    (1)按被測物理量分類可分為位移傳感器、速度傳感器、力(壓力)傳感器、溫度傳感器和溼度傳感器等。(2)按傳感器的工作原理分類可分為電阻式、電感式、磁電式、電壓式、電容式、陀螺式、諧振式和光電式等。(3)按傳感器轉換能量的方式分類1)能量轉換型。
  • 基於 Python 實現動態分類器集成學習
    動態分類器選擇是一種用於分類預測建模的集成學習算法。該技術涉及在訓練數據集上擬合多個機器學習模型,然後基於要預測的示例的特定細節,選擇在進行預測時預期表現最佳的模型。這可以通過以下方法實現:使用k最近鄰模型在訓練數據集中找到最接近要預測的新示例的示例,評估該鄰域中池中的所有模型,並使用在鄰域中表現最佳的模型來對新示例做出預測。
  • 圖像分類訓練技巧之數據增強方法總結
    這裡簡單介紹圖像分類訓練技巧中的常用數據增強策略。搜索方法採用強化學習,和NAS類似,只不過搜索空間是數據增強策略,而不是網絡架構。TrivialAugment也不需要任何搜索,整個方法非常簡單:每次隨機選擇一個圖像增強操作,然後隨機確定它的增強幅度,並對圖像進行增強。由於沒有任何超參數,所以不需要任何搜索。從實驗結果上看,TA可以在多個數據集上取得更好的結果,如在ImageNet數據集上,ResNet50的top1 acc可以達到78.1,超過RandAugment。
  • 真空閥門的概述與分類
    真空閥門的種類繁多,通常按閥門的職能、結構型式、驅動方式、材料和用途進行分類,其分類見表1。 真空閥門的型號編制方法國家專業標準作了規定,可查閱有關標準。 表1 真空閥門分類
  • 土壤質地分類及其在我國應用探討
    本文就國際上三種土壤質地分類制以及我國制定的質地分類標準,在土壤顆粒分級、土壤質地分類以及土壤質地測定方法上進行比較,為我國統一土壤質地分類標準應用提供參考。土粒大小不均一,在自然狀況下大小不同的土粒,有的彼此不黏結的存在於土壤中,稱為單粒,有的相互黏結成為一個集合體,稱為復粒。將土壤顆粒按照直徑的大小劃分為若干個級別叫土壤粒級。土壤粒級的劃分標準各國採用的很不一致。
  • 15 分鐘帶你入門 sklearn 與機器學習(分類算法篇)
    樸素貝葉斯方法是一組基於貝葉斯定理的監督學習算法,在給定類變量值的情況下,樸素假設每對特徵之間存在條件獨立性。下面我將介紹幾種樸素貝葉斯的方法。此外,在文本分類任務上,CNB通常比MNB表現得更好(通常是相當大的優勢)。
  • label-embedding在文本分類中的應用
    ,目標是想提高分類器泛化新樣本的能力,當有新樣本產生的時候能夠不需要重新訓練分類器。所以挖了挖這個領域的研究,不挖不知道,一挖嚇一跳,沒想到這個坑還挺深的,看著看著就從普通的分類延續到 few-shot,zero-shot 以及 meta-learning 去了。在這裡先介紹幾篇與 label-embedding 相關的工作,以後有時間了其他的方法有時間了慢慢碼字。
  • 【SVM分類】基於布穀鳥算法優化實現SVM數據分類matlab源碼
  • 製冷劑的分類和編號方法
    圖/製冷劑的分類註:Pc為環境溫度為30℃的冷凝壓力如:R113、R114、R21,常用於離心式制冷機的空調系統。