导语：如何才能写好一篇人工智能技术的优缺点，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
1前言
人工智能是计算机技术飞速发展过程中产生的一个重要分支，是对人的意识、思维的信息过程进行模拟，通过对其扩展应用于各个领域，对于整个社会的发展都有着积极的推动作用。在企业、工程运行过程中，为了提高运行管理效率，需要大量的应用到自动化控制技术，将人工智能应用于自动化控制领域对于提高企业运营水平有着很大的帮助。
2人工智能概念、优势及特点
3人工智能技术在自动化控制方面的应用
鉴于人工智能技术在自动化控制方面的发展水平，目前其应用主要是体现在电气设备的设计、电气控制、故障诊断等多个方面。下面我们分别对其进行细致分析:
3．1在电气设备设计方面的应用
3．2在电气控制中的应用
3．3在故障诊断中的应用
4结语
参考文献:
［1］纪．人工智能技术在电气自动化控制中的应用思路分析［J］．电子测试，2014，(03):138．
［2］马仲雄．浅谈电气自动化控制中的人工智能技术［J］．电子技术与软件工程，2014，(11):247．
关键词：ICAI；系统模型；教学策略；综合集成方法论MSM；现代教育技术
计算机辅助教学（ComputerAidedInstruction，简称CAI）是利用计算机来模拟教师的行为，通过学生与计算机之间的交互活动来达到教学的目的。即在计算机辅助下进行的各种教学活动，主要是以对话方式和学生讨论教学内容、安排教学进程、进行教学训练的方法与技术。CAI为学生提供一个个人化的学习环境，综合应用多媒体、知识库等计算机技术，这是传统CAI的主要应用方式。
在没有智能系统支持的情况下，传统CAI尽管可能具有良好的教学材料模型，但它往往仅借助于计算机来展示教学内容，并不能很好地根据它所教学生的学习特征，以不同的教学策略和教学方法来教授；只是盲目地传授知识给学生，如果某个学生不能接受提供的教学策略，系统没有为这个学生提供可供选择的另外的教学策略。目前使用的绝大多数CAI是将全部教学信息以编程方式预置于课件中，这样的CAI课件一旦制作完成，很难对课件进行更新和维护，尤其是在这样的CAI系统中，学生的学习仍然处于被动状态，即完全受计算机控制。
一、智能化计算机辅助教学概念
现代教育技术的日益发展以及与其他领先技术的结合，必然促使计算机辅助教学CAI的进一步发展。人工智能技术应用于CAI产生的基于网络环境的智能化CAI，就是现代信息化社会发展的产物，并在教育教学领域中有很好的发展前景。
人工智能是计算机科学的一个分支，它的目标是构造能表现出一定智能行为的，目的就是让计算机这台机器能够像人一样思考。人工智能的研究更多地是结合具体领域进行的，主要研究领域有专家系统、机器学习、模式识别、博弈、智能决定支持系统、人工神经网络等等。人工智能技术与专家系统的成就，促使人们把问题求解、知识表示这些技术引入CAI，并借助于网络环境来实施，这便是智能型计算机辅助教学。
智能计算机辅助教学ICAI（IntelligenceComputerAssistedInstruction）属于人工智能的一个分支，是以认知科学和思维科学为理论基础，综合人工智能技术，教育心理学等多门学科的知识对学生实施教育的一门新的教育技术。ICAI通过研究人类学习思维的特征和过程，探索学习知识的模式，利用信息化网络环境使学生获得个别化自适应性学习的获取知识方法，从而使学生的学习更有针对性，更有效。
ICAI依靠人工智能技术的进步，主要应在因材施教方面取得进展。其主要特点是:
（1）能自动生成适合学习者程度的学习内容。
（2）能根据学生的不同认知水平与学习风格选择教学策略和教学方法。
（3）能评价学生的学习结果，并不断地在教学中改善教学策略。
二、智能化计算机辅助教学研究现状
完善的ICAI系统需能够充分调动学生的主动性，并能通过分析推理，对某具体学生做出适合的教学决策。使学生获得个别化自适应性学习的学习方法，达到因材施教的目的。人工智能技术的发展必将会对ICAI的发展起到巨大的推动作用。随着计算机科学的发展，21世纪的教育教学辅助手段将是以ICAI为主线，多学科、多方位发展的新技术的体现，越来越多的教育工作者会从更多的视角审视ICAI，并从事ICAI的研究。相信ICAI将会在现代教育领域中有更广泛的应用。
“现代教育技术”既是教育技术专业的必修课程，也是大中专院校广泛设置的选修课程，适用范围非常广泛。本文以《现代教育技术》这门课程为主要研究对象，来研究智能化教学系统设计在具体实践中的应用。
三、ICAI决策系统的理论依据
1.综合集成理论
教育是以人为主体参与的活动，而人本身就是一个复杂巨系统，因此以这种大量的复杂巨系统为子系统组成的系统――教育系统，是一个复杂巨系统。依据系统与其环境是否有物质、能量和信息的交换，将系统划分为开放系统和封闭系统来看，学生的学习受到教师、同学、家庭及社会等因素的影响，所以教育系统是一个开放的复杂巨系统。
钱学森的理论和实践研究表明：现在能用的、惟一能有效处理开放的复杂巨系统的方法，就是定性定量相结合的综合集成方法论。综合集成方法论（Meta-synthesisMethodologyMSM）是方法论上的创新，它是研究复杂巨系统和复杂性问题的方法论。[2]定性定量相结合的综合集成方法是将专家群体(各种有关的专家)、数据和各种信息与计算机技术有机结合起来，把各种学科的科学理论和人的经验知识结合起来，发挥这个系统的整体优势和综合优势。[3]它把人的经验、知识、智慧以及各种情况、资料和信息系统集成起来，从多方面定性认识上升到定量认识，从而达到解决复杂系统问题的目的。在解决问题的过程中，专家群体和专家的经验知识起着重要的作用。
2.教学设计理论
本文采用“双主”教学模式作为ICAI的教学设计的理论基础。“双主”教学模式既能发挥教师的主导作用又能充分发挥学习者认知主体作用，是在教师主导下的课堂中能让学习者参与进来共同学习的一种教学模式。
基于“双主”的教学模式，要求根据学习者的特征、学习内容、学习策略、学习目标等多种因素的不同情况研究它们的结合方式，以使系统达到理想的教学效果。
基于网络环境的ICAI相对于传统的CAI来说，充分体现了“双主”的教学模式。ICAI中有专门分析学习者学习方式和认知水平的学生模型，有专门为不同的学习内容选择不同的学习策略的策略库模型（也称为教师模型），有评价学习效果并反馈给系统的评价模型。学生模型是对学习者的学习特征进行分析，包括学习者的学习风格、认知水平。策略库模型包含有丰富教学策略和有一个智能推理机，能根据学生模型的信息和学习目标为学习者选择合适的学习策略，指导学习者学习。
