操作系统的分类
操作系统的分类（精选12篇）
操作系统的分类 第1篇
关键词：计算机操作系统,系统分类,系统功能
计算机操作系统的功能与分类是其运行的重要内容, 人们可以通过这些内容对计算机进行更加精确的管理。在计算机的发展与优化中, 很多功能和流程得到了优化, 系统的操作系统得到了更好的调配。相关人员应明确用户之间和计算机本身的关系, 确保更准确的对计算机进行控制。现对计算机操作系统的功能和分类进行研究, 并总结如下。
1 计算机操作系统的重要性
在开发计算机的过程中, 科学家为了使计算机更加优良和高效, 在应用中能够体现出人性化的特点, 不断开发其操作系统。这些人员一直致力于对操作系统的挑战性和实用性的研究, 将此作为发展的目标。操作系统的不同导致不同功能的计算机最好在适于应用的环境下功能, 否则其作用效果得不到有效的体现。例如大型高智能计算机和微型的计算机, 大型的比较适于企业工厂的自动化经营和控制, 而微型的比较适用于企业办公, 在这个过程中, 操作系统发挥这非常重要的作用。
2 计算机操作系统的功能
计算机的另一个功能体现在各项资源间关系的调动, 确保各项资源能够在使用过程中相互协调与配合, 更好的发挥主要作用。这种功能的体现, 能够保证资源的调配得到最佳的效果, 使高速设备能够高效运行。
计算机操作系统的功能中, 最主要的功能就是保证用户和计算机进行良好的沟通, 最后达到人机和谐共处的现象。在计算机的操作系统中, 相关人员应掌握计算机各部件的功能, 从而对多项资源进行合理调配, 通过用户安装的程序, 将计算机的操作环境更加形象的展示出来。计算机的操作系统就好像是一个外部环境, 只有其内部的各方面内容充分配合, 和谐发展, 才能共同促进操作系统的良好运行。人们能够更好的使用计算机, 通过其简化很多人工活动。
3 计算机操作系统的分类
3.1 计算机操作系统的分类模块
从计算机的用途来看, 能够将其操作系统分为两类, 一是专用操作系统, 二是通用操作系统, 两者之间的区别主要体现在控制和管理方面。例如专用操作系统在使用中, 更偏向于对专项事物进行控制。例如现代社会中使用的手机, 这种系统主要是嵌入的方式, 能够在特定的途径中使用。
从操作系统的功能方面进行划分, 能够分为批处理、分时、实时、网络、分布系统, 其中批处理、分时和实时系统主要在计算机系统环境中使用。网络、分布系统是在多计算机系统中使用。
从单机和网络的角度两件, 计算机操作系统也有着不同的分类, 分为单机和网络操作系统, 其中单机操作系统主要是针对单机计算机, 这种情况下, 其只能对计算机本机的资源进行管理。这种单机操作系统, 是一台机器一个用户, 更具有针对性, 系统中所有的资源, 都归为该用户, 这名用户能够控制并使用这些资源。
3.2 操作系统的具体分类
3.2.1 批处理系统
批处理系统的主要特点是批量, 这种操作系统的运行更加高效。相关人员可以将想要处理的任务, 整理成队列的形式, 让计算机进行逐一处理。批处理处理还可以细分为单道和多道两种处理方式。其主要内容为, 单道只能处理一次调动一个处理作业, 其他任务或作业, 只能放入存储器中, 这种模式与单用户操作有一定相似之处。
计算机在处理中, 主要设计两方面的时间消耗, 一是在CPU执行程序中, 二是在计算机的输入和输出中。从速度上比较, 输入和输出的速度明显慢于CPU的执行速率, 造成计算机在进行输入和输出的过程中, 其CPU存有空闲。通过这种情况, 相关人员为了提升CPU的利用率, 发明了多道处理系统, 这种系统类型, 改善了单道操作的处理模式, 能够同时执行多个作业, 在处理前, 根据任务的实际情况, 制定更加有效的测量, 合理对CPU资源进行分类。一旦计算机要进行输入或输出行为时, 就释放了对CPU的占用, 通过这种调动程序的方式, 保证CPU执行的高效性, 将其他内存中需要处理的作用交由CPU处理, 提高CPU的效率。
3.2.2 分时系统
分时系统主要是两个或是两个以上的事件能够按照时间, 依次利用计算机的某种资源。在计算机处理中, 如果多个用户同时使用一台计算机, 那么这种系统就被称为分时系统, 分时系统中, 时间也被成为时间片, 一般情况下, 一个时间片可以分为几十毫秒。分时系统能够同时连接几十或是上百个终端, 不同的用户使用自己的终端进行作用。在这个过程中, 系统将CPU依次分配给不同的用户使用, 保证操作能够顺利进行。
3.2.3 实时系统
实时系统能够即时处理计算机中的任务, 这种系统主要应用的是时间驱动的设计方式, 系统能够及时发现事件并进行有效的处理。实时系统还可以根据不同的功能分为控制系统和处理系统。在工业控制、飞行器和导弹的发射等军事方面, 经常使用控制系统。在预定机票、查询航班以及处理系统中的流程主要使用的是处理系统。
4 结束语
科技的创新与发展, 人们提高了计算机技术的要求, 目前计算机操作系统逐渐向着多元化和多样化发展。相关人员应了解计算机操作系统的重要性, 明确计算机操作系统的具体功能, 根据其分类进行更好的使用。
参考文献
[1]孙洪庆.浅谈对计算机操作系统的认识[J].改革与开放, 2011, 7 (03) :164-165.
[2]王萍.计算机操作系统的功能和分类研究[J].科技资讯, 2014, 3 (05) :195-196.
[3]褚骁骁.计算机操作系统的功能、发展及分类[J].科技资讯, 2010, 1 (01) :129-130.
[4]骆海霞.浅谈计算机操作系统及其发展方向[J].吉林省教育学院学报 (中旬) , 2013, 2 (09) :248-249.
