甘青地区史前时期石构墓葬研究

石构墓葬是甘青地区史前时期较有特色的一类文化遗存，根据结构特征，可分为石椁墓、石围墓、石封门板墓和石封堆墓四种类型。石椁墓和石围墓出现最早，始见于距今5000年前后的宗日墓地。随后，石构墓葬的类型增多，出现了石封门板墓及石封堆墓，空间分布范围也逐渐沿黄河向东拓展。整体来看，共和盆地以东至兰州附近是甘青地区石构墓葬的主要分布区。至迟在青铜时代，这类墓葬已经开始向周边扩散，川西北是主要的影响区。东周时期，伴随着东部周秦文化势力的西渐，甘青地区的石构墓葬渐趋消失。     

青海同德宗日遗址出土铜器的初步科学分析

宗日遗址出土齐家文化早期铜器总数超过10件,在中国早期冶金研究中占有重要地位。本次对宗日遗址出土的3件铜器进行了科学分析研究,实验结果表明所有样品的含砷量均较高,可见宗日遗址出土砷铜是确定无疑的。这次在宗日遗址发现的砷铜不仅是中国西北地区迄今所知年代最早的砷铜,而且也是在齐家文化铜器中的首次发现,它对中国早期冶金的研究有非常重大的意义。     

河北涞水西水北遗址发掘获得重要收获

西水北遗址位于河北省涞水县西水北村,是南水北调工程必经之地。通过发掘,确认该遗址的时代为东周时期。根据发现的陶窑及陶器等,推测可能是东周时期燕国的一处制陶作坊遗址。     

陕西旬邑下魏洛遗址考古发掘的主要收获

西北大学考古学系、陕西省文物考古研究所、旬邑县博物馆联合组队 ,于 2 0 0 4年 4月至 8月对陕西省旬邑县赤道乡下魏洛村下魏洛遗址进行了考古发掘 ,共揭露面积 15 0 0平方米 ,清理龙山时代房址 16座、窑 15座、灰坑 90余个 ,出土陶、石、骨质等文物若干 ;另外还有少量周、秦时代遗迹、遗物。这次发掘的意义 ,从专业研究方面概括起来有如下几点 :首先 ,龙山时代房屋基址的清理。从保存基本完整的 16座房屋基址看 ,这里的居住建筑是主室、外间与院落组成的复合式结构。主室平面呈长方形或圆形 ,面积在 10平方米左右 ;墙壁是在掏挖出来的壁面…     

基于信息可替代性的评价指标筛选研究

提出一种指标筛选方法,旨在筛选出对评价结果影响显著、反映信息重叠程度低的评价指标。以相对离散系数作为指标的信息含量,依据提出的累计信息贡献率标准删除信息含量明显偏小的指标进行指标的初筛,克服现有研究仅利用相对离散系数进行指标筛选的不足。借鉴聚类分析的思想,取初筛后保留下来的一个指标与其余各指标构成Person相关系数平方的均值,反映该指标的信息可被其余全部指标替代的程度。通过信息可替代性标准剔除信息可替代性较大的指标,保证最终被保留的指标间反映的信息重叠程度低,克服现有研究仅通过两个指标间的相关性筛选指标难以有效降低评价指标集信息重叠的不足。此外,针对剔除信息重叠的指标与剔除对评价结果影响不显著的指标何者优先为宜的问题,提出了显著再相关的指标筛选标准。最后,通过一个实例说明指标筛选方法的可行性。     

基于病态指数循环分析的评价指标筛选研究

为了避免指标集较高的信息重叠扭曲综合评价结果，已有研究通过剔除相关程度高的少部分（主要是两两）指标中相对不重要的指标，虽可保证指标集内少部分指标间的信息重叠不高，但却无法保证指标集的整体信息重叠不高。为此，本研究提出一种新的评价指标筛选方法。其创新与特色主要有三：一是根据一个指标剔除后指标集病态指数减小的幅度越大，该指标对指标集整体信息重叠贡献越大的思路，剔除对剩余指标整体信息重叠贡献最大的指标，循环往复直至剩余指标的整体信息重叠不高为止，克服已有研究无法高效率地降低指标集整体信息重叠及不能测度剩余指标整体信息重叠水平的不足；二是通过剔除相关程度高的任意两个剩余指标中相对不重要的一个指标，避免指标集整体信息重叠不高而个别指标间信息重叠却依然较高；三是通过指标集病态指数减少比例与指标剔除数量的比值表示指标集整体信息重叠降低的效率，检验信息重叠指标筛选方法的相对合理性，弥补已有研究缺乏相关检验标准的不足。最后，通过一组科技评价指标的筛选说明上述方法的可行性及有效性。     

陕西淳化枣树沟脑遗址2008年度发掘的主要收获

枣树沟脑遗址继2005年调查和2006年、2007年两次大规模发掘后,2008年又进行了第三次发掘.此次发掘发现了两组建筑基槽和用婴儿奠基的现象,以及先周时期的壕沟、房址、墓葬等重要遗迹,出土了大量的文化遗物,其中有些遗物为前两次发掘所未见.枣树沟脑遗址先周时期遗存面貌复杂,与周边文化联系密切,其居住形式和文化内涵的多样性暗示着此地文化交流很可能是伴随着频繁的人群流动进行的.     

基于反映象相关矩阵的评价指标筛选方法研究

评价指标间信息重叠高会扭曲评价结果，而已有研究主要基于一个指标与部分指标间相关性降低指标集的信息重叠，指标剔除多且信息重叠降低得慢，极易导致评价信息过度损失。为此，本文首先引入取样适切性量数(MSA)表示一个评价指标与其余全部指标间信息重叠水平，引入KMO检验统计量表示一组评价指标整体信息重叠水平。在此基础上，依次剔除MSA值最大指标，直至剩余指标KMO值不高为止，快速降低评价指标集整体信息重叠。之后，通过剔除偏相关水平高的任两个指标中MSA值较大的一个指标，避免个别指标间信息重叠水平较高。最后，与目前应用最广泛的信息重叠指标筛选方法对比表明：本文方法降低指标集信息重叠效率更高，评价信息损失更少；既不会误删信息重叠水平低的评价指标，亦不会误保留信息重叠水平高的评价指标。