寻觅回忆歌词是什么意思，最近老是接到xx电话？
我遇到的骗子比你们遇到的都高级！冒充工商总局进行xx！
人家还不是空口无凭，还先把好处给我了。
爸爸开了家物业公司，工商总局竟然来信道贺09年的时候，我爸注册成立了一家物业公司，想接手我们小区的物业管理，刚注册没几天，就收到一个短信通知，通知的大概内容是这样的：尊敬的公司法人，首先恭喜你事业有成。为了帮助新注册的法人正确经营管理， 我司特别准备了相应的法律法规，稍后邮寄给你，请收到后按照留言付款！
我爸收到后觉得工商局的服务挺到位的，还挺高兴，谁知道过了几天，邮政送过来了两本书以及几张纸，里夹带的通知竟然要求付款5000元。
爸爸不舍得花这个钱，假装没收到我爸他那个年龄的人多仔细啊，怎么舍得花5000块钱。他也没识破骗子的手段，就想着来个蒙混过关，假装没收到这几本书。
哪知道半个月后，竟然收到了电话通知，对方自称工商总局工作人员，说通过邮政快递的反馈，直到我爸已经收到了相关资料，要求我爸及时付款，否则就通知当地工商局吊销营业执照，并对公司进行罚款。
终于想起来有个当警察的儿子。我爸这时候才想起跟我商量，我在派出所上班，也经常配合工商局去查扣假冒伪劣商品，认识了几个工商局的朋友。
我就和工商局的朋友打电话，问他们是否了解怎么回事？
工商局的朋友告诉我，这是xx团伙的骗术，工商总局根本就没有这么个活动，我还把收款账号和对方的联系电话报了过去，让他帮我核实，这都不是工商总局的。
这下我就有把握了！
上班时，我直接用派出所尾号110的值班电话拨通了骗子的电话，明确告诉他：受害人已经报警，让他主动到公安机关配合调查、说明情况！并留下了我自己的警务通手机号码和警官证号码。
骗子还不死心，坚持说自己是工行总局的，还说稍后就通知当地工商局向我们上级反映派出所乱作为的事。
靠，骗子的心理素质还挺好！我直接在电话里告诉了他市局的投诉电话以及市长热线，让他请便！
果然，这个骗子再也没骚扰过我爸。
这也是我见过最高明的骗子了，竟然还下本了，不像现在的骗子，一个个的全靠一张嘴！
在你心里音乐的意义是什么？
音乐是什么呢？音乐是一种声频，从人类诞生开始，音乐也在跟着人类的脚步，在不断的进化，它是一种能让人产生共鸣效果的音频，它不是一种物质，也不是一件东西，而是一种带有人类情感，寄托了人们的喜怒哀乐，是人类最初精神活动的产物
来看看音乐影响过我们什么，就知道他的意义了很久很久前从原始时期部落开始，音乐就已经出现在了人们的生活中，人们定期都会举行晚会来载歌载舞，
然后就到了古代，音乐还是一直在流传，没有消失，记得印象最深的就是皇帝当朝的年代更是离不开音乐的存在，那个时候就已经发明了很多乐器和舞蹈来促使音乐的发展了比如，鼓，琴，编钟等……
后面就到了抗日战争年代，音乐不但没有消失，反而越发展越成功在当时这个环境的压迫下，诞生出了几名流传百世的歌唱家，聂尔，洗星海，在1935年发明了我国的国歌，这对于我们来说，意义非凡
直到现在，人们开始花大量的时间，精力，投入生活，投入工作，压力越来越大，音乐的类型也越来越多
我们都把精神压力寄托在音乐和娱乐上，与其说他是音乐，不如说它是一种思绪的表达和依靠方式。
但何曾有人想过我们只不过是为了满足我们那虚假的内心，假如这个世界没有了音乐，沉闷的地铁，拥挤的街道，是什么支撑绝望的躯壳继续前行？所以音乐的意义不言而喻！
图片来源于网络
怎么学习深度学习？
深度学习，就是深层神经网络，仅此而已罢了，直接给你个基于深度学习的心音信号分类的例子。心音信号(PCG)是人体重要的生理信号，携带大量生理特征，但这些微弱信号的提取极易受到外界的干扰，关于心音信号处理相关的文章，可参考下面几篇博士论文，讲的非常详细，因此，不再赘述。
[1]陈尧. 心音心电信号处理的神经网络方法[D].四川大学,2021.
[2]李婷. 基于循环平稳信号理论的心音信号处理方法研究[D].大连理工大学,2015.
[3]韩威. 小样本心音分类方法研究[D].广东工业大学,2020.