关于列车运行控制系统的分类 第2篇
列车运行控制（简称列控）系统是将先进的控制技术、通信技术、计算机技术与铁路信号技术溶为一体的行车指挥、控制、管理自动化系统。它是现代铁路保障行车安全、提高运输效率的核心，也是标志一个国家轨道交通技术装备现代化水准的重要组成部分。值得注意的是，各国铁路由于历史、传统术语、指示和原文意义不同等原因，对列车运行自动控制系统的名称划分也不尽相同，列车超速防护系统（ATP）与列车运行自动控制系统（ATC）并没有严格的划分，在城市轨道交通的信号系统ATC系统中包括列车自动防护ATP、列车自动监督ATS和列车自动驾驶ATO。
在列控系统研究方面发达国家已有较长发展历史，比较成功的列控系统有：日本新干线ATC系统，法国TGV铁路和韩国高速铁路的TVM300及TVM430系统，德国及西班牙铁路采用的LZB系统，及瑞典铁路的EBICA900系统等。这些列车控制系统都结合本国的特点、具有本身差别的技术前提和顺应规模，因此，列控系统可以分成许多类型。
如按照地车信息传道输送方式分类：一种为持续式列控系统，其车载设备可持续接收到地面列控设备的车-地通信信息，是列控技术应用及发展的主流。如：德国LZB系统、法国TVM系统、日本数码ATC系统。采用持续式列车速度控制的日本新干线列车追踪距离为5min（分 min），法国TGV北部线区间能力甚或达到3min（分 min）。
另一种为点式列控系统，其接收地面信息不持续，但对列车运行与司机把持的监视其实不间断，因此也有较好的安全防护效能。如：瑞典EBICAB系统。
还有一种为点连着式列车运行控制系统，其轨道电路完成列车占用检测及完整性查抄，持续向列车传送控制信息。点点连着式信息设备传道输送定位信息、进路参数、路线参数、限速和停车信息。如：我国CTCS2级。
如按控制模式分为阶梯控制方式和曲线速率控制方式两类。其中阶梯速度控制方式，又分有出口速率查抄方式如：法国TVM300系统；有进口速率查抄方式如日本新干线传统ATC系统。
而按照速度-距离模式曲线控制模式，如：德国LZB系统，日本新干线数码ATC系统
如按照闭塞方式分：有固定闭塞、移动闭塞。如按照功效、人机分工和列车运行控制系统化程度分： 一有列车运行控制(Automatic Train Stop略称ATS)系统；ATS是一种只在停车信号(红灯)前实施列车速度控制的装备，是
在非速差式信号系统下的产品，归属列车速度控制的低级阶段。国外多种ATS系统补充了简略的速率监视功效，这种系统设备简单，历史悠长，在我国及世界各国铁路直到现在广泛采用。
二有列车超速防护(Automatic Train Protection略称ATP)系统；列车自动防护系统（ATP）可对列车运行速度进行实时监督，当列车运行速度超过最大允许速度时，自动控制列车实施常用全制动或紧急制动，使列车停在显示禁止信号的信号机或停车标前方。ATP系统的车载设备以仪表或数字指示方式（车内信号方式）向司机给出列车最大允许速度、目标距离和目标速度等信息，司机只要按允许速度操纵机车，就能可靠保证列车安全运行，不冒进信号。通俗地说，一般ATP系统不包含列车的自动加速和自动减速，只是起到超速防护的目的，在国内也将ATP系统叫成列车超速防护系统。ATP是根据速差式信号系统的建立而产生的，列车正常运行由司机控制，只在司机疏忽或失去控制能力且列车浮现超速时设备才发生效力，并以最大经常使用制动或紧急制动方式，强迫列车减速或停车。当列车速度已降至或到达限速要求，由司机鉴定和操作制动缓解。系统要求符合故障-安全原则。这是一种以人(司机)控为主的列车运行安全系统，在欧洲高速铁路上遍及采用。三有列车运行控制(Automatic Train Control略称ATC)系统；铁路列车运行自动控制系统（ATC）可根据行车指挥命令、线路参数、列车参数等实时监督列车运行速度，通过控制列车多级常用制动，自动降低列车运行速度，保证行车安全。列车运行自动控制系统是比列车超速防护系统高一级的列车自动控制系统，它可替代司机的部分操作。通俗地说，铁路的ATC系统可以包含列车的自动减速，该系统在日本应用较为广泛，这种控制模式可以有效降低司机的劳动强度，并且能够提高运输效率，不会因为司机的水平不一样而造成效率的降低，目前我国 200km/h的动车组引进的ATP设备可以理解为日本方式的ATC系统，即在传统的ATP系统上加上一个设备优先控制列车制动的操作模式。ATC又称列车运行控制系统减速系统。当列车运行超过限定速度时，列车运行控制实施正常制动，使列车降至低于限定速度的一定值后，制动阀缓解，列车接续运行。这是一种设备优先的列车运行安全控制系统，司机一部分操作由设备代替，但列车运行的正常调速仍由司机操作，系统一样要求故障-安全原则。这种方式很适合于动车组，日本新干线高速铁路采取这种方式。
四有列车运行(Automatic Train Operation略称ATO)系统。ATO(又称列控驾驶系统)。按系统预先输入的程序，按照列车运行图的要求，由设备代替司机举行列车运行的加速、减速或定点停车的速度调整。一般环境下，司机除对列车开始工作操作外，只对设备的动作举行监视，它归属一种非安全系统，一般叠加在ATC或ATP上，列车运行的安全防护由后者承担。该系统已在城市地铁中较广泛采用，在庞大的铁路干线上，由于运输环境、运输组织比较复杂、恶劣，一般只是注重ATP系统的发展和应用，关于ATS和ATO在铁路运输中应用难度较大，目前很少采用。
汽车制动辅助系统的分类及发展 第3篇
关键词 制动辅助系统；主动安全；性能评价
中图分类号 U461 文献标识码 A 文章编号 1673-9671-(2012)052-0236-02
随着汽车技术与高等级公路的不断发展，行车速度愈来越高，如何减少碰撞事故发生而将车辆安全地停下来对制动系统提出了更高的要求。基于以上目的的制动辅助系统便应运而生。
对GIDAS（德国事故深入研究）数据库中的事故分析显示，在接近一半的事故中驾驶者未能用足够的力量进行制动。基于对德国联邦统计局事故数据的代表性随机抽样分析，奔驰公司计算了每10?000辆新注册的车辆中严重行人碰撞事故的比例。分析显示，如果制动辅助系统成为标准装备，严重行人碰撞事故数量可减少13%。
根据ECE R13H的相关定义，制动辅助系统（Brake Assist System，简称BAS）是指驾驶员在紧急情况踩下制动踏板可助其快速建立车辆制动减速度的系统。该系统通过感知驾驶员踩制动踏板的力量或速度来探测车辆行驶情况，以确定紧急情况的发生；当驾驶人员快速踩下制动踏板，即使踩踏力不足，该系统也会迅速将制动力增大至最佳水平，可以有效地缩短制动距离。有资料显示，在以100 kph的行驶速度制动时，BAS可使制动距离缩短30%～60%。
根据欧洲联盟行人碰撞保护技术指令2003/102/EC的要求，BAS作为汽车安全项目必须在2011年起逐渐成为标准配置。
按照执行制动辅助功能的主要部件进行区分，制动辅助系统可分为基于主动式助力器的电子制动辅助（EBA）、助力器内部带有BA控制阀的机械制动辅助（MBA）以及基于ESP系统主动增压功能的液压式制动辅助（HBA）。
1 电子制动辅助
电子主动式真空助力器真空腔上安装有膜片位移传感器及真空传感器，制动总泵还配备了TMC主缸压力接口。主动式助力器可向ABS/ESP控制器输送有关踏板行程和移动速度的信息，如果判断出是紧急刹车，就使助力器内螺线阀门开启，加大压力室内的气压，以提供足够的助力，实现电子制动辅助功能。
2 机械制动辅助
在真空助力器内部控制阀部位上增加具有惯性效应的机械组合开关机构，既可实现快速踩踏板时的紧急制动助力功能，被称为带机械式制动辅助装置的BA。
在一般速度踩下制动踏板时，其与一般的真空助力器一样，控制阀关闭，气阀打开。此时，真空腔里导入空气，助力器进行动作。随着踏板速度的提高，输入连杆和动力活塞将发生较大的相对变位，挂钩会脱离滑动阀门。脱钩的滑动阀门，压住控制阀，比通常动作时气门打开的要大。由此，从空气腔会导入较多的空气，能获得较大的输出力，可使制动系统压力迅速达到ABS启动条件。
大力踩下踏板但速度较低或者快速踩下踏板但踏板力很小的时候都可以达到机械式BA的触发条件，因此其可以通过阀值功率曲线来表示，即有：
P=F*V （1）
其中：P-阀值功率，W；F-踏板力，N；V-踏板速度，mm/s。下图为阀值功率56W时的特性曲线。
图4 机械式BA阀值功率特性曲线
3 液压制动辅助
HBA的主要功能是监测紧急制动情况并据此自动增加制动压力来提高车辆的减速度。其利用ESP系统的传感器信号及液压控制单元（HCU）具备的主动增压功能实现制动辅助，减少驾驶者的踏板操纵强度。在HBA的作用下，车辆的减速度只受到ABS控制，因此能接近于车辆物理极限内的最佳水平。普通的驾驶员能够像受过专业训练的驾驶员一样实现很短的制动距离。当驾驶员的制动水平期望值减小时，车辆的减速度会随着制动踏板力的减小相应的降低。从而当紧急制动情况结束后，驾驶员可以精确的控制车辆的减速度。
驾驶员的制动水平期望值是根据其施加在制动踏板上的压力决定的，踏板压力是根据主缸压力的测量值并结合实时液压控制所估算出来的。驾驶员能在任何时候干预制动程序，从而直接影响车辆的响应。HBA能够增加制动压力，所用驾驶员施加的压力是系统所采用的最小压力。当系统发生错误时，HBA将被关闭，并通过仪表指示灯将错误信息传递给驾驶员。
图5 HBA功能的比较
BOSCH公司在高附路面测试的数据表明（表1），在不同的速度情况下进行紧急制动，HBA可以有效地缩短制动距离。
从上面的三种工作原理及实验数据表明： 与其他形式的制动辅助功能相比，HBA由于是在ESP系统基础上进行的软件升级因此功能更加可靠，效果更好。
参考文献
[1]搜狐汽车.博世创新技术 制动辅助系统缩短制动距离[EB/OL].[2008-6-23]. http://auto.sohu.com/20080619/n257606542.shtml.
