萨特与马克思的异化理论之比较

异化在萨特和马克思的哲学中都是一个重要概念.萨特受马克思主义的吸引,把存在主义导入马克思主义,开创了现在西方"存在主义的马克思主义"之先导,但是萨特的异化理论与马克思的异化理论从根本上讲还是有区别的.本文的目的就是从异化的概念、产生异化的根源和克服异化的途径上阐明两者的区别.萨特把异化的产生归于匮乏,匮乏是永恒的,是始终伴随人类社会的.而马克思则认为异化是劳动的结果作为一种异己的对象同劳动者相对立的过程,他把异化的产生归于私有制,从而指明了消除异化的途径,即大力发展生产力,废除私有制,消灭异化劳动,实现共产主义,解放全人类.     

从大陆漂移说-板块构造论看汶川大地震

1910年的一天,30岁的德国气象家魏格纳(A.Wegener,1880-1930)照例在凝视墙上悬挂着的一张世界地图,研究寒流、暖流、季风等气候变化趋势。突然间,他发现大西洋两岸南美洲巴西的一大块凸出的部分和非洲的喀麦隆海岸凹进去的部分,形状恰相吻合。     

关于中国宪法学的若干思考

早期中国宪法学呈现出理论与实践相脱节,话语体系的西方化,理论的多元化和集体主义倾向,而现代宪法学则表现出早期宪法学传统的中断和较强的注释性以及深受苏联宪法学影响的理论单一化与理论体系封闭性的特征.中国宪法学的未来走向,一要确立宪法学在法学体系中的核心地位,二要建立具有中国特色的、独立的中国宪法学,三要促进宪法学的快速发展.     

何其芳留给新世纪中国文学的启示

步入新世纪的中国文学该如何面对随着经济全球化而来的外来文化的冲击和挤压,已成为一个亟待思考的重要问题.在这方面,何其芳的文学活动给我们以深刻启示,即既要以开放的心态去接纳世界新潮,更要弘扬民族文学传统,凸现自己的中国品牌,建树鲜明的民族特色,努力创作高质量、本土化的文学作品.     

个人信息保护立法亟待提速

“熙熙攘攘,皆为利来,皆为利往”,如此概括中国古代繁荣景象的一组词语,用在这里或许不太合适,但这恰恰成了互联网“泄漏门”利益链条中呈现出来的一个鲜活的画面.这画面很“热闹”,却让所有的网民倍感“揪心”. 看看我们的手机、翻翻我们的邮箱,每天海量的垃圾信息,充斥着我们的眼球.这还不算,更有甚者,接到莫名电话的骚扰,推销奶粉的,卖尿片的、卖治疗仪的、卖房的、投资的、开发票的等等,一度扰乱了一天平静的生活.     

望着天上月亮行走的女人——浅析毕飞宇《青衣》中主人公的生存状态

在毕飞宇"最忌讳假"的创作阶段,作品《青衣》再现标高.主人公莜燕秋在想象与现实中挣扎,时光的流逝、现实的不容与她自身诗性的、异化的追求,造就了她一段生动的独角戏.隐藏在作品背后的,是对人的生存状态的关注与审视.     

论网络文学的互动性

网络文学对人们的生活产生了重要影响.作者和读者的互动是网络文学区别于传统文学的根本特征,也是其蓬勃发展的关键因素.互动性的实现依赖技术的支持,与网络文学表现内容的当下性和文本结构的开放性、动态性有关.     

塞丝的故事《宠儿》中塞丝的癔症精神分析

莫里森的<宠儿>展现了美国历史上最黑暗的一个侧面,每一个主要人物都以自己的方式压抑对过去历史的记忆.本文从精神分析的角度,解析生活在奴隶制下的黑人所遭受的身心摧残.塞丝作为癔症患者的一个主要人物,对其癔症根源、症状以及愈合的分析,有助于了解美国奴隶制下黑人所遭受的非人待遇,以及莫里森所提出的只有直面历史事实,才能走出历史的阴影.     

鲁迅与唐诗

唐诗是中国古典诗歌的绝响.鲁迅是中国现代文学的奠基人.鲁迅对唐诗作出过很高的评价,并在自己的写作中充分利用了唐诗资源.受唐诗的影响,鲁迅写了很多无题诗,用唐诗作典故丰富了自己旧体诗的语言,并继承了唐诗中杜甫诗的史诗性.大量唐诗的引用和化用还增强了鲁迅杂文的战斗性和艺术性.     

陈天桥犀利抒写网络财富传奇

企业生存状态是企业家的一张脸,不同企业家运作的企业,会有不同的命运。出生于1973年的陈天桥,以90亿元人民币的身家超过了丁磊,成为新的中国首富。仅仅靠一家经营网络游戏的网站就创造了一个财富神话。在购并新浪之后,陈天桥开始筑造一个宏大的娱乐业建筑:通过对新浪、英特尔、微软、长虹、广电集团等资源的整合,将互联网、电视和游戏嫁接在一起。在商业资本纵横的时代,这样的构想无疑将对中国家电业产生巨大的震撼。同时新浪与盛大联合体出现之后,人们在中国首富的背后,又看到一个世界首富的朦胧身影。     

由广义系综分布导出七种系综分布

根据系统与外界进行热的、物质的交换，以及力的作用，三类外界条件的作用，导出各种不同系综分布．     

基于边际的组合分类器选择算法

研究表明,具有较大边际分别的组合分类器泛化性能更高.根据该结论,论文构造了一个新的基于边际的度量指标(MM)以充分考虑基分类器和组合分类器的分类能力,进而提出了一种新的组合分类器选择方法.该方法初始化组合分类器为空(或满),迭代的加入(或移除)具有最大(或最小)MM值的分类器,以降低组合分类器规模并提高它的分类准确率.在随机选择的24个UCI数据集上的实验表明,与其他一些高级的贪心组合选择算法相比,该方法具有更好的泛化能力.     

