分类优化

分类优化（精选10篇）

分类优化 篇1

1 监控信息不规范的原因分析

变电站的综自改造是一个渐进的过程, 在投运和改造的初期, 所有的设计都是针对单个变电站而言的, 并没有考虑在变电站进行集中监控后的信息规范问题, 造成集中监控后, 即使同样设备、同样信息的描述用语也不一样。通过对不同变电站、不同厂家设备遥信信号分析和对比, 造成监控信息不规范的原因主要有以下几种:

1.1 设备制造厂家的不同造成信息不规范。

1.2 安装调试人员的习惯不同造成信息不规范。

1.3 早期信息需求不同造成信息不规范。

1.4 部分变电站使用设备陈旧, 无法实现“五遥”信息采集。

2 电网监控信息分类标准

根据国家电网公司《无人值班变电站监控系统信息规范 (试行) 》和重庆市电力公司《重庆电网调度自动化系统信息规范 (试行) 》要求, 结合万州电网运行的实际情况, 明确了信号分级分类的原则。

调度自动化系统所采集的实时信息根据对电网直接影响的轻重缓急程度细分为五类:

一类 (事故信息) :主要反映由于电网或设备故障等引起断路器跳闸、保护装置动作出口跳合闸的信号等, 是需实时监控、立即处理的重要信息。

二类 (异常信息) :主要反映设备运行异常情况、威胁电网安全与设备运行和影响设备遥控操作的信号, 是需实时监控、及时处理的重要信息。

三类 (变位信息) :主要反映电网断路器 (分、合闸) 改变的信息。该类信息直接反映电网运行方式的改变, 是需要实时监控的重要信息。

四类 (越限信息) :主要反映电网重要遥测量超出报警上下限区间的信息。重要遥测量主要有断面潮流、电压、电流、负荷、主变油温等。是需实时监控、及时处理的重要信息。

五类 (告知信息) :主要反映电网设备运行情况、状态监测的一般信息。主要包括隔离开关、接地刀闸位置状态、主变运行档位及设备正常操作时的伴生信号, 保护投/退, 故障录波器、收发信机等设备的启动、复归信号, 测控装置就地/远方等。该类信息需定期巡视。

3 信息规范的执行及效果

在管理上, 及时编制信息规范标准, 使在变电站设计、设备招标、安装调试、设备验收各个环节都执行统一的信息规范。监控人员通过查阅信息规范就能够很好地理解每一条信息的具体含义, 进行信息分析和处理时也更加得心应手。

3.1 变电站的设计环节是信息规范的源头。

在设计时, 设计人员应执行统一的标准, 使用统一的新国标绘制图纸, 在标注和遥信信息标注方面使用统一的信息规范进行描述、分级。这样就能为变电站设备的安装调试和技改环节为监控信息按照统一规范进行分级分类设置提供依据。同时不同厂家的继电保护装置, 遵从统一的IEC61850协议, 在综自系统中就可以对同样的信息按照统一的信息规范标准进行设置而不会影响到装置的正常运行。从安装的源头保证了各类信号及分类的准确性。

3.2 在变电站设备验收过程中要加强对监

控信息规范化的验收和主站端和厂站端的信息联调工作。先前的单一变电站和单一设备验收, 对于设备监控信息的规范工作并不做强调, 主管部门和运行管理部门进行设备验收的时候更多的是关注设备本身的状态和上传信息的正确与否。实行变电站无人值班后, 要加强对于信息规范化的验收工作, 对于不够规范的信息分类及时提出意见, 及时改正。对于不必要上传的信息, 通过审查后尽量不要上传, 以减少冗余的信息量, 使监控信息更加简洁明了。实行调控一体化后, 还要加强主站端和厂站端的信息联调工作, 确保信息点对点正确。万州供电局在无人值班改革之初就坚持安排监控人员参与现场设备验收和监控信息验收工作, 实践证明这样监控人员既熟悉了现场设备, 又对监控信息规范化起到了很好的作用。

4 信息优化和展示的执行及效果

4.1 利用调度自动化主站改造的机会对监控信息进行分类分级工作。

调度自动化主站系统, 在2011年由IES500升级至IES600, 新的调度主站具备了信号分类分级显示功能, 在主站改造期间, 对监控所辖的受控变电站的自动化信息进行了信息描述规范和信号的分类分级工作, 对不同类别的信息用不同的颜色进行区分。一类信息用红色显示;二类信息用紫色显示;三类信息用绿色显示;四类信息用灰色显示、五类信息用中蓝显示。在IES600试运行期间, 对监控工作起到了很好的帮助作用。同时将主变冷却器故障、冷却器控制电源消失等重要信息优先等级设为最高, 重要信息显示和声音告警须与其它类信息进行明显区分, 同时务必强化日常监视, 以确保电网安全稳定运行。建立调试信息窗, 避免调试信息刷屏, 完善智能语音报警、信息确认后变色归类的运用, 提高监控质量和效率。

4.2 告知信息优化和展示效果。

监控系统的监控界面应按照监控员和运维员的不同工作职责, 进行具体的责任分区和信息分流监视。为避免海量信息干扰电网监控业务, 监控系统监控员界面的实时事项窗应只显示事故、异常、越限、变位等四类信息, 告知信息不在实时事项窗中显示。但监控系统监控员界面应具有告知信息的查阅功能, 以方便监控员在需要时随时调阅。为便于监控员时刻掌控变电设备的运行工况, 要求有条件的监控系统利用相关技术手段对类似于“×××断路器油泵启动”等特殊告知信息设置累计动作计数器, 当该信息在规定的时间内, 累计计数值达到设置的次数后, 将该信息的信息类型由告知信息转变为异常信息。若该信息在规定的时间内, 累计计数值未达到设置次数的, 该信息类型应保持不变。告知信息中的光字牌有“××断路器机构允许远控”、“××断路器弹簧已储能”等, 在设备正常运行时此类光字牌常亮, 影响监控判断和增加巡视时间, 可根据需要要求将此类光字牌做取反处理, 老旧站的该类信息可在主站取反。

4.3 异常信息优化和展示效果。

变电设备在正常运行和操作过程中, 会伴随发出一些相应的信息, 如“弹簧未储能、控制回路断线、机械合闸闭锁、装置通信中断”等可短时复归的信号。为避免该类信息干扰监控人员对设备的正常运行监视, 可在监控系统监控界面中对该类信息设置延时屏蔽。当延时计数值达到设置的时间后, 若该信息还未复归, 应将该信息在异常信息显示窗中进行显示。若该信息在达到延时计数值之前已复归, 则该信息不在异常信息窗中显示。如设备发生缺陷或地区负荷波动, 导致信号误发或频发, 信号得到现场确认或已安排处理后应人工短时屏蔽;由于设备运行条件不具备, 造成长期上送异常信号, 由厂站端屏蔽或做相应处理。

4.4 越限信息优化和展示效果。

采用定值单管理模式进行管理和设置, 对母线电压越限信息量大的情况采取延时措施, 延时到达后信号未复归按分类要求进行越限信息告警。

4.5 事故信息优化和展示效果。

在电网发生事故时, 各类继电保护装置将发出大量相关动作信息, 监控系统收到的事故信息量大, 监控员不能立即确认引起事故的直接动作信息。监控系统可逐步开展智能判断, 对实时事故信息进行智能综合描述, 减少实时事项窗的事故信息量。

结语

监控信息的规范工作对于监控人员日常的监控、分析、判断起着至关重要的作用。在各类信息规范的基础上进行分类分级工作, 更加有利于对设备运行状态的监控和评估。监控信息的规范工作和分类分级要在变电站设计、安装调试、设备验收全过程进行把关, 每个环节都遵从统一的标准。做好监控信息的分类和合理的展示工作是减轻监控人员劳动强度和保障电网和设备正常运行的重要技术关键。

摘要：随着“大运行”体系的建立, 随着电网自动化技术的不断发展, 变电站“五遥”功能 (遥测、遥信、遥控、遥调、遥视) 得以充分体现。在调控一体化值班管理模式下, 对监控信息不规范的原因进行分析, 通过制定监控信息规范, 优化信息分类和展现方式, 为电网调控业务提供坚强的技术支撑。

关键词：调度监控信息,分类,展现,技术支撑

参考文献

[1]王素芳.公交车辆调度监控系统的研究与应用2005-01-01

[2]闫有朋.刘建军山西电网调度监控系统的网络结构1993-12-31

分类优化 篇2

一、校园垃圾的特点

通过为期一个月的数据收集，我们得出以下数据:从整体上来看，校园垃圾中所占比重最大的是餐厨垃圾，所占比重约为71%，生活垃圾中可用于回收利用的废纸约占11%，塑料包装则占8%左右，废电池、碎玻璃等有害垃圾约占4%，其他占6%。从局部来看，在教学区、办公楼，垃圾主要以废纸为主;学生寝室则集中了食品的塑料包装以及少部分的食品;而食堂则以餐饮垃圾为主，包括了一次性的饭盒、剩菜剩饭等餐厨垃圾。总的来说，相比城市垃圾，校园垃圾在分类上更为简单，在组成上层次分明，没有太多特殊的有毒有害垃圾;同时，在校学生相较于一般社会群体，对垃圾分类的相关知识也有着更多的了解。因此，校园垃圾实现分类回收、集中处理的潜力很大。

二、实验设计

(一)实验目的

该实验的进行，是为了佐证当大学生在受过相当程度的垃圾分类回收的相关知识的公益宣传后，会形成一种较好的思想意识，这种基于政策环境而产生的意识，可以引导大学生积极地投入到垃圾分类回收这一有利的活动中来。进而论证在大学校园内从大学生群体意识上来说，推行垃圾分类回收是具有可行性的。