3.建构主义学习理论
当代建构主义者主张，世界是客观存在的，但是对于世界的理解和赋予意义却是由每个人自己决定的。建构主义者认为学习者要以自己的经验为基础来建构现实，或者至少说是在解释现实，每个人的经验世界是用自己的头脑创建的。
学习过程同时包含两方面的建构：一方面是对新知识意义的建构，同时又包含对原有经验的改造和重组。建构主义者强调学习者在学习过程中能够灵活地建构起用于指导实践活动的图式，这种图式是对概念的丰富理解，依据个人经验背景的不同而不同。
教学应当把学习者原有的知识经验作为新知识的生长点，引导学习者从原有的知识经验中，生长新的知识经验。教学不是知识的传递，而是知识的处理和转换。
ICAI伴随着这种理论的发展而发展，它注重的是由学习者来控制学习过程，重视学习内容的知识结构和学习情境，让学习者主动构建对自己有意义的知识的活动。基于网络环境的ICAI积极地为学习者创设学习情境，帮助学习者用他们已有的知识去建构、生成、整合新的知识。
4.教学处方理论
“教学处方理论”是郑永柏博士于1998年提出的一种新型适合于信息化教学设计的理论，他通过对教学系统设计理论和计算机辅助教学设计方面的研究，建构了一种新型的教学系统设计理论――教学处方理论。该理论主要包括：六个基本概念、一个理论框架、三条基本原理和两个关于教学设计的知识库。[4]
该理论指出教学处方可以看作是教学设计者(有时可以看作是教师)依据系统分析后使用的各种教学模式、教学方法和教学内容处理模式的组合；说明了在特定教学条件下对特定教学结果的教学，以不同的学习理论和教学理论为指导将会采用不同的教学方法，即教学处方，这也是本研究的核心内容，是该系统设计的指导理论。“教学处方理论”具有更好的包容性、开放性，能够吸收和容纳丰富的学习和教学研究成果。
四、ICAI系统的模块结构
1.前端分析模块：认知能力、学习动机、认知风格
前端分析是美国学者哈利斯（Harless，J．）在1968年提出的一个概念，指的是在教学设计过程开始的时候，先分析若干直接影响教学设计但又不属于具体设计事项的问题，本文主要指认知能力、学习动机和认知风格方面的分析。前端分析模块主要是建立相应的学生特征类型的数据库。
认知能力的测量采用认记、理解、应用、分析、综合、评价六个维度，每个维度有“优、良、中、差”四个选项。通过数据分析找出学习者的现状和期望之间的差距，确定需要解决的问题是什么，并确定问题的性质，形成不同层次的教学设计项目的目标。
学习风格和学习动机通过专门的量表来收集数据。
2.内容分析模块
教学内容分析就是在确定好总教学目标的前提下，借助归类分析法、图解分析法、层级分析法、信息加工分析法等方法，分析学习者要实现总的教学目标，需要掌握哪些知识、技能或形成什么态度。通过对教学内容的处理，确定学习者所需学习内容的范围和深度，确定内容各组成部分之间的关系，为以后教学顺序的安排奠定好基础。
对教学内容的处理主要包括：教学内容的选择、教学内容的编排、确定单元目标及对内容进行初步评价、分析教学内容类别及性质等四个基本方面。在构建规定性教学内容处理模式库时，应对上述四个方面提供具体的方法。[5]
3.决策模块
教学策略（处方）的制定就是根据特定的教学目标、教学内容、教学对象等条件，来合理地选择相应的教学顺序、教学方法、教学组织形式。在数据库中建立可供选择的不同的教学策略（处方），是本文所研究的ICAI系统的主要模块，也是特色模块。
教学策略（处方）的制定包括教学顺序的确定、教学方法的选择、教学组织形式的选择等。教学顺序的确定就是要确定教学内容各组成部分之间的先后顺序；教学方法的选择就是要通过讲授法、演示法、讨论法、练习法、实验法、示范模仿法等不同方法的选择，来激发并维持学习者的注意和兴趣，传递教学内容；教学组织形式主要有集体授课、小组讨论和个别化自学三种形式，各种形式各有所长，须根据具体情况进行相应的选择。教学策略的制定是根据具体的目标、内容、对象等来确定的，要具体问题具体分析，不存在能适用于所有目标、内容、对象的教学策略。
4.评价模块
在基于网络环境的ICAI的评价模块，要依据前面确定的教学目标，运用评价量表，分析学习者对预期学习目标的完成情况，主要收集三个方面的基本信息，一是要收集关于教师对教学设计方案和教学方案实施结果的满意度的信息数据，二是要收集关于学习者对教学过程、教学策略的适应性的信息数据，三是要看与其他方法相比，本处方中所采用的方法是否有独到之处，是否有不足之处。[6]在数据分析的基础上，对教学策略和教学内容的修改和完善提出建议，并以此为基础对ICAI各个环节的工作进行相应的修改。
5.ICAI系统模型框图
学习者前端数据采集数据库包括：认知结构测量及分析系统、学习动机测量及分析系统、学习风格测量及分析系统和学生基本信息系统。系统模型如图所示。
本课题实践研究的调查对象来自云南大学，是2008届市场营销教育和财会教育本科生，共89人，课程设置为现代教育技术。学生调查表包括本科生基本信息表，所罗门学习风格量表，学习者认知能力调查问卷，学习者学习动机调查问卷四份表格组成。实际收到数据表89份，有效数据表75份。数据表中的信息选项根据所占权重，统一折合成百分制进行处理。
六、总结
本文把教学设计理论、方法与“现代教育技术”课程相结合，拟研发出一个基于综合集成方法论的广义智能网络教学设计辅助系统。主要研究成果如下：
（1）把综合集成方法论引入解决教学设计这一不良结构问题；
（2）结合数字化方法和数据挖掘技术，它能对学习者进行数字化的前端分析；
（3）它所自动化给出的教学设计方案，可为青年教师提供良好借鉴，有利于教师因材施教、因风格施教、因需要施教；
（4）它所自动化给出的学习者学习建议方案，有利于促进学习者自主学习。
现有的CAI存在的许多问题随着新技术的不断出现而显得越来越不能适应新环境的需求，因此以基于网络环境的ICAI为代表的新计算机辅助教学系统，将是教育教学研究人员在教育技术上需要不断探求、努力实现的发展方向。
参考文献：
[1]杨采坚，董玉铭.智能教学系统设计[J].中国电大教育,1993（3）.
[2]于景元,涂元季.从定性到定量综合集成方法――案例研究[J].系统工程理论与实践,2002.5.
[3]钱学森,于景元,戴汝为.一个科学新领域：开放的复杂巨系统及其方法论[J].自然杂志,1990(1).
[4]郑永柏.教学系统设计理论和方法研究:教学处方理论和ISD-EPSSS的设计与开发[D].北京师范大学博士学位论文，1998.