首先进行心音信号2分类，即正常与异常分类，首先看一下本次试验用的GoogLeNet网络结构信息
看一下Layers结构
看下输入层信息
看一下两类PCG样本的时域波形
然后定义连续小波变换的滤波器组
fb = cwtfilterbank('SignalLength',signalLength,'VoicesPerOctave',12)
将生成的时频图像导入数据文件夹中
allImages = imageDatastore(fullfile(tempdir,dataDir),... 'IncludeSubfolders',true,'LabelSource','foldernames');
80%的样本用于训练，20%的样本用于测试
rng default [imgsTrain,imgsValidation] = splitEachLabel(allImages,0.8,'randomized'); disp(['Number of training images: ',num2str(numel(imgsTrain.Files))]); disp(['Number of validation images: ',num2str(numel(imgsValidation.Files))]);
Number of training images: 1673
Number of validation images: 419
看一下PCG信号CWT时频谱图的样子，首先看一下异常样本
再看一下正常常样本
设置GoogleNet网络的训练参数，采用sgdm优化算法，小批量尺寸MiniBatchSize=15，最大迭代次数MaxEpochs=20，初始学习率InitialLearnRate=1e-4。
options = trainingOptions('sgdm',... 'MiniBatchSize',15,... 'MaxEpochs',20,... 'InitialLearnRate',1e-4,... 'ValidationData',imgsValidation,... 'ValidationFrequency',10,... 'Verbose',false,... 'ExecutionEnvironment','gpu',... 'Plots','training-progress');
开始训练网络
trainedGN = trainNetwork(imgsTrain,lgraph_2,options);
进行网络测试
[YPred,probs] = classify(trainedGN,imgsValidation); accuracy = mean(YPred==imgsValidation.Labels); display(['GoogLeNet Accuracy: ',num2str(accuracy)])
GoogLeNet Accuracy: 0.89948，GoogLeNet的准确率达到了90%左右，不是很高，因为样本并不是很多。
看一下混淆矩阵
计算一下各个类别的分类指标
%"异常”类别分类指标 RecallAbnormal = Matrice_confusione.NormalizedValues(1,1)/sum(Matrice_confusione.NormalizedValues(1,:)); PrecisionAbnormal = Matrice_confusione.NormalizedValues(1,1)/sum(Matrice_confusione.NormalizedValues(:,1)); F1Abnormal = harmmean([RecallAbnormal PrecisionAbnormal]); fprintf('RecallAbnormal = %2.3f\nPrecisionAbnormal = %2.3f\nF1Abnormal = %2.3f\n',100*RecallAbnormal,100*PrecisionAbnormal,100*F1Abnormal); %"正常"类别分类指标 RecallNormal = Matrice_confusione.NormalizedValues(2,2)/sum(Matrice_confusione.NormalizedValues(2,:)); PrecisionNormal = Matrice_confusione.NormalizedValues(2,2)/sum(Matrice_confusione.NormalizedValues(:,2)); F1Normal = harmmean([RecallNormal PrecisionNormal]); fprintf('RecallNormal = %2.3f\nPrecisionNormal = %2.3f\nF1Normal = %2.3f\n',100*RecallNormal,100*PrecisionNormal,100*F1Normal);
RecallAbnormal = 82.470 PrecisionAbnormal = 86.250 F1Abnormal = 84.318 RecallNormal = 93.592 PrecisionNormal = 91.635 F1Normal = 92.603
因为本例只是个示范，所用的样本相对于GoogleNet结构并不多，所以分类准确率并不高。
下面进行心音信号5分类，即正常normal,主动脉瓣反流 AR,主动脉瓣狭窄AS,二尖瓣反流MR,二尖瓣狭窄MS五类，同样本例只是个示范，所用的样本较少，所以分类准确率并不高。看一下5类PCG样本的时域波形
然后定义连续小波变换的滤波器组
fb = cwtfilterbank('SignalLength',signalLength,'VoicesPerOctave',12)
看一下生成的CWT时频谱图
将生成的时频图像导入数据文件夹中
allImages = imageDatastore(fullfile(tempdir,dataDir),... 'IncludeSubfolders',true,'LabelSource','foldernames');
70%的样本用于训练，30%的样本用于测试
rng default [imgsTrain,imgsValidation] = splitEachLabel(allImages,0.7,'randomized'); disp(['Number of training images: ',num2str(numel(imgsTrain.Files))]); disp(['Number of validation images: ',num2str(numel(imgsValidation.Files))]);
设置GoogleNet网络的训练参数
options = trainingOptions('sgdm',... 'MiniBatchSize',15,... 'MaxEpochs',20,... 'InitialLearnRate',1e-4,... 'ValidationData',imgsValidation,... 'ValidationFrequency',10,... 'Verbose',false,... 'ExecutionEnvironment','gpu',... 'Plots','training-progress');
开始训练
trainedGN = trainNetwork(imgsTrain,lgraph_2,options);
进行图像样本分类
[YPred,probs] = classify(trainedGN,imgsValidation); accuracy = mean(YPred==imgsValidation.Labels); display(['GoogLeNet Accuracy: ',num2str(accuracy)])