(二)实验内容

问卷的设计该问卷总共包括了14个选项，除第1题生源地选择外，其余13题均为很不符合、不太符合、一般符合、较为符合、完全符合的五分法选项。例如以下选项:4．你的家乡随处能见到普及垃圾分类知识的相关宣传画册、海报或公益广告。5．你认为日本、瑞士等等强制要求公民进行家庭垃圾分类，未进行分类时可能受到处罚，是合理而且有效的管理方式。6．你家乡的同学、朋友以及家人们对垃圾分类的相关知识都有较全面的了解。7．在你周围，有能够将垃圾分类行动贯彻得很好的个人或者家庭。8．如果要求公民都对其生活垃圾进行分类后再做丢弃将会增加公民的负担，而这种负担将超过其所能带来的社会效益。9．你觉得在学校开展垃圾分类活动付出的成本将会大于它的收益。10．你能够较好第对垃圾中的可回收垃圾、不可回收垃圾和有害垃圾进行判断。11．在扔垃圾时，你会有意识地根据垃圾桶上的分类回收标识(如果有的话)进行分类。13．如果要求你们对寝室的垃圾先进行初步分类再进行丢弃，这对你来说将是是困难的。14．你认为进行了校园垃圾分类处理后对你的益处是显而易见的。其中，第4、5、6、7题为一个体系，其主要目的是用于对被测者所在环境的判断，具体来说，将其赋值并统计后可以看出被测者生活环境中垃圾分类相关知识的普及程度，并通过得分的分数段0～10，10～12，12以上将其分为环境较差、环境中等和环境较好;其余题目为一个体系，亦通过赋值的方式，根据上一组数据的分组，将其数据录入，其设计主要是针对于测量被测者对于垃圾分类回收的态度和意识，若其具有较高的态度得分，则我们认为该名被测者在垃圾分类回收的实现过程中更有可能履行自己的`职责，而如果分数较低，则可能性亦会降低。从上述陈述中不难看出，被测者的生活环境政策宣传的力度与其最终持有何种态度情感可能存在联系，因而在回收问卷后，我们通过将赋值后的数据录入到spss软件中，进行单因素分析，将“环境较差”、“环境中等”和“环境较好”三组进行比较，查看其方差以及显著性以得出其关系。

三、实验结论

只有当政策宣传到达一定的程度，人的这方面的意识和行为才能符合垃圾分类回收的要求，该地区政策宣传、相关知识覆盖得更好，该地区的人们总体上来说就会更倾向于认同并且落实垃圾分类回收的政策，才能认识到他们为此做出的付出对其本身是利大于弊的。从问卷本身的回收情况来看，来自农村地区的被测者分数往往低于来自城市的，表明其所在环境的相关政策宣传及知识的普及力度欠缺，导致了其对于垃圾分类回收不能在态度上和行动上积极配合;而城市地区一般较农村地区得分高。可见，在我国广大农村和欠发达地区，有关垃圾分类回收的政策宣传力度和教育普及还远远不够。

四、解决措施

根据上述对校园垃圾的状况、疑难点的分析以及相关实验，不难看出，要想着手解决校园垃圾分类回收这一问题，必要做到以下几点:

(1)从政府层面来看，必须加强垃圾分类回收相关知识的宣传与教育工作，尽快出台相关政策法规加以引导，尤其是在农村地区、西部欠发达地区。

(2)从学校层面来看，需要在校园内加强垃圾分类回收知识的宣传，多举办与之相关的公益活动，招募大学生志愿者参与相关活动，从而提高其在垃圾分类相关方面的素质。刘芬，等:高校生活垃圾分类体系的优化及其可行性分析933)从硬件设施上看，学校需要考察垃圾桶的分布密度，合理规划垃圾桶的布局。同时，在选购垃圾桶时，购买具有垃圾分类功能的垃圾桶。

(3)从软件方面看，学校应该多印发相关的宣传资料，在校报及bbs等网络媒体上进行宣传，普及相关知识。

五、校园垃圾分类回收体系的优化

(一)校园垃圾的分类

1．分类方案

可回收垃圾:报纸、信封、纸板、纸质包装盒、塑料、废金属、玻璃等。不可回收垃圾:餐厨垃圾，包括剩饭剩菜、果皮、菜叶、茶叶渣、过期食品等;有害垃圾，包括电池、废旧灯管、日用化学品等;尘土及其他。

2．分类思想

(1)可回收垃圾

①废纸的回收。由于学习生活的需要，大学生是纸制品的主要消费者之一，对学习资料、报纸书刊以及各种包装纸的消耗很大。以西南大学为例，生活垃圾中废纸的比例在10%以上。随着书刊印刷、新闻出版、商品包装等行业的发展，纸品的市场需求快速增长，然而森林资源的匮乏使得其原料短缺，废纸作为造纸原料也就显得愈发重要。回收1t废纸能生产好纸0．8t，相当于17棵大树的产纸量，节省3m3的垃圾填埋空间，减少造纸的污染排放75%，节省木材2～3m3，水100m3，化工原料0．3t，煤1．2t，电600kWh。因此，废纸造纸不仅可以保护森林资源，还可以减少环境污染，避免对生态环境的破坏。而每张纸可回收利用至少两次，第一次回收后可印刷成稿纸、便条等，第二次回收后可制成卫生纸。

②废塑料的回收。由调查结果可知，高校生活垃圾中塑料所占比例相当大，其中很多废塑料还可以还原为再生塑料，而所有的废塑料，如废餐盒、塑料瓶、食品袋、软包装盒等都可以回炼为燃油。1t塑料至少能回炼600kg汽油，热解可得到苯、甲苯等芳香烃，加入化学制剂可合成粘合剂，还可生产建材等。若将其填埋处理则需占用大量土地，且难降解;焚烧则会释放有害气体。而回收塑料制品可以变废为宝，既减少了白色污染，又节约了资源。

③废金属的回收。废金属的回收利用工艺简单，有害杂质少，且许多废金属均可直接利用，减少污染，节约投资，降低成本，提高了经济效益。如生产1t再生铝与生产铝相比，可以节省投资87．5%，降低成本40%～58%。

④废玻璃的回收。利用废玻璃再生玻璃，可以节约石英砂、纯碱、长石粉等，节省电力消耗，减少大约32%的能量消耗，以及减少50%的水污染和20%的空气污染。回收利用1t废玻璃可生产篮球场面积大小的平板玻璃，还可节约1t煤炭和0．25t纯碱。而回收一个玻璃瓶所节省的能量可使一只60W灯泡发亮4h。

(2)不可回收垃圾

①餐厨垃圾。包括剩饭剩菜、果皮、菜叶、茶叶渣、过期食品等，通过堆肥发酵的方式可将其处理为有机肥料或饲料。用100万t餐厨垃圾加工饲料，可节省36万t饲料谷用物，生产45000t以上的猪肉。将餐厨垃圾单独收集投放，不仅能够减少环卫部门在垃圾清运过程中能源与人力的消耗，还可以节省大量的填埋占地，避免蚊蝇的滋生。康奈尔大学的校园垃圾一直采用填埋处理，直到才开始进行堆肥化处理，每年处理包括餐厨垃圾等校园垃圾3000～3800t，初始建立系统、购买设备共花费67000美元，但每年节省清运与填埋处理费用11250美元。

②有害垃圾。有害垃圾包括电池、废旧灯管、日用化学品等。以废电池的回收利用为例。据统计，大学生对电池的消耗量占全国电池消耗量的1/8以上，而这些废旧电池大部分均未得到分类收集。电池含有大量的有害物质，未经处理进入环境会对环境与健康造成威胁。废电池中的重金属、废碱、废酸等可回收再利用。以西南大学为例，以人均年消费电池12节计算，年消费量则为60万只以上。以1#锌锰电池为例，若每年收集30万只废旧电池，可节省1．7t碳、0．17t铜、2．3t锌、8．2t锰及一些重金属，同时避免了重金属污染。

③尘土及其他。炉灰和煤渣在垃圾中占较大比例，特别是在北方。综合利用这部分垃圾将成为北方提高垃圾处理率的重要内容。在适当的地方有目的、有步骤地堆放或填埋这部分垃圾，可以达到造田、堆山造园、填海造岛等多种目的。

3．分区收集

(1)学生寝室:学生寝室的主要垃圾为餐厨垃圾和塑料制品，而西南大学学生寝室的垃圾处理方式主要为由学生自行将寝室内的垃圾全部投放至垃圾桶中，未进行分类收集。在落实垃圾分类的相关制度时，首先应对学生进行足够的宣传教育，并为每栋寝室提供相应的供垃圾分类的数个垃圾桶，并写明所盛放垃圾的类别并派出指定人员进行收集。

(2)学生食堂:学生食堂的主要垃圾集中为餐厨垃圾和一次性的纸质餐具或塑料餐具，西南大学的各大食堂在出口收集餐盘处都设有食堂工作人员，因而只需对工作人员进行相关的工作培训，学生配合工作即可实现食堂方面的垃圾分类。

(3)办公区、教学区、校园主干道:这一块区域的垃圾主要为可回收的废纸以及饮品包装，因而可采取的措施可为在教室、办公室外合理布局带有垃圾分类功能的垃圾桶，引导学生、教职工积极配合，相关工作人员及时处理垃圾即可。

(二)其他优化

在项目的进行当中，我们小组调查并分析了西南大学的校园垃圾桶分布情况，并结合实际人流量等情况，提出了本校垃圾桶分布点优化的建议。希望能为营造更美好的校园环境献上自己的一份绵薄之力。

六、结束语

我们国家现阶段所处的物质环境还不是十分有利于垃圾分类回收利用的实施。因此，我们需要加快相关配套设施的建设，在典型地区建立试点，总结经验，在不断实践中尝试与创新，号召社会各界一致行动，早日实现经济发展模式与社会生活模式的转变。

试论课堂语言的分类及优化 篇3

课堂语言，就它的表音功能来说，可分为有声语言和无声语言；就它的表意功能来说，可分为精确语言和模糊语言；就它的教学功能来说，可分为教学语言和组织教学语言；就它的使用风格来说，还可以把它分为口头语言和书面语言。下文就以上的类型，作简单的探讨。

一、有声语言和无声语言

所谓有声语言，是指“有声无形”，主要通过发音来表现的语言，即口舌语言。它是课堂语言的主体。所谓无声语言，是指“有形无声”，主要通过肢体来表现的语言，即体态语言。它是课堂语言的辅助手段。两者结合使用，往往能达到声情并茂的教学效果。

（一）有声语言的优化

1.力求规范化与精确化。规范化，就是要求发音准确，遣词造句合乎语法，说话不随心所欲、夹杂方言、滥用土语。精确化，就是措词恰当，用语得体，说话简洁，思维审慎，合乎逻辑。

2.力求情感性与形象性。语言的情感性表现在：师生之间真诚积极的情感交流，让学生的生理、心理处于积极状态，对教师产生一种亲切的信任感；对学习产生一种积极向上的内驱力。语言的形象性表现在：营造一种轻松和谐的课堂气氛，能使学生产生愉悦感，促进智力发展。

3.力求幽默感与节奏感。语言的幽默感，是指教师说话诙谐风趣。教师借助幽默的语言传授知识，释疑解难、启迪思维，就能打破课堂的沉闷气氛，振奋学生的精神，像春风化雨一般，化解学生的厌学情绪，让学生在欢愉中学习。语言的节奏感，是指教师讲话的速度适中、高低得当、声调抑扬顿挫、情绪起伏迭宕等，也就是说话讲究一点音乐性。

