劉洋
摘要:隨著信息化的浪潮在全球各地廣泛深入,社會各個層面都在進(jìn)行改革。為滿足全國各高校教學(xué)管理系統(tǒng)的需求,該文提出利用智能屬性融合算法對高校教學(xué)管理系統(tǒng)進(jìn)行優(yōu)化設(shè)計(jì)應(yīng)用,加強(qiáng)系統(tǒng)的從而滿足學(xué)校改進(jìn)教學(xué)管理工作提供客觀有效的決策分析方法。
關(guān)鍵詞:自適應(yīng)性;殘差;智能算法;自學(xué)習(xí)性
中圖分類號:TP393 文獻(xiàn)標(biāo)識碼:A 文章編號:1009-3044(2018)24-0113-02
隨著信息技術(shù)的發(fā)展和高等教育體制改革的不斷深入,高校實(shí)現(xiàn)了教育信息化,大大提高了工作效率。將智能屬性融合算法技術(shù)應(yīng)用于高校教務(wù)管理中,可以分析出重要的對決策或者預(yù)測有用的信息和知識,利用分析結(jié)果輔助教學(xué),幫助教學(xué)管理者做出科學(xué)的決策。
智能屬性融合技術(shù)的目的是對“全信息”的融合處理,實(shí)現(xiàn)高層次的人腦分析處理問題功能的模擬。如何利用這些多元化的信息,在存在高度不確定性的情況下,保證融合系統(tǒng)的準(zhǔn)確性和穩(wěn)健性,是需要解決的關(guān)鍵技術(shù)。
由于高校教學(xué)系統(tǒng)內(nèi)外環(huán)境越來越復(fù)雜多變,當(dāng)前對教學(xué)管理系統(tǒng)的要求是越來越高。要求教學(xué)系統(tǒng)不僅能夠適應(yīng)環(huán)境的動態(tài)變化,而且可以減少一些未知不確定性因素對系統(tǒng)產(chǎn)生的不良影響,因而需要發(fā)展具有自學(xué)習(xí)性和自適應(yīng)性的智能數(shù)據(jù)融合技術(shù)。而智能的實(shí)質(zhì)就是如果一個系統(tǒng)在存在不確定性的情況下,能夠提高自身性能或者是自身性能保持在可以接受的水平上的能力,其主要特征表現(xiàn)為學(xué)習(xí)能力、適應(yīng)能力、容錯能力和自組織能力。
1 基礎(chǔ)公式
參數(shù)解釋:
[Kt]即智能算法增益,詳細(xì)情況后面解釋。[Pt]為協(xié)方差矩陣,詳細(xì)情況后面解釋。
從直觀上來說,從基本公式到智能算法方程形式上相類似,但在理解上顯然后者有更大的跳躍性,這種跳躍性體現(xiàn)在:
①協(xié)方差矩陣[Pt]的“來”與“去”;
②智能算法增益[Kt]的“來”與“去”;
③如何理解預(yù)測階段與更新階段之間的關(guān)系。
在解釋協(xié)方差矩陣[Pt]之前,首先引用兩個量:[et=xt-xt|t]和[e-t=xt-xt|t],它們分別表示真實(shí)值與更新階段的更新值以及真實(shí)值與預(yù)測階段的預(yù)測值之間的誤差。同時,引入殘差[zt-Ht?xt|t-1]的概念,因?yàn)闅埐畎藴y量值和預(yù)測值(其實(shí)是表征了在測量模型中使用預(yù)測值來得到預(yù)測的測量值與真是測量值之間的差),因此殘差很重要。
預(yù)測,就是利用前一時刻的更新值(其實(shí)也就是前一時刻計(jì)算出的“真值”)來計(jì)算當(dāng)前時刻的系統(tǒng)狀態(tài)的預(yù)測值。同時,利用前一時刻的協(xié)方差矩陣來計(jì)算當(dāng)前時刻的協(xié)方差矩陣。而這些值將用于隨后的更新階段。
更新,就是利用當(dāng)前測量值和預(yù)測值來計(jì)算當(dāng)前的“真值”,同時,更新協(xié)方差矩陣和智能算法增益。而這些值也將用于下一輪的預(yù)測階段。
