西尔维娅·普拉斯

摘要： 西尔维娅·普拉斯是20世纪美国重要的自白派作家,其短篇小说多具自传色彩,笔下的女性人物多具一定的自我意识.拉康镜像理论中主体与他者之间的动态关系对了解自我心理的生成起重要作用,对自我身份的研究有重要意义.基于拉康的镜像理论,从镜像的三个阶段——前镜像阶段、镜像阶段和后镜像阶段对普拉斯短篇小说中的女性自我意识加以分析可知:普拉斯所塑造的女性人物的自我意识的觉醒依赖于男性作为他者的镜像作用,积极的镜像作用引导女性找到自我价值,促进女性权利意识、性别意识和身份意识的觉醒,消极的镜像作用则导致女性自我的迷失.

摘要： "作者身份的焦虑"是美国文学理论家桑德拉·M.吉尔伯特和苏珊·古芭针对哈罗德·布鲁姆"影响的焦虑"理论的男性中心主义色彩提出的。它表现为女性作者身处男性中心主义社会中,缺乏作者身份的主体性,担心自己无法创作,无法成为文学史中的强者。西尔维娅·普拉斯在她的文学创作中,表现了深刻的"作者身份的焦虑",抵制父权是她建构作者身份的重要途径。

摘要： 西尔维娅·普拉斯的艺术天赋以及她对绘画的爱好,使得从艺术角度阐释她的诗歌成为可能。本文探讨了普拉斯诗歌中"想象的绘画诗"以及根据亨利·卢梭的绘画所创作的"真实的绘画诗",以期探究其诗歌中的绘画元素,说明其诗歌既可阅读又可观赏的艺术特质。

摘要： 德勒兹针对男权中心主义所提出的"生成—女性"理论,指生成不同于男性的他者,倡导通过挑战强势、生成弱势和创造新的多元体,制造逃逸线,创造生命的差异性."生成—女性"与女性的社会属性密切相关.生成文学的核心思想即是生成女性.从"生成—女性"理论视角研读弗吉尼亚·伍尔夫和西尔维娅·普拉斯的日记可知:文学影响、文学思维与文学社圈在伍尔夫和普拉斯成为女性作家的道路上影响显著;两位卓越的作者在文学创作的过程中,在收集日常生活素材和记录日记的基础上,写就了大量的文学作品,在文学创作的主题、思想、技巧等方面突破了男性文学传统.以伍尔夫和普拉斯为代表的女性作家通过具体的文学实践,在平等和自由的游牧状态下培养了女性作家的身份,使英美女性文学传统最终以独立于男性文学传统的姿态得以完全确立,女性写作已成为女性发声不可或缺的媒介.

摘要： 情感之于诗歌,犹如水之源、木之本,浓烈而炽热的情感是西尔维娅·普拉斯短暂而辉煌的诗歌生涯的源泉.窥探其诗歌文本、所处时代环境以及其短暂却丰富的人生经历,发现普拉斯诗歌中充满极丰富的情感悖论:对父亲情感的爱恨交织、对女性情感困境的迷失以及对生死都抱以极度的热情.这些悖论源于诗人现实生活中进退维谷的境地,但诗歌语言却超越了诗人的现实处境,使其诗歌有了更为丰富的内涵和更为迷人的魅力.

摘要： 对视觉艺术元素的整合几乎贯穿于普拉斯文学创作的全过程,在她对影片《圣女贞德受难记》中相关艺术形象及其叙事逻辑的仿效和改写中,这一点体现得尤为明显。一方面,普拉斯对德莱叶镜头下的贞德形象印象至深,"贞德式女巫"成为她观影后不断探索的重要艺术母题;另一方面,普拉斯准确把握住影片对女性行动者及其苦难的呈现所折射出来的当代意义,进而在诗歌创作中整合其个人精神病院经历和战后西方社会的性别政治生态,形成了依托"女巫认同、浴火重生"的基本逻辑来伸张自我女性意识、控诉男权社会体制的女巫叙事格局。

摘要： 西尔维娅?普拉斯(1932-1963)是美国当代著名的"自白派"代表诗人,被认为是继艾米莉?狄金森和伊丽莎白?毕肖普之后最重要的美国女诗人.普拉斯以其狂热独特的写作风格在美国诗坛独树一帜,她把自己的生命体验融入创作之中,运用"自白"的方式,将自己内心深处的忧郁、痛苦、焦虑等各种私密情感暴露在外.普拉斯在其诗歌中构建了丰富的意象,并借用了古希腊神话和《圣经》中的意象.本文拟从神话—原型批评视角出发,从普拉斯的诗集《精灵》入手,选取几首代表诗歌,探析其中出现的神话原型意象,对诗歌文本进行分析,探究神话元素给诗歌带来的神秘色彩和意蕴,从而帮助现代读者更加深入地理解普拉斯诗歌的内涵.

