再现与边界:历史文化类纪录片《河西走廊》叙事研究

来源 :兰州大学 | 被引量 : 0次 | 上传用户:ohshady
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
其他文献
我们的四维宇宙之外还存在额外维的空间维度(称为额外维)的思想在一个世纪以前就已经被提出来,但是直到上世纪末,随着大额外维理论的发展,这种理论才被认为是能够描述真实物理的。近年来,额外维与膜世界理论认为,我们生活的四维宇宙可能是位于高维时空中的超曲面,称为膜世界。该理论为规范层次等问题提供了新的解决方案。高维时空中的厚膜模型作为更符合物理实际的额外维模型被广泛研究。在膜世界理论中,研究物质场的局域化
学位
在本文中,我们主要研究在有界区域上的时间分数阶扩散波方程的空间源项反演问题,即通过带有误差的终端数据来反演空间源项.首先,基于正问题解的级数表达式,将反问题转化为第一类积分方程,讨论反问题解的唯一性,不适定性及条件稳定性.然后,我们提出一种拟逆正则化方法将反问题转化成一个正则化问题,并证明了该正则化问题的适定性,分别考虑了先验选取和后验选取正则化参数下的收敛阶估计.最后通过数值算例来说明理论的正确
学位
本文主要研究不平衡函数型数据的可解释性分类方法,主要可分为变量选择、不平衡数据处理、函数型数据分类三个子问题.首先,本文使用由切片逆回归(Sliced Inverse Regression,SIR)拓展而来的半参数模型:可解释的稀疏切面逆回归(Sparse Interval Sliced Inverse Regression,SISIR)作为理论指导,解决函数型数据中变量选择的问题.为了处理函数型
学位
自组织临界脑假说认为,大脑在无序与有序之间的临界点附近工作,其标志为神经雪崩的幂律分布。目前,大量实验研究使用不同的神经活动记录方法在大脑不同尺度上都发现了雪崩幂律分布,一定程度上说明了这一假说的合理性。但临界脑假说仍然面临许多挑战。理论研究表明,非临界的神经网络也具有雪崩幂律分布,因此仅使用雪崩幂律分布作为大脑处于临界状态的依据是不充分的。此外,尽管研究发现临界状态的神经系统具有最大的信息传输、
学位
磁性材料作为最基础的应用材料之一,在磁电功能器件中发挥着不可替代的作用。然而,随着科学技术的发展,传统的磁性材料已无法满足对功能器件高密度、高速度、低能耗和小尺寸的迫切需求。特别地,由于传统三维材料存在较多的悬空键,在几个纳米的小尺度下性能较差,人们逐渐将目光转移到低维磁性材料。由于维度效应,低维材料的物理性质与对应的三维体系有很大的改变,这为制备高性能的器件提供了非常优越的物理条件,其中层状多铁
学位
本文基于单种群在斑块间的旅行感染,结合传染病动力学与种群动力学理论与方法,第二章建立了一类仅捕食者种群染病的具有斑块结构和旅行感染的确定性生态流行病模型.事实上,更为现实地,每个种群都不可避免地会受到环境噪声的影响,因此第三章引入了白噪声,建立了随机生态流行病模型.对于所建立的确定性生态流行病模型,本文先证明了在初始条件下解是正定且一致有界的,并得到了模型的永久性.其次,本文通过对模型平衡点的分析
学位
基于分类的统计建模往往受到异常值的影响,因此异常值的检测在分类统计模型中显得尤为重要.为通过异常值检测方法提高模型的分类准确率,本文主要研究了球形分布数据及非球形分布数据中异常值点的检测和分类问题,主要通过构造正交基矩阵,将含有异常值的数据X转化成线性回归Y=Xβ+ε的形式,借助变量选择以及-检验方法求解异常值点,达到有效识别数据中异常值点的目的.利用模拟数据和实际数据证实该方法能有效识别数据中的
学位
描述温度的随机模型从开始的布朗运动噪声项发展到分数布朗运动噪声项,本文我们利用Tempered分数布朗运动中参数λ对于低频数据的反应的特点将温度模型再次优化,给出了λ的具体确定方法,并用实际模拟效果来展示其优略性.此外还对比了其他的高斯噪声的优劣,且我们发现在0.6倍滤波下的高斯色噪声在模拟中表现与Tempered分数高斯噪声的表现最好,但是Tempered分数高斯噪声更胜一筹.本文根据中国地理一
学位
达成共识、形成决策是人类社会的基本活动之一,也是观点动力学的主要研究内容。群体观点能否形成一致以及形成一致所需时间的影响因素都是观点动力学的研究主题。研究人员提出了许多的观点动力学模型来研究群体的观点演化,以期对观点形成过程做出准确描述和预测。观点动力学的研究成果广泛地应用在政治选举、市场营销、交通运输、公众观点管理等诸多的生活场景中,给人们的生活带来了便利。尽管有诸多观点动力学模型,但是这些模型
学位
设G=(V,E)是一个图,其顶点集为V,边集为E.令S为顶点集V的一个子集,如果VS(V)里的每个顶点都与S中的一个顶点相邻,则称子集S是图G的控制集(全控制集).图G的最小控制集(全控制集)的基数称为G的控制数(全控制数),记为γ(G)(γt(G)).如果γ(G)=3(γt(G)=3),并且对于任意一条不在图G中的边e,均有γ(G+e)<3(γt(G+e)<3),那么称G是一个3-控
学位