期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
盟誓文化中的自我与他者:以“遑耶”制度为例
1
作者 余光杰 蔡飘 《华夏文化》 2023年第2期34-38,共5页
人类学上的自我与他者并不仅仅是我与你、我与他或者是我群与他群的区别,更多意义上的区别是指向与自己不同的文化(庄孔韶:《人类学概论》中国人民大学出版社2015年,第6页)。因此我们在这里所说的自我与他者,不仅是指群体与群体之间的交... 人类学上的自我与他者并不仅仅是我与你、我与他或者是我群与他群的区别,更多意义上的区别是指向与自己不同的文化(庄孔韶:《人类学概论》中国人民大学出版社2015年,第6页)。因此我们在这里所说的自我与他者,不仅是指群体与群体之间的交往,也是指两个群体之间交往所产生的文化碰撞。盟誓习俗的起源古远,是一种自我与他者相结合的方式。 展开更多
关键词 文化碰撞 庄孔韶 自我与他者 盟誓文化 不同的文化 人类学 交往 群体
下载PDF
《吉昌契约文书汇编》与《大屯契约文书汇编》比较研究
2
作者 余光杰 康丽娜 《安顺学院学报》 2023年第4期14-19,共6页
位于安顺西秀区的吉昌屯与大屯村都是典型的屯堡村落,也是“孤岛文化”中的一部分,近年来由孙兆霞教授所带领搜集整理的《吉昌契约文书汇编》和由吕燕平教授所带领搜集整理的《大屯契约文书汇编》相继出版,为吉昌屯与大屯村的历史活现... 位于安顺西秀区的吉昌屯与大屯村都是典型的屯堡村落,也是“孤岛文化”中的一部分,近年来由孙兆霞教授所带领搜集整理的《吉昌契约文书汇编》和由吕燕平教授所带领搜集整理的《大屯契约文书汇编》相继出版,为吉昌屯与大屯村的历史活现提供了一抹光彩,也为黔中“屯堡文化”的研究提供了重要的民间史料。文章就其编排与内容进行初步的探讨与分析,寻找契约文书中的异同,以待下一步的深入研究。 展开更多
关键词 屯堡 契约文书 屯田 吉昌 大屯
下载PDF
抗战时期的贵州民族学研究
3
作者 余光杰 《文教资料》 2022年第20期22-26,共5页
抗日战争时期,贵州的民族学随着大夏大学的迁入和相关民族学机构的成立而进入了一个快速发展的时期,众多学者纷纷进入贵州少数民族地区进行深入的田野调查,并且产出了许多优秀的民族学成果,在将贵州少数民族地区丰富多彩的文化展现给世... 抗日战争时期,贵州的民族学随着大夏大学的迁入和相关民族学机构的成立而进入了一个快速发展的时期,众多学者纷纷进入贵州少数民族地区进行深入的田野调查,并且产出了许多优秀的民族学成果,在将贵州少数民族地区丰富多彩的文化展现给世界的同时,也为民族的团结进步做出了巨大的贡献,为抗日民族统一战线的发展起到促进作用,同时推动了中国民族学本土化研究的进程,为中国民族学的学科建设奠定了基础。 展开更多
关键词 民族学 田野调查 贵州 抗日战争
下载PDF
一种普通车床用球窝半自动车削装置
4
作者 余光杰 郭成平 +1 位作者 李丽红 曹霞 《机械工程与自动化》 1999年第S1期126-126,共1页
介绍了一种普通车床用球窝半自动车削装置的结构、工作原理。该装置投入使用后, 不仅提高了产品质量,
关键词 夹具 车削 装置
下载PDF
基于聚类算法和图神经网络的短时交通流预测
5
作者 张玺君 余光杰 +1 位作者 崔勇 尚继洋 《吉林大学学报(工学版)》 EI CAS CSCD 北大核心 2024年第6期1593-1600,共8页
针对现有预测模型未充分利用交通流数据时空相关性的问题,本文提出了一种深度学习模型,将聚类算法、图神经网络(GNN)和门控循环单元(GRU)相结合。首先,利用聚类算法将预处理后的数据划分为不同类型的流量模式;其次,采用GNN提取复杂路网... 针对现有预测模型未充分利用交通流数据时空相关性的问题,本文提出了一种深度学习模型,将聚类算法、图神经网络(GNN)和门控循环单元(GRU)相结合。首先,利用聚类算法将预处理后的数据划分为不同类型的流量模式;其次,采用GNN提取复杂路网交通流的空间相关性,结合道路的皮尔逊相关性分析和节点的局部聚类系数,挖掘潜在的节点连接关系;再次,使用GRU提取交通流数据之间的时间相关性,通过自注意力机制捕获数据之间的相互依赖关系;最后,通过残差连接将GRU和GNN的输出与原始输入结合,经过全连接层得出最终的预测结果。多组实验结果证明,本文提出的模型预测精度优于其他基线模型及对比的模型。 展开更多
关键词 交通流预测 图神经网络 聚类算法 门控循环单元 皮尔逊相关系数 局部聚类系数
原文传递
基于ACapsGRU的短时交通流预测研究 被引量:4
6
作者 张玺君 陶冶 +1 位作者 张冠男 余光杰 《华中科技大学学报(自然科学版)》 EI CAS CSCD 北大核心 2022年第4期51-56,共6页
针对交通流预测中的时空相关性进行研究.首先,根据城市交通路网建立速度矩阵,将每个时刻的速度矩阵输入胶囊网络进行空间特征的提取;其次,利用注意力机制结合近期交通流数据生成注意力权重;最后,将带有注意力权重的数据输入到门控循环... 针对交通流预测中的时空相关性进行研究.首先,根据城市交通路网建立速度矩阵,将每个时刻的速度矩阵输入胶囊网络进行空间特征的提取;其次,利用注意力机制结合近期交通流数据生成注意力权重;最后,将带有注意力权重的数据输入到门控循环单元学习交通流的时间特征,进行组合模型的短时交通流预测.使用西安市的交通流数据进行验证,结果表明:提出的ACapsGRU组合模型有更好的预测结果,相比于卷积神经网络、胶囊网络及CapsNet-NLSTM等模型预测结果,在平均绝对误差(MAE)方面分别优化了17.08%,13.85%和4.78%. 展开更多
关键词 短时交通流预测 注意力机制 胶囊网络 门控循环单元 组合模型
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部