（二）无声优化语言

1.讲究仪表语的形象美。仪表语的形象美，是教师的外在形象在学生面前的亮相。自然、整洁、大方、美观的形象，会令学生赏心悦目；做作、肮脏、俗气、难看的形象，会令学生恶心反感。因此，教师进课堂衣着还是要讲究的。年轻教师的装扮要俏丽而不俗气；年老教师的装扮要端庄而不老气。

2.讲究表情语的暗示美。表情语的暗示美，是教师内心情感的外在流露。表情是教师心灵的窗口。具有优良素质的教师，表情同样能起到交流感情、传递信息的作用。教师微笑的眼神，学生感到亲切愉悦；教师不满的眼神，学生感到内疚不安。

3.讲究举止语的表率美。举止语的表率美，是教师的良好行为对学生素质形成的积极影响。“近朱者赤，近墨者黑”、“身教重于言传”，讲的就是教师的行为对学生的“目染”作用。教师良好的行为，学生看在眼里，记在心里，往往影响着他们的成长。

二、精确语言和模糊语言

所谓精确语言，是指精确地表述事物的数量、大小、范围、程度等的语言。所谓模糊语言，是指模糊地表述事物的数量、大小、范围、程度等的语言。

（一）精确语言的优化

1.在生活中，表述事物的数量有时需要精确，就必须精确。如，有人问：“你校到底有几位老师啊？”那我只能精确地回答：“有14位。”我就不能用“十三四位”或“十几位”来表述。

2.在生活中，表述事物的大小有时需要精确，就必须精确。如“一只大象与一只小象”中的“大”一定比“小”所指的体积“大”，这是无可置疑的。这是一种精确的比较，反映了事物的可比性。

3.在生活中，表述事物的范围有时需要精确，就必须精确。如“气管炎是老年人的多发病、常见病”一句中，“老年人”就是一个精确的年龄范围。离开这个年龄范围，这句话就不对了。

4.在生活中，表述事物的程度有时也需要精确，那也必须精确。如“他是我班学习成绩最好的学生”一句中，“最好”是精确的表述。“最好的”只能指学习成绩第一名的学生，不包括其他的。

（二）模糊语言的优化

1.在生活中，表述事物的数量有时不需要精确，那就模糊表述。如，有人问我：“你校大约有几位教师啊？”我就可以说：“有十三四位吧！”因为只要回答一个大约的数字就行了，无需精确。

2.在生活中，表述事物的大小有时不需要精确，那就模糊表述。如“一只大象与一只大羊”中的“大”，就是模糊语言。因为“大象”的“大”，比“大羊”的“大”所表示的体积要大得多。

3.在生活中，表述事物的范围有时不需要精确，那就模糊表述。如“冠心病、气管炎、糖尿病等，都是老年人的常见病”一句中的“都”，字所包括的范围就很广。这也是一种模糊表述。

4.在生活中，表述事物的程度有时也不需要精确，那也就模糊表述。如“他们是我班学习成绩很好的学生”一句中，“很好的”就是一种模糊表述。它不仅指第一名，还包括第二名、第三名等一批学生。

三、教学语言和组织教学语言

所谓教学语言，是指直接进行教学的语言。如教师授课时的导语、朗读讲解、提问、解答、总结、布置作业等的用语。它是课堂语言的主体。所谓组织教学的语言，是指课堂上教师组织、动员学生集中精力，排除干扰投入学习的语言。

（一）教学语言的优化

1.表述上要通俗易懂、生动活泼。小学生的思维方式以形象思维为主，抽象思维还比较弱。所以，教学语言必须深入浅出、通俗易懂、生动形象，富于儿童特点。

2.风格上要幽默风趣、感情充沛。小学生的情感表现比较明显，具有不稳定性，易于转移。教师的教学语言应幽默风趣、感情充沛，学生的情感就会随着教师的情感转移。

3.方法上要因势利导，有的放矢。小学生接受思想教育，学习知识技能也是有选择的。所以，教学语言应根据学生的实际情况，因势利导，有选择地、有针对性地使用。

（二）组织教学语言的优化

组织教学语言使用的多少，应根据课堂纪律、学生的学习情绪而定。若课堂纪律极好、学生学习情绪极佳，这种语言就可少用或不用，免得占用教学时间；若课堂秩序混乱、学生学习情绪低下，或发生了偶发事件，这种语言就不可不用，但运用时也要恰到好处。

四、书面语言和口头语言

分类优化 篇4

所谓“编组教学、分类指导”, 就是根据学生的学习基础和学习能力等, 进行认真地调查、分析, 在分类的基础上编成优中差三个组, 其目的就是因材施教、分类指导。随差生学习成绩的升降, 差组的成员也不断变化。这种变化是前进方向的变化, 变化的结果应是差生组的逐步解体, 中组和优组成员不断增大。但也应注意:三个组成员的变动, 不能有任何的随意性, 要遵循几个原则: (1) 三个组的调整, 每学期以两次为宜 (学期初和学期中) , 制定各组标准由学校严格验收, 任课教师不得随意变动。 (2) 各组成员的变动, 要以学习成绩的升降作为对学生的考核依据, 必要时与家长取得沟通, 使其掌握学生的学习动态。 (3) 各组成员的每次变动情况和学生学习升降情况、学校和班主任均要有具体的记录, 并建好档案, 以便及时分析、及时采取措施。 (4) 各组成员的变动, 要做好过细的思想工作, 对学习进步的要积极鼓励, 促其继续努力, 不断前进, 对学习成绩下降或进步不快的, 要帮助他们总结教训, 找出差距, 制订计划, 有步骤地补缺提高。“编组教学, 分类指导”贯穿于课堂教学的各个环节, 以保证在课堂教学中的每个阶段都能使不同层次的学生各有所得, 特别是给暂时学得差的学生提供足够的补偿机会。因此, 在编组教学、分类指导中, 要抓住这样几个环节:

(1) 定目标、分阶段的课堂设计。在课堂教学设计中, 要分阶段安排不同层次的教学目标, 保证课堂教学有一定的阶段性, 使不同层次的学生, 特别是低层次的学生能有反馈的机会和补偿的余地。一般安排这样几个阶段:师生信息交流, 教师启发指导, 分组自学辅导, 课堂分层次练习, 整体强化巩固等环节的学习能力。

(2) 多调控、重强化的课堂教学。课堂教学中, 要完成教学目标, 并能保证不同层次的学生都能各有所得, 除了按照课堂教学中的五个阶段进行教学, 还要坚持三个原则:采用总分结构、及时进行调控、坚持不断强化。

(3) 分类型、多形式的课后辅导。课后辅导一般以个别辅导为主, 但同时也要有一定的组织形式。如将优等生组成学科兴趣小组, 参加提高性的辅导活动;中等生分学科建立自学小组, 参加补缺性的辅导活动;差等生建立补课小组, 从最低起点开始, 进行补课性辅导活动。每次活动都要记录, 并把课后辅导的优劣程度, 作为自己工作的镜子, 使今后的课后辅导作为教学工作的一个准则。

(4) 分层次、有梯度的作业练习。作业和练习一般要分两个层次, 即基础性作业和提高性作业。基础性作业, 三个层次的学生全做;提高性作业, 优等生全做, 中等生选做, 差等生能做则做, 做对一题加倍鼓励。

分类优化 篇5

鲁家山垃圾分类处理焚烧发电厂占地约190亩，为垃圾无害化、减量化处理及可再生能源焚烧发电的环境保护工程，建成后日处理垃圾3000吨，将成为北京市现有最大的垃圾焚烧发电厂。

鲁家山速度彰显政府决心

处理好城市生活垃圾是全世界每个大城市面临的共性问题。北京市现在提出了建设有中国特色的世界城市的战略目标，其环境的竞争力越来越受重视。北京在城市化发展过程中，人口、环境、资源的矛盾在垃圾处理层面上表现得日益突出。目前，北京市生活垃圾处理面临的最大问题是垃圾量持续上升，垃圾处理能力严重不足和垃圾处理结构不合理。垃圾处理设施的选址难度大，一般从立项到建设通常需要5至6年的时间。但是在鲁家山，这里开创了鲁家山速度。据北京市发改委资源环境处处长张玉梅介绍，对于鲁家山垃圾分类处理焚烧发电项目，北京市发改委实施了绿色通道，用三个月完成了原需一年的各项前期审批、准备工作。这是非常时期的非常方法，也彰显出政府提高垃圾处理水平的决心和能力。

项目开工取得突破进展

记者在开工奠基仪式上见到了北京市市政市容委副主任陈玲，她早早来到了现场，一直面带笑容，表情愉快。“奠基仪式很顺利，很成功。我们一定要抓住机遇，不断创新，把‘十二五’一系列资源化项目做好。”

陈玲副主任说，鲁家山垃圾处理焚烧发电项目是今年新选址的垃圾，也是目前北京市垃圾分类处理的垃圾厂中规模最大的，预计2012年投入使用。项目建成后主要用于处理门头沟、石景山、丰台和海淀区等西部地区的经分类收集预处理后的生活垃圾。鲁家山垃圾分类焚烧发电项目使北京市推进生活垃圾处理设施建设取得了突破性进展，为北京市环境建设赢得了时间。

门头沟区的服务大局观

众所周知，垃圾选址一直是困扰北京垃圾焚烧处理项目建设的瓶颈问题。记者在奠基仪式上一见到门头沟区区长王洪钟，就立即向他提出了这个问题。王区长曾任北京市市政市容委副主任，对于北京市建设垃圾焚烧发电项目的意义了然于心。他告诉记者压力确实很大，门头沟区政府为项目的推进作了大量艰苦细致的工作，统一了干部群众思想，赢得了广大群众的理解和支持。

门头沟区是革命老区，曾为首都现代化建设贡献了“一盆火”，为改善首都环境、建设西部生态屏障做出了较大贡献。在新一轮首都建设发展中，门头沟区委、区政府从首都环境建设的大局出发，积极配合市相关部门在项目选址、环评等方面积极开展工作，确保了项目的顺利开工。下一步，门头沟区将进一步加大协调配合力度，加快潭柘寺镇路网及鲁家山区周边市政道路建设，为项目建设高效运营创造良好的外部环境。

与首钢转型发展一拍即合

鲁家山区是首钢即将停厂的石灰石矿区，奠基仪式就在山中的一块平地上举行，四周山体还堆积着大量矿石。项目的顺利推进，与首钢正在实施的经济结构转型发展可谓一拍即合。

首钢总公司党委书记、董事长朱继民告诉记者，当前，首钢正在按照中央、北京市的重大决策，全力推进搬迁调整，钢铁业新的布局调整已基本完成，在北京的产业开始进入实施转型发展。鲁家山垃圾焚烧发电项目是首钢实施转型发展高端产业和都市产业的重要项目之一，由首钢总公司全资子公司——北京首钢生物质能源科技有限公司作为建设单位，由北京市政府和北京首钢生物质能源科技有限公司各出资50%共同投资建设。北京首钢生物质能源科技有限公司负责建设、运营和管理，经营期为30年。首钢将此项目定位于环保产业，它在加快北京市生活垃圾的无害化处理，消除环境污染的同时，可循环利用发电，产生新的能源，实现环境效益、社会效益和经济效益相统一。