课程共20集，网易公开课已经全部翻译完成。讲师：AndrewNg。
[第1集]机器学习的动机与应用
简介：机器学习的动机与应用、Logistic类、机器学习的定义、监督学习概观、学习理论概述、非监督学习概述和强化学习概述。
[第2集]监督学习应用
简介：监督学习应用——自主推导，ALVINN系统，线性回归，梯度下降，组梯度下降，随机梯度下降，标准方程推导。
[第3集]欠拟合与过拟合的概念
简介：欠拟合与过拟合的概念，参数化及非参数化算法概念，局部加权回归，对于线性模型的概率解释，Logistic回归，感知器。
[第4集]牛顿方法
简介：介绍了牛顿方法，可以代替梯度上升算法用来计算函数的最大值；之后以高斯分布和伯努利分布为例介绍了指数分布函数族；最后以指数分布函数族为基础，引出了广义线性模型，可以通过指定概率分布直接推导出模型。
[第5集]生成学习算法
简介：一类新的学习算法——生成学习算法，并详细地讲解了该算法的一个例子：高斯判别分析；之后对生成学习算法与之前的判别学习算法进行了对比；最后介绍了一个适合对文本进行分类的算法——朴素贝叶斯算法，并结合该算法讲述了一种常用的平滑技术——Laplace平滑。
[第6集]朴素贝叶斯算法
简介：先介绍了两种朴素贝叶斯算法的事件模型；之后介绍了神经网络算法；在最后介绍了两个重要的概念：函数间隔和几何间隔。基于这两个概念提出了一个线性分类算法：最大间隔分类器算法。该算法用于引出一个非常重要的非线性分类算法：支持向量机。
[第7集]最优间隔分类器问题
简介：首先提出了原始的优化问题：最优间隔分类器问题；之后介绍了对偶问题的概念和KKT条件；基于原始优化问题的对偶问题的分析，介绍了SVM算法；最后对SVM算法进行了评价，以引出下节课对核方法的介绍。
[第8集]顺序最小优化算法
简介：核的概念——它在SVM以及许多学习算法中都有重要的应用；之后介绍了l1norm软间隔SVM——它是一种SVM的变化形式，可以处理非线性可分隔的数据；最后介绍了SMO算法——一种高效的可以解决SVM优化问题的算法。
[第9集]经验风险最小化
简介：主要介绍了模型选择中的一种常见现象——偏差方差权衡。为了解释该概念，首先介绍了两个重要的引理——联合界引理和Hoeffding不等式；之后定义了两个重要的概念——训练误差和一般误差，并提出了一种简化的机器学习算法模型——经验风险最小化（ERM）；最后基于这些概念对ERM结果的理论上界进行了证明，并基于上界分析对偏差方差权衡进行了解释。
[第10集]特征选择
简介：VC维的概念——该概念能够将关于ERM一般误差的界的结论推广到无限假设类的情形；模型选择问题——具体介绍了交叉验证方法以及几种变形；特征选择问题——具体介绍了两类方法：封装特征选择和过滤特征选择。
[第11集]贝叶斯统计正则化
简介：贝叶斯统计和规范化；简单介绍了在线学习的概念；机器学习算法设计中的问题诊断技巧；两种分析技巧：误差分析与销蚀分析；两种应用机器学习算法的方式与适用场景。
[第12集]K-means算法
简介：无监督学习的内容。首先介绍了k-means聚类算法；混合高斯模型，它是最大期望算法（EM）的一种特例；引入了Jesen不等式，利用Jesen不等式引出了EM算法的一般形式。
[第13集]高斯混合模型
简介：对混合高斯模型在EM算法下的结论进行了推导，并且介绍了EM算法在混合贝叶斯模型中的应用。最后介绍了因子分析算法。该算法可以进行高维数据下样本数目较少的情况下的模型拟合。
[第14集]主成分分析法
简介：本讲继续上一讲的内容，详细地讲解了因子分析问题对应的EM算法的步骤推导过程，并重点提出了其中应该注意的问题。之后介绍了主成分分析（PCA）的算法原理和主要应用。该算法是一种常用的降低数据维度的算法。
[第15集]奇异值分解
简介：主成分分析PCA，及举出利用PCA找出相似文档的例子；SVD（奇异值分析）；无监督算法和因子分析；ICA（独立成分分析算法）和CDF（累积分布函数），并复习了高斯分布的知识；最后举了几个应用ICA的例子。
[第16集]马尔可夫决策过程
简介：主要介绍了监督学习；然后引出强化学习的知识，用“使直升机飞翔”的例子阐述强化学习；介绍了马氏决策过程（MDP），由此引出来的两个解决最优策略和最优回报的算法；最后重点介绍了“值迭代”和“策略迭代算法”的实施，以及比较了它们的优缺点。
[第17集]离散与维数灾难
简介：继续马氏决策过程（MDP），以及解决状态MDP的算法，主要详细介绍了拟合值迭代算法（fittedvalueiteration）和近似政策迭代（approximatepolicyiteration）这两种算法，并通过具体的例子和求解的方式来说明这两种算法。
[第18集]线性二次型调节控制
简介：控制NVP算法，非线性动力学系统；在动力系统的模型和线性二次型调节控制（linearquadraticregulationcontrol），导出一些处理情况的函数；还包含线性模型的建立，非线性模型的线性化的知识。
[第19集]微分动态规划
简介：强化学习算法，引入调试强化学习算法，介绍Kalman滤波器微分动态规划,卡尔曼滤波与LQR控制结合的一种算法（LQG控制算法，线性二次高斯），并比较了高斯分布和卡尔曼滤波的效率问题。
[第20集]策略搜索
名词解释
机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析和算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，主要使用归纳、综合而不是演绎。
一、研究意义
顾名思义，机器学习是研究如何使用机器来模拟人类学习活动的一门学科。更为严格的提法是：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机，电子计算机，中子计算机、光子计算机或神经计算机等。
机器学习有下面几种定义：“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。“机器学习是对能通过经验自动改进的计算机算法的研究”。“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。”一种经常引用的英文定义是：AcomputerprogramissaidtolearnfromexperienceEwithrespecttosomeclassoftasksTandperformancemeasureP,ifitsperformanceattasksinT,asmeasuredbyP,improveswithexperienceE.
学习是人类具有的一种重要智能行为，但究竟什么是学习，长期以来却众说纷纭。社会学家、逻辑学家和心理学家都各有其不同的看法。
机器能否像人类一样能具有学习能力呢？1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对弈中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力，提出了许多令人深思的社会问题与哲学问题。
二、主要策略
学习是一项复杂的智能活动，学习过程与推理过程是紧密相连的。按照学习中使用推理的多少，机器学习所采用的策略大体上可分为4种——机械学习、通过传授学习、类比学习和通过事例学习。学习中所用的推理越多，系统的能力越强。
一、让全体学生提高计算机学习的自觉性
二、计算机教学与素质教育关系密切
三、计算机发展需要学生必备学习的本领和适应时代的需要
当今社会“科技兴国”成为我国社会主义现代化建设的基本战略。三十年来，教育形式和手段呈多样化。我们应让学生们明白当今有利的时代和条件，应紧紧抓住有利时机，充分利用有利条件，让计算机成为未来教育的主要辅助手段,成为学生获取知识的主要手段。学生们对电脑的学习有了些了解和基本实践后，就会对多媒体制作产生极大的兴趣，我就鼓励他们多动脑、多动手，遇到什么问题，要想办法弄明白。给他们一些有兴趣的知识和问题，使学生有兴趣、有爱好，自觉自愿地学习。