GoogLeNet Accuracy: 0.9
看一下各类别的分类指标
%"normal" 类别分类指标 RecallNormal = Matrice_confusione.NormalizedValues(5,5)/sum(Matrice_confusione.NormalizedValues(5,:)); PrecisionNormal = Matrice_confusione.NormalizedValues(5,5)/sum(Matrice_confusione.NormalizedValues(:,5)); F1Normal = harmmean([RecallNormal PrecisionNormal]); fprintf('RecallNormal = %2.3f\nPrecisionNormal = %2.3f\nF1Normal = %2.3f\n',100*RecallNormal,100*PrecisionNormal,100*F1Normal); %"AR"类别分类指标 RecallAR = Matrice_confusione.NormalizedValues(1,1)/sum(Matrice_confusione.NormalizedValues(1,:)); PrecisionAR = Matrice_confusione.NormalizedValues(1,1)/sum(Matrice_confusione.NormalizedValues(:,1)); F1AR = harmmean([RecallAR PrecisionAR]); fprintf('RecallAR = %2.3f\nPrecisionAR = %2.3f\nF1AR = %2.3f\n',100*RecallAR,100*PrecisionAR,100*F1AR); % "AS"类别分类指标 RecallAS = Matrice_confusione.NormalizedValues(2,2)/sum(Matrice_confusione.NormalizedValues(2,:)); PrecisionAS = Matrice_confusione.NormalizedValues(2,2)/sum(Matrice_confusione.NormalizedValues(:,2)); F1AS = harmmean([RecallAS PrecisionAS]); fprintf('RecallAS = %2.3f\nPrecisionAS = %2.3f\nF1AS = %2.3f\n',100*RecallAS,100*PrecisionAS,100*F1AS); %"MR"类别分类指标 RecallMR = Matrice_confusione.NormalizedValues(3,3)/sum(Matrice_confusione.NormalizedValues(3,:)); PrecisionMR = Matrice_confusione.NormalizedValues(3,3)/sum(Matrice_confusione.NormalizedValues(:,3)); F1MR = harmmean([RecallMR PrecisionMR]); fprintf('RecallMR = %2.3f\nPrecisionMR = %2.3f\nF1MR = %2.3f\n',100*RecallMR,100*PrecisionMR,100*F1MR); %"MS"类别分类指标 RecallMS = Matrice_confusione.NormalizedValues(4,4)/sum(Matrice_confusione.NormalizedValues(4,:)); PrecisionMS = Matrice_confusione.NormalizedValues(4,4)/sum(Matrice_confusione.NormalizedValues(:,4)); F1MS = harmmean([RecallMS PrecisionMS]); fprintf('RecallMS = %2.3f\nPrecisionMS = %2.3f\nF1MS = %2.3f\n',100*RecallMS,100*PrecisionMS,100*F1MS);
RecallNormal = 100.000 PrecisionNormal = 100.000 F1Normal = 100.000 RecallAR = 100.000 PrecisionAR = 75.000 F1AR = 85.714 RecallAS = 83.333 PrecisionAS = 100.000 F1AS = 90.909 RecallMR = 80.000 PrecisionMR = 100.000 F1MR = 88.889 RecallMS = 83.333 PrecisionMS = 83.333 F1MS = 83.333
由于小样本原因，准确率不是很高。重点来了，更重要的是看看如何进行改进
改进方向：信号前处理
1.可以使用合适的信号降噪方法，移不变小波去噪方法对于PCG,ECG等信号来说还是不错的
基于Cycle Spinning的移不变小波去噪 哥廷根数学学派的文章 知乎 https://zhuanlan.zhihu.com/p/539089086
2.根据PCG信号的波形，可以自适应的构造更合适的小波
利用机器学习模型设计正交小波滤波器 哥廷根数学学派的文章 知乎 https://zhuanlan.zhihu.com/p/537254014
为连续小波变换CWT构造新小波 哥廷根数学学派的文章 知乎 https://zhuanlan.zhihu.com/p/534682868
3.使用时频谱图更加集中的同步压缩变换
同步压缩变换初探 哥廷根数学学派的文章 知乎 https://zhuanlan.zhihu.com/p/543569766
高阶同步压缩变换--占坑 哥廷根数学学派的文章 知乎 https://zhuanlan.zhihu.com/p/544716722
在网络选取方面
GoogLeNet相对于本文样本来说太大了，同时我并不推荐迁移学习和样本生成方法，不要问我为什么
基于小波时间散射网络的ECG 信号分类 哥廷根数学学派的文章 知乎 https://zhuanlan.zhihu.com/p/539001673
基于小波散射算法的空气压缩机异常噪声诊断 哥廷根数学学派的文章 知乎 https://zhuanlan.zhihu.com/p/531077421
码字不易，且行且珍惜
请问有什么好看的重生文的小说推荐一下？
女主重生文
【重生之报恩（军旅）】
王梦不解，明明已经坠落悬崖，一睁眼居然变成了他的未婚妻。 救命之恩要不要以身相许？ 还是成全他，退婚？ To be驯服, or 被驯服 that is the question . 不过话说，军人可以有童养媳吗？ 她到底是在什么年代啊！
【学做白莲花】
白莲花这种生物，女人都深恶痛绝，可是架不住男人喜欢！ 重生回来，势要做一朵黑心白莲花， 与原来的那两个白莲花异母姐妹比一比，看谁更懂这种花的奥义！ 白家千金白玫瑰，性感迷人，就似一朵玫瑰绽放，高傲而诱惑。 可父亲的两个私生女，却如同两朵白莲花， 抢走了白玫瑰的一切，还让她凄惨死去。 重生的白玫瑰，终于懂得，要想胜利， 就必须装可怜、装纯洁、装作什么都不懂！ 她不会怎么办？学！ 黄泉路上神秘人给的白莲花系统， 生生把一朵白玫瑰变成了白莲花……
【重生之顾宁的悠然生活】
三年有名无实的婚姻，原本以为的幸福，到最后不过梦一场。 她这辈子失去的太多，有太多不甘心和遗憾。 重来一次，顾宁回到父母离婚的前夕。那时候，她还没有一无所有…… 这次，顾宁看清了身边...