世界先进水平的垃圾焚烧厂

鲁家山垃圾焚烧发电项目的布局原则是“紧凑、节能、环保、先进”，项目设计的各项环保指标全部达到世界先进水平。大气、水和固体废弃物排放均达到北京2008和欧盟2000等国内外最严格的排放标准，其中废水实现了零排放，每年产生的10万多吨炉渣在用于制造建材后做到了资源循环再利用。垃圾焚烧后的余热也没有浪费，预计每年可发电4.2亿千瓦时，上网电量达3.2亿千瓦时，并可向周边居民供热。厂房、烟囱等项目主体建筑，在规划设计时特意采用了科幻前卫的造型，今后可让前来参观游览的市民特别是孩子们能更好地了解垃圾分类处理焚烧发电、资源循环再利用等高科技环保技术。

对于公众关注的垃圾焚烧产生的二英问题，该项目有先进的技术和严格的指标作管理支撑。该项目的烟气净化采用“半干法脱酸+袋式除尘器+选择性催化还原法（SCR）”相结合的烟气净化工艺，并辅以活性炭和干性脱酸药剂喷射系统。净化处理后的烟气经烟囱排放，其排放指标能够满足北京市地方和欧盟最新最严格的标准，优于国家生活垃圾焚烧环保标准。

项目一期投资21亿元，设计4台750吨/日的机械炉排式生活垃圾焚烧炉及2套30MW凝汽式汽轮发电机组。余热发电相当于每年节约14万吨标煤。其焚烧年产炉渣可用于制备建材实现资源综合利用；而年产飞灰（预计4.2万吨）将直接送危险废弃物处理厂进行高温无害化处理。

鲁家山垃圾分类处理焚烧发电项目的开工建设，将极大提升北京西部环境基础设施和公共服务水平，促进当地环保产业和生态旅游的发展，为首都西部增添了一座集环境保护、科普教育、绿色能源、生态旅游于一体的城市垃圾处理循环经济园区。

北京市生活垃圾处理的里程碑

郭金龙市长在奠基仪式上对鲁家山垃圾焚烧发电项目的开工建设给予了高度评价。他说，鲁家山项目是北京市运用先进理念、先进技术，提高生活垃圾处理水平的一项重点工程，对于优化处理结构、提高处理能力、破解处理难题，具有里程碑式的重要意义。

北京市政府自2009年出台《关于全面推进生活垃圾处理工作的意见》后，增能力、调结构、促减量成为生活垃圾处理的工作思路，北京市市委、市政府更是把生活垃圾处理设施的建设看作是为广大群众办的一件实事。近年来，由于北京市市委、市政府的高度重视，北京市在创新生活垃圾处理方式、加快设施建设、动员市民广泛参与等方面出台了一系列政策措施，取得了有效成果：生活垃圾无害化处理率稳步提高，城市核心区生活垃圾产生量开始下降。

“十二五”时期，按照北京市市委、市政府工作思路，北京市将加快建设资源节约型、环境友好型社会，提高生态文明水平。按照源头减量、资源化利用与末端治理并举的原则，进一步完善政策、落实责任、加大力度，构建垃圾分类收集、再生利用、无害化处理的全过程管理体系，重点解决处理设施建设滞后难题，确保北京市生活垃圾全部实现安全无害化处理，提高资源化利用水平。

分类优化 篇6

一、创设问题情境, 激发学生学习兴趣

在小学数学四边形分类的教学中, 一定要注意激发学生的学习兴趣, 否则就不会有良好的课堂效果。在教学时, 教师可以创设一个问题情境, 使学生置身其中, 积极地思考问题, 以加深对知识的理解。教师在提问题时, 也要注重学生之间的差异。对于学习比较好的学生, 教师可以适当提升问题的难度;对于学习比较弱的学生, 教师要适当降低问题的难度, 从而照顾到每一个学生, 使全体学生都能认真听教师讲课。另外, 在提问时, 教师可以让学生采用多种回答的形式, 可以是小组之间回答、个人回答, 也可以是同学之间相互抢答, 这样, 能够提高学生的学习兴趣。比如, 在教学“平行四边形”这一课时, 教师可以问学生在生活中都见过什么样的图形, 这时学生就会争先恐后地回答, 有正方形、圆形等。之后, 教师就可以引入本节课的教学, 认识平行四边形, 展示课本上的图形, 问学生这些图形都是什么, 并且说出它们的名称。这样, 不仅能调动学生的积极性, 还能加深学生对知识的理解。创设问题情境, 可以使学生在思考中学习到更多的知识。

二、引导学生构建知识框架

小学生在学习数学时, 都是在教师的引导下进行的, 特别是几何的学习, 必须要经过教师的悉心指导, 从而引导学生加深对知识的理解。由于小学阶段的学生身心还没有发展成熟, 所以离不开教师的引导, 因此教师一定要掌握好引导的力度, 既不会让学生感受到模棱两可, 也不会过度地引导, 使学生失去主体性。比如, 在教学“平行四边形”时, 教师带领学生认识完图形之后, 就要引导学生认识图形的性质, 并且对其进行分类。这时, 教师可以提问学生:“刚才看见的图形他们有什么共同点?又有什么不同?”, 让学生自己思考, 也可以小组之间相互交流, 通过对图形进行研究, 从而归纳出四边形的概念, 并且分辨出平行四边形与梯形之间的不同, 两组对边分别平行的四边形叫做平行四边形, 只有一组对边平行的四边形叫做梯形, 从而对它们有一个深刻的认识。教师在教学时, 不要一味地以自我为中心, 要发挥学生的主体性, 教师只负责引导, 开发学生的思维, 使学生通过自己的理解, 建立自己的知识构架, 这样学生会对知识掌握得更加深刻。

三、培养学生的创新能力

小学生正处在心理和智力都快速发展的阶段, 所以, 教师在进行小学数学四边形分类教学时, 要注重培养学生的创新能力, 激发学生的潜力, 为学生以后的学习奠定基础。同样是小学数学四年级“平行四边形与梯形的认识”这一课, 学生在教师的引导下已经对四边形有了一个充分的认识, 并且也学会了平行四边形之间的区别。教师可以为学生开展一节拓展课, 让学生自己动手剪出一些平行四边形以及梯形, 利用他们对平行四边形和梯形的认识, 分好类之后让学生将它们拼在一起, 看看能不能拼出不同类型的图形, 或者是将它们拼在一起看能不能拼出平行四边形或者是梯形。这种形式不仅能提高学生的积极性, 还能培养他们的创新能力, 通过拼接, 学生有可能拼出各种各样的图形, 既能巩固平行四边形的知识, 又能学到新的知识, 为学生以后的学习打下良好的基础。

四、加强课程评价

小学生的内心都非常脆弱, 因此, 需要教师不断地鼓励, 使其充满自信心。在小学数学四边形分类的教学中, 教师一定要注重课程评价的实施, 不管是在课堂还是在课下, 一定要关注学生的变化, 四边形的学习是一个比较复杂的课程, 所以教师一定要帮助学生更好地进行四边形的学习。比如, 在教学“四边形”一课时, 教师在课上时肯定会对学生进行提问, 让学生说出四边形的概念以及分类, 一些学生可能不是十分理解, 在回答的时候可能会遗漏一些, 这时, 教师不要对其进行批评, 要鼓励, 进而增加学生的自信心, 使学生更好地学习四边形的课程。教师的评价能够给学生带来极大的动力, 会使学生对学习产生兴趣。因此, 在教学时, 教师一定要注重课程的评价, 促进学生养成良好的学习习惯。

综上所述, 在进行小学四边形分类教学时, 一定要注重激发学生的兴趣, 从而逐渐深入四边形的知识, 使学生认识到平行四边形和梯形的特征, 进而培养学生的创新思维能力。教师在进行四边形教学时, 还要注重学生之间的差异, 进行有针对性的教学, 另外, 还要重视对学生的评价, 增加学生的信心, 使其更加努力地进行小学数学的学习。

参考文献

[1]邓友祥.小学数学课堂教学评价的认识误区与建议[J].湖南教育, 2004 (10) .

Y银行个人业务分类以及流程优化 篇7

自2004年开始,全国股份制银行开始实施流程再造,都是对银行整体的再造优化。而流程再造优化又是一个持续的过程,随着各要素的变化而不断变化发展,进而逐步优化提升,使其提高自身实力和竞争力。在整体优化和持续改进的同时,还要对其他辅助性项目进行优化提升,持续性改进,达到整体和局部的有效统一;因此本文就从局部角度,即在对银行个人业务量统计和业务分类的前提下对银行个人业务办理流程进行优化改进,提高其服务效率和质量,对其整体改进优化有促进作用和实用意义。

1 Y银行以及个人业务介绍

1.1 Y银行介绍

Y银行是一家在中国市场处于领先地位的股份制商业银行的二级支行,为客户提供全面的商业银行产品与服务。主要经营领域包括公司银行业务、个人银行业务和资金业务,多种产品和服务,在C市中国银行业居于市场领先地位。

1.2 Y银行个人业务介绍

银行个人业务:是指商业银行对个人客户提供的存款、贷款、支付结算等服务。Y银行个人业务主要有:个人贷款业务、个人投资理财业务、便利金融、跨境金融、存取款业务、银行卡、电子银行等。

2 Y银行个人业务分类分析

2.1 Y银行个人业务量统计

Y银行地处C市商业中心边缘,主要个人客户源为周围居住居民、个体商业者,每天的个人业务量较大。通过一段时间的观察登记统计,整理得出个人业务量,未包含其他相关业务(见表1);

2.2 Y银行个人业务分类分析

通过对Y银行个人业务量的统计,测算出每天每项的平均业务量(表2),结合每项业务办理所需的平均时间(表3),进行分类。

综上,可得出表4。

分析得出:个人存取款办理业务数量较多,而办理均时较少;便利金融、个人投资理财银行卡和电子银行两方面都比较适中;跨境金融和个人贷款的业务数量较少,而办理时间均时较大。因此可分为三类:

(单位:位)

(位)

(单位:分钟)

注:办理均时包括从叫号到离柜总时.

