服务老百姓保障监督权杭州有了新途径

家住王马社区的陈燕影现在每天晚上看完《阿六头说新闻》后,又有了一个新习惯,就是从华数电视首页面进入"便民服务和三务公开"栏目,看看这几天社区又公布了党务、居务、财务方面的信息,社区接下去有什么活动要安排、大米蔬菜的价格又有什么新变化. 由杭州市纪委牵头,各区、县(市)纪委、华数集团联合打造的首个便民服务和"三务"公开信息电视平台目前已实现了杭州(含二区五县)2634个村(社区)、256万个机顶盒终端的全覆盖.这意味着,杭城所有家庭接下去都可以像陈阿姨一样,在家按按遥控器,随时、便捷地通过电视平台查询本村(社区)的便民、"三务"信息.     

从老子的“道”看城市社区管理中政府职能的定位

社区建设中的政府职能决定了城市社区能否健康的发展。老子的"无为而治"对于政府该以什么角色进入社区管理有新的启示。     

社区体育与和谐城市构建

文章阐释了社区体育兴起的原因,提出城市社区体育在构建和谐城市中有整合功能、缓解老龄社会问题等重要作用,而和谐城市理念又有利于增大政府对社区体育的投入、促进社区体育组织管理网络化、迎来社区体育评估科学化、社区体育活动方式多样化等积极效应,论证了社区体育与和谐城市建设的双向互动关系。     

基于边聚类系数的谱聚类社区划分方法研究

针对图谱划分方法在划分社区结构不是很明显的网络时,不能得到好的划分效果,该文提出了基于边聚类系数的谱聚类社区划分方法.由于社区内部节点之间的连接比各个社区间节点的连接稠密,边聚类系数的大小反映了节点的聚集程度,因而通过网络中的边所构三角形的数量定义了聚类系数矩阵,矩阵中的元素即处于网络中的边实际构成三角形的数量.在增益函数最大化的过程中,使用了矩阵的特征值和特征向量,以此来进行社区划分.通过在真实网络数据中进行实验,结果表明该算法可行.     

“绿色奥运,绿色行动”系列报道之三 乡土植物——社区绿化的生力军

社区绿化应该选用什么植物?笔者认为基于北京水资源短缺的现实和社区绿化管理简单的特点,社区绿化的首选植物应该是乡土植物。那么什么是乡土植物?应用乡土植物的好处是什么?在社区绿化中应用乡土植物应注意什么?     

任意摆幅的摆类振动规律研究

任意摆幅的摆类振动由于涉及椭圆积分,问题的讨论带来一定的困难,通常仅局限于讨论摆角较小时的情况,近似处理为简谐振动.如果不做这种近似处理,对任意的摆幅,摆类的振动规律又如何,振动又有什么特点,是否是简谐振动,这是大学力学教学中学生感到困惑的问题.运用椭圆积分的理论给出了问题的解,并进行了系统、深入的讨论.     

活到老,住到老 你不知道的社区规则

正笔者几年前曾写过一篇短文,揶揄加拿大"只有华人社团,没有华人社区",竟引发了广泛共鸣,许多当地华人附和称,尽管当地一些华人政治家、侨领和名人动辄将"华人社区"挂在嘴上,但实际上离北美的"社区标准"相差甚远。么问题来了,究竟什么才是北美的"社区标准"?社区有形也无形在中国,社区更多体现为一个有形的实体,是一个有边界、有范围,甚至有被冠以"基层居民自冶"名目的简单行政管理机构、人员的"准基层行政单位",在很多城市里,"××社区"     

基于密度峰值聚类标签传播的社区发现方法

社区发现的目标是发现复杂网络的结构、行为和组织形式。标签传播算法是一种快速有效的社区发现算法,然而在初始的标签传播算法中,节点的结构信息和特征信息没有得到充分利用,且存在标签传播过程不稳定的问题。针对上述问题,文章提出了一种基于改进的密度峰值聚类算法和标签传播算法的有向加权复杂网络社区发现算法(DPC-LPA)。该算法首先根据节点的结构和特征对其进行加权,充分利用了结构信息和特征信息;然后,采用改进的密度峰值聚类算法来寻找网络的社区中心,并据此构建初始社区,提高了社区划分的质量;其次,基于节点相似度和节点权重,合理确定标签传播的更新顺序,并通过衡量节点间标签传播的强度来完成标签传播,解决了标签传播算法不稳定的问题。最后,在CiteSeer、Cora、WebKB和SCHOLAT真实数据集上,将DPC-LPA算法与DCN、WCF-LPA、CLPE算法进行对比实验。实验结果证明了DPC-LPA算法的可行性和有效性：从模块度来看,利用DPC-LPA算法划分的社区具有更加显著的社区结构;从调整兰德系数来看,DPC-LPA算法的社区划分质量更稳定;从运行时间来看,DPC-LPA算法具有较高的效率。     

两类新的不定型

本文研究无穷多个变量之和、之积将会发生什么现象.我们将得出,无穷多个变量。不管每一个变量是否有极限或者极限是什么,它们的和、它们的积均是不定型。     

基于PCM聚类算法的Blog社区发现

针对传统的社区发现算法无法发现社区中的核心成员和边界成员的缺点,提出了基于PCM聚类算法的Blog社区发现算法,用来识别Blog社区的核心和边界.首先,使用随机行走的方法计算可以衡量两个Blog亲密度的对称社会距离;然后,在对称社区距离的基础上使用PCM聚类算法对Blog进行聚类,得到每个社区中的成员属于社区的概率表示.最后,通过确定相应的概率阈值,确定社区的核心和边界.实验结果表明:该算法能够获得社区中的成员属于社区的概率,根据这个概率可以确定社区中的核心成员和边界成员.     