【重生世家千金】
世家千金柳蔚虹重生回到十七岁的青葱年华。
彼时，一切都还没失控，一切都还来得及挽回。
错失的父爱、辜负的深情、倾颓的家族……她都要逐一补救，重塑自己的完美人生！
生活要简约，但简约的基础是随时能够奢华，不然就是寒酸。
偶尔要扮猪，但扮猪的基础是随时能够吃虎，不然就真是猪了！
如果对手是老虎，那就扮猪吃了他；如果对手本来就是猪呢？
【穿越七零后】
死后穿越到贫苦的七十时代，人家带空间的养花养草，混个温饱；她这空间寸草不生，屁用没有。人家救人一命，那被救之人知恩图报；她姥姥救人一命，临死前希望那人能照顾她一二，结果那混小子上下打量她一番，很肯定的道：“长大后给我当老婆，我照顾她一辈子，不给我当老婆，吃你几顿饭，谁有闲心照顾她？我自己还吃不饱呢。” 总的来说，就是一个冷漠自私的女人穿越后遇到一个坑蒙拐骗养老婆的男人的故事。
男主重生类（耽美）【庶子日常】霸气流氓将军攻X纯真机智受
纪居昕的人生就是个悲剧。被亲人哄骗坑害，被枕边人蹂躏买卖，人心二字，他竟从未看透！他在刀尖上行走，一身污秽血泪流尽，踩着他尸骨上位的人却春风满面前程似锦！幸好，他从地狱归来，回到一切还未开始的十三岁。..........................................................
【重登仙途】狠厉恶龙魔界尊主攻X自强坚韧神祗后裔受
前一世，墨言被心生歹念的昆仑洪通天养成了废人，被洪儒文背叛，最终惨死囚室之中。阴魂在世飘荡数百年才投身轮回，却不知竟有人血祭十万年道法将墨言送回他十岁那年。这一次，重新来过，墨言要将属于自己的拿回来，也定然不会放过害死自己的洪家父子！ 天地之道，适者生存。主角重生一世，不再天真软弱，努力强大自己，走上复仇修仙的道路。
【被迫联姻】高智商大美人受X深城府心机婊攻
拥有着出众容貌与优渥家世，季寇肖一直活在别人的掌声与艳羡的目光里。然而一场变故，却让他亲眼目睹祖业败落，家破人亡。收拾小人，狠虐对手，对他来说原本就是件轻而易举的事。重生一次，他自然不会将谋害他的元凶放过。只是迫不得已之下同那个心狠手辣的厉家少爷的联姻，却成为了他计划中最大的变数。
【包子买一送一】痞子无赖忠犬攻X直男女王腹黑受
未婚妻被睡，家业被夺，连最信任的下属也倒戈相向，刘亦阳重生到名为易阳的**少爷身上，刚一睁开眼，就看见一个陌生的男人正骑在他身上。 这不是重点，重点是一个月后，他发现自己……怀！孕！了！**！这是什么情况！ 复仇大计被一枚小包子彻底搅乱，包子养成后，他再次归来，虐渣弟，炮轰爬墙的未婚妻，誓死抢回丢在自己手里的家族产业，当然也不忘励志创业养包子，就在他小日子过得风声水起的时候，那个在他身上种下包子的男人竟然找来了……
【霸王请上攻】傲娇受X霸道攻
重生了，刘平安想，这一次老资要变成万人迷，撑握主动权，让张章那个霸道的**紧紧的跟在老资身边结果是，刘平安躺平了，讨好的对张章说：霸王，请开吃。
希望大家喜欢~
南山南的歌词是什么意思？
讲述齐襄公畸形恋，爱上自己妹妹文姜，努力却不得的故事。
马頔写的《南山南》，本质上是一首民谣，民谣具有极强的文化气息和历史来源。经过长时间的琢磨，确定了一个完美契合《南山南》歌词的典故源头：齐襄公和妹妹文姜相爱。
齐襄公和文姜相爱，但是无可公告于世，最终文姜被齐国嫁给鲁国鲁恒公。一次鲁恒公前往齐国南山，齐襄公设计在宴会上杀害了鲁恒公，却未曾如愿得到文姜，文姜被鲁国当做人质带回鲁国。宴会的地点就在齐国南山。从此，齐襄公在南山以北，文姜在南山以南。两人求而不得。
依据来源是因为《南山南》的名字就来源于《诗经·南山》，而《诗经·南山》就是齐国民谣诗经齐风的一篇诗歌，本质上就是讽刺齐襄公和文姜这一队兄妹相爱的诗篇。当然学者认为这是一首讽刺诗，因为不符合当时的礼乐，但以现代价值观去分析，爱情自由。