四、职业中学学生急需强化计算机知识
五、教学过程是提高学生素质的重要措施
【关键词】单相PWM整流器；直接电流控制
1.前言
随着电力电子技术的发展，功率电子设备的应用越来越广泛，致使大量的非线性负载涌入电网，给电力系统的电压和电流都带来了越来越严重的谐波污染。而PWM整流器提高了系统的功率因数，降低了对电网的谐波污染，得到了人们的重视。
2.单相电压PWM整流器原理框图
单相电压型PWM整流器的拓扑结构如图1所示，它主要由三部分组成：交流回路、功率开关桥路、直流回路。其中交流回路包括交流电动势、网侧电阻及网侧电感等；直流回路包括由电感和电容组成的串联谐振电路用来滤除电网的2次谐波分量、滤波电容及负载等；功率开关桥路由四个反并联二极管的IGBT组成[1]。
单相PWM逆变器的控制思路是：在保证直流侧电压稳定的情况下，使交流侧的电流与电压尽可能的保持同相位，从而使交流侧的功率因数为1。
3.单相PWM整流器直接电流控制技术分析
直接电流控制根据控制方式的不同，又可分为滞环电流控制、峰值电流控制、预测电流控制、平均电流控制、状态反馈控制单周控制等。
3.1峰值电流控制
峰值电流控制的原理是实时比较实际电流和指令电流瞬时值的大小，指令电流值是实际电流的上限，实际电流一旦达到这个上限，立刻转而向下衰减，电感值的大小，线路的阻抗和脉宽调制的开关频率影响了这一衰减的最终值。其控制原理框图如下。
峰值电流的优点：①暂态闭环响应较快，对输入电压的变化和输出负载的变化的瞬态响应均快；②控制环易于设计；③输入电压的调整可与电压模式控制的输入电压前馈技术相妣美；④简单自动的磁通平衡功能；⑤瞬时峰值电流限流功能，即内在固有的逐个脉冲限流功能；⑥自动均流并联功能。缺点有：①占空比大于5%时开环不稳定性，峰值电流与平均电流的误差难以校正；②闭环响应不如平均电流模式控制理想；③占空比大于0.5时系统产生次谐波振荡；④对噪声敏感，抗噪声性差；⑤电路拓扑受限制；⑥对多路输出电源的交互调节性能不好[4]。
3.2滞环电流控制
滞环电流控制方式作为峰值电流控制方式的改进，只是增加了一条限制电流衰减的下限。其原理仍然是指令电流和实际电流的实时值比较，实际电流达到上限指令电流，随即转入衰减，衰减至下限指令电流，重新开始上升，如此反复，实际电流将是一条在上下限指令电流跳动的锯齿波。
其控制原理图如图3所示，图中将指令电流和实际电流进行比较，两者的偏差作为滞环比较器的输入，通过滞环比较器产生控制电路主电路中开关通断的PWM信号，该PWM信号经驱动电路控制功率器件的通断，从而控制电流的变化。
滞环电流控制的优点是结构简单，实现容易，具有很强的鲁棒性和快速动态响应能力。缺点是开关频率不固定，滤波器设计困难，需要对电感电流全周期的检测和控制。
3.3平均电流控制
平均电流控制的工作原理是将电感电流信号与锯齿波信号相加，当两信号之和超过基准电流时，开关管关断，当其和小于基准电流时，开关管导通。取样电流来自实际输入电流而不是开关电流。其控制原理图如图4。
平均电流控制的优点是：①平均电感电流能够高度精确地跟踪电流编程信号；②调试好的电路抗噪声性能优越；③适合于任何电路拓扑对输入或输出电流的控制；④易于实现均流。缺点是：①电流放大器在开关频率处的增益有最大限制；②双闭环放大器带宽、增益等配合参数设计调试复杂[5]。
3.4预测电路控制
预测电流控制的原理是在每个调节周期开始时通过对输入、输出电压和输入电流的采样，根据实际电流和参考电流的误差，选择优化的电压矢量作用于下一个周期，使实际电流在一个周期内跟踪上参考电流，实现稳态无误差。预测电流控制原理框图如图5所示，其中为给定电压，为直流侧反馈电压。这种控制的优点：开关频率固定，动态性能良好，电流谐波小，器件开关应力小，数字实现简单。缺点：要求较高的采样频率和开关频率，在低的采样频率下，会产生周期性的电流误差[6]。
3.5无差拍控制
3.6状态反馈控制
状态反馈控制是针对电流型可逆整流器输入滤波器容易出现振荡以消除振荡的控制方式。其控制原理图如下图6。
4.总结与展望
直接电流控制是单相高功率因数整流器的主要控制方式，也是我们以后研究的重心。利用各种控制策略的优缺点，采用多种控制策略相结合，形成互补关系，达到理想的效果，这也是控制技术发展的一个方向。新的直接电流控制策略的研究将是另一个方向。随着数字信号处理器的普遍应用和人工智能技术的逐渐成熟。数字控制和智能控制也将是我们研究的目标，这将是直接电流控制技术的发展的主流。
参考文献
[1]张崇巍，张兴.PWM整流器及其控制[M].北京：机械工业山版社，2003.
[2]张笑微，李永东，刘军.PWM整流器电流控制策略的研究[J].电工技术杂志，2003（12）：57-59.
[3]王也仿.PWM整流器的直接电流控制策略和控制器的设计[J].科技通报，2005（9）：580-583.
[4]吴振军，鲁静，赵坤，高金峰.降低Boost型变换器电磁干扰水平的峰值电流控制方法[J].郑州轻工业学院学报，2004，19（1）：34-37.
[5]杨汝.平均电流模式的控制电路设计[J].电力电子技术，2002，36（4）：66-69.
[6]朱俊杰，王辉，周凯.三相PwM高功率因数整流器控制技术综述[J].湖南工程学院学报，2004（9）：19-22.
[7]张志刚，黄守道，任光法，陈继华.三和电压型SVPWM整流器控制策略研究[J].长沙大学学报，2004（12）：33-36.
[8]李正熙，李久和，李华德.电压型PWM整流器非线性控制策略综述[J].电器传动，2006，36（1）：9-13.
[9]姜静，伍清河.模糊滑模变结构控制技术的应用研究[J].电光与控制，2006，13（2）：4l-44.
[10]朱桂萍，王树民.电能质量控制技术综述[J].电力系统自动化，2002（10）：28-31.
关键词：虚拟人；形象化；运动控制；感知模型
本文首先介绍虚拟人体建模方面的研究工作，就虚拟人形象化建模存在的问题，给出具体的关键技术和方法；然后，对传统的运动控制技术和方法加以归纳总结，并分析了自主感知行为的运动捕获数据驱动方法；最后，就自主感知行为虚拟人运动控制研究方面的存在的难点以及未来研究的方向，给出一些自己的想法。
1人体建模方法研究
人体是一个复杂的生命体系统，由骨骼、皮肤、肌肉和神经系统等组成，其中关节和骨骼的自由度较多。目前，人体建模面临两方面的问题：一是虚拟人骨骼结构的简化及数学表达；二是建立逼真的外形，这是两个相互依赖的问题[1]。虚拟人的运动控制大部分是基于骨骼模型，也称之为骨骼动画。由于肌肉和神经系统的建立存在着很大的困难，研究的难度巨大，所以骨骼模型忽略了肌肉和神经系统。依据人体解剖学原理，人们制定了两个重要的国际标准H-Anim和MPEG-4来表示虚拟人骨骼结构[3]，主要是将人体的骨骼和关节进行简化，减少其自由度，这样可以降低建模的难度。人体建模的方法主要有基于几何的方法、基于二维照片重构方法和基于人体测量学的方法等[4。
（1）基于几何建模技术研究较多，常常采用棒状型、体模型和表面模型（如图1所示）。虚拟人几何建模主要是使用三维造型软件，如Poser、3dsMax、Maya等来构建人体模型。针对Poser软件输出的人体模型缺乏关节点数据问题，文献[7]提出一种基于模型的快速人体建模方法。给出一种骨架提取算法。此方法从Poser输出的人体模型中提取出其骨架以后，将骨架层与皮肤层绑定，应用运动学方法使得骨骼驱动皮肤变形。依据H-Anim标准建立分层的骨骼模型，通过设置所有关节的自由度（DOF），采用三角网格方法来仿真皮肤层。