(单位:分钟)

高柜类:个人存取款、电子银行、跨境金融、便利金融(代发工资)。

低柜类:个人投资类理财、银行卡、个人贷款、便利金融、其他综合类。

自助化参与类:个人存取款、其他自助类。

对其业务分为三类,打乱原有的办理业务的方式,有针对性和目的的处理业务;从新设计优化办理流程,使其办理效率提高,等待时间减少。

3 Y银行个人业务办理流程优化

3.1 Y银行个人业务办理流程介绍

3.1.1 银行个人业务办理流程界定

为了建立以客户为中心,以客户需求为导向的业务处理流程体系;提高柜面业务处理效率,缩短客户等待时间;提高银行的竞争力。银行个人业务办理是银行服务的第一窗口,设计合理的业务处理流程至关重要。银行个人业务和办理流程较为复杂,而文中所分析的流程是从客户到达银行、咨询、取号、排队、在柜业办理业务以及离开的整个流程为研究对象,这不同于商业银行整体业务流程优化。

3.1.2 Y银行个人业务办理流程

Y银行个人业务办理流程中有四个高柜,三个低柜,五台自动存取设备,一个叫号机和其他相关设备设施等。

业务办理原流程图:

3.2 Y银行个人业务办理流程优化

(1)对取号机的利用和改善,充分利用好业务咨询,进行客户分流。在客户到达取号时,问清所办业务类,是否可以自助办理?是高柜业务还是低柜业务?对取号机所显示的业务类型要进行细分到业务项,取号机和办理人员对接信息,使得在客户取号时把所办业务类型的信息直接传送到办理工作人员手里,避免操作系统的频繁切换,减少操作时间。(2)客户排队等候,除了等候环境的改善外,还要对其自助性操作给以讲解和宣传普及,以减少客户量。(3)操作柜的优化设置,根据分类和业务量,将高低柜的业务项固定为某一项或者几项(最多不要超过3项),减少操作页面的切换,提高操作的熟练程度,进而提高办理效率;但也要注意员工的轮岗。(4)增加相应的设备设施,提高客户自助参与的机会和能力。

改进后,等待时间降低,从原来等待均时40分钟降低到15分钟以内,而满意度也较先前有所提高。

4 总结

综上所述,对取号业务进行细分、对办理业务类信息进行传输、对高低柜业务进行分类和业务项的固定、对自助设备的运用和强化、对工作人员的合理调用和工作量的合理分配等。都是优化改善的重点,其目的还是为了提高整体效率,降低等待时间,提高客户和员工的满意度。

在流程优化改善时还要注意其对象的特殊性,进行差异化改善优化;在银行的其他方面改进时,还用到一些相关技术,如客户身份证件影像及嵌入式核查模块技术等。银行的整体改进优化更是一个系统性的工程,所用到的技术和方法是多方面的,而基础还是IE,目标还是效率的提高,成本的降低。

摘要：根据Y银行个人业务量的统计,对个人业务类型进行分类,并应用于Y银行的个人业务办理流程中;结合IE意识和流程程序分析,对其流程进行优化改善,使其提高Y银行的服务效率、提高客服的满意度、节省时间。

关键词：银行个人业务,分类,流程优化

参考文献

[1]刘桂平.中国商业银行再造[M].北京:中国金融出版社,2002.

[2]朱枫.国有商业银行业务流程再造[J].国际金融研究,2001.

分类优化 篇8

1体育教学方法的定义及分类体系现状

1.1体育教学方法的定义

在教学理论各个概念当中,教学方法的概念可以说是极具复杂的一个概念,尤其是体育教学方法,由于体育专业自身所具有的多样性特点,针对恢复训练、技术动作训练等等都有着不同的教学方法概念,因而体育教学方法也是一个具有复杂性特点的多层次内涵概念。从教育学的角度来看,体育教学方法我们可以将其定义为完成一切体育教学任务的方法、途径或者手段的总称。体育教学方法是贯穿于整个体育教学过程里的一个重要组成部分,能够最大限度的将教学任务的本质目的充分体现,使学生在最短的时间内获得体育知识所带来的最大价值。

1.2体育教学方法分类体系现状

所谓体育教学方法分类,便是指在一切体育活动中所积累和创造出的教学方法依据不同的特点和对象按不同属性区分归类。 目前高中体育教学方法分类体系主要由三种分类方式构成,第一种是以学生获取知识的方式为依据进行分类,例如讲解法、示范法等;第二种是依据不同教学任务进行分类,例如循环练习法、游戏教学法等;第三种是依据其传递信息的功能特性进行的分类,包括视觉、听觉以及触觉等方面的教学方法。然而当前这种分类体系仅仅是依据不同的职能进行划分,有着其自身的局限性和一些不足, 随着时代的发展,在体育教学方法的分类上也呈现出日益多元化的趋势,更为细分也更为科学。

2当前高中体育教学方法分类体系中存在的问题

随着时代的不断发展,体育教学方法分类也不断的改进和完善,然而就目前高中体育教学方法的分类体系情况来看,依然存在着一些不足之处,主要体现在以下几个方面。

2.1教学方法分类科学性有待完善

体育学习的有效性是一个通过教与学共同作用的过程而实现的,单纯注重教法,以教师为主导的体育教学,与素质教育中以学生的理念是相违背的,教学效果必然大打折扣,而过分注重学生学习方法,忽视教师的指导意义也无法有效完成教学任务。因而高中体育教学方法的分类应当紧密联系二者,进行科学分类。就目前高中体育教学方法的分类情况来看,其自身所存在的一个问题便是将教与学割裂开来,针对教法分为一类针对学法分为一类,这显然是不够科学的。体育教学的整个过程教与学二者的关系是相互依存的,任何将二者割裂开来的分类势必无法真正的实现教学目标的有效完成。

2.2对现代体育教育的思想贯彻不够

随着现代体育事业的发展,时代对于我国高中阶段的体育教学提出了更高的要求,为此我国也进行了深入的教育改革,从教学大纲也能看出,高中体育教学其目的不仅仅是为了加强学生的身体素质,更多的是促进学生综合素质的全面发展。然而当前针对高中体育教学方法的分类大多是以技能提升以及体育动作的掌握这些层面的内容为依据,并没有很好的凸显出心理素质、创新能力、 终身运动能力等其他方面的培养方法,这显然和当前的体育教学要求和教育理念是相违背的,不符合体育健康的教学思想。

2.3教学方法的分类缺乏清晰确定的阶段性

在高中阶段的体育教学中,任何一项体育技能的学习和掌握并非一蹴而就的,从初学阶段到提高阶段所呈现的教学要求都是不同的,学生需要通过循序渐进阶段性的过程才能深刻掌握理解体育教学内容,例如初级阶段应以讲解、示范等方法为主,在改进阶段应以纠正、对比等方法为主,而提高阶段就需要重复训练、反复法等方法进行巩固提高,所以对待不同的教学阶段,所采用的教学方法也应当是不同的。而当前的体育教学方法分类大都根据职能、属性进行划分,并没有结合体育教学过程里学习阶段性的特点进行分层次归类划分,从这一点来看,这并不符合体育学科的学习发展规律,这也是当前所存在的一个显著问题。

3高中体育教学方法分类体系的优化

体育教学方法是为了提高体育教学活动的效率,科学合理的体育教学方法分类体系其自身意义也是为了更好的服务于体育教学,使每一种教学方法都能实现最大的价值。由于当前高中体育教学方法的分类体系研究对象有所局限,分类整体层次、结构以及标准都不同,并且存在以上一些问题,因而对其进行优化也是十分必要的。

3.1完善现有体育教学方法分类体系

伴随现代体育事业的高速发展,高中阶段的体育教学目标和教学内容也不断的在改变,这也会使得一些新的理论和方法出现, 高中体育教学方法分类体系如果不能与时俱进,必然无法满足教学要求,所以说其教学方法分类体系的建设也是一个动态的过程, 只有通过不断优化完善这个过程,才能让体育教学方法分类体系更加科学合理,更贴合当前教学的实际情况进而促进教学质量的提高。这就要求除了要对当前现有的分类体系中的方法进行认真审视外,还要对新型的理论和方法进行探究,不断的将这些新方法新理论融合到现有体系中,从而保证体系的健康发展。

3.2对分类体系进行层次性划分

体育教学本身具有多样性多层次的特点,不同的教学目标所对应的教学方法也是不同的,那么这种层次性在体育教学方法分类体中也应当有所体现。体育教学任务的完成通常是由指导思想方法、内容传递方法、内容表达方法这样三个递进的层次来实现的,而当前的分类体系中不同层次的教学方法基本处于一个平行的地位,针对不同层次的教学内容也并没有一个明确的分层划分, 这势必会导致教学方式目标定位的缺失,使得我们在日常的体育教学实践中操作性大打折扣,因此,对体育教学方法分类体系进行层次划分是尤为必要的。

3.3贯彻现代体育教育思想,开发新方法

教学方法是为了完成教学目标而存在的,而教学目标所蕴含的思想也必然应当在教学方法上得到体现。现代高中体育教育理念凸出学生的主体地位,注重学生在体育学习过程中主观能动性的发挥以及综合能力的提升。当前的体育教学方法分类体系中虽然也包含了符合现代教育理念的教的方法和学的方法,并且也有能够体现这种双边关系互动联系的教学方法,但是从整体上而言, 还是有一定的局限性的。通过对不同教学方法的改进,融入现代化教育理念,基于当前分类体系的基础上,探索开发新的方法,也是促进体育教学方法分类体系发展的一个有效途径。

3.4提高教师自身综合业务能力

教师自身的执教能力是科学合理的体育教学方法分类体系得以发挥最大作用的一个重要因素,一个有效的教学方法在运用时如果教师不具备相关的教学能力,必然也无法取得有效的效果。教师应当不断的完善自身的综合业务能力,掌握先进的体育教学方法,摸清楚不同教学方法的特性,积极探索体育教学领域的问题, 增加自身在教学活动中对各类教学方法应用的把握能力,进而更好的服务于学生,提高体育教学的整体效果。

4结语

分类优化 篇9

Vapnik提出的支持向量机理论[1]因其坚实的理论基础和诸多良好特性在近年获得了广泛的关注。在此之前, 实际上假定了所给数据是精确的。但在现实中, 得到的数据总会带有测量或者统计误差, 因此为了建立更稳健的分类器, 文[2]、文[3]对这类问题已有些研究。文[2]对输入带球形扰动的两分类问题提出了稳健的支持向量分类机模型, 并将模型归结为一个二阶锥规划。与关于标准支持向量机的原始问题解集的研究[9]相比较, 稳健的支持向量分类机还缺乏完整的理论分析。因此对稳健的支持向量分类机的原始问题的解集、对偶问题及其与原始问题的关系进行系统的分析是很有必要的。

本文主要对稳健的支持向量分类机的原始问题解的存在唯一性问题、对偶问题及其与原始问题的关系进行了系统深入的分析, 从而完善了稳健的支持向量分类机的优化理论基础。 值得注意的是, 这里涉及到无穷维空间中的二阶锥规划问题。