《诗经·南山》
南山崔崔，雄狐绥绥。鲁道有荡，齐子由归。既曰归止，曷又怀止？
葛屦五两，冠緌双止。鲁道有荡，齐子庸止。既曰庸止，曷又从止？
蓺麻如之何？衡从其亩。取妻如之何？必告父母。既曰告止，曷又鞠止？
析薪如之何？匪斧不克。取妻如之何？匪媒不得。既曰得止，曷又极止？
这《诗经·南山》啥意思呢？意思就是说：
南山巍峨高大，雄性狐狸（齐襄公）在缓缓行走追寻自己的妻子。鲁国道路平坦，齐国的孩子文姜从这里出嫁。既然文姜已经嫁人，（齐襄公）为何又想着他回来？
葛鞋两只配成双，帽带一对垂耳旁。鲁国大道平又广，文姜由此去嫁郎。既然她已嫁玉郎，为啥又对他含情脉脉？修垄挖沟勤翻土。想要娶妻怎么办？必须事先告父母。既已禀告过父母，为啥任她和你婚后相爱？想去砍柴怎么办？没有斧子砍不倒。想要娶妻怎么办？没有媒人娶不到。既已明媒正娶来，为啥让她娘家跑？
以现代价值观去观看，齐襄公和文姜的爱情换一个角度解读也未必可。
齐襄公设计杀害鲁恒公后，齐襄公并未如愿和文姜在一起。文姜被鲁国侍从护卫着又回到了南山以南的鲁国。只留下齐襄公独守南山以北，求而不得。而马頔的《南山南》正是以齐襄公的口吻去述说的：
第一段：你在南方的艳阳里大雪纷飞；你在南方的艳阳里大雪纷飞我在北方的寒夜里四季如春如果天黑之前来得及我要忘了你的眼睛穷极一生 做不完一场梦这些的是啥意思呢？这里的南方和北方，是以南山为界。南山的南方是鲁国，南山的北方是齐国。你代指老妹儿文姜，我就是老哥儿齐襄公。文姜在春秋之中被誉为四大美女之一，而比四大美女更有名的事情是，文姜和老哥齐襄公两有了关系，不好听点叫私通，好听点叫追求真爱，齐襄公把鲁恒公给绿了，而且还乱了近亲忌讳。
当齐襄公为了文姜杀害鲁恒公时，天下人以齐襄公毫无道德抨击齐襄公和文姜。按照现代的思路，慈不掌兵。齐襄公从军事出发如此轻松干掉了对方首脑堪称大捷，但是春秋是一个讲究武德的高尚时代。
齐襄公摆上鸿门宴本就是被世人嗤笑，而也更加坐实了齐襄公和妹妹文姜的乱搞关系。文姜回到鲁国后，受到了鲁国全国上下的一致辱骂，什么D妇、丢入、谋杀亲夫等等头衔都给文姜框上。而文姜还有去辅助自己和被哥哥杀害的丈夫一起生的孩子，登上王位。当然这个孩子是不是鲁恒公的还两说，但不重要。
以文姜当时在鲁国的处境，用冰雪交加来形容心情在合适不过，所以有了。在南山以南的鲁国之中，文姜看着天上的艳阳，而心中寒冷一片。这就是第一句：
你在南方的艳阳里大雪纷飞。同样的，在南山以北的齐国之中，齐襄公这个“我”也他喵的犯愁。本来以为搞定了齐襄公可以和全世界对抗，坐拥自己的老妹一起双宿双飞。结果老妹被鲁国一起带回去了，直接当人质了。而且好像自己的做法也吓到老妹了。如此一来，齐襄公是打不打鲁国呢？打吧，怕鲁国拿自己的老妹儿要挟，不打吧，自己好像宰了一个国君一点好处没捞着。
齐襄公看着后宫佳丽三千人，每一个有老妹儿的感觉，感觉内心郁闷寒冷。所以本质上，第二句是一个倒装句，意思和第一句一样，都是写内心寒冷。因为从地理位置上看，鲁国和齐国都是南方，南山两边气候是一致的。所以是在四季如春的鲁国之中，齐襄公感觉内心寒冷。这就有了第二句：
我在北方的寒冷中四季如春；从齐襄公不中意后宫佳丽，只在乎自己妹妹文姜这一点，不惜无视春秋之中重视的武德、礼乐道德，可以侧面证明，这齐襄公小子可能真的和妹妹文姜是真爱。
而后面三句，是齐襄公对于自己的自嘲：明明自己是一国之君，有胆量有计谋有作为，可是没想到明明都快成功了，却还是功亏一篑。练字深爱的女人都无法守护。这就有了这三句：如果天黑之前来得及/我要忘了你的眼睛/穷极一生,做不完一场梦.