[2]魏春源译.德国BOSCH公司.汽车工程手册(第三版)[M].北京:北京理工大学出版社,2009.
[3]Bert Breuer ,Karlheinz H.Bill. Brake Technology Handbook[M].1st.English Edition.Warrendale,Pennsylvania,USA:SAE international,2008.
布线管理系统的分类 第4篇
笔者希望能够建立一种简洁的、专业的分类方法, 把现有的产品分门别类地对号入座, 并使厂家、集成商、最终用户的沟通和交流变得简单、有效。在工作过程中, 也尝试了多种方法, 对布线管理系统进行分类, 但是, 都不够完善、清晰, 甚至不能说服自己。按照传统的观念, 电子配线架的产品涉及端口型、链路型、链路端口型, 软件包含C/S版本、B/S版本和集两者优点为一体的代理服务版本。如果从技术实现角度上看, 包括的产品种类就更多了;如果再考虑光系统、铜系统、系统信道和链路等级、屏蔽和非屏蔽特性以及数据中心的特殊性, 分类方法很难做到全面、清晰。而且, 在具体分类过程中, 总会有困惑:不知道是布线系统决定布线管理系统的分类, 还是布线管理系统决定布线系统的分类。
经过几次失败的分类工作后, 笔者对前面的几次工作进行了总结, 发现分类的要素有四个:一是作为布线管理系统的关键元件电子配线架分类;二是布线管理系统的中枢神经管理软件分类;三是布线系统类型及其与管理系统的组合方式分类;四是布线管理系统与IT管理系统、网络管理系统、能源管理系统、监控系统的交汇与融合方式的分类。这四个要素是布线管理系统必需实现的功能, 也是分类的依据, 如图1所示。
想到这里, 笔者认真地回顾了过去二十年的工作, 仔细地回忆参与过的, 与布线管理系统相关的投标项目上海虹桥机场扩建项目、上海世博会项目、中科院扩建项目、解放军302医院项目笔者忽然想起了中央电视台新台址布线系统的投标工作。记得在CCTV项目中, 各大国际布线品牌都粉墨登场, 业内成名的集成商也是各显神通, 竞争十分激烈, 其中的故事虽已淡忘, 但是, 一张A4纸却让我记忆犹新:虽然只有一个简单的表格, 却清晰地表明了用户的需求, 内容充实, 商业思路和技术思路也较清晰, 一看便知, 业主背后必有专业人士指点。同时又想起了在大连海关的售前工作中, 笔者提出了将布线管理系统分为三代, 得到了客户的认可和共鸣
经过深入的思考, 笔者发现前几次分类工作中的最大错误是思维模式的错误:在先前的工作中, 受到了电子配线架传统分类方式如所谓的端口式、链路式、6类、屏蔽等思维方式的束缚, 总是试图从技术实现角度对布线管理系统进行分类, 却忘记了布线管理系统存在的意义“管理”, 因此, 应该从管理的角度, 对布线系统进行分类。笔者应该站在最终用户的角度考虑分类, 而不是站在一个系统设计者的角度考虑分类问题。
基于这种思路, 笔者对布线管理系统产品的分类做了新的规划, 如图2所示, 其含义如表1所示。在这种分类方式中, 管理功能最强大的系统为六级布线管理系统, 其管理范围涉及布线管理系统的所有部分和无线链路, 以及整个生命周期。其中, 一级布线管理系统为纯软件系统, 高一级的布线管理系统, 能够实现低一级布线管理系统的所有功能。
上述分类方法达到了如下的预期目标:
(1) 便于最终用户控制造价, 并在招标书中起指导作用。保护用户投资, 真正做到明明白白消费。
(2) 同级别产品才有比价的必要, 保证了各个厂家在投标竞争中的公平性。
(3) 解决了软件的功能层级界定, 功能与软件架构耦合。
(4) 解决了电子配线架的归属和分类。
(5) 便于对系统的风险等级进行控制或指导。
(6) 从管理角度进行分类, 不受布线系统通信速率的制约。
(7) 布线管理系统和布线系统从管理角度分离。
(8) 预留了布线管理系统与IT管理等系统的接口, 保证了系统的可扩展性。
作为对上述方法的应用和验证, 笔者将一舟产品线划分为表2中的结构。这种分类方式, 也适用于业内现有的解决方案。
最终用户最关心的是布线系统的总体拥有成本, 包括购买产品、安装、服务、运营费用等。由于产品是在分级的思路上规划的, 因此, 对最终用户而言, 总体拥有成本控制也有章可依。表3是各级系统中影响总体成本的因素。
成本趋势图如图3所示。图中的绿线, 代表普通布线系统的造价。此图可作为系统造价预估的参考模型。红色折线需要用户慎重考虑。
由图3可知, 在一至二级系统中, 布线管理系统的成本是可以接受的, 在功能上也很实用。在第三、四级系统中, 由于个别厂家将布线检测信号叠加到数据通道上, 造成了巨大的系统风险。如果用户选择了此类系统, 会使系统的风险成本成倍地提高。
因此在布线管理系统的设计阶段, 通常会考虑系统的可扩展性能和可升级性能。由于布线系统的周期较长, 升级通常只涉及到应用软件和固件, 较为简单, 所以, 可扩展性才是重点考虑的问题。图2中, 我们可以看到布线管理系统可以提供数据类型接口、控制类型接口和其他类型接口。在理想情况下, 接口应逐层提供, 就像国际开放互联网络协议一样, 可以分为若干层。例如, 在二级以上系统中, 可以开放电子配线架的接口协议。
在实际工作中, 可以通过网络和软件提供数据接口和控制接口。例如:通过数据交换, 可以向企业内部管理系统提供工作单信息, 以便企业管理系统进行对IT人员的绩效考评;我们还可以通过开放控制接口, 直接控制监控系统, 实现报警联动等;其他接口包括短信息平台, 通过这类接口, 系统可以得到最大限度的扩展。
嵌入式系统的分层与专业的分类 第5篇
硬件层比较适合于，电子、通信、自动化、机电一体、信息工程类专业的人来搞，需要掌握的专业基础知识有，单片机原理及接口技术、微机原理及接口技术、C语言。
2、驱动层，这部分比较难，驱动工程师不仅要能看懂电路图还要能对操作系统内核十分的精通，以便其所写的驱动程序在系统调用时，不会独占操作系统时间片，而导至其它任务不能动行，不懂操作系统内核架构和实时调度性，没有良好的驱动编写风格，按大多数书上所说添加的驱动的方式，很多人都能做到，但可能连个初级的驱动工程师的水平都达不到，这样所写的驱动在应用调用时就如同windows下我们打开一个程序运行后，再打开一个程序时，要不就是中断以前的程序，要不就是等上一会才能运行后来打开的程序。想做个好的驱动人员没有三、四年功底，操作系统内核不研究上几编，不是太容易成功的，但其工资在嵌入式系统四层中可是最高的。
驱动层比较适合于电子、通信、自动化、机电一体、信息工程类专业尤其是计算机偏体系结构类专业的人来搞，除硬件层所具备的基础学科外，还要对数据结构与算法、操作系统原理、编译原理都要十分精通了解。
3、操作系统层，对于操作系统层目前可能只能说是简单的移植，而很少有人来自已写操作系统，或者写出缺胳膊少腿的操作系统来，这部分工作大都由驱动工程师来完成。操作系统是负责系统任务的调试、磁盘和文件的管理，而嵌入式系统的实时性十分重要。据说，XP操作系统是微软投入300人用两年时间才搞定的，总时工时是600人年，中科院软件所自己的女娲Hopen操作系统估计也得花遇几百人年才能搞定。因此这部分工作相对来讲没有太大意义。
操作系统的分类 第6篇
【摘 要】培训管理系统是企业信息化的重要组成部分，是为提高人员素质，丰富培训手段，以信息化技术手段实现的线上培训系统，主要提供学习（包含文字、视频等内容）、考试功能以及相关统计、分析功能。通过分析培训管理系统的需求，结合分类属性概念，对系统进行了设计与实现。
【关键词】培训管理系统 分类属性
【中图分类号】 C36【文献标识码】A【文章编号】1672-5158（2013）07-0197-02
Design and Implementation of the Training Management System based on categorical attribute
Xiaoyan Jiao？？Cang Zhu？？Chao Zhang？？Wei Yuan
Institute of computing technology of Chinese aviation industry？？Xian？？710119
【Abstract】The Training Management System is an important part of enterprise informationization， also is a kind of an online training system based on the information technology to improve personnel quality and to enrich training tools， mainly providing learning content including text and video， examination functions， analysis capabilities. This paper used categorical attribute to design and Implement the system structure based on analysis the system requirement.
