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)進行優(yōu)化設(shè)計應(yīng)用，加強系統(tǒng)的從而滿足學(xué)校改進教學(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]，它們分別表示真實值與更新階段的更新值以及真實值與預(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，因為殘差包含了測量值和預(yù)測值（其實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（其實也就是前一時刻計算出的“真值”）來計算當(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，后驗估計協(xié)方差矩陣[Pt|t=E[eteTt]]，先驗估計協(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，若先驗估計協(xié)方差矩陣[Pt|t-1]減小，則智能算法增益[Kt]減小，后驗估計協(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估計協(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，則說明先驗誤差估計中預(yù)測跟真實值相差越小，后驗誤差估計中真實值與校正值相差越小。這表明，此時的真實值、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”來進行判斷（比如說用激光測已知距離的物體，來估計其效果）。但顯而易見的是，對于大多數(shù)實際應(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， 促進教學(xué)系統(tǒng)不斷優(yōu)化， 在導(dǎo)向、改進和激勵教育教學(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， 促進教育教學(xué)質(zhì)量的提高。

參考文獻：

[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，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[J].計算機工程，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（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（自然科學(xué)版）；2015（3）：3-6.

【通聯(lián)編輯：朱寶貴】