论检察官遴选的价值构造

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:jeff2001
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
检察官是法治国家重要的法律职业之一,具有独特的宪法地位,良好的检察官遴选制度是检察制度运行的基础。放眼各国的检察制度,因各国的法治状况、法律文化及司法实践经验各异,检察官遴选制度亦各不相同,可谓各有所长各有所短。在对各国检察官遴选制度对比考察时,我们应当对法律制度问题背后所依循的基础价值作具体探讨,借鉴的是法治基本原则和精神,而非仅仅法治的具体制度内容和细节。所谓检察官遴选的价值构造,是指检察官遴选制度固有满足价值主体的属性,反映了检察官遴选制度与法律主体之间特殊“价值关系”。笔者认为,各国检察官遴选制度至少普遍蕴含着追求着公平、效率、独立等法律价值。检察官遴选制度价值的冲突与统一,决定着各国检察官遴选制度的差异和共性,推动遴选制度趋于发展、完善。由于缺乏必要的基础性理论支持,我国现行检察官遴选制度存在各种弊端乃至产生诸多问题。应当认识到,法律制度是在一定社会生产方式的制约下,由价值观念所构建的上层体系,法律价值总是为对一定社会生产方式内在的精神力量所笼罩。我们国家当前处于一个经济转轨的重大历史转变时期,检察官遴选制度面临着新的价值选择与构造。
其他文献
针对传统均值漂移算法(Mean shift)中核函数直方图对目标特征描述较弱、跟踪过程中核函数带宽的保持不变的缺点,提出了一种新的核函数带宽可变的Mean shift跟踪算法。在特定的色彩空间中,统计落入各区间的像素个数,并对各区间像素的位置建立高斯分布模型,采用二阶空间直方图实现目标建模,强化目标特征描述提高了跟踪的鲁棒性;结合边缘检测与角点检测选取目标特征点估算目标仿射模型确定伸缩尺度,适应目
非高斯干扰下的主动信号检测中,高斯化模块往往不可或缺。通过对样本的抑大扬小,它可以有效地增强背景数据的高斯性,提高后续预白化和相关检测的性能。本文给出高斯化滤波的定义
可能性聚类方法在数据分析和模式识别领域被广泛应用。本文通过选择马氏距离,构造一种特殊的基于马氏距离的可能性聚类方法。该方法在保持可能性聚类性能的同时,能有效地防止一致性聚类的发生,依照最大最小概率原理,根据聚类的结果直接推断出聚类结果的误分下界,从而判断聚类的有效性。最后通过图像分割实验和标准数据集实验,验证了该算法的优越性。