2 稳健的支持向量分类机

2.1 原始问题的导出

输入为球体扰动的两类分类问题:给定的训练集

${\rm T}=\{(\mathcal{X}{}_1,y{}_1),\cdots ,(\mathcal{X}{}_l,y{}_l)\}(1)$

其中, 输入集合

$\mathcal{X}{}_i=\{x{}_i+r{}_{i}u{}_i:\parallel u{}_i\parallel \le 1\}(2)$

即它是一个以xi为球心、以ri为半径的球体, yi∈Y={1, -1}, i=1, …, l.任务是寻找Rn上的一个实值函数g (x) , 以便用决策函数

$f(x)=\mathrm{sgn}(g(x))(3)$

推断任一模式x相对应的y值。

引进变换

$\text{x}=\Phi (x)(4)$

其中x∈H, H表示Hilbert空间。训练集 (1) 变为

$\text{Τ}=\{(\text{X}{}_1,y{}_1),\cdots ,(\text{X}{}_l,y{}_l)\}(5)$

其中, $\text{X}{}_i=\{\Phi (\tilde{x}{}_i)|\tilde{x}{}_i$位于以xi为球心, 以ri为半径的球内}。

若变换 (4) 对应于高斯核 K (x, x′) =exp (-‖x-x′‖2/2σ2) , 则当$\parallel \tilde{x}{}_i-x{}_i\parallel \le r{}_i$时, 有

$\parallel \Phi (\tilde{x}{}_i)-\Phi (x{}_i)\parallel {}^2=2-2\exp (-r{}_i{}^2/2\sigma {}^2)(6)$

因此这时Xi在以Φ (xi) 为球心、以ri为半径的球内, 其中ri= (2-2exp (-r2i/2σ2) ) 1/2, 这样可得训练集 (5) 的原始优化问题为

$\begin{array}{l}\underset{\text{w},b,\xi ,u,v,t}{{\displaystyle \min }}\frac{1}{2}(u-v)+C{\displaystyle \sum _{i=1}^l\xi }{}_i(7)\\ \text{s}.\text{t}.y{}_i((\text{w}\cdot \Phi (x{}_i))+b)-\text{r}{}_{i}t\ge 1-\xi {}_i,i=1,\cdots ,l(8)\\ \xi {}_i\ge 0,i=1,\cdots ,l(9)\\ u+v=1(10)\\ \sqrt{t{}^2+v{}^2}\le u(11)\\ \parallel \text{w}\parallel \le t(12)\end{array}$

其中, ri= (2-2exp (-r2i) /2σ2) 1/2, w∈H, b, u, v, t∈R, ξ∈Rl.

值得注意的是, 引入变换后的训练集 (5) 是属于Hilbert空间, 相应的原始优化问题 (7) ～ (12) 也是属于Hilbert空间中的一个二阶锥规划。本文主要对问题 (7) ～ (12) 关于 (w, b) 的解的存在唯一性问题、对偶问题及其与原始问题的关系做了系统深入的研究。

2.2 原始问题的解的存在唯一性问题

注意到决策函数是由原始问题 (7) ～ (12) 的解 (w*T, b*, ξ*T, u*, v*, t*) T中的 (w*T, b*) T决定的, 所以先给出以下定义:

定义1 称 (w*T, b*) T为原始问题 (7) ～ (12) 关于 (wT, b) 的解, 如果存在ξ*, u*, v*, t*, 使得 (w*T, b*, ξ*T, u*, v*, t*) T是该问题的解。类似地, 称w*和b*分别为问题 (w*T, b*, ξ*T, u*, v*, t*) T关于w和b的解, 如果分别存在着b*, ξ*, u*, v*, t*和w*, ξ*, u*, v*, t*, 使得 (w*T, b*, ξ*T, u*, v*, t*) T是该问题的解。

要得到原始问题 (7) ～ (12) 关于w的解的唯一性定理, 先给出下面的结论, 此结论是[9]中Theorem 1的一个推广。

引理1 考虑优化问题

$\begin{array}{l}\text{m}\text{i}\underset{z}{{\displaystyle \text{n}}}F(z)(13)\\ \text{s}.\text{t}.z\in \mathcal{D}=\{z|c{}_i(z)\ge 0,i=1,\cdots ,m\}(14)\end{array}$

其中, F (z) =f (x) +g (y) , z= (xT, yT) T∈H×Rk, f (x) 是定义在H上的一个实值严格凸函数, g (y) 是定义在Rk上的一个实值凸函数。又设问题 (13) ～ (14) 的可行域D是一个凸集。那么对问题 (13) ～ (14) 关于x的解是唯一的。

由引理1可知, 原始问题 (7) ～ (12) 关于w 的解有如下定理:

定理1 原始问题 (7) ～ (12) 关于w的解是存在唯一的。

原始问题 (7) ～ (12) 关于阈值b的解可能不唯一, 与标准支持向量分类机有类似的结论[6,9], 下面我们不加证明地给出相应的结论。

定理2 原始问题 (7) ～ (12) 关于b的解是一个闭区间$[\underset{¯}{b},\overline{b}]$, 这里$\underset{¯}{b}\le \overline{b}.$即存在着$\underset{¯}{b}\le \overline{b},$使得当且仅当$b{}^{*}\in [\underset{¯}{b},\overline{b}]$时, 存在着w*, ξ*, u*, v*, t*, 使得 (w*T, b*, ξ*T, u*, v*, t*) T是原始问题的解。

定理3 对于原始问题 (7) ～ (12) , 存在w*∈H和$\underset{¯}{b},\overline{b}\in R$, 使得该问题关于 (wT, b) T的解的集合可表示为

$\{(\text{w}{}^{\text{Τ}},b)|\text{w}=\text{w}{}^{*},b\in [\underset{¯}{b},\overline{b}]\}(15)$

下列定理给出了集合 (15) 中$\underset{¯}{b}<\overline{b}$的充要条件, 即原始问题 (7) ～ (12) 关于b的解不唯一的充要条件。

定理4 设 (w, b) 为原始问题 (7) ～ (12) 的解, 由此定义如下的指标集:

$\begin{array}{l}{\rm N}{}_1=\{i|y{}_i=1,(\text{w}\cdot \Phi (x{}_i))+b-\text{r}{}_{i}t<1\}\\ {\rm N}{}_2=\{i|y{}_i=-1,(\text{w}\cdot \Phi (x{}_i))+b-\text{r}{}_{i}t>-1\}(16)\\ {\rm N}{}_3=\{i|y{}_i=1,(\text{w}\cdot \Phi (x{}_i))+b-\text{r}{}_{i}t=1\}\\ {\rm N}{}_4=\{i|y{}_i=-1,(\text{w}\cdot \Phi (x{}_i))+b-\text{r}{}_{i}t=-1\}(17)\end{array}$

并记|Ni|为集合Ni (i=1, 2, 3, 4) 所含元素的个数, 则集合 (15) 中的$\underset{¯}{b}<\overline{b}$的充要条件是当且仅当下面两个情况至少有一个成立:

(1) |N1|=|N2|+|N4|;

(2) |N2|=|N1|+|N3|。

2.3 对偶问题及其与原始问题的关系

为通过求解对偶问题得到原始问题的解, 我们首先导出对偶问题。

定理5[2] 二阶锥规划 (7) ～ (12) 的对偶问题为

$\begin{array}{l}\underset{\beta ,z{}_u,z{}_v,\gamma ,\alpha }{{\displaystyle \max }}\beta +{\displaystyle \sum _{i=1}^l\alpha }{}_i(18)\\ \text{s}.\text{t}.\gamma \le {\displaystyle \sum _{i=1}^l\text{r}}{}_i\alpha {}_i-\sqrt{{\displaystyle \sum _{i=1}^l{\displaystyle \sum _{j=1}^l\alpha }}{}_i\alpha {}_{j}y{}_{i}y{}_j{\rm K}(x{}_i,x{}_j)}(19)\\ \beta +z{}_u=\frac{1}{2},\beta +z{}_v=-\frac{1}{2}(20)\\ {\displaystyle \sum _{i=1}^{l}y}{}_i\alpha {}_i=0(21)\\ 0\le \alpha {}_i\le C,i=1,\cdots ,l(22)\\ \sqrt{\gamma {}^2+z{}_v{}^2}\le z{}_u(23)\end{array}$

其中, ri= (2-2exp (-r2i) /2σ2) 1/2.

在研究Hilbert空间中稳健的支持向量分类机的原始问题和对偶问题的解的关系时, 需要下面的引理。

由文[8]中的在Hilbert空间中的二阶锥$\mathcal{Q}=\{z=(z{}_0,\overline{z})\in R\times \mathcal{H}$:$\parallel \overline{z}\parallel \le z{}_0\}$的定义以及二阶锥Q 是自对偶的, 可将文[5]中的Lemma15推广到Hilbert空间, 具体的描述如下:

引理2 (互补条件) 假设z= (zT1, …, zTm) T∈Q, y= (yT1, …, yTm) T∈Q, Q=Q1×Q2×…×Qm (即zi⪰Qi0, yi⪰Qi0, i=1, 2, …, m) , 那么zTy=0, 即zTiyi=0, i=1, …, m等价于:

(i) $z{}_i^{{\rm T}}y{}_i=z{}_{i0}y{}_{i0}+\overline{z}{}_i^{{\rm T}}\overline{y}{}_i=0,i=1,2,\cdots ,m(24)$

(ii) $z{}_{i0}\overline{y}{}_i+y{}_{i0}\overline{z}{}_i=0,i=1,2,\cdots ,m(25)$

定理6 设 (α*T, β*, z*u, z*v, γ*) T是对偶问题 (18) ～ (23) 的任一解, 其中α*= (α*1, …, α*l) T.若存在着α*的分量0<α*j<C, 原始问题 (7) ～ (12) 关于 (w, b) 的解是存在唯一的。进一步, 此时问题对 (w, b) 的解 (w*, b*) 可表为

$\text{w}{}^{*}=\frac{\gamma {}^{*}}{\gamma {}^{*}-{\displaystyle \sum _{i=1}^l\text{r}}{}_i\alpha {}_i^{*}}{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}y{}_i\Phi (x{}_i)(26)$

和

$b{}^{*}=y{}_j-\frac{\gamma {}^{*}}{\gamma {}^{*}-{\displaystyle \sum _{i=1}^l\text{r}}{}_i\alpha {}_i^{*}}{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}y{}_i{\rm K}(x{}_i,x{}_j)-r{}_j\gamma {}^{*}(27)$

其中, ri= (2-2exp (-r2i) /2σ2) 1/2.