【Key words】 the training management system， categorical attribute
1 引言
培训与考核是现代企业岗位能力培训和企业文化教育宣贯的重要组成部分，因此培训管理系统是企业信息化系统的重要组成部分。
培训管理系统建设的目标在于将实现培训过程的无纸化，使培训不再拘泥于培训教室，员工可以通过局域网在各自的工位参加培训、进行学习、参加考试，同时便于管理培训过程、考核培训效果、统计培训数据。
2 系统需求
在企业中，人力资源、党政宣传、质量管理等职能部门，需要进行能力培训、教育宣贯及考核等业务，技术部门也需要员工进行技术水平的提高及测试。由此得出培训管理系统的各个显性及隐形功能需求，简要叙述如下：
①支持多业务领域，各业务域垂直管理各自的对象；
②可学习各种文档、表格、视频、电子书资料，并分类管理上述对象；
③可进行考试，支持主观题与客观题，可依据试卷模板自动组卷；
④培训包含学习、考试两项可选任务，即一项培训既可只有学习或只有考试，同时也可两项都存在。
⑤以任务形式承载各次学习与考试过程，系统在学习任务提交后可自动发起考试任务，个人只需执行任务即可完成培训；
⑤提供信息综合查询和统计功能，提供可视化及统计结果导出功能。
3 系统设计
3.1 分类属性
需求①中业务域的数量及各业务域的属性要求在设计时不能明确，需要在后续使用时视情况陆续扩展，这要求系统有较高的可扩展性及灵活性，对此，以分类属性为基础的系统设计，能使人、资料、试题等系统资源的属性可以进行配置。
不同的业务，所使用的系统资源及资源的属性不同，如人力资源部门会以入职年限作为区分员工的一种属性，而设计部门将以技术职称作为区分技术人员的一种属性。设A= { ai } 为分类属性集，R={rj}为资源集，其中ai 为各分类属性，rj为各资源，定义资源与分类属性之间关系为Ck=（ai ，rj），即ri和具有的分类属性之间的关系为（C1，C2，…，Cn）i。
分类属性管理首先应将属性的值域结构化，即创建ai时，需定义ai的取值范围，一般为树状结构的取值域，即Vai=n，n∈{Ntree}，以组织属性为例，可以直接引用常见的组织属性树状结构，其他如专业属性、岗位属性、项目组角色属性等，均可建立属性树结构，而有些较为简单的属性，如入职年限，则直接使用列表结构。
在业务应用时，可对资源增加其拥有的属性，即为rj增加Ck=（ai ， rj）。如对人员这一资源设置其拥有组织属性、角色属性、岗位属性、专业属性、年龄属性、性别属性等若干属性发布学习任务需要选择人员时，可以设置例如r=‘人员and（a1=‘第三研发部or a2=‘高级设计师）的条件快速定位所需的第三研发部的高级设计师，同样在统计分析的选择统计对象操作时，也可方便的使用分类属性来进行对象集合的选择。
而分类属性管理，就是由属性结构创建、属性值添加、属性值修改、属性值删除、属性树编辑和属性应用对象设置等操作组成。
3.2 统计分析
分类属性在设计时较为简单，使用单表结构的树表即可存储，在业务过程应用时也没有大的区别，但难点在于如何进行统计分析。
统计过程通常就是获取一个对象集合中某值的值域及分布状况，抽象出统计分析模型如下：
统计分析的元素为：①统计对象O= { oi }；②统计指标K= { ki }；③约束Q={ qi }；④表达形式F={ fi }。其中，oi为统计过程的目标对象，并且还可分成若干个子集，进行子集间的指标对比，在系统中，oi多为人或部门；ki是对oi的某项值的设定，如考试分数或学习时长；qi是对oi的一个限定，如‘角色=‘项目主管and‘科室=‘三室and‘考试分数>60；fi确定如何计算ki，并以怎样的显性化形式展现统计结果，如柱状图或饼图。
统计分析的具体操作就是确定统计指标、统计对象和表达形式，设置约束条件。
3.3 系统结构
对系统需求进行分析，得出系统功能结构，如图1所示。图1 系统功能结构示意图
3.4 业务过程
系统业务过程如图2所示。详细描述如下：
* 各业务域的业务管理员在本域的资料库中导入资料、在本域的题库中导入试题，并进行组卷试卷
* 业务管理员在任务管理中创建培训任务，设定参训对象、时间、学习所用资料、考试所用试卷、阅卷人等信息，之后发布学习任务（培训任务的子任务）
* 员工在任务执行中接收学习任务，阅读资料，完成后提交任务，任务管理自动发布考试任务
* 员工接受考试任务，答题后交卷，任务管理自动发布阅卷任务
* 阅卷者接受阅卷任务，给出各题分数，提交任务，任务管理进行考试分数计算，得出成绩
* 业务管理员在统计分析中查看培训结果，即学习记录和考试成绩，并进行统计分析
图2 系统业务过程时序图
4 系统实现
系统经过一定定制，已交付试用。以试用情况来看，系统能支持培训的整个过程，培训过程有记录、考核有依据，并能覆盖全部有培训需求的业务部门。存在的问题是分类属性概念和固定属性概念区别很大，在属性创建时，由于业务管理人员对分类属性概念理解不够深入，提炼的属性代表性不够，可能会造成使用障碍，通过严格的属性提炼规则及强度较大的概念灌输可解决此问题。
5 结束语
现代企业竞争越来越趋向于企业自身能力的提升，人才能力是其中的关键部分，培训管理系统提供了一种有效提升人才能力的方法，有较高的推广应用价值。而引用分类属性概念进行系统设计，能极大提高系统灵活性，可以推广至其他信息化系统中。
参考文献
[1] 胡俊敏，王俊玲，基于Web Services的企业培训管理系统多层架构设计，《重庆科技学院学报：自然科学版》 2009 第6期
[2] 陈刚，魏东明，李利，企业培训管理系统的设计与实现，《计算机工程与设计》2004年第9期
[3] 吴立军，高希龙，基于网络的CAD培训管理系统的研究与实践 ，《教学研究》2009第4期
[4] 李金芳，培训管理系统的构建、功用与评价 ，《大学图书馆学报》2010第5期
信息系统数据库的分类 第7篇
一个银行信息系统面对不同的应用,其数据库大致可以分为以下几类。
一、联机交易数据库
联机交易数据库是典型的面向事务处理的操作型的数据库,包含了所有对外服务需要实时变化的数据,如客户的资产、负债账户类数据、客户相关信息和其他各类动态数据,以及为了满足银行日常生产管理使用的各种管理、控制数据的需求,如权限、资金、头寸、限额控制数据等。联机交易数据库的特点包括面向应用、联机更新和生命周期3个。
(一)面向应用
面向应用的数据库,是根据不同业务、不同应用而组织的。这种数据库通常封装在对应的应用(子系统)里,基本只为对应的应用服务,各应用子系统数据库之间相对分离独立,其服务对象面向生产。
(二)联机更新
联机交易数据库存放了所有联机交易需要更新的数据,所以该数据库的更新基本来自联机交易,并实时更新。
(三)生命周期
联机数据库一方面反映了联机交易数据最新时点的状态,另一方面保留了近期的历史数据。
二、批量数据库
在银行计算机应用系统发展的初期,计算机的处理方式主要有联机处理与批量处理两种。
传统的银行信息系统日终批量对应的业务处理通常有几大任务:一是进行一些日终账务处理,如资金清算、头寸划拨,以及各种内部与外部的约定处理,如利息计算与处理、约定的账务处理、客户信息处理等;二是产生各种银行的日终报表,包括各种处理流水清单、对账清单,和各种内部账务报表,如各核算层级的日计表、资金清算表及一些统计报表等;三是定期对一些历史数据进行整理与清理等。批量数据库基本是对应这类处理所需要更新的数据库。
