中国古代音乐美学思想研究的现代意识

中国古代音乐美学是古人生存方式的话语形态,我们要在把握古人生存状态中理解其音乐美学思想,获得生存智慧,并依据现代生存的需要去选择、甄别、生成新意,为现代音乐生活提供有意义的美学观念。我们的音乐创作观念,要按系统论的观点看待各美学思潮的共生和张力,重视李贽情感论和儒家社会责任意识的协调,抒发追梦时代的壮志豪情。     

非线性面板数据聚类方法研究

对于一类变量非线性相关的面板数据,现有的基于线性算法的面板数据聚类方法并不能准确地度量样本间的相似性,且聚类结果的可解释性低。综合考虑变量非线性相关问题及聚类结果可解释性问题,提出一种非线性面板数据的聚类方法,通过非线性核主成分算法实现对样本相似性的测度,并基于混合高斯模型进行样本概率聚类,实证表明该方法的有效性及其对聚类结果的可解释性有所提高。     

基于主成分分析的河南省农业产业化水平研究--以河南省18个市为例

本文选取反映河南省各市农业产业化水平的9个主要经济标，采用主成分分析方法，提取反映各市农业产业化水平的5个主要成分，对全省18个县市的农业产业化水平进行评价，提出相关建议。     

新世纪以来赋学研究的开拓与反思

新世纪以来的赋学论文数、研究机构、研究队伍都比上世纪的最后20年空前增加与壮大。而就赋学研究的实质内容而言,也远较上世纪的最后20年精深、宏通,彰显出鲜明的学理化倾向,呈现有"汉赋学""律赋学""辞赋文化学"以及赋学理论批评系统化、赋学文献整理规模化的特征。在反思的过程中,赋学研究视野不断开拓,逐步走出文学史思维模式,回到文本,探源辨体,同时,赋体与他体文学交叉研究以及域外赋体创作研究也受到关注,但也存在"跨界"不足的问题,需要加以重视。     

短歌微吟哀思千古 ——向秀《思旧赋》赏析

《思旧赋》是向秀为了悼念被司马光所杀的嵇康、吕安而作的一篇抒情短赋,其文并序虽只有寥寥几行,却寄托着作者对昔日友人的无限哀思和他作为一名士人不得不隐饰自己的情感而走向与政治合作的无奈.全文字字血泪,掷地有声,令读过者莫不为之慨然而叹,抑郁感怀.     

赋对《诗经》雅、颂之绍续——《汉书·艺文志·诗赋略》“赋”与“歌诗”类分新论

"分类"反映出人们对事物的认识程度与认识标准,是看待事物的视角与态度,理解事物的深度与广度。一代有一代之思潮,刘向、刘歆、班固当时《汉书·艺文志·诗赋略》类辑"歌诗"与"赋"必定是胸有伦次,本文以班固《汉书·艺文志·诗赋略》与《两都赋序》为基础,比次条理,管括机要,本根推原,再与先秦《诗经》风、雅、颂分类参互考寻,爬梳剔抉,远览深思,探究《汉书·艺文志·诗赋略》"歌诗"与"赋"分类之立意发想,最后证得班固《汉志·诗赋略》关于"歌诗"、"赋"之类分判准,并不在于传播方式之"歌"或"不歌而诵",也不在于"文艺形式"之铺陈、铺排、铺张扬厉或铺彩摛文,而是对于古圣王典制之追摹;"歌诗"远绍古圣王采诗以观风俗,知得失之政治典制,是承继《诗经》"国风"编定之理念;"赋"远绍古圣王,公卿列士献诗讽谏以补察时政之典制,或美或刺,是承继《诗经》"雅""颂"编定之精神,此亦班固所以言"赋者,古诗之流也"之核心义涵。     

探讨在文化移入中运用主述位理论对英汉诗歌的翻译对比

翻译是一项跨语言、跨文化的活动,是一种社会行为,所涉及的变数很多。传统的翻译研究往往停留在字、词、句的层面上,这往往脱离了目的语与元语言的转化。在翻译的过程中,由于语言背景的文化差异,导致译入和译出的非对应性,忽视了目的语读者的期望。因此,本文将从诗歌小句的视角,通过运用主述位理论来试图对英汉诗歌的翻译结果影响进行分析,解读诗歌元语言(source language)和目的语(target language)之间的关系,探讨文化移入在诗歌翻译过程中的体现,以及在翻译的过程中该如何采取的相应措施。     

我国"大城市病"的指标基准、定量测度与机理分析

笔者通过构建"城市病"测度指标体系,确定判断"城市病"及其严重程度的标准,采用主成分分析法对我国38个主要城市的"城市病"状况进行量化分析,并在此基础上探讨了我国"城市病"与中心区人口规模的关系问题.研究结论表明,"城市病"是我国当前城市化和城市发展过程中面临的普遍问题,患病程度整体严重.其中,医疗短缺、 环境污染问题最为突出,交通拥堵、 房价高企问题同样严峻.单中心城市人口膨胀是我国"城市病"的重要原因.因此,预防和治理"城市病",推进我国城市化健康发展,总体上需要从构建多中心、 网络化的大都市区、 疏散中心区公共服务、 改革财政分权体制等方面采取措施.     

一种新的高维数据降维方法

一、前言现实世界中存在着大量的复杂事物及现象,人们希望揭示隐藏在这些纷繁芜杂的表象下的事物和现象的客观规律。随着信息技术的发展,我们面对的数据越来越复杂,往往具有如下特点:(1)样本点数量巨大;(2)数据收集的频率越来越高;(3)数据内部存在结构化的特征;(4)指标变量众多。例如天气状况,用来描述气象特征的指标非常多,像温度,湿度,气压,风力,降雨量等等,对于每时每刻的天气状况,可以用多变量组成的向量数据细致的表示。大量出现的高维数据不仅提供了极其丰富、详细的信息,而且对数据分析中的变量选择、多元建模带来了挑战:怎