埃莉诺·达克的小说《永恒的土地》述评

《永恒的土地》讲述的是英国人在澳大利亚新威尔士州的早期殖民历史 ,埃莉诺成功地塑造了第一任总督菲利普的澳大利亚国家奠基人形象和构成澳洲文化身份不可或缺的土著居民人物。小说不仅诗意地展示了澳洲独特的自然风光 ,而且还利用了土著的语言、神话、庆典和歌谣等突出了澳洲文化的“混杂性”。它因为对白人殖民者和土著的关注而成为澳大利亚文学史上第一次对自己民族身份最全面的追寻     

提高中原城市群区域创新能力的对策思考

区域创新是区域竞争力的源泉,中原城市群区域创新能力处于较低的发展阶段,但中原城市群具有较好的区位优势,中原城市群区域创新能力的提高,政府在实际政策制定中要注重增强政府的创新意识、增强高校及科研机构的创新意识和能力、改善创新环境、鼓励产业创新、加强企业高校科研机构及政府之间的互动等五个关键因素。     

基于应急物流的减灾系统LRP研究

减灾系统的定位-路径问题(Location-Routing Problem,LRP)的研究对提高应对突发事件能力和灾害应急管理水平有着重要的意义。本论文将见在系统的定位-路径问题划分为应急服务设施选址和应急资源运输路线安排两个子问题,针对两个子问题建立了以总成本(包括应急服务服务设施点建设成本,运输成本和灾害损失成本)最小为目标的LRP模型,并利用一个两阶段的启发式算法进行求解。最后选择以某一典型台风灾害为例,对基于应急物流的减灾系统的LRP模型进行算例分析,结果表明了模型的合理性和算法的可行性。     

基于蚁群算法的成本敏感线性集成多分类器的客户流失研究

针对电信客户流失预测问题的复杂性,融合自组织神经网络良好的连续属性值离散化优势、粗糙集理论出色的属性约简功能和蚁群优化算法全局的随机搜索特点,在模型集成技术和成本敏感学习理论的基础上,提出了一种新的基于蚁群算法的成本敏感线性集成多分类器的电信客户流失预测模型。构建该集成模型可分为4个阶段:(1)连续属性值的离散处理:利用自组织神经网络对连续属性值进行非监督离散化处理;(2)原始属性集的约简处理:使用粗糙集理论按属性重要性原则对离散属性进行约简;(3)子分类器的建立:分别使用NaiveBayes、Logistic回归、多层感知器和决策树等4种差异性很大的分类技术在约简属性集上建立4个对应的客户流失预测子分类器;(4)子分类器的集成:基于成本敏感学习理论,构建了4种不同的线性集成模型,采用蚁群优化算法求解集成模型的最优线性组合权重系数。将该模型应用于某电信客户流失预测,其实验结果表明该集成方法是可行且有效的。     

普通高校科研“弱势群体”的成因分析及解决对策

由于教师的科研水平参差不齐,并且在教师队伍中确实存着科研"弱势群体",它直接影响着学校的教学质量和科研水平,制约着高校科研发展的进程.分析科研弱势群体的成因找出对策才是各类高校解决问题的关键,因此,笔者对科研弱势群体的成因和对策做了一些探讨.     

关于“NEET”族发展趋势及其形成原因的研究

"NEET"族因其对于个人、家庭和社会整体的影响及出现的新发展趋势引起有关各方的重视,我国社会结构的双重转型所造成的独特时空结构和环境是理解"NEET"族现象产生原因和作用机制的关键.     

略论日本侵略战争对殖民地朝鲜造成的损害

20世纪30年代以来,日本发动的一系列侵略战争不仅给亚洲被侵略国家和人民造成了莫大的人的、物的损失和精神上的伤害,而且也给日本殖民地人民带来了深重的损失和灾难。全面侵华战争后日本更是进一步强化了朝鲜作为其侵略战争的后方基地的地位,这给朝鲜造成了巨大的物质和精神损失。     

在王府与卫所之间：明代晋府群牧所的设立及其运作

群牧所是明代亲王府的军事组织之一，以千户所为编制，又称“群牧千户所”。群牧所同时隶属于王府系统和都司卫所系统，参与到孳牧、屯田、供给柴炭、守御王城等多项事务中，对于理解明代军事制度与宗藩问题有非常重要的意义。然而，以往对明代王府军事组织的研究主要集中于王府护卫，鲜有学者关注群牧所。明代前期，晋王府设立了晋府群牧所。永乐二十一年，明廷从晋藩的太原三护卫中拨出一个千户所的官军随侍平阳王朱美圭就藩，其中不少官军来到晋西南的平阳府蒲州临晋县开展屯田、牧养马匹。宣德二年，明廷将晋王朱济熿废为庶人，革去了太原三护卫、晋府群牧所和晋府仪卫司。一年后，随侍平阳王朱美圭的晋藩护卫官军被就近调入平阳卫安置，成立了平阳卫中左所。宣德十年，明廷将朱美圭封为晋王后，复设了晋府群牧所。复设后的晋府群牧所，很大程度上由此前随侍朱美圭的官军组成，这些官军先后经历了从晋王府调入平阳卫，又从平阳卫调回晋王府的调拨过程，并有许多官军继承了护卫军时的屯田和牧马地，继续留在了晋西南。晋府群牧所署位于晋王府的王城内，晋府群牧所正千户一般居于王城。此外，至少有三名晋府群牧所副千户负责管理地方上的屯庄，其中的两名副千户率军在晋西南开...     

群集智能研究进展

群集智能是指众多行为简单的个体相互作用过程中涌现产生的整体智能行为.从复杂系统研究的角度入手,以群集智能的基本原理为线索,对其系统结构、运行机理、建模工具、算法模型和典型应用等内容进行全面论述.首先围绕以蚁群和鸟群为代表的群集智能系统结构,分析说明了其中的个体属性、行为规则和交互方式,进而阐述和剖析了群集智能中的反馈机制和学习机制.在给出若干常用群集智能建模工具介绍的基础上,对蚁群觅食、蚁群聚类、蚁群劳动分工和鸟群觅食等4类群集智能模型进行了细致深入的探讨,旨在归纳提炼形成基于群集智能的复杂系统建模与仿真的一般性规律.最后综述了群集智能在工程优化、生产管理、机器人学、数据分析与模式识别等领域的典型应用情况并展望了群集智能的发展前景.     

基于蚁群BP神经网路算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震 荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算 法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的 效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一 定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络 算法的迭代次数Ⅳ比传统算法少50%,运行时间r快60%。这说明蚁群BP种经网络算法在六维力传感器解耦研究中 有着很好的应用效果。