在银行信息系统发展的早期,由于联机与批量的处理时间不一样,批量通常在联机关闭后才开始,两种处理方式对应使用的数据库没有严格区分。
随着应用系统的发展,联机对外服务时间越来越长,批量窗口受到挤压,联机与批量不得不并行运行。人们发现,在联机与批量并行运行时,如果两种处理的数据库有交叉,会引起很多共享与排他的问题。
为了解决联机与批量两种处理对应数据库交叉的问题,系统设计人员开始严格定义联机与批量两种数据库。其规则是:联机数据库只能由联机更新,批量只能对其进行参照(只读)处理;批量数据库只能在批量更新,联机只能对其进行参照(只读)处理,见表1所列。
随着信息系统的进一步发展,产生了ODS(Operational Data Store)的概念,批量数据库可以纳入到ODS的范畴。
(一)面向交易系统
该类ODS数据库的数据从粒度、组织内容等各个方面都与交易系统比较接近,例如,可以把此前的批量数据库纳入到ODS中。这类数据库的特点及功能部分与原来批量数据库类似,部分有更广泛的应用。其特点包括以下几点。
1. 其数据通常通过日终批量进行T+1时点的更新、加载。
2. 完全静态的历史数据,可以转移到ODS,减少交易系统数据库的规模。
3. 原来由交易系统批量直接产生的报表、历史数据的查询,部分可以通过ODS中进行,从而减轻交易系统的处理压力。
(二)面向联机分析系统
另一类ODS数据库在交易系统和信息分析系统之间形成一个中间层,这类ODS数据库的数据结构可以面向主题。这类数据库的特点是:
1. 其数据来自交易系统的集成,又提供给一或多个分析系统的数据仓库、数据集市。有了这中间层,更便于把联机交易系统面向应用的数据提取、转换和加载(ETL)为信息分析系统面向主题的数据库。
2. 可以通过O D S进行一些简单、高效的联机分析。
三、ODS
随着计算机应用系统的发展,银行应用系统从原来偏重事务处理走向全面的信息应用。数据仓库、数据集市应用得以迅速发展。这时,交易处理与信息分析分别对应两大类的数据库:一是交易系统面向应用的为各交易子系统专用的联机交易数据库;二是信息分析面向主题、信息共享的数据库和数据仓库。信息分析数据库的数据主要来自各交易子系统,如图1所示。
ODS就是在这种背景下,在近十年才逐步形成共识的一个概念。ODS所指的操作型数据库,是相对分析型数据库而言。ODS并不属于特定的子系统,数据结构按需要而定,偏向操作(operational)层面的用途。其动态数据通常有较频繁的更新以及较短的历史。ODS成为交易系统数据库与分析系统数据库之间的一类过渡的数据库系统。
ODS按其内容与功能大致可以分为面向交易系统和面向联机分析系统两大类。
四、数据仓库
数据仓库的结构化数据环境,为联机分析应用(OLAP)和决策支持系统(DSS)提供数据源。数据仓库的特征在于面向主题并具有集成性、稳定性和时变性。
数据仓库的主要功能是把交易系统联机交易处理(OLTP)所累积的大量信息,通过系统地分析不早不晚,利用数据仓库特有的数据存储架构,提供各联机分析处理(OLAP)、数据挖掘(Data Mining)使用,并进而支持如决策支持系统(DSS)、高管信息系统(EIS)的建立。帮助决策者快速有效地从大量资料中分析出有价值的信息,以利于对外在环境的变化进行快速回应与决策,帮助建构商业智能(BI)。数据仓库的特点包括以下几点。
(一)面向主题
数据仓库的数据是按照一定的主题域进行组织的。主题是指用户使用数据仓库进行决策时所关心的重点方面。
主题是与传统数据库的面向应用相对应的,是在较高层次上将企业信息系统中的数据进行综合、归类并分析利用的抽象表现。一个主题通常与多个操作型信息系统相关,每一个主题对应一个宏观的分析领域。数据仓库排除对决策无用的数据,提供特定主题的简明视图。
(二)集成
数据仓库的数据有来自于分散的操作型数据,将所需数据从原来的数据中抽取出来,通过加工、清洗、集成、归纳处理后才进入数据仓库。在数据抽取、清洗过程中,必须消除源数据的不一致性,以保证数据仓库内的信息是关于整个企业的、一致的全局信息。
(三)相对稳定
数据仓库的数据主要供企业决策分析之用,所涉及的数据操作主要是数据查询。一旦某个数据进入数据仓库以后,一般情况下将被长期保留。也就是数据仓库中一般有大量的查询操作,但修改和删除操作很少,通常只需要定期的加载、刷新。
(四)随时间变化并反映历史
数据仓库内的信息并不只是反映企业当前的状态,通常还包含了大量历史数据。这些数据系统地记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息。通过这些信息,可以对企业的发展历程和未来趋势做出定量分析和预测。
广义的说,基于数据仓库的信息分析系统由3个部件组成:数据仓库技术、联机分析处理技术和数据挖掘技术,其中数据仓库技术是系统的核心。
五、数据集市
数据集市是企业级数据仓库的一个子集,它主要面向部门级业务,并且只面向某个特定的主题。为了解决灵活性与性能之间的矛盾,数据集市是数据仓库体系结构中增加的一种小型的部门或工作组级别的数据仓库。数据集市存储为特定用户预先计算好的数据,从而满足用户对性能的需求。数据集市可以在一定程度上缓解访问数据仓库的瓶颈。
(一)数据集市的特征
1. 规模相对数据仓库小;
2. 面向部门,有特定的应用;
3. 数据架构通常是星型、雪花型,或两者组合;
4. 数据来源于O D S,或数据仓库;
5. 提供更详细的、预先存在的数据仓库的摘要子集;
6. 通常比数据仓库有更高的效率,更多用于联机分析处理。
(二)数据集市的类型
数据集市通常有两种类型:独立型数据集市和从属型数据集市。独立型数据集市直接从操作型环境获取数据,从属型数据集市从企业级数据仓库获取数据,带有从属型数据集市的体系结构。
形成这两种不同的数据集市的原因与企业信息分析系统的发展路径有关。企业如果先有数据集市,后发展数据仓库,数据集市通常会采取独立型。反之,如果企业先有数据仓库,后发展数据集市,数据集市通常会采取从属型。
通常认为,如果企业最终想建设一个全企业统一的数据仓库,并以整个企业的视图分析数据,最好不要选择建立独立型数据集市,这是由数据集市本身的特点决定的。数据集市为各个部门或工作组所用,各个集市之间存在不一致性是难免的。因为脱离数据仓库的缘故,当多个独立型数据集市增长到一定规模之后,由于没有统一的数据仓库协调,只会给企业又增加一些信息孤岛。
从长远的角度看,从属型数据集市在体系结构上比独立型数据集市更稳定,可以说是数据集市未来建设的主要方向。一些企业打算先独立地构建数据集市,当数据集市达到一定的规模后再直接转换为数据仓库,这种发展方式是不合适的。
有关数据仓库与数据集市的论述文章非常多,更详细的表述可以参照这类文章。
表2是上述几类数据库的特点与区别。
六、联机日志
从本质上分析,联机日志应该归类为信息系统联机数据库,但由于其在信息系统的特殊定位,所以将其单独进行分析。
(一)联机日志的定义
联机日志是联机交易系统在发生每一笔客户交易时,记录下来的交易情况。如果对于同一个独立核算的子系统,一个交易包含几个异步处理(例如作为收单行),那么每一个非同步的处理可以认为是一个子交易,均要记载单独的日志。但这些异步处理的日志应该有一个相关联的标志。