I时代的居委会——如何走好社区信息化之路

你知道所居住的社区属于哪个居委会吗? 我曾经向不少朋友提出这个问题,绝大多数人都是一脸茫然地摇摇头.有位朋友很奇怪地反问道:"我需要知道吗?"按照他的解释,每天都在公司上班或者加班,晚上回到家能美美地睡个好觉,就什么也不用考虑了.当然,如果社区治安良好、环境清洁、邻里和睦、购物方便,那就更好了.至于社区居委会,似乎根本无关紧要.但现在,我们要说说这个"无关紧要"的社区居委会和社区信息化.     

采用模糊层次聚类的社会网络重叠社区检测算法

为了能够发现社会网络中的重叠社区以及解决重叠社区之间关系的模糊性和层次性,提出了一种基于模糊层次聚类的重叠社区检测算法(CDHC)。算法中引入了距离加权因子来计算社区间的相似度,通过模糊层次聚类来合并相似度高的社区;针对合并生成的原始社区计算社区中节点的隶属度,再将隶属度小于阈值的节点从社区中移除,从而形成最终的网络重叠社区结构。该算法不仅可以发现重叠的社区结构,还可以处理孤立节点。在Lancichinetti基准网络和真实网络上将CDHC算法与具有代表性的重叠社区发现算法CMP和LFM进行了比较,结果表明:影响社区检测精度的主要因素是社区间的混合程度,而网络规模和网络中社区的规模的影响并不显著;CDHC算法在小社区网络上的社区检测精度优于LFM,在大社区网络上的社区检测精度优于CMP。CDHC算法在保持社区检测质量的同时,还具有较好的稳定性,是一种有效的社会网络重叠社区检测算法。     

乡土植物——社区绿化的生力军

社区绿化应该选用什么植物？笔者认为基于北京水资源短缺的现实和社区绿化管理简单的特点，社区绿化的首选植物应该是乡土植物。那么什么是乡土植物？应用乡土植物的好处是什幺？在社区绿化中应用乡土植物应注意什么？     

名刊摘要

未来社区在我们所处的21世纪的现在,又有一个革命性的新趋势出现在我们的面前,它就是未来社区网络社区。     

同性恋与艾滋病防治*

通过介绍中国同性爱社区的现状,特别是艾滋病对社区的影响,强调中国传统文化对该社区的发展既有消极制约作用,又有积极包容作用,从而不同于西方;由于国情,该社区要获得平等权利,仍需较长过程。     

“两型社会”建设与影响长株潭城市社区体育发展因素研究

本文了解长株潭三市城市社区体育的运行情况,分析＂两型社会＂建设对社区体育的影响,探讨影响三市城市社区体育发展因素,提出了三市当前社区体育发展应注意的几个问题,实现三市城市社区体育又好又快的发展。     

社区管理制度伦理的涵义

社区管理制度伦理的核心问题就是对社区管理制度的道德合理性进行考察,对它是否合理、正当作出伦理评价。那么,什么是社区管理制度伦理呢:第一,它是指人们从外部所做的对社区管理制度的一种价值评判,即对社区管理制度是否正当合理的伦理评价。第二,社区管理制度伦理是指从社区管理制度中、从社区治理结构中体现出来的伦理原则和道德精神。     

基于DCBM的马尔可夫谱聚类社区发现算法

谱聚类划分算法是经典社区发现算法之一,由于目前构造的相似图承载的社区结构信息较少,导致聚类效果与理想效果具有较大差距,因此,提出了基于DCBM的马尔可夫谱聚类社区发现算法MSCD.首先,基于DCBM模型提出了以节点间连接概率为元素的概率矩阵,并建立了概率矩阵与相似矩阵之间的映射关系;其次,利用马尔可夫链重构了谱聚类的相似图;最后,使用重构的相似图对网络进行社区划分.在人工合成网络和真实网络上与SC,MRW-KNN和FluidC三种典型算法进行了对比实验.实验结果表明,MSCD算法具有更加高效的聚类性能,能够揭示更加清晰的社区结构.     

基于相似度聚类的二分网络社区发现算法

针对往往不能提前预知社区个数的情况,提出了基于相似度聚类的二分网络社区发现算法(similarity clustering algorithm,简称SCA).算法通过计算U类节点之间的相似度获得核心节点,同时选取核心节点邻域中的节点扩展得到社区,将未划分到社区中的孤立点和只包含一个节点的社区分别放入与之联系最紧密的社区中,最后V类节点划分到已有的社区中得到完整的社区划分结果.通过在人工数据集与真实网络上的分析,分别利用归一化互信息和模块度作为评价指标,实验结果表明,SCA比BRIM等算法能够更有效挖掘二分网络社区结构,具有比较良好的社区划分效果.     

一种基于EVS相似度的邮件社区聚类方法

聚类方法的核心是如何度量事物间的邻近性。介绍了邮件特征的向量表示形式、构建了邮件特征矩阵,并使用变形后的极值分布函数模型拟合了邮件间通信特征信息;在此基础上提出了一个新的邻近性度量方法(ex-treme value distribution similarity,EVS),用以指导邮件社区划分;使用微聚类-宏聚类邮件社区划分算法验证了该方法的有效性。实验表明,在测试数据集上,相比余弦、PCC等经典的邻近性度量方法,以EVS作为划分依据的邮件社区划分算法能够更加有效地发现高质量的邮件社区。