再來看什么是協(xié)方差矩陣[Pt]。從數(shù)學(xué)上來說,后驗(yàn)估計(jì)協(xié)方差矩陣[Pt|t=E[eteTt]],先驗(yàn)估計(jì)協(xié)方差矩陣是[Pt|t-1=E[e-te-Tt]],分別對應(yīng)更新階段和預(yù)測階段的誤差的協(xié)方差矩陣,則易知該協(xié)方差矩陣是對稱陣,其中主對角元是狀態(tài)向量對應(yīng)的方差,非對角元元素為狀態(tài)向量之間的協(xié)方差。由智能算法方程可知,若先驗(yàn)估計(jì)協(xié)方差矩陣[Pt|t-1]減小,則智能算法增益[Kt]減小,后驗(yàn)估計(jì)協(xié)方差矩陣[Pt|t]也減小。然后理解智能算法增益[Kt]是什么。從來源上來說,更新階段的[Kt]是由[Pt|t]對[Kt]求導(dǎo)使得導(dǎo)數(shù)等于0時得到。這意味著[Kt]的意義在于使得后驗(yàn)估計(jì)協(xié)方差矩陣盡可能的小。與此同時,我們會發(fā)現(xiàn),對于前面提到的殘差來說,如果[Kt]越小,則殘差的分量就越小,那么更新值就更“接近”預(yù)測值,也就是我們更傾向于認(rèn)為預(yù)測是準(zhǔn)確的;反之,[Kt]越大,則殘差代表的分量越大,也就是說系統(tǒng)更傾向于認(rèn)為測量是準(zhǔn)確的。從這種意義上來說,[Kt]就是殘差的加權(quán)矩陣。
①殘差。通過殘差,我們可以知道預(yù)測跟測量的關(guān)系。因此,如果殘差越小,說明預(yù)測和測量之間的差距越小,即真實(shí)值≈測量值≈預(yù)測值;
②協(xié)方差矩陣。由上文可知,協(xié)方差矩陣存在著如下性質(zhì):[Pt]越小,則說明先驗(yàn)誤差估計(jì)中預(yù)測跟真實(shí)值相差越小,后驗(yàn)誤差估計(jì)中真實(shí)值與校正值相差越小。這表明,此時的真實(shí)值、預(yù)測值和校正值相近,因此協(xié)方差矩陣可以作為判斷依據(jù);
③引入第三方。在測試的時候,為了得到相關(guān)數(shù)據(jù)或者測試構(gòu)建的卡爾曼濾波器性能,通常會利用“第三方”來進(jìn)行判斷(比如說用激光測已知距離的物體,來估計(jì)其效果)。但顯而易見的是,對于大多數(shù)實(shí)際應(yīng)用場景來說,采用第三方的方式存在應(yīng)用上的局限性;
④反饋系統(tǒng)。由圖1可知,卡爾曼濾波器是一個反饋系統(tǒng),預(yù)測值相當(dāng)于輸入,而校正值既是輸出也是反饋值,因此,我們可以考慮觀察反饋值與輸入之間的關(guān)系來進(jìn)行判斷。
3 結(jié)語
教學(xué)系統(tǒng)作為現(xiàn)代教育教學(xué)管理的重要手段, 必須保證教育教學(xué)工作正常開展, 促進(jìn)教學(xué)系統(tǒng)不斷優(yōu)化, 在導(dǎo)向、改進(jìn)和激勵教育教學(xué)工作中發(fā)揮關(guān)鍵作用。利用智能屬性融合算法, 有利于學(xué)校了解隱藏的隱性信息, 推動教育教學(xué)改革, 促進(jìn)教育教學(xué)質(zhì)量的提高。
參考文獻(xiàn):
[1] 孫慶偉.復(fù)雜干擾環(huán)境下多傳感器數(shù)據(jù)融合方法及應(yīng)用[D].哈爾濱工業(yè)大學(xué)博士學(xué)位論文,2002:13-15.
[2] 劉金強(qiáng),聶詩良,潘澤友,等.基于多傳感器數(shù)據(jù)融合的智能小車避障的研究[J].傳感器與位系統(tǒng);2010(2):66-68.
[3] 張鵬,張建業(yè),王占磊,等.基于近鄰量測認(rèn)知信息的多傳感器融合估計(jì)[J].計(jì)算機(jī)工程,2012(8):45-48.
[4] 付春玲,宮德龍,李捷.量測不確定下多傳感器一致性數(shù)據(jù)融合算法[J].傳感器與微系統(tǒng),2013(7):22-25.
[5] 吳志剛,蘇安婕,李恵杰,等.基于層次分析與數(shù)據(jù)融合的綜合評估方法[J].河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013(3):13-16.
[6] 田樹仁,李光.基于多傳感器數(shù)據(jù)融合技術(shù)的預(yù)警系統(tǒng)的研究[J];河北大學(xué)學(xué)報(bào)(自然科學(xué)版);2015(3):3-6.
【通聯(lián)編輯:朱寶貴】