(二)联机日志的种类
通常,联机日志可以有渠道日志、处理子系统日志、业务日志几种。渠道日志由联机的交易发起渠道记录,而处理子系统日志由完成整个交易业务功能的各个独立核算子系统分别记载,业务日志是针对一笔完整的客户业务记录的日志。
(三)联机日志的内容
一个设计良好的日志,应该包含所有与交易相关的信息。
1. 渠道日志记载的主要内容有:从交易界面上接收到的输入信息、时间、场景;从渠道往处理系统上送的信息;交易修改的所有渠道数据库信息,及修改后的状态;接收到的从处理系统返回的信息;送回交易界面的信息。
2. 处理子系统日志记载的主要内容有:从交易调度处接收到的输入信息、时间;处理系统修改的所有处理系统数据库信息,及修改后的状态;处理系统返回交易调度的输出信息、时间;最终交易完成情况,如果是非正常结算,记录错误代码;及其他需要记载的内容。
1.正常情况下的功能有:
(1)产生交易流水,并将其作为历史档案。
(2)日志是联机与批量的桥梁。在日终批量时,通过联机日志进行当天的相关批量处理。
(3)一个设计良好的日志,应该能完全承担起事务处理系统与信息分析系统的桥梁。通过日志,把来自联机系统的各种新信息ETL(Extraction-Transformation-Loading)到信息分析系统的各数据库,包括ODS、数据仓库、数据集市。
2.故障对策:
(1)万一交易出现数据不同步,日志有助于找出问题所在;万一客户、交易相关方面对交易结果有异议,日志有利于澄清事实。
3. 如果交易系统建立了企业级服务总线,那么,服务总线可以记载业务日志,其主要内容有:从渠道层接收到的输入信息、时间;按调用顺序记录输往每一个处理子系统的信息、时间,处理子系统的返回信息、时间;服务总线修改的所有总线数据库信息,及修改后的状态;返回渠道层的输出信息、时间。
(四)联机日志的作用
由于联机日志记载了交易所有的输入、输出、处理信息,所以,日志具备以下功能。
(2)日志一旦生成,通常不会修改。也有一些系统,对需要几个异步交易才能完成的客户交易,在生成这些相关的异步交易日志后,再记录这些日志的关联标志与交易最终状态。
对于24小时运转的联机交易系统,日终批量已经没有独立的窗口,必须与第二天的联机并行运转。为此,系统通常配置两面交易日志数据库。在日切时点,把当前在用并记载了昨天日志的数据库切换到另一面空白的数据库,以记载当天的日志。昨天日志数据库用于相关批量处理与ETL,备份后清空,为记载下一天的日志做好准备。
七、各种数据库的定位
各种数据库与信息系统里各处理系统的关系如图2所示。
从图2可见,各种数据库与信息系统里各处理系统的关系包括以下几种。
(一)联机交易
对于银行的联机交易系统,涉及的数据库有联机数据库、日志数据库,还会参照部分相对静态的ODS。
(二)日终批量
日终批量一些传统的处理,如日终账务处理、报表处理等,主要涉及日志数据库、ODS、联机数据库。可以通过扫描日志,去引导并完成上述的各种处理。
随着银行信息分析应用的发展,日终批量还有一个重要的任务,就是要把当天从联机当中获取的新信息、更新信息从联机系统通过筛选、转换和加载(ETL)到ODS、数据仓库和数据集市中。由于联机所获取的新信息,已全部记载在日志里,所以,同样可以通过扫描日志引导ETL的各种处理,把联机新信息从日志ETL到ODS、数据仓库、数据集市。
从上面的分析可以看出,日志在整个信息系统中起了重要的信息传递作用。它连接了联机与批量,连接了交易处理系统与信息分析系统。
(三)联机分析
联机分析处理(OLAP)主要涉及ODS与数据集市。
(四)数据挖掘
钻井系统的分类和钻井工程 第8篇
关键词：钻井,石油勘探,工程设备
引言
在石油勘探和油田开发的各项任务种, 钻井起着十分重要的作用。诸如寻找和证实含油气构造、获得工业油流、探明已证实的含油、气构造的含油气面积和储量, 取得有关油田地质资料和开发数据, 最后将原油从地下渠道地面上来等等, 无一不是通过钻井来完成的。钻井时勘探与开采石油及天然气资源的一个重要环节, 是勘探和开发石油的重要手段。
1 钻井分类
石油勘探和开发过程是由许多不同性质、不同任务的阶段组成的。在不同的阶段中, 钻井的目的和任务也不一样。一些是为了探明储油构造, 另一些是为了开发油田、开采原油。为了适应不同阶段, 不同任务的需要, 钻井的种类可以九大类:一种是基准井。在区域普查阶段, 为了了解地层的沉积和含油气情况, 验证物探成果, 提供地球物理参数而钻井, 一般钻到基岩并要求全井取心;第二种是剖面井。在覆盖区沿区域性大剖面所钻的井。目的是为了揭露区域地质剖面, 研究地层岩性、岩相变化并寻找构造, 主要用于区域普查阶段;第三类是参数井。在含油盆地内, 为了解区域构造, 提供岩石物性参数特征, 验证物探成果所钻的井;第四类是探井。在有利的集油气构造或油气范围内, 确定油气藏是否存在, 圈定油气藏的边界, 并对油气藏经行工业评价及取得油气开发所需的地质资料而钻的井。个勘探阶段所钻的井, 又可分为预探井、初探井、详探井等;第五类是资料井。为了编制油气田开发方案, 或在开发过程中为某些专题研究取得资料数据而钻的井;第六类是生产井。在进行油田开发时, 为开采石油和天然气而钻的井。生产井又可分为产油井和产气井;第七类是注水 (气) 井。为了提高收采率及开发速度, 而对油田经行注水注气以补充和合理利用地层能量所钻的井。专为注水注气而钻的井叫注水井或注气井, 有时统称注入井;第八类是检查井。油田开发到某一含水阶段, 为了搞清各油层的压力和油、气、水分分布状况, 剩余油饱和度的分布和变化情况, 以及了解各项调整挖潜措施的效果而钻的井;第九类是观察井。油田开发过程中, 专门用来了解油田地下动态的井。如观察各类油层的压力、含水变化规律和单层水淹规律等。它一般不负担生产任务;第十类是调整井。油田开发中、后期, 为进一步提高开发效果和最终采收率颚调整原有开发井网所钻的井 (包括生产井、注入井、观察井等) 。这类井的生产层压力或因采油后期呈现低压, 或因注入井保持能量而呈现高压。
在整个油田的开发中, 有勘探、建设、生产几个阶段, 各阶段彼此互有联系, 而且都需要进行大量钻井工作。高质量、快速和高效率地钻井时开发油田的重要手段。
2 钻井工程设备
2.1 钻井动力系统
钻井如同是一座流动性大的独立作业的小型工厂。钻机所需的各工作系统大多数是用采油机做发动机, 通过变速箱直接驱动或由柴油机发电驱动钻井设备。钻井动力功率的配备要根据钻井的探浅而定。
2.2 钻井提升系统
提升系统主要用于提升钻柱和下管套等, 一套钻柱的重量可达到数十吨到一百多吨、下套管的重量最重的可达到四五百吨, 这套设备由井架、天车、游车、大钩、吊环等组成。一般用最小的提升速度和最大的负载来确定提升系统的能力。
2.3 钻井旋转系统
用来旋转钻柱, 向钻头提供扭矩。由转盘变速箱、水龙头、方钻杆组成。转盘有钻机驱动和马达直接驱动两种。旋转系统有接、卸钻柱和钻具的功能。旋转系统的能力根据钻井设备的能力而定, 中型钻机为370-447千瓦, 大型钻机为745千瓦左右。
2.4 钻井循环系统