摘要： 美国女性诗人西尔维娅·普拉斯后期的诗歌中反映了女性在婚姻中束缚受困,男女不平等的现象.该文将从女性束缚受困于婚姻和家庭的现象、女性附属男性而被物化的现象两个方面,详细分析20世纪50-60年代英美文化中的男女婚姻不平等现象.

摘要： 本发明公开了一种用于大规模高光谱数据的降维方法，主要用于解决传统流行学习信息单一和该类方法难以处理较大规模数据的问题。其实现步骤为：1.从大规模的高光谱数据中选择一定量的数据作为训练样本；2.对训练样本进行空谱拉普拉斯图的构造；3.对拉普拉斯矩阵进行特征分解得到训练样本的低维表示；4.利用训练样本及其低维表示构造高维字典和低维字典；5.计算剩余高光谱数据在高维字典上的稀疏表示系数；6.将该稀疏表示系数与低维字典进行相乘，得到剩余数据的低维表示；7.整合训练样本与剩余数据的低维表示得到完整的降维数据。本发明提升了流行降维的效果，可用于处理大规模的高光谱数据。

摘要： 本发明公开了一种具有拉普拉斯噪声的非参数贝叶斯字典学习方法，对灰度图像数据中的椒盐噪声进行去噪。本文对图像数据进行字典学习建模，并假设噪声部分服从拉普拉斯分布，采样非参数贝叶斯方法对模型进行概率分布假设；通过最大似然估计法获得模型的目标函数；采用吉布斯采样法对目标函数中所有随机变量采样；通过EM算法反复迭代更新得到各变量的最优解。使用最优解构造输出数据，即输出图片，从而获得干净数据，去除噪声。本方法对灰度图像数据的噪声部分进行了拉普拉斯假设，有效去除了椒盐噪声，对高斯噪声也有一定的去噪能力，此外还能够很好的去除高斯和椒盐的混合噪声。

摘要： 本发明提供一种基于L2,1范数和拉普拉斯流形的RLSDSPCA降维方法，对基因表达数据进行特征基因选择和癌症样本分类。通过降维方法对基因表达数据进行数据降维，对降维后的数据进行特征基因选择和癌症样本分类。本发明有效地提高了基因表达数据特征基因的选择水平和癌症样本的分类效果。

摘要： 本发明公开了一种基于拉普拉斯降维的水产养殖水质异常检测方法。属于水产养殖技术领域，具体步骤：数据降维、确定异常检测数据维度、构建DSVDD异常检测模型、输出水质异常检测数据。本发明涉及到水产养殖过程中养殖水体的6个监测指标，将这6个指标作为检测模型的输入量，利用拉普拉斯特征映射对传感器采集的水质数据进行降维，将样本输入维度从6维降到3维，确定DSVDD异常检测方法的数据维度，训练好的DSVDD检测模型进行异常检测测试，将DSVDD模型异常检测测试结果与传统的SVDD模型的异常检测结果相比，DSVDD算法有更好的检测精度，可进行高维度的水质异常检测，提高了针对水产养殖业的水体异常检测的精度。

摘要： 本发明公开了一种基于低秩拉普拉斯图学习的数据降维方法，该方法针对原始数据存在噪声或遮挡的情况下，学习数据的内在几何结构即鲁棒的低秩拉普拉斯图，并利用该低秩拉普拉斯图得到高维数据的低维映射以达到数据降维作用。提出的方法能够同时进行数据的低秩拉普拉斯图以及投影矩阵的学习，两者在产生的过程中相互促进。本方法利用了低维映射数据的低秩成分以获取数据的全局结构，数据的全局结构能抵抗数据中噪声的干扰同时低维数据也能在一定程度上减少噪声对投影矩阵的影响。