（2）基于二维图片重构方法，采用数字图像处理的方法，提取二维图片中人体的特征点和参数，来重构三维人体模型。李毅等人[6]针对输入的草图，提出一种通过草绘三维人体建模的模板形变方法。将草图特征映射到三维人体模板，实现个性化的三维人体建模。有文献提出了一种基于视频的人体骨架建模新方法，通过提取视频序列中人体骨架的特征，建立透视投影下的三维人体骨架模型，然后通过蒙皮来建立虚拟人皮肤模型。
（3）基于人体测量学的方法，主要是借助一些三维扫描仪，依据人体测量学的原理，来构建三维人体模型。文献[7]提出一种采用Kinect扫描人体重建个性化人体模型方法，此方法的主要目的是用来解决三维试衣系统中人体建模方法难于建立大量个性化的三维人体模型的问题。通过扫描获得各种不同类型人体的测量数据，可以迅速构建参数化的人体模型，实现个性化、多样化的逼真虚拟人模型。
以上三种人体建模方法，存在的主要问题就是建立的虚拟人模型，只有单一的骨骼层或皮肤层，即便已经将二者关联起来，即将骨骼层和皮肤层绑定，通过骨骼层驱动皮肤层变形。但是在虚拟人运动过程中，存在皮肤层的塌陷、断裂等问题，研究者往往忽略了这些问题，未来研究的主要方向就是如何有效的解决上述问题，建立肌肉层模型，实现逼真的虚拟人外形。
2.1传统的运动控制技术
在虚拟人研究领域，传统的运动控制技术主要有基于关键帧的方法、基于物理控制方法、基于动力学方法、基于运动学的方法等。
1）关键帧方法。
2）物理控制的方法。
3）运动学方法。
4）动力学方法。
5）视频数据驱动的方法。
2.2基于运动捕获数据的控制方法
上述方法各有优缺点，基于运动捕获的方法，虽然可以提高运动控制的效率和实时性，但是其无法适应虚拟环境的变化，运动显得死板僵硬的缺点也很明显；基于物理控制的实时计算方法，虽然可以使虚拟人运动显得真实，但是计算复杂、占用资源的缺点也限制了应用的范围。因此，可以采用多种方法综合的途径进行，糅合每一种方法的优点，这样能极大地提高虚拟人运动控制的实时性。
3自主感知行为的运动捕获数据驱动方法
3.1感知模型
通过建立感知模型来模拟虚拟人对虚拟环境感知限制，主要由视觉、听觉和触觉过滤器组成。视觉过滤器的原理是采用计算机视觉计算的方法计算出虚拟环境中各个对象与人眼之间的相对距离，根据设定的虚拟人所观察的范围，判断某个对象是否在虚拟人视野范围之内。为了提高感知模型检测的准确性，可以采用经典的可见性计算方法分别求解虚拟人到包围盒8个顶点的视线与其他物体包围盒矩形是否有交点来判定空间的遮挡关系，包围盒的选取要求光线与包围盒的求交测试尽可能的简单。将得到的对象信息与虚拟人直接关联，植入能否被感知的状态值，设置虚拟人对物体的感知权限。听觉和触觉过滤器主要作为视觉过滤器的补充，扩大虚拟人的感知范围。
3.2行为决策模型
决策网络是一种表达解决决策问题的有向无环图。有文献中使用GeNie&Smile决策网络包编程实现虚拟人行为决策模型。作者在行为决策模型设计中，将决策网络划分为顶级网络、一级子网络和以下各级子网络组成。一级子网络包括熟识行为网路、攻击响应网络、呼救响应网络以及补充能量行为网络。
3.3运动控制模型
虚拟人根据行为决策系统输出的决策结果，依靠运动控制系统，执行相应行为动作。在高层控制中，通过设计路径规划器，根据目标地点，生成虚拟人的运动路径轨迹。路径规划器采用A*算法进行路径搜索。通过使用碰撞检测，可在运动控制物理层上检测出虚拟人之间及与虚拟环境景物之间发生的碰撞，并进行相应的碰撞反应处理[8]。
4总结与展望
[1]何长鹏，侯进，王献.基于骨骼的三维虚拟人运动合成方法研究[J].计算机工程与科学，2014，36（4）：737-740.
[2]J.Hou，F.Xu，L.Wu，andH.H.Mi.Avatar-basedhumancommunication：areview[J].InternationalJournalofModellingandSimulation，2012，32（4）：273-278.
[3]夏时洪，王兆其.虚拟人合成研究进展[J].中国科学F辑：信息科学，2009，39（5）：483-498.
[4]O.Schreer，R.Englert，P.Eisert，andR.Tanger.Real-timevisionandspeechdrivenavatarsformultimediaapplications[J].IEEETrans.Multimedia，2008，10（3）：352-360.
[5]吕治国，李焱，贺汉根.基于Poser模型的三维人体建模方法[J].计算机工程，2008，34（13）：256-261.
[6]李毅，刘兴川，孙亭.草绘3维人体建模的模板形变方法[J].中国图象图形学报，2015，20（6）：0828-0835.
[7]姚砺，李奥琼，王慧洁.个性化人体特征曲线驱动的三维服装变形[J].计算机仿真，2015，32（7）：426-432.
[8]刘渭滨，周亮，邢薇薇，等.自主虚拟人真实感行为与运动建模的研究[J].北京理工大学学报，2010，30（10）：1189-1193.
[9]J.L.Ren，Z.B.Zheng，Z.M.Jiao.Simulationofvirtualhumanrunningbasedoninversekinematics[C].//inProc.2ndInt.Conf.EducationTechnologyandComputer，Shanghai，China，Jun.2010：360-363.
[10]S.L.Li，J.H.Liang，B.Wu，andL.Chen，etc.Dynamicmotioneditingbycombininganextensionoftheprioritizedinversekinematicswithactivedynamiccontrol[C].//inProc.IEEEInt.Conf.MechatronicsandAutomation，Changchun，China，Aug.2009：4067-4074.
[11]F.Multon，R.Kulpa，L.Hoyet，andT.Komura.Interactiveanimationofvirtualhumansbasedonmotioncapturedata[J].ComputerAnimationandVirualVorlds，2009，20（5）：491-500.
[12]C.E.Colvin，J.H.Babcock，J.H.Forrest，C.M.Stuart，M.J.Tonnemacher，andW.S.Wang.Multipleusermotioncaptureandsystemsengineering[C].//inProc.IEEESystemsandInformationEngineeringDesignSymposium，Charlottesville，VS，USA，Apr.2011：137-140.
[13]C.TAYandR.Green.Humanmotioncaptureandrepresentation[C].//inProc.24thInt.Conf.ImageandVisionComputing，Wellington，NewZealand，Nov，2009：209-214.
[14]J.GeigelandM.Schweppe.Motioncaptureforreal-timecontrolofvirtualactorsinlive，distributed，theatricalperformances[C].//inProc.IEEEInt.Conf.AutomaticFace&GestureRecognitionandWorkshops，SantaBarbara，CA，Mar.2011：774-779.
[15]夏贵羽，孙怀江.模板化的人体运动合成[J].自动化学报，2015，41（4）：758-771.