钻井液 (通常是用水、粘土和化学处理剂配成的混合液体) 由泥浆泵泵入高压管线到钻台立管, 经过水龙带和水龙头, 进入钻柱直到井底钻头, 通过钻头水眼由环形空间返回地面, 再经过泥浆振动筛和除砂、除泥和除气器, 清除钻井液中的岩屑和固体颗粒后, 返回到泥浆池, 构成一个从地面到井下再返回的循环通路。为循环系统配套的还有钻井液的处理装置和储存罐等。
钻井液通过循环系统将钻头切削地层产生的热量和岩屑带出井眼, 同时将泥浆泵的一部分水功率通过钻头喷咀的喷射来冲击地层。近代钻井利用泥浆泵的水功率进行喷射钻井取得显著的效果, 这就是“喷射钻井”原理。
2.5 井控系统
在整个钻井作业过程中, 井控系统要对井下可能发生的复杂情况经行控制和处理, 以恢复正常作业。井控系统包括四个主要部分。
2.5.1 防喷器组
防喷器组。一般由三到六个防喷器组成, 这组防喷器组要能封住下入井内的钻杆, 钻铤、套管、油管、电缆, 测试钢丝绳和空井封闭, 以避免钻井事故扩大, 形成灾害。防喷器和闸门全部用液压遥控。防喷器组要依据井的深浅和地层压力选择不同的尺寸和压力等级。防喷器的通径与管套尺寸配套, 从7英寸到20英寸。压力等级有21兆帕、35兆帕、70兆帕和100兆帕。目前在海洋上钻高温、高压深探井使用的是150兆帕级地防喷器组。
2.5.2 储能器机和防喷器组遥控面板
储能器机组产生并储备足够高压液体, 即使动力源被切断, 储能器内的高压液体仍能对防喷组和闸门经行有效的控制。
2.5.3 测试管汇
钻进中遇到高压油气水层, 因钻井液密度不够压不住油气水而进入井内, 要关闭喷器, 利用测试管汇控制井内压力和流量, 同时测算井底压力, 做压井准备。
2.5.4 压井管汇
根据测算的地层压力, 调整钻井液密度。在控制井口压力和排出流体的状态下, 开动压井泵, 通过压力管汇逐步地利用调整后的钻井液压住地层中的油气水, 直到井下恢复正常。
2.6 监测系统
通过地质和钻井综合录井对井下的作业情况进行检测。通过司钻操作台地仪表对钻进参数如像大钩负载、钻压、转数、扭矩、泵压、排量、钻速等经行记录和测量;另外, 通过泥浆振动筛、泵房、钻杆堆场等地的探测器对钻井液中的天然气和硫化氢经行检测。
3 结论
钻井除在石油工业中应用外, 在国民经济建设中也得到广泛应用。如在探矿、水文地质、铁路、水力、各种基本建设部门, 也常利用钻井方法取得有关资料, 并将钻井技术用在工程施工中。
参考文献
基于模糊规则的土壤分类系统 第9篇
关键词：模糊分类系统,土壤分类,隶属函数,模糊规则
0 引言
模糊分类系统被广泛认为是一个较好用来表示分类知识的分类系统,它具备可读性和可解释性的模糊规则库[1]。模糊分类系统可以将传统数据抽象为语言变量,利用模糊分类器,人们可以得到系统建议与结论。我们赖以生存的世界是模糊的,同时,绝对清晰的阈值是不存在的。因此,使用模糊规则显得尤为直观,指定模糊集有时比指定清晰的时间间隔更为容易[2]。模糊推理系统将“不知何故”处理的不确定性,在处理实际问题时要更为真实。模糊分类系统的模糊规则获取方法主要包括两种。一种是直接由专家直接给出;另一种是通过自主学习模糊分类系统自动产生的。近年来,越来越多学者将目光投向后一种方法,通过自主学习来产生模糊规则集解决问题实例。
近些年,土壤问题得到广泛学者的关注。在对土壤进行分类时,土壤特征具有重要的作用,土壤特征对土地利用和土地管理有着重要的意义。虽然在土壤分类过程中不可避免会丢失一些信息,但是土壤分类能有效地降低上述过程中数据信息的复杂度,这有助于我们了解土壤的主要特征。本文讨论了土壤分类方法,提出一种基于模糊规则的土壤分类方法,新方法在对土壤分类时可以减少信息丢失并能根据已有数据准确定位测试土壤的质地。在本文中,我们使用三角隶属函数的方法来定义隶属函数的输入属性,提出了一种新方法来产生模糊规则,利用一组测试数据对分类系统进行测试,测试结果验证了系统的有效性。
1 问题特征与隶属度函数
土壤数据包含111个实例,每个实例由7个输入属性和一个输出的属性组成。为了能够清楚地说明提出的模糊规则生成算法,我们选择了指定情况下,每种类型的土壤数据输出属性。
传统模糊分类系统中有许多类型的隶属度函数,最常用的隶属函数三角形隶属函数、梯形隶属函数、高斯钟形曲线隶属函数和S形隶属函数。在本文中,我们采用了三角形隶属函数来描述数据特征。我们假定每个输入属性标签的数量是4个,它们分别是:ZE,PL,PM,PH。输入的隶属度函数属性分别为:depth,Sand,Silt,Clay,Sandbysilt,Sandbyclay,Sandbysiltclay。
2 算法
本文利用一组训练数据,提出一种基于模糊规则的土壤分类系统算法。该算法分成四个步骤,详细步骤如下:
步骤1:将训练数据中的每个训练样本转换为一条模糊规则,然后将新生成模糊规则放入初始规则集。
步骤2:对初始规则集进行判断,如果初始规则集为空,或者所有的模糊规则集的初始规则都已被采取,则算法停止;否则从初始规则集中采取一条模糊规则。
步骤3:如果一组已被采取的模糊规则是空的或者存在部分模糊规则有相同的输出与特征,则合并模糊规则,即模糊规则的成员均不相同。否则进入步骤4。
步骤4:将模糊规则与具备模糊规则相同输出但是并没有被采取的模糊规则合并;如果被合并模糊规则与原模糊规则具备相同特征,则合并后的模糊规则将取代原规则,跳转至步骤2,否则转到步骤3。
根据上述四个步骤产生最终模糊规则集。接下来,用测试数据验证系统有效性。首先,我们导入测试数据,然后将测试数据生成系统标签,最后测试分类系统是否包含明确规则集的模糊规则。
3 仿真实验
在本节中,我们使用C++语言程序设计进行编程。首先定义隶属函数的输入属性,再将每个训练数据都转换成一个模糊规则,从初始训练数据中选择训练数据(91.4,6.85,1.75,13.34,3.91,10.62)。其中,属性深度值为0.17,我们映射值“0.17”为输入属性深度的隶属函数,并检查与标签的隶属关系,我们可以得到,它的隶属度值为1。用同样的方式,我们可以转换((91.4,6.85,1.75,13.34,3.91,0.17,10.62),1)为(({ZE},{PH},{ZE},{ZE},{ZE},{PH},{PL}),1)。重复上述步骤,我们可以将初始训练数据转换为初始规则集:
接下来,我们用这些模糊规则来处理分类。我们使用的实例(37.15,0.73,18.25,44,2.07,0.41和0.6)的土壤数据作为测试数据来说明整个分类过程。首先,我们将这个测试数据进行转换,然后把这个转换的数据再转换成其相对的模糊规则,通过对比计算得出分类系统运算时间与分类准确率。
4 结论
本文提出了一种基于模糊规则的土壤分类系统,新算法首先将训练数据转换成初始的模糊规则集,然后根据顺序一个接一个合并那些最初产生的模糊规则,以减少模糊规则的数目。最后导入测试数据,验证系统有效性。新算法对以往算法进行了修改,与原算法不同的是,新算法接受输入属性,并生成最后的规则,消除了需要生成初始规则和合并的初始规则,也消除了特征相似度较大的初始规则,仿真实验表明该程序可以运行接受输入属性任意数量的数据,并能立即产生模糊规则的纹理类类型。虽然算法结果令人满意,但是如何能够简化算法的复杂程度,这将是本文下一步的工作。
参考文献
[1]安红艳,龙怀玉,张认连,雷秋良,穆真.冀北山地5个土壤发生学分类代表性剖面在系统分类中的归属研究[J].河北农业大学学报,2012(04).