主歌部分：复调；在主歌部分，故事有了一定的现代手法描述，但本质上结合了诗经的复调手法，两段看似毫无关联，实则是一种补充。本质上可以理解为马頔认为的齐襄公，齐襄公看着文姜的确无法回来，而且自己也受到了朝中大臣的职责和压力后，开始心灰意冷。不在对自己的皇后、亲人透露自己的真实想法，成为了一个帝王之术的王。而内心深处一直留恋的文姜。而最终，齐襄公只能在梦里梦到文姜。
这就有了下文。
他不再和谁谈论相逢的孤岛因为心里早已荒无人烟他的心里再装不下一个家做一个只对自己说谎的哑巴他说你任何为人称道的美丽不及他第一次遇见你时光苟延残喘 无可奈何如果所有土地连在一起走上一生 只为拥抱你喝醉了他的梦 晚安尾声：升华点题；南山南 北秋悲南山有谷堆南风喃 北海北北海有墓碑最好就是最为凄凉的点题了。
齐襄公知道自己一生都将无法和文姜见面，同时也预感到了自己死后、或者文姜死后他们两人也无法一同同葬，如是感叹道：
南山的南方住着自己的一生中最爱的人，偏偏世俗阻隔身不由己。我在南山北方的秋天之中独自哀伤。南方啊，稻谷收获了，扬尘晒杆了。
从南方吹过来的南风之中，似乎有着文姜的呢喃。她说：在比北海还有北的北方，没有世俗的一切。那里有一座墓碑，墓碑下合葬着你和我的骨骸，碑上留着文姜和齐襄公。
最后，以上全部内容仅是个人猜测。书上说齐襄公是个昏君。但是《南山南》的歌词真的完美契合文姜和齐襄公的故事。
咒怨讲的什么？
（本文无惊悚图片，老少咸宜，请放心阅读）
一、《咒怨》的版本源流
咒怨不是一部电影，也不是一个系列电影，而是前前后后产生了多个系列和旁枝。很多自称看过咒怨的人，聊起来发现情节根本对不拢，就是这个原因。
初代咒怨诞生于1999年（比午夜凶铃稍晚一点），发行载体是录像带，所以它其实并不是电影，很多人通常将其称作“TV版”。
录像带版有两部，每部74分钟，是同一时间拍摄和发行的，剧情也是连贯一致的，所以与其说是第一部和第二部的关系，不如说是上下篇更贴切。
豆瓣链接：
录像带版上篇 | 录像带版下篇
录像带版的剧情，从小林俊介去佐伯家家访开始，然后穿插叉叙述了房子的后任买主们的遭遇，最后的结尾是鬼宅空置，去探险的女学生传出恐怖的叫声。
由于录像带版发行后口碑爆炸，很快就改编成电影正式进入院线。2002年拍了咒怨1，2003年拍了咒怨2，两部电影仍然由清水崇指导，为了区别于录像带版，一般将这两部称为剧场版，你在豆瓣上最先找到的一般就是这两部。
豆瓣链接：
剧场版1 | 剧场版2
剧场版并不是简单地翻拍录像带版，而是设计了具有延续性的新剧情，并将原录像带版中一些经典桥段植入了新剧情（业界良心），当然毕竟它是院线电影，删去了一些过于惊悚的元素。
剧场版第一部从社工理佳（奥菜惠饰）进入鬼宅开始，穿插了叙述了其他几个受害者的经历，最后以理佳之死结束。
第二部，从一个剧组进入鬼宅拍节目开始，然后剧组成员纷纷死于非命，基本团灭了，只剩导演和怀有身孕的女演员京子（酒井法子饰），最后伽椰子转世成了京子的女儿，并于几年后把京子从天桥上推了下去，剧终。
这四部曲构成了整个咒怨世界观的核心主体，其编剧导演都由清水崇担纲，女主演即伽椰子都是藤贵子，刚雄都是松山鹰至，但是演俊雄的小演员从小山僚太换成了尾关优哉。
藤贵子生活照，能演好女鬼的都是真美人
萌萌的尾关优哉
咒怨的整个剧情和设定架构都是清水崇的原创，大石圭的同名小说是2003年在剧本基础上改写的，清水崇是整个咒怨IP无可争议的原创者。所以不要说什么小说原著，电影才是原著，小说只是同人文而已。
后来又拍过美版“不死咒怨”三部，所谓的十周年纪念版两部，新剧场版两部。
美版的前两部都是清水崇执导，在日版的基础上改编，第三部由托比威尔金森执导，鬼宅也从日本搬到了美国......