【关键词】电力系统；运行；继电保护；管理对策
社会经济的快速发展带动了电力系统的改进，而工农业的快速发展对电能的质量和数量都提出了较高的要求，同时也对电网系统的实际运行稳定性提出了较高的要求。
1电力系统继电保护的基本概念
在电力系统运行中，外界因素（如雷击、鸟害呢）、内部因素（绝缘老化，损坏等）及操作等，都可能引起每项事故及非正常运转的情况呈现，我们经常看到的事故有：相间短路；两相接地；三相接地；单相接地；短路等。这种系统不正常运转状况有：过电压，过负荷，不是全相运转，次同步谐振，振荡，同步机器暂时失磁不寻常的运转等。继电保护可以快速的切断故障，消除不正常的运行状况，所以电力系统的继电保护属于一种保护电网运行安全的自动装置。所以当有危及电网安全的故障发生时，继电保护会发生报警信号并自动采取措施以终止不稳定因素的发生。继电保护的基本任务：自动迅速，有选择的跳开特定的断路器；反映电气元件的不正常运行状态。电力系统对继电保护的基本要求：速动性；选择性；灵敏性；可靠性。
2电力系统继电保护现状
2.1微机在继电保护中的大量普及
随着计算机的广泛推广普及，微机开始在继电保护装置中开始使用，计算机在计算方面具有极强的运算能力和分析能力，所以在提高继电保护装置的性能方面具有较强的优势，所以在近年来，计算机广泛在继电保护装置上开始使用，且利用率呈上升趋势，针对高压的电力系统，微机的保护功能具有更强的性能。
2.2继电保护与前沿技术相结合
当今继电保护技术已过慢慢的逐渐呈现互联网和防护、检测、控制、数据信息整体化。互联网平台成就信息和数据联络用具已形成网络时期的技能助手，其与继电防护的融合是呈现现在电力体系安全、稳固运转的核心保护。现在电力体制继电保护需要整个防护单元全能同享整个体制的运转和事故信息的数据，促使每个防护单元与相交闸设置在研究这类信息和数据的基础上调和行为，实施这项体制防护的基础条件是将整个体制每个核心电气设施的防护设置用互联网平台结合在一块，即呈现微机防护设置的互联网信息化。当前微机确保的互联网信息化现在已实行，但它还是在初级时段，要完成我们国家微机防护的整体互联网信息化，还要求我们继电保护工作员的继续努力。
2.3使用人工智能（AI）、自适应控制算法等先进手段
人工智能技术（如专家系统、人工神经网络ANN等）被全面地使用于需求非线性困难，相对于原来的方式有着不可更换的实力。我们都知道，电力系统继电保护是一项普通的离散制约，划分到系统的每个地方，对于系统的状况（正常或故障）来诊断，即状况评估，是完成确保有效行为的核心。由于AI的逻辑思维和迅速治理技能，AI已形成网上状况评估的关键手段，越为广泛地使用于电力体制的众多方面里，尤其是继电防护方面，在于掌控、监管及计划等空间中展示着尤为关键的作用。
3确保继电保护安全运行的对策
3.1继电保护装置检验应注意的问题
3.2定值区问题
微机防护的最大优势是能有很多定值区，这也方便了电网运转方法千变万化的状态下定值更换问题。这时务必要做好的是定值区的错误对继电工作来说是一大忌，必须采用严格的管理和相应的技术手段来确保定值区的正确性。
3.2.1短距离馈线与降压变压器保护配合问题
一般厂里使用的电缆为不会超出2km的短线路。馈线最终的地方的10.5kV/0.4kV变压器不会设置唯一的变压器防护，务必将10kV这种线的路子和10.5kV/0.4kV变压器应该是线路变压器构成，是一样要保护的。就是设置了变压器防护的35kV/10.5kV变压器，出于馈线线路非常短，短路电流异常挺慢，一时断掉防护行为值需要按原线路终端三相短路较大的短路电流来整理，按照线路出去的地方短路来检验快速断电防护敏感度，在思考1.2的有效系数之后就没了防护空间。有效防护整理中，同时将35kV线路和35kV/10.5kV变压器想象成线路变压器组，一块看作防护对象。
3.2.2定时限过电流保护与限时电流速断保护配合
速断保护是一种短路保护，为了使速断保护动作具有选择性，一般电力系统中速断保护其实都带有一定的时限，这就是限时速断，离负荷越近的开关保护时限设置得越短，末端的开关时限可以设置为零，这就成速断保护，这样就能保证在短路故障发生时近故障点的开关先跳闸，避免越级跳闸。定时限过流保护的目的是保护回路不过载，与限时速断保护的区别在于整定的电流相对较小，而时限相对较长。这三种保护因为用途的不同，不能说各有什么优缺点，并且往往限时速断和定时限过流保护是结合使用的。
3.3一般性检查
首先清点连接件是否紧固焊接点是否虚焊机械特性等。现在保护屏后的端子排端子螺丝非常多，特别是新安装的保护屏经过运输搬运，大部分螺丝已经松动，在现场就位以后，必须认认真真一个不漏地紧固一遍，否则就是保护拒动，误动的隐患。其次是应该将装置所有的插件拔下来检查一遍。
3.4接地问题。
通俗的讲接地就是将电器设备的外壳与大地通过接地极和接地线做良好的电气连接，使电器的外壳与大地之间在正常和故障的情况下都可以保持相同的电位，因为这两点（外壳和大地）的电位相同即电位差（电压）为零，因此人站在地上摸外壳就不会有电流通过人体，从而达到了保护人身安全的目的，这是理论上的，实际上接地线、接地极与大地之间的电阻不可能做到零因此外壳对地还会有一定的电压（具体数值视接地效果和漏电电流大小而不同），但毕竟大大降低了人体触电危险性。
3.5工作记录和检查习惯。
工作记录和检查习惯是每一个继电工作者都应该具有的工作习惯，良好的工作记录能及时发现工作中任何环节的疏漏，对以后继电保护工作也是一个良好的参考借鉴。
4继电保护管理的重要性及任务
4.1重要性
继电保护工作作为电网工作中的一个重要组成部分，这种行为责任重大、技能方面的性能非常强、工作细节复杂。继电保护员工天天对着很多像电网架构、保护设置、设施进出、运转方法变换及事故状况等每项信息，对这些来有效的总结、整理和分析，做起来非常复杂，况且上面和下面之间、局与各站点之间存着很多反复性内容进入及维修工作。为降低继电保护员工的工作的压力力度，提升整体生产力，开展继电保护信息监管体系已形成电网未来的一项必然发展趋势。
4.2主要任务
电力体系继电防护监管体系的首要工作是对继电防护所关系到的信息、数据、内容、图表等进行进入、查看、更改、删掉、查询。虽然监管对象层次非常之多、架构相对复杂、涉及全部一、二次设施参数、运转状况、数据分析、图档监管还有一些人力方面的管理，每个层面防护细节分工非常细，这也让数据库、表格非常之多，运用监管系统可以有效提升效率和数据运用的确定性。在电力体系里，依然有如防护设置软件设置不妥善、二次回路设置不规范、参数结合不理想、元器配件质量较差、设施落伍、二次标识不对、没有运用反措等很多因素，影响运转的继电防护设施存在或呈现事故，比较轻的会导致设施正常运转，严重的是影响电网的安全正常运转，对此，务必提高警惕继电保护事故预防，用心、坚持地展开好继电保护信息管理。
5继电保护管理中的不足
6排除故障的措施
6.1对继电保护故障按独立的装置类型进行统计
