技能主导类表现难美性项群对中国大学生心理健康影响的Meta分析

该文运用Meta分析法就技能主导类表现难美性项群对中国大学生心理健康的影响进行定量化综述。利用Cochrane风险评估工具进行方法学质量评价,采用Revman5.3分析软件统计效应量并分析数据。技能主导类表现难美性项群对大学生心理健康具有正向影响,症状自评SCL90量表中躯体化、焦虑、强迫、人际关系、抑郁、敌对、恐怖、偏执、精神病性的ES值（正数形式）分别为0.10、0.20、0.14、0.19、0.17、0.19、0.10、0.10、0.07,说明对除焦虑因子以外的改善作用属于小效应;所纳研究不存在发表偏倚,但存在高度异质性;健美操、艺术体操、体育舞蹈、武术分别对大学生心理健康的强迫、偏执、敌对、焦虑因子最有效。     

基于模糊综合评价法的高校后勤协同实践教学案例 ——以浙江理工大学为例

本文以浙江理工大学组建的实践教学团队与学校后勤部门联合开展的专业实践教学项目为例,在经过为期一年的项目调研、项目实施、项目跟踪调查、评价分析的基础上形成了一套较为完整的大学生专业实践教学质量效果评价指标体系.本体系采用层次分析法确定实践教学质量效果评价指标目标层、一级评价指标、二级评价指标,并基于建立的模糊综合评价法模...     

基于动态模糊依赖关系的图书馆用户评价系统设计与实现

基于动态模糊依赖关系理论，开发了图书馆用户动态模糊评价系统，主要从系统设计的总体思路以及开发过程中的主要技术等方面探讨了整个系统的设计与实现。     

基于PSO优化的模糊自适应PID算法在照明控制系统中的应用

日光具有时变性及易干扰性,为使日光得到充分合理的利用,实现智能照明系统更有效的控制,提出一种基于粒子群算法（PSO）优化的模糊自适应PID算法,通过PSO算法得到最优PID初始参数,并利用模糊规则对参数进行自适应修正。仿真结果表明,与普通PID算法相比,该算法在最优化初始参数的基础上,上升时间、超调量和稳态时间等指标均得到明显的改善,增强了系统的响应性、稳定性和鲁棒性,具有良好的应用前景。     

舍勒羞感理论下的中国古代女性羞感解读

羞感作为一种独特的精神意向与人的超动物性的爱、道德、美感等精神体验联系在一起。女性羞感尤为独特,它具有“居间”的特性,在他人的“注视”中得以产生,在“转回”中,呵护女性个体价值,促使美的诞生。羞感在爱的调节下对性本能进行规制与降服,架构起了从快感通向美感的桥梁,并与“美的德性”连结,引导生命趋向高贵。     

新时代语境下我国文艺创作崇高美的缺失与重构

崇高美主要体现在具有崇高精神的内涵表达和令人产生崇高感的外在形式两个方面.我国新时代的文艺创作为了满足不同层次受众的追求,呈现出了多元化的发展局面.文艺创作形式与内容上的娱乐化倾向,使得文艺创作中的崇高美黯然缺失.新时代文艺创作中崇高美的建构应该是弘扬社会主义核心价值观,展现民族精神的崇高美;扎根人民服务群众,体现民族...     

尼美哈尼话与大寨哈尼话的语音对比研究

尼美哈尼话属于哈尼语三大方言中的哈雅方言哈尼次方言土语,与大寨哈尼话同属一个方言。本文基于实地调查所获悉的第一手材料,对尼美哈尼话音位系统进行全面分析,并与现行大寨标准哈尼语进行辅音、元音、声调、音节结构四方面的系统对比,从而揭示尼美哈尼话和大寨哈尼话之间的语音差异。     

宋诗老境美的艺术呈现——以梅尧臣为中心

相较唐诗色彩的艳丽敷腴、意象的生气蓬勃、感情的热烈张扬,宋诗呈现着别样艺术风貌,前人总结为一种“老境美”。梅尧臣诗歌的老境美在宋代诗人中极其突出,表现于设色、意象、情感方面的艺术处理：一、设色上,梅尧臣善用冷色调淡化诗歌色彩美,庆历四年后,梅诗颜色字频率大为减少,兼以宽对形式稀释颜色字密度,突破唐诗敷腴色泽而转向以意为主的宋诗之途。二、意象上,梅诗意象呈现苍老特色,由“老”字修饰的诗歌意象如老马、老羝、老鱼、老蟹等俯拾即是。以“老”字修饰生存状态的词语更为丰富,如老父、野老、老僧、老癯、老年、樵老等,彰显着梅尧臣独特的人生体验和生存况味。三、情感上,梅诗情感处理呈现老年人特色,不再如唐诗飞流直下、宣泄无余,而是笔底存有千钧“忍”力,将深厚情感含茹于心,收蓄凝结不愿发泄,读者反复再读才能品味出“橄榄”般的无穷滋味。     

试论中国近代民族主义之萌发——再读《光绪三十一年中美工约风潮》有感

本文以1905-1906的抵制美货运动为基本素材,在全球化时代背景下来探究其本源即中国近代民族主义的萌生、发展及其初步成熟,从而对其内涵及其影响形成更为明确深刻之认识.     

NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中。NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数。与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证,本算法取得了良好的效果。