日本的杜甫研究述要

该文将日本的杜甫研究划为三个时段。以大量原始资料来显示日本杜甫研究的发生、发展、壮大历程。读者可见仁见智,从不同角度归纳所得,有所感悟。如早期杜诗佳句与杜律的引进,可供版本参校外,也显露了日本学人的唯美倾向;杜甫与弥尔敦的比较,是在东西方文化板块冲撞背景下,日本学人开拓的新视野;秉承求真务实传统的日本近现代杜甫研究,与中国的杜甫研究紧密相关,但并不随之起舞,而是保持着＂旁观者清＂的客观与冷静,颇多创见,自具特色。     

英国职前教师教育伙伴合作模式的质量保障

随着伙伴合作模式在英国职前教师教育领域的日趋成熟,加强伙伴合作模式的质量保障也成为英国职前教师教育领域的新举措,具体表现为英国政府对伙伴合作模式的政策支持、大学对伙伴合作的管理、大学与中小学教师之间的协调与合作以及伙伴合作模式的多方评价等。这些质量保障举措有效地提高了英国职前教师教育的质量,确保了伙伴合作模式的有效运作。     

英国高等教育"双重制"分层政策案例分析

英国高等教育"双重制"是政府自上而下干预高校分层定位的经典案例,它的终结并非"二元"或"多元"分类模式的缺失而是"双重制"政策导向的失误.它启示人们,高等教育及机构分类不只是纵向分层也包括横向分类,其关键在于分类依据及定位政策的导向.     

K 最短路径算法与应用分析

为应对日趋庞大的网络规模和复杂的约束条件给解决 k 最短路径问题带来的挑战,同时给 k 最短 路径在图书情报领域的研究提供建议,对研究现状和算法成果进行总结。首先,介绍 k 最短路径问题的 基本概念。其次,对国内外 k 最短路径问题的算法思想和应用领域研究进展进行梳理,算法思想包括偏 离路径算法、删除路径算法、标号算法、智能算法等,主要的应用领域有交通运输、通信网络、电力系统、 图书情报领域等。最后总结 k 最短路径待解决的问题以及未来研究的方向。     

基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法

针对目前船舶典型轨迹的挖掘多以轨迹段作为基本单元,导致聚类对象较为复杂且聚类参数难以确定的问题,本文提出一种基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法。算法以轨迹点作为聚类对象,分析船舶的航速、航向特征并对轨迹点进行压缩;将分段均方根误差引入K中心点聚类算法,实现聚类参数的自适应选择;提取其中的聚类中心点作为轨迹特征点,得到不同类别船舶的典型轨迹。以天津港主航道船舶自动识别系统（automatic identification system, AIS）数据为例,基于地理信息系统平台ArcGIS实现聚类结果的可视化展示。实验结果表明,运用该算法得到的船舶典型轨迹与实际相符,自适应程度较高。研究结果对于辅助船舶轨迹异常检测及挖掘海上交通特征具有重要意义。