对当前系统运转的各项线路防护设置、变压器防护设置、母差防护设置、电抗器防护设置、开关操作箱、重合闸设置或继电设置、电压切换箱，电容器防护设置、以及其他保护、备用电源自投切设置或安全自动设置等，将其事故依照设置款式在微机里来统计分析，而不运用罗列笔录或按站统计等方式。
6.2对继电保护故障分类
为了逐渐把我设施运转规律，并逐步提升继电保护工作人员的运转维护技术水平，就务必对继电保护设施呈现的每一项事故来立即、整体的统计分析，除去继电保护工作人员个人出现的事故应立即统计分析之外，还务必立即统计分析变电站运转工作岗位上的人员出现的事故，而要做好后面这项以往非常复杂。对此，务必对运转机构工作（人员）有效继电保护事故通知方式、机制，经过制度的制约，清楚事故上报的方式、事故政治的分界、耽误事故治理构成缘故的职责归属等，明确做好任何一次事故都能立即做到统计分析，为经过不足之处监管查询设施运转规律奠定坚实的基础。
7继电保护故障管理的对策
7.1跟踪继电保护设备运行情况，及时、合理安排消缺
通过事故监管，可以在不同地方把握设施运转状况，做好下一步的计划：哪些设施没有出现过事故，我们可以暂不处理，哪些设施还存在隐患，事故可否导致设施安全运转，并对目前有事故的设备，依照事故轻重，进行安排处理，立即妥善处理或逐渐导入月度生产检测修理计划来对设施打消或结合继电保护定期检验、交接性校验、状态检修进行设备消缺，以确保设备尽可能地健康稳定运行。
7.2超前预防，安全生产
通过事故管理，对把握的事故的数据，在其未构成故障之前，要做到立即总结分析，定出计划和针对性的措施。对于立刻能处理的事故，要安排工作人员进行处理；对不能马上处理的事故，要做到再次总结分析，制定挽救方法，并认真对待该事故预想。
7.3及时、准确地对继电保护设备进行定级统计
要真正做到把每台继电保护设备定级到位，就必须做到时刻全面地掌握每台继电保护设备存在的问题，并对其进行合理化管理，进而对设备定级实现动态的科学化管理。
【关键词】计算机；网络管理；网络安全
引言
对于目前来看，Web管理软件可以包容很多技术及其各方面的应用特性，不仅如此，还有比较容易操作和开发成本比较低的特点，所以Web网络管理系统是目前最受欢迎的软件。所以本文就基于Web网络管理系统这方面的优越性，简单地介绍一下Web的基本理论和基于Web网络管理模式的研究，最后以网络管理安全作为本文的结论点，使得在网络安全管理中保证其正常运行。
1计算机网络管理的概念及Web技术
1.1计算机网络管理
计算机网络管理系统实质上就是管理网络的软件系统，将其收集到的信息进行综合分析和具体的调整。网络管理这一领域从20世纪80年代逐渐受到重视，各种网络系统虽然在结构上还存在着一定的差异，也没有一个人们能接受的标准，但是可以将网络管理的概念分为以下几个主要内容：
新的网络管理技术的出现，使原有的技术已经不能满足新的网络时代的要求，基于复杂的网络管理技术，由于复杂和实施费用过高，还不能被广范的认可，因此网络管理系统还是当前的重要研究内容。计算机网络管理是收集网络中的各种动态和静态信息的，为了保证网络的安全和高效的运转，要合理的分配网络资源。通常情况下，计算机网络管理的功能主要包括计费管理、故障管理、性能管理、配置管理和安全管理五个方面的管理功能。
2计算机网络管理的发展趋势
2.1计算机网络管理的现状
2.2计算机网络管理的发展趋势
现在的计算机网络管理已经开始向应用层次转变，在传统的计算机网络管理的基础上进行了一系列的调整，数据的传输更加安全可靠。
2.2.1实现了综合化的网络管理
计算机网络管理系统中的综合化网络管理要求管理系统能够提供更多的管理支持，通过具体的操作对管理的业务进行定位和支持。计算机的网络管理作用在生活中尤为突出，因此要实现对多个网络的管理就要考虑几个因素。首先，对存在多个网络管理系统的的不同部分要进行分别管理；其次，将网络管理系统中的各个网络紧密的结合起来，降低管理的复杂性。
2.2.2实现智能化和业务监控管理
实现计算机网络管理对支持策略和管理系统的本身维护，可以采用人工智能技术来进行维护和排除故障以保证网络的正常运行。就目前的网络管理的服务内容来看，有些服务虽然已经停止，但对其监控管理还未停止。进一步加强业务的监测和管理是计算机网络管理的一个重要的发展趋势。
2.3基于WEB的网络管理模式的优缺点
3计算机网络管理的安全策略
当前，计算机网络安全涉及的面更广，危害更大，当前我国已经进入了以网络为核心发展的信息时代时期，但是在这个时期也产生了很多有关信息安全隐患问题，这样不经给社会带来很大的隐患，还会影响到我国机密信息的安全，所以在过个程中为了免受非法的盗取。下面将分析一下计算机网络存在的安全问题以及相应的解决办法。
3.1数据加密技术
3.2选用防火墙技术
防火墙技术在计算机网络安全管理系统中是非常重要的。它是一种隔离控制技术，目前我们常用的防火墙技术只有三种，即状态检测技术、应用网关技术、包过滤技术三种。对于不同的技术有不同的防御系统，像状态检测技术，他不仅可以对属于同一连接的数据流程经行检测隔离，而且还可以对那些单个链接的数据流程经行区分和识别。而应用网关技术它是利用一个特殊的系统软件来保护网络和其他网络系统，但它保护的对象有轻重之分，它的重点就是保护主机及其里面的数据；最后包过滤技术是对网络层中的数据进行检测和选择利用，对目标地址和所用的端口进行检测，来判断是否可以对其放行。
3.3计算机桌面的安全系统
4结论
在几十年的发展过程中，计算机网络已经应用到各个领域里，并且网络管理的规模也在日益扩大，网络正处于一个迅猛发展的阶段，其复杂的程度也在逐渐加剧。对于Web系统，是网络系统发展的一种优势，在其发展过程中，浏览器和Web服务器进行信息交换时必须严格遵守HTTP协议，一般情况下会采用CGI脚本的方式进行，但这种交互在一定情况下会受到限制，因为客户端所显示的信息大都是之前预定好的，所以在这方面还存在着很多不足之处，需要我们继续对Web方面的网络管理系统进行深一步的研究。计算机网络为资源的共享和信息的传播提供了一个全新的有效途径，在网络发展的时代，计算机网络管理必将是一个重要的研究课题。
关键词：数据挖掘；贝叶斯；分类
TheApplicationofBayesianClassification
ZHONGDai-jun
(ChongqingUniversityofArtsandSciences,Chongqing402160,China)
Abstract:ThispaperelaboratesthenecessityandimportanceofBayesianclassificationwhendesigningsystemusingthetechniqueofartiffisalintelligence，introducedthebasictechniqueofBayesianclassification,giventheadvantageanddisadvantageandfutureofit.ExplainedwithsomesampleoftheapplicationgofBayesianclassification.