证明 首先证明对偶问题 (18) ～ (23) 和原始问题 (7) ～ (12) 都是严格可行的。由于问题 (18) ～ (23) 是一个有限维空间中的凸规划问题, 可以找到该问题的一个严格可行解。因此问题是严格可行的。要证明问题 (7) ～ (12) 是严格可行的, 找到问题的一个严格可行解即可。令$\parallel w{}^{*}\parallel =\frac{1}{11},w{}^{*}\in \mathcal{H},u{}^{*}=\frac{9}{10},v{}^{*}=\frac{1}{10},t{}^{*}=\frac{1}{10},b{}^{*}=0$, 容易验证w*, u*, v*, t*, b*满足约束 (10) ～ (12) 且是不等式严格成立。进一步, 对任意的C>0, 存在ξ*使得w*, u*, v*, t*, b*满足不等式约束 (8) ～ (9) 且使不等式严格成立, 由此可见问题 (7) ～ (12) 是严格可行的。

若 (α*T, β*, z*u, z*v, γ*) T是对偶问题 (18) ～ (23) 的解, 根据无穷维空间中的一般锥规划的KKT条件[7], 可知对偶问题存在Lagrange乘子t* , w*, u*, v*, z*1, z*2, z*γ, b*, ξ*, η*满足:

-1-t*ri-yi (w*·Φ (xi) ) -η*i+ξ*i=0,

η*i≥0, ξ*i≥0, i=1, …, l (28)

0≤α*i≤C, η*iα*i=0, ξ*i (C-α*i) =0, i=1, …, l (29)

$\begin{array}{l}{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}y{}_i=0,u{}^{*}+v{}^{*}=1(30)\\ \left(\begin{array}{c}t{}^{*}\\ \text{w}{}^{*}\end{array}\right){}^{{\rm T}}\left(\begin{array}{c}{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}\text{r}{}_i-\gamma {}^{*}\\ {\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}y{}_i\Phi (x{}_i)\end{array}\right)=0,\\ \left(\begin{array}{c}t{}^{*}\\ \text{w}{}^{*}\end{array}\right)\in \mathcal{Q},t{}^{*}\in R,\text{w}{}^{*}\in \mathcal{H}(31)\\ \left(\begin{array}{c}u{}^{*}\\ v{}^{*}\\ t{}^{*}\end{array}\right){}^{{\rm T}}\left(\begin{array}{c}z{}_u^{*}\\ z{}_v^{*}\\ \gamma {}^{*}\end{array}\right)=0,\left(\begin{array}{c}u{}^{*}\\ v{}^{*}\\ t{}^{*}\end{array}\right)\in \mathcal{Q}{}^3(32)\end{array}$

式 (28) 蕴含着

$\begin{array}{l}-1-t{}^{*}\text{r}{}_i-y{}_i(\text{w}{}^{*}\cdot \Phi (x{}_i))+\xi {}_i^{*}\ge 0,\\ \xi {}^{*}\ge 0,i=1,2,\cdots ,l(33)\end{array}$

再结合

$u{}^{*}+v{}^{*}=1,\left(\begin{array}{c}t{}^{*}\\ \text{w}{}^{*}\end{array}\right)\in \mathcal{Q}$

, 可知 (t*, w*T, b*, u*, v*, ξ*) T满足原始问题 (7) ～ (12) 的约束条件, 是可行解。

由于

$\left(\begin{array}{c}t{}^{*}\\ \text{w}{}^{*}\end{array}\right)\in \mathcal{Q},t{}^{*}\in R,\text{w}{}^{*}\in \mathcal{H},\left(\begin{array}{c}{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}\text{r}{}_i-\gamma {}^{*}\\ {\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}y{}_i\Phi (x{}_i)\end{array}\right)\in \mathcal{Q},{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}\text{r}{}_i-\gamma {}^{*}\in R,{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}y{}_i\Phi (x{}_i)\in \mathcal{H}$

, 由引理2, 式 (31) 与下列两式等价:

$\begin{array}{l}t{}^{*}\left({\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}\text{r}{}_i-\gamma {}^{*}\right)+{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}y{}_i(\text{w}{}^{*}\cdot \Phi (x{}_i))=0(34)\\ t{}^{*}{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}y{}_i\Phi (x{}_i)+\left({\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}\text{r}{}_i-\gamma {}^{*}\right)\text{w}{}^{*}=0(35)\end{array}$

由文[5]中Lemma15知, 式 (32) 与下列两式等价:

$\begin{array}{l}u{}^{*}z{}_u^{*}+v{}^{*}z{}_v^{*}+t{}^{*}\gamma {}^{*}=0(36)\\ u{}^{*}\left(\begin{array}{c}v{}^{*}\\ t{}^{*}\end{array}\right)+z{}_u^{*}\left(\begin{array}{c}z{}_v^{*}\\ \gamma {}^{*}\end{array}\right)=0(37)\end{array}$

由式 (34) ～ (35) , (36) ～ (37) 以及z*u-z*v=1可得:

$\begin{array}{l}u{}^{*}=z{}_u^{*},v{}^{*}=-z{}_v^{*},t{}^{*}=-\gamma {}^{*}(38)\\ \text{w}{}^{*}=\frac{\gamma {}^{*}}{\gamma {}^{*}-{\displaystyle \sum _{i=1}^l\text{r}}{}_i\alpha {}_i^{*}}{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}y{}_i\Phi (x{}_i)(39)\end{array}$

进一步, 由式 (28) ～ (32) 以及式 (38) ～ (39) , 有

$-\frac{1}{2}(u{}^{*}-v{}^{*})-C{\displaystyle \sum _{i=1}^l\xi }{}_i^{*}=-\beta {}^{*}-{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}(40)$

表明对偶问题 (18) ～ (23) 在 (α*T, β*, zu*, zv*, γ*) T处和原始问题 (7) ～ (12) 在 (t*, w*T, b*, u*, v*, ξ*T) 处的目标函数值相等。由文[8]中的Theorem 4可知, (t*, w*T, b*, u*, v*, ξ*T) 是原始问题的解。

另一方面, 由定理1可知, 原始问题 (7) ～ (12) 关于w的解是唯一的, 因此式 (26) 成立。要计算阈值b*, 考虑KKT条件

$\begin{array}{l}\alpha {}_i^{*}(y{}_i((\text{w}{}^{*}\cdot \Phi (x{}_i))+b{}^{*})-1-tr{}_i+\xi {}_i^{*})=0(41)\\ \xi {}_i^{*}(C-\alpha {}^{*})=0(42)\end{array}$

若存在α*i∈ (0, C) , 由于对对偶问题 (18) ～ (23) 的任意一个解都有上面两式成立, 所以若存在α*i∈ (0, C) , 则原始问题 (7) ～ (12) 关于b的解是唯一的, 且根据式 (41) ～ (42) 可推出 (27) 。

上面的定理给出了原始问题 (7) ～ (12) 关于 (w, b) 的解唯一时, w和b的计算方法。下面的定理给出当原始问题 (7) ～ (12) 关于w的解仍然唯一, 但关于b的解不一定唯一时, 如何计算w和b.

定理6 设 (α*T, β*, zu*, zv*, γ*) T是对偶问题 (18) ～ (23) 的任一解, 其中α*= (α*1, …, α*l) T.若不存在着α*的分量0<αj*<C, 原始问题 (7) ～ (12) 关于w的解仍然是存在唯一的, 但对b的解存在并不一定唯一。此时原始问题关于 (wT, b) 的解的集合可表示为:

$\{(\text{w}{}^{\text{Τ}},b)|\text{w}=\text{w}{}^{*},b\in [\underset{¯}{b},\overline{b}]\}(43)$

其中

$\begin{array}{l}\text{w}{}^{*}=\frac{\gamma {}^{*}}{\gamma {}^{*}-{\displaystyle \sum _{i=1}^l\text{r}}{}_i\alpha {}_i^{*}}{\displaystyle \sum _{i=1}^l\alpha }{}_i^{*}y{}_i\Phi (x{}_i)(44)\\ \underset{¯}{b}=\max \{\underset{i\in S{}_{-}}{{\displaystyle \max }}(-1-(\text{w}{}^{*}\cdot \Phi (x{}_i))-\text{r}{}_i\gamma {}^{*}),\\ \underset{i\in V{}_{+}}{{\displaystyle \max }}(1-(\text{w}{}^{*}\cdot \Phi (x{}_i))-\text{r}{}_i\gamma {}^{*})\}(45)\\ \overline{b}=\min \{\underset{i\in S{}_{+}}{{\displaystyle \min }}(1-(\text{w}{}^{*}\cdot \Phi (x{}_i))-\text{r}{}_i\gamma {}^{*}),\\ \underset{i\in V{}_{-}}{{\displaystyle \min }}(-1-(\text{w}{}^{*}\cdot \Phi (x{}_i))-\text{r}{}_i\gamma {}^{*})\}(46)\end{array}$

这里, S+={i|α*i=C, yi=1}, V+={i|αi*=0, yi=1}, S-={i|α*i=C, yi=-1}, V-={i|α*i=0, yi=-1}, ri= (2-2exp (-r2i) /2σ2) 1/2.

证明 由定理1可知, 原始问题 (7) ～ (12) 关于w的解是唯一的。另外, 由定理6的证明过程知, 存在ξ*, u*, v*, t*, 使得 (w*T, b*, ξ*T, u*, v*, t*) T时原始问题解的充分必要条件是KKT条件 (28) ～ (32) 成立。若不存在α*的分量0<αj*<C, 即αi*=0或C, i=1, …, l. 此时由KKT条件即可得$b{}^{*}\in [\underset{¯}{b},\overline{b}]$, 其中$\underset{¯}{b}$和$\overline{b}$分别由式 (45) 和式 (46) 定义。

3 结论

最优化理论是支持向量机的重要理论之一, 针对目前稳健的支持向量分类机对此尚缺少严密论述的现状, 本文研究了稳健的支持向量分类机的原始问题的解的存在唯一性问题, 对对偶问题及其与原始问题的关系也做了系统的研究, 从而为建立算法提供了理论依据。 应当指出, 当问题 (7) ～ (12) 中的映射Φ (x) 为线性映射, ri=ri时, 问题就退化为稳健的线性支持向量分类机的原始问题。因此, 本文第2节中所得的结论对稳健的线性支持向量分类机也是成立的。

参考文献

[1]Vapnik V.The nature of statiscal learning theory[M].New York:Springer, 1995.

[2]Goldfarb D, Iyengar G.Robust convex quadraticallyconstrained programs[J].Math.Program., 2003, Ser.B 97:495~515.

[3]Zhong P, Fukushima M.Second order cone pro-gramming formulations for robust multi-class clas-sification[J].Neural Computation, 2007, 19 (1) :258~282.

[4]Boyd S, Vandenberghe L.Convex optimization[M].Cambridge University Press, 2004.

