论大学治理的模糊性

在新管理主义背景下,人们往往过于追求大学治理的清晰性和精确性。大学治理中的刚性虽然可以保证大学决策活动的秩序和稳定,有利于决策目标的执行和落实,但也会使大学创新力与适应力下降。事实上,在任何一种治理实践活动中,模糊性都是一个不可忽略的变量,这是由外部现实的复杂性、人的理性的有限性以及自我身份与偏好的不一致所决定的。大学作为一个复杂的组织,无论是在治理结构上还是在治理过程中,都天然地呈现出一定程度的模糊性。这种模糊性在许多方面具有正面效应,有利于提升大学的包容性,增加大学的适应性,维持大学教师的自主性。但是,如何在维系大学治理模糊性价值的同时不至于让其产生潜在的负面影响并非易事。它需要大学教师与行政人员的人际信任、大学领导者的领导力,以及大学内部张弛有度的规章制度。因此,探讨大学治理的模糊性,并不是要否定大学治理中追求清晰性和精确性的价值,而是基于过度追求精确性和清晰性以致带来了适得其反的效果的现实情境,希望以此加深人们对大学治理的理论认识,从而提供一种解决大学治理刚性所造成的问题的办法。

企业知识产权评估风险及控制策略研究

知识产权已经成为企业建立核心竞争力的重要因素之一,拥有核心知识产权是可持续发展的不竭动力。知识产权评估则是实施知识产权战略中的重要一环。但是,作为一项全新的专业活动,知识产权本身计量的模糊性、知识产权收益能力的不确定性以及知识产权价值的附着性给知识产权评估带来的风险是不可避免的,找出控制和降低企业知识产权评估风险发生的有效对策是十分必要的。

AN IMPROVED ALGORITHM FOR SUPERVISED FUZZY C-MEANS CLUSTERING OF REMOTELY SENSED DATA

This paper describes an improved algorithm for fuzzy c-means clustering of remotely sensed data, by which the degree of fuzziness of the resultant classification is de- creased as comparing with that by a conventional algorithm: that is, the classification accura- cy is increased. This is achieved by incorporating covariance matrices at the level of individual classes rather than assuming a global one. Empirical results from a fuzzy classification of an Edinburgh suburban land cover confirmed the improved performance of the new algorithm for fuzzy c-means clustering, in particular when fuzziness is also accommodated in the assumed reference data.