Keywords:datamining;bayes;classification
1引言
数据的丰富带来了对强有力的数据分析工具的需求，大量的数据被描述为“数据丰富，但信息贫乏”。快速增长的海量数据收集、存放在大型和大量的数据库中，没有强有力的工具，理解它们已经远远超出了人的能力。
分类作为数据挖掘的一种模式，可以用于提取描述重要数据的模型，通常是预测分类标号（或离散值）。例如，可以建立一个分类模型，对银行贷款的安全或风险进行分类。许多分类的方法已被机器学习、专家系统、统计学和神经生物学方面的研究者提出。
贝叶斯分类是数据分类中的一个基本技术。在大型数据库，贝叶斯分类已表现出高准确率和高速度。贝叶斯分类中又有朴素贝叶斯分类和贝叶斯信念网络。
2什么是分类
数据分类(dataclassification)是一个两步过程。第一步，建立一个模型，描述预定的数据类集。通过分析有属性描述的数据库元组来构造模型。假定每个元组属于一个预定义的类，由一个称作类标号属性(classlabelattribute)的属性确定。对于分类，数据元组也称作样本、实例或对象。为建立模型而被分析的数据元组形成训练数据集。训练数据集中的单个元组称作训练样本，并随机地由样本群选取。由于提供了每个训练样本的类标号，该步也称作有指导的学习（即模型的学习在被告知每个训练样本属于哪个类的“指导”下进行）。它不同于无指导的学习（或聚类），那里每个训练样本的类标号是未知的，要学习的类集合或数量也可能事先不知道。
通常，学习模型用分类规则、判定树或数学公式的形式提供。例如，给定一个顾客信用信息的数据库，可以学习分类规则，根据他们的信誉度优良或相当好来识别顾客。这些规则可以用来为以后的数据样本分类，也能对数据库的内容提供更好的理解。
第二步，使用模型进行分类。首先评估模型（分类法）的预测准确率。模型在给定测试集上准确率是正确被模型分类的测试样本的百分比。对于每个测试样本，将已知的类标号与该样本的学习模型类预测比较。如果模型的准确率根据训练集评估，评估可能是乐观的，因为学习模型倾向于过分适合数据。
如果认为模型的准确率可以接受，就可以用它对类标号未知的数据元组或对象进行分类。（这种数据在机器学习文献中也称为“未知的”或“先前未见到的”数据）。
分类具有广泛的应用，包括信誉证实、医疗诊断、性能预测和选择购物。
3Bayesian分类技术介绍
3.1Bayesian分类与其他分类技术的比较
基于统计的分类算法主要包括：相似度模型(Rocchio,K一近邻)、概率模型(贝叶斯)、线性模型(LLSF,SVM)、非线性模型（决策树、神经网络）和组合模型.对于这些分类算法，国内外很多研究者进行了客观评测。
分类方法可以根据下列标准进行比较和评估：
预测的准确率：这涉及模型正确地预测新的或先前未见过的数据的类标号的能力。
速度：这涉及产生和使用模型的计算花费。
强壮性：这涉及给定噪声数据或具有空缺值的数据，模型真切预测的能力。
可伸缩性：这涉及给定大量数据，有效地构造模型的能力。
可解释性：上涉及学习模型提供的理解和洞察的层次。
数据库研究界对数据挖掘的分类一直强调可伸缩性。
“贝叶斯分类的效率如何？”理论上讲，与其他所有分类算法相比，贝叶斯分类具有最小的出错率。然而，实践中并非总是如此。这是由于对其应用的假定（如类条件独立性）的不准确性，以及缺乏可用的概率数据造成的。然而，种种实验研究表明，与判定树和神经网络分类算法相比，在某些领域，该分类算法可以与之媲美。
贝叶斯分类还可用用来为不直接使用贝叶斯定理的其他分类算法提供理论判定。例如，在某种假定下，可用证明正如朴素贝叶斯分类一样，许多神经网络和曲线拟合算法输出最大的后验假定。
3.2贝叶斯分类
3.2.1贝叶斯定理
设X为一个类别未知的数据样本，H为某个假设，若数据样本X属于一个特定的类别C，那么分类问题就是决定P(H/X),即在获得数据样本X时，H假设成立的概率P(X)是建立在H基础之上的x成立的概率。具体公式描述如下：
3.2.2朴素贝叶斯分类（简单贝叶斯分类）
朴素贝叶斯分类方法[3]是机器学习中常用的方法之一。朴素贝叶斯分类法将训练实例I分解成特征向量W和决策类别变量C。朴素贝叶斯分类法假定特征向量的各分向量间相对于决策变量是相对独立的。对文本分类来说，假设各个单词wi和wj之间两两独立。
设训练样本集分为k类，记为C={C1,C2,…,Ck},则每个类Ci的先验概率为P(Ci),I=1,2,…,k,其值为Ci类的样本数除以训练集总样本数N。对于样本d,其属于Ci类的条件概率是P(d|Ci)。文本d有其包含的特征词表示，即d=(w1,…,wi,…,wm),m是d的特征词个数|d|,wj是第j个特征词。根据贝叶斯定理，Ci类的后验概率为P(Ci|d)
因为P(d)对于所以类均为常数，朴素贝叶斯分类器将未知样本归于类的依据，如下
文档d由其包含的特征词表示，即d=(w1,…,wi,…,wm)，m是d的特征词个数|d|,wj是第j个特征词，由特征独立性假设，则得
式中P(wj|Ci)表示分类器预测单词wj在类Ci的文档中发生的概率。
3.3改进的贝叶斯分类在文本分类中的应用
关键的一个技术是特征提取。文本分类征提取的步骤包括：词语切分，词频统计，加权计算和特征选择（二者通常结合在一起进行）。
在文本分类中有很多权重计算和特征选择的公式，如信息增益、期望交叉嫡、文本证据权、zx统计量等，其中最著名的是TFIDF公式.那么，权重计算和特征选择的公式究竟哪个为优呢？其实在这些公式中，关键在于特征选择时的倾向：高频词或稀有词，也就是公式中的P(w)因子起很大作用。因此，在特征选择时，理想的做法应该是充分考虑P(w)因子的作用，最好能兼顾到高权高频词和低频高权词。
有学者对TF*F和TF*IWF*IWFF公式进行了分析并作了一些改进，认为关键词在某类的权重受3个因素的影响：该词在当前类中的出现频率；该词在总语料中的出现频率；该词在不同类别之间出现频率的差异。最终得到关键词在类中的权重计算公式：
类别区别度用来表示某一个词语对于文本分类的贡献程度，即词语的领域区别程度。直观地看，如果一个词语在每一类中都比较均匀地出现，那么它对于分类的贡献几乎为零，类别区别度很低;如果某一词语只在某一类中出现，那么它对于分类的贡献很高，有的几乎可以一词定类，类别区别度也就很高了。比如，虚词“的、我、在”的类别区别度很低，而“魔兽争霸、重仓股、手机操作系统”这样的词语其类别区别度就很高。
3.4贝叶斯信念网络
朴素贝叶斯分类假定类条件独立，即给定样本的类标号，属性的值相互条件独立。这一假定简化了计算。当假定成立时，与其他所有分类算法相比，朴素贝叶斯分类是最精确的。然而，在实践中，变量之间的依赖可能存在。贝叶斯信念网络（Bayesianbeliefnetwork）说明联合条件概率分布。它允许在变量的子集间定义类条件独立性。它提供一种因果关系的图形，可用在其上进行学习。这种网络也被称为信念网络、贝叶斯网络和概率网络。
信念网络有两部分定义。第一部分是有向无环图，其每个节点代表一个随机变量，而每条弧代表一个概率依赖。如果一条弧有节点Y到Z，则Y是Z的双亲或直接前驱，而Z是Y的后继。给定双亲，每个变量条件独立于图中的非后继。变量可以是离散的或连续值的。它们可以对应于数据中给定的实际属性，或对应于一个相信形成联系的“隐藏变量”。
“贝叶斯信念网络如何学习？”在学习或训练信念网络时，许多情况都是可能的。网络结构可能预先给定，或由数据导出。网络变量可能是可见的，或隐藏在所有或某些训练样本中。隐藏素净的情况也称为空缺值或不完全数据。
如果网络结构已知并且变量是可见的，训练网络是直截了当的。该过程由计算CPT（条件概率表）组成，与朴素贝叶斯分类涉及的计算概率类似。
当网络结构给定，而某些变量是隐藏的时，则可使用梯度下降方法训练信念网络。目标是学习CPT项的值。设S是s个训练样本X1，X2，…，Xs的集合，Wijk是具有双亲Ui=uik的变量Y=yij的CPT项。Wijk可以看作权，类似于神经网络中隐藏单元的权。权的集合总称为w。这些权被初始化为随机概率值。梯度下降策略采用贪心爬山法。在每次迭代中，修改这些权，并最终收敛到一个局部最优解。