僭主与哲人——科耶夫与施特劳斯的争论

自笛卡尔—康德—黑格尔以来,“形而上学” 在西方传统研究中逐渐僭取了支配地位,色诺芬因不谈“形而上学”逐渐被冷落,不再被看作地位很高的古希腊经典作家。但我们并不能因《希耶罗》这篇政治哲学气味浓厚的对话,而抹杀掉它“形而上学” 的价值。施特劳斯和科耶夫的解读,凸显了哲学与政治方面古典派与现代（或说黑格尔） 派的争论,同时它还呈现出了掩盖在政治争论下的形而上学（关于存在和真理） 问题,并且我们惊异地发现,在现代性这场旷日持久的浓雾里,这个问题竟鲜未被真正地触及。     

多目标智能加权灰靶决策模型构建及应用

经济水平的提升带动了更为复杂的社会问题决策矛盾,特别是多问题和多方向性筛选对于均衡化决策的重要性日益凸显,而多方案性问题的解决是以其更为复杂前提下的决策均衡化为主要标志的,为此,文章从均衡方案决策的设置、事件以及决策集的参数构建探讨了均衡方案的模型设置与优化,并通过多目标智能加权灰靶决策的均衡方案来形成区间数型属性值和TOPSIS法的筛选,最后结合实证算例的方式论证了通过多目标智能加权灰靶决策的可行性与实践轨迹.     

基于倾向得分匹配与加权调整的非概率抽样统计推断方法研究

文章针对非概率抽样统计推断问题,提出了一种解决方法:首先采用倾向得分匹配选择样本,然后采用倾向得分逆加权、加权组调整和事后分层调整三种方法对匹配样本进行加权调整来估计目标总体,并比较不同方法估计的效果.蒙特卡罗模拟与实证研究表明:当网络访问固定样本大小与目标样本大小的比率小于3对,三种加权方法估计的效果均比未加权时匹配样本的估计效果好;当网络访问固定样本大小与目标样本大小的比率不小于3时,倾向得分事后分层调整与未加权的匹配样本估计效果较好.     

基于主成分logistic回归模型的餐饮商务信息意识研究

数据挖掘技术日趋成熟,广泛应用于金融、地产、投资、评估等各个领域。数据挖掘技术亦可应用于餐饮业,为其经营决策做出分析。其他领域的数据挖掘的成功案例也可以引用到餐饮行业中。本文对餐饮人士在餐饮商务中是否具备信息意识、对信息意识的重视程度进行调查,利用数据挖掘中主成分分析和 logistic 回归处理和分析收集来的数据,从而说明数据挖掘在餐饮业管理中的重要意义,反映餐饮人士信息意识状况。利用数据挖掘技术对餐饮商务资讯进行管理势必提高企业效率和盈利水平,促进餐饮业健康稳定的发展。     

浅谈如何做好燃气安全监管工作

随着市场经济的不断推进,行业垄断的格局被逐渐打破,多元化的经济成分融人,给燃气市场的发展带来了新的活力,同时也促进了社会各行业的经济发展,使人们的生产、生活质量得到很大提高.     

城市化进程对漳州市气温变化影响的主分量分析

为进一步了解城市化与气温变化的关系,选择福建省漳州市1961-2013年的气温观测资料(平均气温、平均最高气温、平均最低气温)以及漳州市2001-2013年的统计年鉴资料(选取10种代表城市化发展的指数),运用线性趋势、主分量分析、相关分析等方法,研究多年来漳州地区的气温变化趋势、城市化进程以及两者之间的关系。研究发现,漳州市气温均随时间呈上升趋势,其中年平均最低气温变化率最大,其次是年平均气温;随着城市不断发展,对漳州气温产生影响的城市化因素依次是人口数量、城市的生活水平、下垫面水平和工业发展;城市发展前期城市化指数与气温要素均呈正相关,但在城市发展中后期,年平均气温及年平均最高气温的变化曲线均为下降后上升,且年平均最高气温的变化率明显较大。     

人民币汇率的双成分混合波动率模型

汇率波动性预测在金融和计算领域一直受到广泛关注,然而由于缺乏可以捕捉汇率波动动态变化的预测模型,高频汇率的波动率预测至今没有得到彻底的研究.文章提出了基于神经网络的双成分混合汇率波动率模型,该模型利用低通Hodrick-Prescott滤波器将已实现波动率分解为长期分量和短期分量,使用自回归神经网络模拟长期分量,一阶自回归过程模拟短期分量,通过实证分析确定自回归神经网络参数(10个隐神经元和四阶滞后输入神经元),以6种主要高频率汇率(英镑/人民币,美元/人民币,澳元/人民币,欧元/人民币,日元/人民币,和瑞士法郎/人民币),在5 h(d)、20 h(d)、100 h(d)、200 h(d)、360 h(d)和500 h(d)的预测区间构建1 h和1 d已实现波动率,并与双成分GARCH模型、EGARCH模型、四阶滞后自回归神经网络模型3个基准模型进行对比,分析模型的预测性能,实验评估表明,提出的混合预测模型在所有预测的范围内均显著地优于传统人民币汇率波动模型.