摘要： 对脑磁共振成像（MRI）中的脑皮层厚度估计是神经影像学中研究脑发育和神经退行性疾病的重要技术手段。本发明提出一种基于三维拉普拉斯算子的脑皮层厚度估测算法，可精确地捕捉脑核磁共振成像中的几何形态特征。首先，该方法从消除灰质层表面和白质层表面产生的交叉重叠区域入手，构建反映大脑固有的几何特征且与MRI相匹配的四面体网格；其次，该方法利用四面体网格的几何约束关系构建三维拉普拉斯算子,运用有限元方法计算狄氏边界下的脑皮层内部温度场的分布；然后，确定局部等温面，利用计算几何的方法求得温度场中等温面的梯度线方向，以及利用半边‑半面数据存储结构快速锁定梯度线上内部点所在的四面体网格单元；结合设定的梯度步长，最终根据每条梯度线方向和步长获得脑皮层的厚度特征信息。本文发明的方法通过构建高质量脑皮层四面体网格和高精度温度场梯度线的确定可以有效地提高脑皮层的形态结构检测能力。

摘要： 本发明公开了一种用于大规模高光谱数据的降维方法，主要用于解决传统流行学习信息单一和该类方法难以处理较大规模数据的问题。其实现步骤为：1.从大规模的高光谱数据中选择一定量的数据作为训练样本；2.对训练样本进行空谱拉普拉斯图的构造；3.对拉普拉斯矩阵进行特征分解得到训练样本的低维表示；4.利用训练样本及其低维表示构造高维字典和低维字典；5.计算剩余高光谱数据在高维字典上的稀疏表示系数；6.将该稀疏表示系数与低维字典进行相乘，得到剩余数据的低维表示；7.整合训练样本与剩余数据的低维表示得到完整的降维数据。本发明提升了流行降维的效果，可用于处理大规模的高光谱数据。

摘要： 本发明公开了一种具有拉普拉斯噪声的非参数贝叶斯字典学习方法，对灰度图像数据中的椒盐噪声进行去噪。本文对图像数据进行字典学习建模，并假设噪声部分服从拉普拉斯分布，采样非参数贝叶斯方法对模型进行概率分布假设；通过最大似然估计法获得模型的目标函数；采用吉布斯采样法对目标函数中所有随机变量采样；通过EM算法反复迭代更新得到各变量的最优解。使用最优解构造输出数据，即输出图片，从而获得干净数据，去除噪声。本方法对灰度图像数据的噪声部分进行了拉普拉斯假设，有效去除了椒盐噪声，对高斯噪声也有一定的去噪能力，此外还能够很好的去除高斯和椒盐的混合噪声。

摘要： 本发明公开了一种基于拉普拉斯强化金字塔的织物图像瑕疵检测方法。方法包括：建立扩展织物图像数据集；得到先验框；搭建TRL‑YOLO模型；选取训练，输出训练预测特征图；将先验框分布并调整，选取训练候选框；计算模型整体损失值并更新参数；选取验证候选框；计算织物类别的平均精确度值；获得训练完成的TRL‑YOLO模型；待检测织物图像输入，保留最终预测框；映射至待检测织物图像中进行织物瑕疵的检测定位；输入EfficientNetv2网络实现织物瑕疵后分类。本发明方法进行织物图像的瑕疵检测，相较于现有的先进检测模型在检测精度和效率上都具有较大的优势，很好地满足了实际场景中的实时性要求。

摘要： 本发明属于信息安全技术领域，公开了一种拉普拉斯机制的移动终端传感器数据加扰方法及系统，所述拉普拉斯机制的移动终端传感器数据加扰方法包括：原始数据处理阶段，获取原始传感器数据，并按照标准三轴坐标系分离出三个方向的数据；同时记录智能终端传感器在数据采集时的频率；噪声去除与记录阶段对原始数据进行包括人声在内的高频噪声去除，并计算不同方向上去除的噪声平均值与极差；数据重采样阶段，数据加噪阶段，通过数据输出阶段将数据输出。本发明在实现智能终端传感器原始数据的保护同时具有更低的计算复杂度，更低的资源消耗，实现了数据保护程度的可定制化与高拟真，实现了在保护原始传感器数据的同时对实用性的保证。