[5]Alizadeh F, Goldfarb D.Second-order cone pro-gramming[J].Math.Program., 2003, Ser.B 95:3~51.

[6]邓乃扬, 田英杰.数据挖掘中的新方法——支持向量机[M].北京:科学出版社, 2004.

[7]Borwein J M.Optimization with respect to partialorderings[D].Jesus College, Oxford University, 1974

[8]Faybusovich L, Tsuchiya T.Primal-dual algo-rithms and infinite-dimensional Jordan algebras offinite rank[J].Math.Program., 2003, Ser.B 97:471~493.

分类优化 篇10

近年来,随着网络技术和网络规模的迅速发展,网络入侵可能性越来越大,网络攻击行为和手段越来越多,网络安全问题日益突出,入侵检测成为网络安全领域研究的热点。目前机器学习技术已经成功应用到入侵检测系统,入侵检测算法和大多数机器学习算法一样,要依赖于有标记样本数据。标记数据获取困难,它需要专业人员花费大量时间去收集和识别。由于无标记样本容易获取,利用少量标记数据进行指导学习的半监督机器技术[1]被广泛关注。半监督支持向量机(Semi-Supervised Support Vector Machines,S3VM)是一种通用有效的半监督机器学习方法。目前已经应用到入侵检测中,它的主要思想是从学习产生的多个大边缘低密度分类决策面(见图1)中找到一个最优分类决策面[2]。虽然提高了训练和检测速度,但S3VM舍弃了相当数量的分类决策面,具有一定的风险,可能会降低模型的预测精确度,另外在基于数量有限的已标记样本,很难决定哪个分类决策面是最优(已标记样本与学习出的分类决策面非常吻合)[3,4]。

针对上述问题,提出一种优化多分类决策面S3VM入侵检测方法(MLL＿S3VM),给出了理论分析和实验结果。实验结果表明,MLL＿S3VM与其它一些S3VM算法相比有较高的分类准确率。

1 半监督支持向量机

半监督支持向量机首次相近的研究是Vapnik[5]提出的直推式支持向量机(Transductive Support Vector Machine,TSVM),Joachims等人在1999年首次编码实现,其主要思想是:利用少量已标记样本和大量的未标记样本,学习到一个通过低样本密度区域的分类器模型。

在给定一个训练集中包含n个样本,其中包括l个有标记样本 {(xi,yi)}${}_{i=1}^l$,y∈{+1,-1}。u个无标记样本{x*j}${}_{i=1}^u$,n=l+u,那么S3VM可以描述为如下的优化问题

$\min \frac{1}{2}\parallel \omega \parallel {}^2+C{}_1{\displaystyle \sum _{i=1}^l\xi }{}_i+C{}_2{\displaystyle \sum _{j=1}^u\xi }{}_j^{*}(1)$

约束条件为 y(ωxi+b)≥1-ξi, 1≤i≤l;

(ωx*i+b)≥1-ξ*i, 1≤i≤u;

ξi≥0,ξ*i≥0。

参数C1为参数有标记样本集上的惩罚因子,C2为无标记样本在训练过程中的影响因子。ξi为有标记样本xi对应的松弛变量,ξ*j为无标记样本x*j对应的松弛变量。

S3VM为了学习出一个最优的分类器,舍弃了相当数量的分类决策面,另外在已标记样本与学习出的分类决策面非常吻合的情况下,很难决定哪个大边缘低密度分类决策面是最优的。如果随便选择其中之一作为未标记样本的最终分类器,可能会降低分类的精确度,所以需要一些先验知识来区分这些分类决策面。

2 多低密度分类决策面S3VM

为了克服传统的S3VM随机选取一个分类面会降低模型分类精确度的缺陷,提出一种优化多分类决策面S3VM入侵检测方法(MLL_S3VM),该方法结合启发式抽样搜索和聚类方法筛选出差异性较大的分类决策面。

2.1 MLL_S3VM思想分析

定义1 (分类决策面影响因子)对于已有的训练集样本学习得到的N个大边缘分类决策面,其中一个分类决策面相异与其他分类决策面的程度,称为该分类面在N个大边缘分类决策面中的影响因子。Ω({$\widehat{y}$t}${}_{t=1}^{{\rm N}}$)表示分类决策面的影响因子。 相异程度越大,影响因子值越小。式(2)表示影响因子

$\Omega (\{\widehat{y}{}_t\})={\displaystyle {\sum }_{1\le t\ne \overrightarrow{t}\le {\rm N}}{\rm I}}(u,\widehat{y}{}_t,\widehat{y}{}_{\overrightarrow{t}})(2)$

式(2)中:I是个恒等式函数。

定义 2 (临近分类面距离因子)若存在未标记样本x*i,x*i在根据ωt和ωt′的分类决策面下得到不同的类标记,并且ωt和ωt′是距离样本x*i最近的两个分类决策面,则称d(x*i,ωt)和d(x*i,ωt′)为x*i临近分类面距离因子,其中:ω表示学习出的低密度分类决策面,d(x*i,ω)≥0(注:只有不存在满足条件的ωt和ωt′时d(x*i,ω)=0)。

用h(ω,$\widehat{y}$)表示式(1)中的S3VM目标公式

$h(\omega ,\widehat{y})=\min \frac{1}{2}\parallel \omega \parallel {}^2+C{}_1{\displaystyle \sum _{i=1}^l\xi }{}_i+C{}_2{\displaystyle \sum _{j=1}^u\xi }{}_j^{*}(3)$

目标是获取大边缘低密度分类决策面,同时满足学习得到的大边缘分类决策面具有边缘和差异性最大化需求,在式(3)中加入限制条件来满足需求。结合式(2),采用式(4)来表示前T个差异性最大的大边缘低密度分类决策面。

$\min {\displaystyle {\sum }_{t=1}^{{\rm T}}h}(\omega {}_t,\widehat{y}{}_t)+\Omega (\{\widehat{y}{}_t\}{}_{t=1}^{{\rm T}})(4)$

式(4)中:ωt表示学习出的低密度分类决策面,T是多低密度分类决策面数量,Ω表示分类决策面影响因子。

对式(4)进一步变化,也是MLL_S3VM目标函数

$\underset{\{\omega {}_t,\widehat{y}{}_t\}{}_{t=1}^{{\rm T}}}{{\displaystyle \min }}{\displaystyle {\sum }_{t=1}^{{\rm T}}h}(\omega {}_t,\widehat{y}{}_t)+{\displaystyle {\sum }_{1\le t\ne \overrightarrow{t}\le {\rm N}}{\rm I}}(u,\widehat{y}{}_t,\widehat{y}{}_{\overrightarrow{t}})(5)$

2.2 实现步骤描述

为了实现MLL_S3VM目标函数,从实现的时间空间复杂度出发,将分两个阶段对目标函数进行实现:第一阶段先学习出多个大边缘低密度分类决策面;第二阶段从这些已经学习得到的低密度分类决策面中采用聚类方法获取差异性较大的分类决策面。在获取大边缘分类面的基础上,对未标记样本进行标记,具体过程如下:

步骤1:利用已有的训练集样本学习出多个大边缘低密度分类决策面;

步骤2:根据公式对已经学习出的大边缘低密度分类决策面进行迭代优化,直到函数收敛时结束;

步骤3:采用启发式样本抽样的方法从训练结果集抽样出T个已经学习出的低密度分类决策面;

步骤4:运用经典聚类算法(K-means)获取T个差异性较大的分类决策面;

步骤5:对于未标记样本x*i,采用临近分类面距离因子方法对样本进行标记,若d(x*i,ω)=0,则x*i的类别信息可以根据其中任一分类决策面确定。d(x*i,ωt)<d(x*i,ωt′),那么x*i的类标记依据ωt′分类决策面决定,如果d(x*i,ωt)>d(x*i,ωt′),那么x*i的类标记依据ωt分类决策面决定,如果d(x*i,ωt)=d(x*i,ωt′),那么x*i的类标记采用抽签法决定。

3 实验与分析

3.1 数据预处理与参数设置

采用KDDCUP99[6]中的kddcup.data_10_percent.gz数据集作为训练集和测试集的选取来源,该数据集是在入侵检测领域广泛采用的实验数据集,该数据集中每个连接共有41种定性和定量的特征属性 ,其中有 8个属性是离散型的变量 ,其余是连续型的数字变量。将特征属性进行归一化处理,使得每类特征数据的取值范围在区间[0,1]中,这样处理一方面避免取值范围大的属性支配取值范围小的属性,另一方面也可以提高机器的处理能力。S3VM核函数采用高斯径向基核函数(Radial Base Function,RBF),聚类簇数目取。在标记样本占整个训练集中3%,5%,10%,15%的基础上,对传统半监督支持向量机算法(TS3VM)和改进后的MLL_S3VM算法进行了对比,每个实验结果是经过30次实验结果平均得到。

3.2 实验结果分析

通过检测率和误报率评价改进的入侵检测算法的性能,其中:检测率 = 检测到的异常数据个数/样本中的异常数据个数,误报率=误报为异常的正常数据个数/样本中正常数据个数。

从表1中实验结果数据可以看出,在标记样本占3%,5%,10%,15%的数据集样本中,优化改进后的MLL_S3VM算法明显优于传统的S3VM算法。传统S3VM选取一个分类决策面舍弃了相当数量且可能有用的分类决策面,MLL_S3VM综合考虑差异性较大的分类决策面,在一定程度上克服的S3VM缺陷,在检测率上有了一定的升高,误报率方面有了一定的降低。

4 结论

根据传统的S3VM方法存在的不足,提出一种基于多分类面的半监督支持向量机优化方法,一定程度上克服传统的S3VM方法训练不充分的缺陷,但是该方法在一定程度上给入侵检测增加了算法的时间、空间复杂度,应用到实时入侵检测系统上有一定的局限性,因此如何克服算法上的不足,并且进一步提高分类器的性能将是以后的研究方向。

参考文献

[1] Bennett K,Demiriz A. Semi-supervised support vector machines. Cambridge, MA: MIT Press, 1999:368—374

[2] Chapelle O,Zien A.Semi-supervised learning by low density separa-tion.In:AISTATS,2005:57—64

[3] Chapelle O,Sindhwani V,Keerthi S.Optimization techniques forsemi-supervised support vector machines.Journal of Machine Learn-ing Research,2008;9(2):203—233

[4] Yu Feng Li,Zhi Hua Zhou.Towards making unlabeled data neverhurt.In:Proceedings of the 28th International Conference on Ma-chine Learning,Bellevue,WA,2011

[5] Vapnik, V, Sterin A. On structural risk minimization or overall risk in a problem of pattern recognition. Automation and Remote Control, 1977; 10(3): 1495—1503