集合预报初值扰动在天气预报中的应用研究进展

对提高数值模式天气预报准确率和可用度,单个模式往往难以达到理想的目的,故常采用集合方法.例如,将模式的初值进行扰动后集合,或者将不同的预报结果集合,甚至运用多模式开展集合预报等.本文着重介绍集合预报初值扰动的应用研究情况,重点阐述目前最先进、最流行的两种方法--奇异向量法和增长模繁殖法.集合初值扰动研究近年取得了丰硕成果,也涌现了一些新的初值扰动方法.但很多问题仍有待解决,例如对初始场误差的进一步认识、误差的离散度还不够大、离散速度还不够快、更有效的扰动生成方法有待出现等.最后,对初值扰动的应用研究进行了展望.     

集合卡尔曼滤波同化理论及其在一次暴雨过程中的应用

集合Kalman滤波用于数值试验有着雄厚的理论基础。本文介绍了集合Kalman滤波理论及其技术实现,在此基础上搭建了集合Kalman滤波同化系统,并用MM5模式做同化实际探空资料48小时的试验。试验结果表明:集合Kalman滤波同化探空资料可以改善MM5模式的预报效果。     

基于特征选择的神经网络集成方法

将特征选择技术ReliefF引入Bagging方法中,提出了一种新的神经网络集成方法——ReBag．实验结果表明,本方法的泛化能力优于Bagging方法,与Attribute Bagging方法相当但效率更高．     

基于多模型融合的互联网信贷个人信用评估方法

针对网络个人信用有效评分缺失的问题,分析了互联网信贷个人信用评估数据的特点,选用支持向量机、随机森林和XGBoost分别建立了信用预测模型,并对3种单一模型进行了投票加权融合. 基于互联网信贷数据的特点,在特征工程中对样本集特征进行了离散化、归一化和特征组合等处理. 为增加对比,对实验数据集进行了FICO评估核心Logistic回归分析. 实验结果表明：3种单一算法性能均优于Logistic回归,XGBoost表现优于支持向量机和随机森林模型,预测相对准确;投票融合模型的表现比单一模型更好,模型分辨能力更优秀,预测精度更高,更适用于互联网信贷个人信用评估.     

基于重采样策略的选择性谱聚类集成学习算法

提出了一种新的基于双重采样的选择性集成学习算法。针对集成学习要求学习器个体的差异性分布在样本空间的不同部分,对得到的聚类个体学习器输出进行重采样,以此来计算聚类个体的差异性。针对集成学习要求得到的个体学习器具有一定的精确性,对所有得到的学习器个体集合进行重采样来评估聚类个体精确性。在此基础上选择出集成学习所需的个体集合。以谱聚类算法作为基学习器,用聚类集成策略部分解决了谱聚类算法存在的尺度参数敏感问题,在UCI数据集上的仿真实验验证了算法的有效性。     

基于随机旋转集成的降维方法

对随机旋转集成方法提出了一种针对降维问题的改进,得到了新的降维算法框架进行随机变换降维,可以显著减少降维过程中造成的信息损失.采用随机变换降维后,训练监督学习算法时可以获得更高的准确率和更好的泛化性能.通过在模拟数据上进行的实验,证明了使用多重共线性数据进行回归分析时,与传统降维算法相比,经随机变换降维处理后可以保留更多的信息,获得更小的均方误差.对随机变换降维在手写数字识别数据集上的表现进行了研究,证明了与一般性的降维算法相比,随机变换降维在图像分类问题上可以获得更高的准确率.     

一种新的遗传策略在含“开关”过程的集合预报中的有效应用

针对初值及模式的不确定性,进行了初值扰动集合预报和模式扰动集合预报。在初值扰动集合预报中,将一种新的遗传策略用于四维变分资料同化生成集合预报的分析场,求解条件非线-}生最优扰动,并结合第二、第三主奇异向量（SVs）生成集合预报的初始扰动。为了检验该方法的有效性,采用一个含“开关”过程的偏微分方程的预报模式,设计了3种比较数值试验方案。结果表明：采用第3方案的集合预报在预报技巧上明显高于其他两种方案。第2方案和第1方案相比,由于“开关”的影响,集合预报技巧提高并不明显。在模式扰动集合预报数值实验中,为了模拟模式的不确定性,在控制方程右端添加6个随机的误差项模拟由于物理参数化方案的不同而带来的模式扰动,采用新的遗传策略在扰动模式中同化出6个对应于扰动模式的分析场后进行集合预报,并与基于伴随技术的方法进行比较。结果表明,基于遗传算法的扰动模式集合预报的预报技巧明显优于伴随方法,且这种优势随着预报时间的增加愈发明显。     

异构集成学习中的观察学习机制研究

集成学习是提高分类精度的一种有效途径,已在许多领域显示出其优于单个分类器的良好性能。观察学习是一种基于社会学习理论的集成学习方法,以往对其研究集中于同构模式。在此提出了基于异构模式的观察学习策略,通过训练、观察、再训练三个阶段完成学习。在UCI标准数据集上对异构环境下的观察学习算法进行了实验研究。结果表明,该方法优于多数投票法和单个分类算法,其对弱分类器组成的分类器集合尤其有效。从偏差/方差分解的角度对观察学习提高分类性能的原因进行了论证,结果表明,观察学习算法既可以降低偏差,也可以降低方差。