《高老头》是《人间喜剧》的序幕,巴尔扎克的代表作。谈论《高老头》,回避不了高里奥的父爱问题。国内不少学者认为,高老头的父爱深深地烙上了阶级的印记。虽然在属于“资产阶级”还是“封建地主阶级”问题上,争论了几十年,但在高老头的父爱具有阶级性这一点上,看法惊人地一致。对这种成见,本人想提出一点异议。其实,高老头的父爱,乃是出于为父者的本性:“父母之心,爱子孙一也”。高里奥的父爱表现了人类正常的亲子之爱。

【摘要】：交通系是二十世纪中国最重要的既得利益官僚集团之一,它的创建和领导者是梁士诒(1868—1933)。梁士诒是广东籍的学者型官僚,其于1894年获得进士功名。梁在袁世凯及其主要外交财政顾问唐绍仪(1860—1938)的支持下进入邮传部。邮传部成立于1906年,经管所有现代化的交通事业,包括铁路、航运、邮政、电报和电话。在1907—1911年,梁士诒担任着铁路总局局长,铁路总局是管理政府铁路的领导机关。在此期间,梁士诒一方面致力于从外国人手中收回铁路管理权,并使之中央化,另一方面通过其高明的政治手腕组织了一个官僚和财政权力网。最初,他们的力量影藏于和袁世凯相互依赖的关系中。当袁在1916年病死后,梁和交通系开始显示出他们所拥有的强大力量。在军阀时期,他们活跃于不断更迭的北洋政府中,为一届届总统和总理提供着支持。当奉系军阀张作霖控制北京政府时,梁士诒本人还担任了政府的总理。直到1927年国民党进行北伐前,中国最重要的铁路都控制在交通系成员手中,他们中的许多人曾在不同时期担任过北京内阁的阁员。 本文除绪论、结语外,共分为四部分： 第一部分分述梁士诒早期的政治生活,从学者到铁路局长的转变。1903年的“经济特科”使梁士诒获得了袁世凯和唐绍仪的注意,并对其今后的事业具有着决定性的意义。1906年,邮传部成立后,梁士诒凭借着自身的学识以及袁世凯的影响,使其能够在邮传部建立起非凡的影响力。1907年,铁路总局局长的任命使梁士诒在加强政府对铁路控制方面扮演了一个十分重要的角色,同时也使他能够在铁路事务权力范围内建立起一个属于自己的官僚派系。 第二部分分述梁士诒的官僚政治策略和交通系的源起。梁士诒在邮传部铁路机构的地位成为了交通系重要的权力基础,其不断在邮传部和铁路官僚体系中的重要部分安插着自己的亲信,这些人中最重要的有叶恭绰、关赓麟、关冕钧和赵庆华等,他们成为了梁士诒所领导交通系的中坚。虽然梁士诒和交通系在1909一1911年的政潮中受到了严重的挑战,但他们紧紧掌握着铁路的控制权。梁士诒和交通系坚强地抵抗来自政敌的攻击,并证明他们所拥有的实力。 第三部分分述民国初年梁士诒与袁世凯的关系及其对交通系的影响。在1912—1916年间,梁士诒所领导的交通系成为袁世凯总统宝座的主要支柱之一,袁需要梁的财政意见、交通系在经营铁路方面的理财能力及其在银行界的影响力。梁使交通系隐藏在袁世凯之后,成功控制铁路与交通银行,并将影响力扩展于政府财政部门。在这过程中,交通系成为民初政坛上一个重要的政治势力。在1915—1916年间的帝制运动过程中,梁士诒及交通系将自己与袁世凯紧紧绑在同一辆战车上。当帝制运动宣告失败时,梁士诒及交通系也就从权力的顶峰跌落下来。 第四部分分述交通系的组织特点及政治属性。在交通系的组织形成过程中,可以明显发现传统的社会关系占据了主导地位,如亲属、世谊、同乡、师生、长官部属、同年(学)、同僚、姻亲以及结拜等关系。这些关系在作为交通系结合纽带的同时时,在其内部还有着一整套完善的组织结构,为交通系的结合提供着强有力的支持。 结语部分重点探讨梁士诒及交通系在清末民初这一转型时期所表现出的特殊利益集团属性,由于其处于社会政治层面的次一级,附属于政治强权势力,本身不能自主制约社会发展的大趋势,因此他们的政治行为大多是依附政治强权势力意志的体现,很少是自主意志在起支配作用,更多的是趋利避害的利益驱动。

【学位授予单位】：华东师范大学
【学位授予年份】：2011

随着信息技术飞速发展,在信息处理过程中,人们发现信息的数据量越来越大庞大。如何从大量的信息数据中获取人们所需要的知识?如:数据的分布,数据发展趋势等等,因而聚类作为一门数据分析工具也就应运而生,所谓聚类就是将物理或抽象对象的集合组成由类似的对象构成的多个类或簇的过程[1]。目的是使得属于同一类别的个体之间的差别尽可能的小而不同类别的个体之间的差别尽可能的大。 目前聚类分析中大部分聚类算法都是针对低维数据的,而现实中涉及到信息处理数据大部分都是高维的,这就向传统的聚类算法提出了挑战。文献[2]中提到,用传统的聚类算法如K-Means和K-Medoid方法直接处理这些高维数据效果非常不理想,于是人们采用“特征提取”方法来降低数据集的维度,例如PCA算法,但这种降维方法很容易导致数据的信息丢失。最近的研究表明,在特定条件下高维数据的聚类都隐含在低维的子空间内,如何找出这些有效的低维子空间?Agrawal等人[3]提出了投影聚类方法。 投影聚类是把数据集通过映射变换投影到低维子空间内,然后借助各种方法划分出该子空间内的聚类,能够有效的降低数据集的维度,同时减少数据处理的复杂度。现有的投影聚类算法有:CLIQUE[3],PROCLUS[4],ORCLUS[5]和EPCH[2]等。CLIQUE算法是首次涉及投影聚类与子空间问题,但是该算法要求子空间的延伸方向必须要与坐标轴平行,并且还需要用同一个极限值来划分不同投影维度的子空间,这显然是不合理的;而PROCLUS和ORCLUS算法则主要通过寻找中心点来得到投影聚类和它们相关的子空间。PROCLUS要求发现投影的子空间延伸方向必须与平行,但ORCLUS算法没此限制,可以是任意延伸方向的子空间。EPCH算法[2]也是用来解决同样的问题,但它与前几个算法相比不仅复杂性降低了,而且有效性和精确性有很大的改进。通过分析EPCH算法,结合投影聚类的思想,我们采用不同的方法来划分子空间,提出了两个改进算法,分别是: 1)基于Parzen窗的投影聚类方法:该方法用投影聚类将高维数据投影到低维子空间,再用概率密度估计函数Parzen模拟子空间样本分布,通过合并密度区域得到聚类结果,实验证明其具有比EPCH更为精确的效果。 2)基于Mean-Shift的投影聚类算法:该算法提出了一种用核函数将高维数据空间转化为低维空间,然后将低维子空间中数据划分到中心点代表的区域中,得到合并的聚类结果,实验证明其有效性。本文主要是介绍聚类分析的基本概念、各种聚类算法及本人提出的两个改进算法。

【学位授予单位】：江南大学
【学位授予年份】：2007