职业教育校地合作分析与合作路径构建研究

通过分析职业教育与地方的"粘度",剖析当前校地合作存在的"雾区",构建校地合作的路径,指出职业教育校地合作应从战略上实施"学校与政府对接,专业与企业对接,师生与农村家庭对接"宏观、中观、微观三个层面的对接,开发"政府,学校,企业,学生"四方主体的内在驱动,开展"低、小、微"合作。     

高职院校图书馆开展企业服务的意义及对策

阐述了高职院校图书馆开展企业服务的意义,分析了高职院校图书馆企业服务过程中存在的障碍因素,提出了高职院校图书馆为地方企业服务的对策。     

试论针对词语关系的类比推理

公务员应该具备良好的逻辑推理能力，逻辑推理有多种，而针对词语关系的类比推理是其中较为重要的一种。测试这种推理能力的题型大致有两种：一组完整词语和两组缺省词语。词语之间的关系可能体现在逻辑层面，也可能体现在语言层面，还可能体现在常识对应层面。解题技法主要有遣词造句法和纵横对比法。     

卷泥片雕塑：当代钧窑造型艺术的新高度

1990年代中后期,卷泥片成型技艺引进钧窑造型艺术。钧窑卷泥片陶艺造型从理念上讲,需要创作者对泥性的深刻理解与把握,需要基本认知泥片成型工艺要求,需要熟知卷泥片肌理及其应用;从创作艺术素养和思想上讲,需要创作者从传统文化资源里汲取养素,在日常生活中寻求创作灵感。卷泥片造型技法进入钧窑成型艺术无疑将给当代中国钧窑带来极大的艺术提升潜力和张力。     

论汉末魏初人物评价标准的新变--以荐举文为中心

汉末魏初，荐举文书中的人物评价标准经过西汉对士人忠与谋的重视，东汉对士人自身秉性的认可而发展成为对士人清名的推崇。“清”成为汉魏易代之际士林人物品评的核心关键词。这种集中体现其时士人理想人格之“清”在承袭士人清白品性的传统意义之外，更增添了士人在乱世中激浊、厉俗的新内涵。汉末魏初士人思想的更新是“清”评形成的基础，而统治者对德高望重且清虚自守的士人的需求与召唤又加速了“清”评的形成。     

论带“五等”字号的虚封爵——晋宋之际国家官爵制度上的变化之一

晋宋之际，国家官爵制度上发生的重要变化之一就是带“五等”字号虚封爵的出现。晋末特殊军事政治形势之下，京口北府集团凭借强势军功击败高门士族，取得压倒性的军事政治优势，京口北府军功受益阶层由此形成。带“五等”字号虚封爵适时地出现则成为这个现实政治变化的典型表现之一。笔者从这种虚封爵产生的时间和目的进行详细分析，以为正是出于酬赏义熙初年京口北府集团建义之功，朝廷才创设了这种虚封爵。这种虚封爵突破既有的门阀制度优势，确立了以军功为核心的分享军事政治利益的价值导向。这使得京口北府集团凭借军功所获取的军事政治利益不仅在制度层面上得到保障，而且在价值层面上取得其正当性和合法性，也就在这个时候，京口北府军功利益阶层得以成立。酬赏军功的这一目的也直接决定了虚封爵的若干特点，对此，笔者也予以分析说明。     

从汉画像石艺术的演变看汉代天人思想

汉画像石艺术图像中的描绘,不仅形象地再现了汉代各种文化的内容、形式、艺术特色,而且更深层地反映出汉代天人思想在其中的渗透和影响。     

英汉语中“尖”的概念隐喻对比研究

触觉是人类对客观世界感知和理解最重要的方式之一,它在构建我们的抽象概念过程中起着举足轻重的作用。＂尖＂的概念不仅能投射到＂智能、情感、态度＂方面,还能投射到视觉、听觉、嗅觉及味觉域;这一发现从一个方面说明了Sweetser对触觉隐喻投射的归纳不够准确、全面;与英语民族相比,汉民族更充分地利用＂尖＂这一具体概念来理解并扩展出更多的抽象概念。     

基于多Agent的分布式多目标任务调度机制研究

针对分布式计算中任务调度的复杂性、动态性和实时性等特点,构建了一个基于多Agent的分布式多目标任务调度模型．此模型中,设计了一种分布武调度机制,使每个节点都具有独立的调度决策能力,增强了系统的可扩展性．同时为了解决分布式调度所产生的节点间任务通信问题,引入任务与节点相关性等概念,有效地降低了节点间的通信代价．模型对多个评价指标进行了综合衡量,如任务调度开销、任务最早执行时间、负载均衡及节点问的通信量等,并根据任务和系统运行的状态特征,实现多目标任务调度,提高了系统的整体性能．     

应用回归分析的数据关联算法

针对复杂电磁环境下目标跟踪需要兼顾实时性和精确性的问题,应用测量领域的数据处理方法,提出了回归分析的数据关联算法.首先,利用对滤波曲线的两点回归分析,逐一预测各观测到达时刻的置信区间,筛选出关联点;接着,以系统处理周期为分组标准,对筛选序列进行成组观测数据回归分析;最后,计算出观测融合点,并用该点更新滤波器新息.该算法不仅能将复杂的关联转变成测量点迹动态更新过程,而且优化了同步化处理步骤.仿真实验表明:回归分析算法与联合概率数据关联算法相比,在直线运动场景下,两者的均方根误差及轨迹丢失率相近,且随着目标数目的增多,前者在平均占用CPU时间上的优越性更加突出;在曲线运动场景下,两者跟踪误差相当,前者占用CPU时间仅为后者的1/6.