所谓十周年纪念版，各61分钟，不知所云，与主线基本无关。
新剧场版由落合正幸编导，复刻了原作的几种死法，也不知道是致敬还是实在编不出新的了，小林的角色被砍掉，伽椰子成了一个儿子控，而且佐伯一家给硬编了一个前世出来。
综述：四部曲才是正统，其他的全是呵呵。
二、咒怨的来源: 佐伯家凶杀案
《咒怨》中的“佐伯家”实拍，位于埼玉县所泽市
咒怨的始作俑者是一所凶宅，这座宅子原本住着一家三口，丈夫叫佐伯刚雄，妻子叫伽椰子，儿子叫俊雄。
伽椰子性格内向孤僻，从大学开始一直暗恋同班同学小林，最后发展成跟踪狂，把她能收集到的一切关于小林的信息记录在一本日记本里。后来小林与另一同学结婚，又逢伽椰子父母双亡，伤心之余嫁给了自己家的房客刚雄，结婚后不久生了俊雄。
俊雄六岁时，刚雄想再要一个女儿，结果发现自己患有少精症，基本是不能生育的，他立即怀疑俊雄的生世，回家翻箱倒柜找到了那个日记本，果然发现伽椰子迷恋过一个叫“俊介”的男人，再联系到她执意要给儿子起名为“俊雄”，而且俊介居然还是俊雄的班主任，觉得自己百分之百被绿了......
然后那天晚上，刚雄不由分说虐杀了伽椰子，把尸体藏在阁楼上，把俊雄用胶带封在衣柜里，把伽椰子送给俊雄的黑猫也杀了。
刚雄一不做二不休，找到小林的家，把他怀孕的妻子残忍地杀死了。这时伽椰子的冤魂出现，索了他的命。俊雄则被伽椰子带走，从此失踪了。我一直觉得俊雄没有死，而是介于生死之间的特殊状态。
由于佐伯刚雄杀死伽椰子的证据确凿，但杀死刚雄的刀柄上却又是伽椰子的指纹，警察无法pj此案。
这场凶杀就是整个咒怨系列的原点。伽椰子，俊雄和刚雄的怨灵从此就盘踞在凶宅里，伺机残害任何进入这里的人。录像带版和剧场的叙述是根据咒怨受害者们各自的经历，把整个事件拼凑还原起来的。
三、咒怨的设定，以及咒怨的受害者
咒怨就是怀着怀着强烈的怨恨而死的人，在生命的最后一刻所下的诅咒，这种诅咒会积聚在死者生前生活的地方，让任何接近的人死于非命，并且产生新的咒怨。
很显然，佐伯家一家三口，是咒怨的三位一体，伽椰子是冤屈和怨恨，刚雄是嫉妒和愤怒，俊雄则是恐惧和深感不公——这一切发生在一个六岁的孩子身上，当然不公。还有那只黑猫，也有咒怨的属性。
按照设定，最直接的受害者是这栋房子后续的住户，以及社工、房产经纪、警察、“探险”者等出于各种目的进入这所房子的人。
对于住进这所房子的人，咒怨或附着在他们身上，改变他们的人格和意识，使他们杀人，或恐吓他们，摧残他们的心智。对于偶尔进入这所房子的人（即使只是踏入一步），咒怨或是当场将其杀死，或是会以伽椰子或俊雄的形态，或化成阴影，追随他们到他们各自生活和工作的地方，直至亡命。
咒怨是超自然、超物理的存在，无法去除，但是会在米酒中留下痕迹，每个人对于咒怨有不同的敏感度，敏感度越高越危险，甄别的方式是他们会觉得被咒怨沾染的酒很难喝。
咒怨可以凭空出现于墙壁、地板、床下、乃至人的后背等任何地方，杀人会用绞死、刺死、撕裂肢体等多种残忍的方式，也可能将其“拖走”到不明的地方。死者的尸体会莫名消失，成为新的咒怨，去无差别的攻击他人。
不仅如此，沾染咒怨的人，还会传染给自己身边的同学亲友，仿佛病毒一般的传播。
有趣的是，佐伯家三个咒怨的主诉不同，逻辑有微妙的区别，比如善良的社工理佳，伽椰子一直跟随着她但是并没有“带走”她，最后还示以一个干净的真面目，但是刚雄却没有放过她（另一说是理佳发现了自己被伽椰子附体，伽椰子召唤出刚雄，让理佳知道自己死时的痛苦和绝望）。最终，想用爱和宽容化解咒怨的努力，全都失败了，所以《咒怨》小说称“怨恨”是人类最强烈最持久的情感，远非“爱”可以比。
最后，咒怨会寻找孕妇作为宿主（个人认为这个设定比较低智），投胎转世，从而将咒怨扩散到凶宅以外的地方，可见即使摧毁凶宅，也是没用的。
四、《咒怨》恐怖吗？《咒怨》是优秀的电影吗？
《咒怨》拍摄现场，工作人员给“俊雄”化妆
咒怨肯定是恐怖的，而且和午夜凶铃一起担纲了日式恐怖片的标杆。
咒怨的一大恐怖之处在于那种极具日本特色的居住环境：僻静的独栋小楼，狭窄陡仄的楼梯，幽暗的壁橱和阁楼……
我还记得录像带版第一部的开头，小林老师去佐伯家家访，阴森诡异的氛围塑造得绝对一流，一路上遍地垃圾，腐烂的猫尸，黏乎乎的血迹，嗡嗡盘旋的苍蝇，幽暗凌乱房间……这种氛围烘托着小林翻开伽椰子的日记本，发现其痴狂的内心世界，将气氛一步步推向高潮。虽然没有配乐，但安静更可怕。有铁粉前往所泽市的实景地去拍摄，大白天整个小区不见人影，安静中偶尔传来一阵敲击声，就显得十分瘆人，作品完美还原了这种现实，并且加强了。
日式恐怖在于它没有特殊的介质或道具，它还原的都是你日常生活中习以为常事物，水龙头，日记本，镜子，壁橱，阁楼……这是很多人看过之后一段时间都害怕独处的原因。特别是剧场版第1部中，仁美害怕得钻进了被窝，然而……
当然，除了氛围，不期而至的怨灵和不可抗拒的死亡也是恐怖的，录像带版中有几处非常血腥惊悚的画面，配合着剧情的节奏，成了很多人连回忆都不敢回忆的阴影。
至于说它是不是优秀的电影，这是一个开放式的问题。题主说它是2级片，确实不错，别忘了头两部还是4:3画面的录像带版呢，连2级片都算不上。2级片就是低劣的电影吗？在“质量”上一定是的，电影是工业产品，成本是质量的天花板，演员片酬，音乐和特效的制作，取景，设备……都是钱。
但是，2级片或者B级片里也出了许多实验性的杰作，即使一些手持DV作品，也做了不少有价值的探索。我觉得《咒怨》的叙事方式是很特别的，它隐藏了主线，也打乱了时间，而是按照受害者的名字，分割成不同的篇章，每一篇章的标题就是一个名字。从一个受害者，跳跃到他的家人，或是朋友，就仿佛是一个病毒毒株，从一个感染者，繁殖裂变，扩散到另一个感染者，然后十个、百个……
每一篇的片头都是这样的
你可以观察、思考这个传播的路径，一个个无辜的个体，是如何因为偶然的契机被卷入咒怨的，就像当年一个好好的人，只是坐了趟火车，或是去了趟超市，就感染了非典一样，只是偶然的，随机的，没有道理的，但命运就此改变。
况且，《咒怨》从两盒录像带被观众认可，让清水崇一举进入高壁垒的电影界，成为院线电影，进而得到好莱坞的认可，被美国翻拍。这个过程本身就说明，咒怨具有一些独特的价值，它确实洞察到了人的恐惧点。
假使有一天，清水崇拿到了天价预算，重制四部曲，大咖出演，大师配乐，蓝光3D，咒怨就会成为“大作”吗？我觉得不会，四部曲，尤其录像带版特有的那种“粗糙”的感觉，本身也是咒怨形成独特风格的一个重要元素，它的内容和介质是一体的，具有一种完整性。
五、《咒怨》的意义是什么？
我认为《咒怨》的意义，跟很多的颓废文学，颓废艺术一样，他们的意义不是建设性或导向性的，它们的意义就是表现。它找到了那个击中人们共性的点，并且准确地具象化，还原出来了。
其次，《咒怨》着眼点是微观的，清水崇不是要设计一个宏大的“咒怨宇宙”（现在玩IP的动不动就什么什么“宇宙”），他的视角始终是围绕一个个人，受害者和施害者。其实惨白的鬼、残忍的虐杀都是浅表的，你越是思考佐伯一家的内心世界，越是会感到寒意。
最近不断看到有人拿《闪灵》和《咒怨》比较，《闪灵》当然是一部殿堂级的伟大的电影，它真正恐怖的地方，不是双胞胎、血海、237房间这些意象，也不尽在于各种细节和技巧，而是一个男人的内心崩坏的过程，是支撑着他的最后一点理性逐渐消逝殆尽的过程。我看闪灵时，刚看到杰克借口赶稿子而撂下家人，但实际上在空旷的酒店大堂里扔球玩的时候，不寒而栗，我相信不是只有我一个人有这种感觉。
其实在这一点上，《咒怨》何尝不是呢？伽椰子从小生活在一个缺少爱的环境中，形成了明显的人格障碍，同学个个都视其为“怪人”而不敢接近（虽然电影里没有展开，但可想而知，她必然是各种冷暴力的对象），她就变得更孤僻，因果互为循环，有了喜欢的人也不敢启齿，好不容易有个男人说他想得到她（注意，佐伯并没有说我爱你，而是我要你），虽然不是爱，但被需要也是好的，特别是不久后他生了俊雄，儿子成了他的空气和阳光，她买了自己最喜欢的同款黑猫送给俊雄，被撕毁的全家福上，俊雄笑得很灿烂。但是最后她失去了一切，她意识到不仅不能保护自己，也不能保护俊雄的时候，该是多绝望。刚雄则只是想占有伽椰子，想得到一个丈夫和父亲的角色，并不在乎伽椰子的内心，当他发现他从未真正占有的时候，理智完全崩溃。这些人设，这畸形的婚姻关系，是凭空架构的吗？
咒怨和午夜凶铃都诞生于世纪之交，它们都带有鲜明的上世纪末都市生活的元素，公寓，电话，电视，录像带……现代生活让人们长时间独处，并为之提供了技术上的便利。人们害怕独处， 独处让我们缺少保护，但人们其实也害怕交流，因为交流意味着同质化的威胁（病毒的隐喻），这就是咒怨们应运而生的天时。