分类器系统的研究与应用 第10篇
当我们面对问题时, 需要一个容易被人所理解的解决方案, 使未经过计算机科学训练的领域专家也能轻易的阅读和掌握。如果忽略顾客对解决方案的可读性要求, 可以随机采用任何方法构建, 然后再利用其它手段解释。但是, 我们更希望采用一种容易被理解和表示的方法构建解决方案。基于规则的方法将是最理想的选择, 因为规则是人们比较容易理解和掌握的事物。
如果一个解决方案能被领域专家描述和建模, 则可以通过一组规则描述该解决方案并建立系统解决问题, 这就构成了专家系统。如果无人能为我们提供解决方案, 则我们必须自己通过搜索来寻找解答。在这种情况下有几种可能, 如果问题不要求在线交互, 可以通过在某些时间点上获取的数据集描述, 应用文献[1]中提供的规则归纳法比如C4.5规则、CN2、FOIL或学习分类器系统等。但是, 如果系统要求与外部进行交互比如在线交易和机器人学习, 那么学习分类器系统虽然不是唯一却是最好的选择。机器学习解决了专家系统的学习机制问题, 从而使之可以不断丰富自己的知识库, 使专家系统的可用性获得极大提高。学习分类系统是机器学习的一种典型范例, 它联合帧间差、监督学习和遗传算法等多种技术来解决问题。通过维护由"条件-动作-预测"形式的规则种群构建的分类器, 能表示对目标问题的解决方案。
1、分类器系统的研究历史
1976年, John H.Holland在"Adaptation"中第一次描绘学习分类器系统的大概轮廓, 并把学习分类器定义为认知系统。两年后, Holland和Reitman在"Cognitive system based on Adaptive Algorithms"中对分类器作更详细的说明, 文中学习分类器系统作为一种建模工具, 可为未知的, 潜藏动态的真实系统, 创建一种相匹配的行为, 通过进化的规则, 创建与未知系统相符的、合理、可读的模型。Holland的这种思想从一开始就迎合了许多研究者的兴趣。
对于分类器系统的研究在八十年代盛行一时, 随着机器学习, 分类研究兴趣、增强学习发展和自主代理研究兴趣的增长, 分类器系统已经不仅仅是一种建模工具, 更是一种机器学习方法的选择。但是经过一段时间的高潮后, 由于认识到系统实现上的复杂性, 在八十年代后期该领域的研究开始衰败, 在九十年代中期, 研究几乎销声匿迹。1995年, Stewart W.Wilson提出了一个迄今为止, 最为成功的学习分类器系统XCS[3], 标志分类器系统研究的新的里程碑。在XCS设计中, Wilson对Holland模型原有结构作了大幅简化[5], 并通过改变学习机制去融入增强学习领域的最新进展。结果产生了一个关联性超出模型本身的具有强大通用性的Michigan分类器系统。Wilson经过多年的研究提出一些重要的研究成果, 例如第一个可以和其它机器学习方法媲美的简单高性能分类器系统BOOLE[4]。
近十年, 这个领域的研究得到了复苏, 除了相关文献数量急剧膨胀, 还有一系列的国际专题讨论会 (GECCO、ICGA) 、书籍、期刊的出现, 及研究团队和实验室数量的增加都表明了当前对分类器系统研究的重视。West of England大学的分类器系统小组是目前最大的研究小组, 提供了该主题的各阶段层次课程。伊利诺伊遗传算法实验室也已成为该领域重要科学研究结果和软件发布的主要来源。
2. 系统及研究方向
学习分类器系统定义了一类基于遗传的机器学习的方法, 但并未标识一种特定模型。文献[6]中提供了一系列自适应在线学习原则, 并引导了近年来一些模型的设计。这些模型既发展了Holland思想, 又保留了其原始设计中的基本要素:代表当前系统知识的分类器种群;对系统短期行为负责的性能组件;在分类器中分配新来奖励的增强 (信用赋值) 组件;对分类器应用遗传算法充实当前知识库的规则发现组件。分类器系统的结构如图1所示。四大主要组件的发展、系统结构延伸的方案和关于学习分类器系统工作理论的发展都影响着学习分类器系统的研究。
普遍认为分类器系统是一种在线的自适应系统或者离线的优化系统, 两种观点形成了这个领域研究框架。受Holland思想的启发, Michigan大学提出的分类系统模型通常称为Michigan分类器系统, Michigan方法中一条染色体表示一条规则, 种群中的各条规则互相竞争, 整个种群表示一个目标概念。而受Smith和De Jong思想的启发, Pittsburgh大学提出的分类器系统通常称为Pittsburgh分类器系统, Pittsburgh方法中, 每条染色体是由一组定长的规则组成, 代表一个侯选概念。Michigan分类器和Pittsburgh分类器在结构上有极大的区别, 没有模型能平滑这种区别。
2.1 知识表示组件
学习分类器系统的表示有较大的伸缩性, 不需要修改系统的主要结构, 只需要对分类器的每个组件作调整就可以适应特殊应用的需要。相应地, 该方面的研究集中在给定一个特定问题其对应最好表示方法的搜索, 比如最好的条件类型、行为类型、预测定义等。条件负责对环境规律的辨识以便获得有效的归纳。如果问题被定义在一个二值域上, 分类器条件能被简单表示成用字母{0, 1, #}组成的字符串上[10]。但二值编码对问题变量关系的表示有其局限性, 并且不可避免地在系统归纳能力上产生偏差, 有些概念很容易归纳, 而有些问题几乎不可能归纳。因此, 为提高复杂领域中的知识表示归纳能力, 更高效的表示方法已经被研究和测试。对于包含真实值输入的问题, 多种表示已经被研究, 比如基于中心区间的析取、简单区间、凸包、椭圆体、超椭圆体等。通用的表示如散乱条件, GP-LIKE条件, 一阶逻辑表示, 神经网络和模糊等也被提出。总的来说, 先进的知识表示方法能提高归纳和学习能力, 但也要求更大的种群, 因此产生更多的解决方案, 为限制所涉及分类器的总数膨胀, 压缩算法被研究去缩小进化种群的规模, 使其更容易管理。行为通常使用一套字符来编码, 关于备选的表示目前研究比较少。这方面最相关的研究是计算行为概念的引入, 它用函数替换一般的分类器行为参数。Ahluwalia和Bull首次探索了耦合二值条件和字符条件的可能, 其可以表示成可进化的表达式。最近, Tran等人受Wilson关于计算预测研究的启发, 提出了XCS的一种新的版本, 该版本中使用权值可进化的线性近似器计算分类器行为[11]。另外, Lanzi和Loiacono也提出一种权值以监督方式学习的类似方法[12]。
2.2 增强组件
增强组件也称信用赋值, 主要为对应分类器分配新来的奖励, 以便辨识分类器的价值并推动更有用的规则的发现。初始时, 这方面的研究主要集中在桶链 (bucket brigade) 算法, 该算法是分类器系统中唯一的信用赋值方法, 基于对系统的贡献, 对现有规则分配一个信用值。主要解决多条规则同时要求被激活时的竞争问题。当学习分类器系统和增强学习的关系更加清晰, 系统的信用赋值也可以通过其它的算法实现。一些增强学习文献中的算法被借用到信用赋值的实现上。在ZCS中Q-学习算法的启发下, Wilson在XCS中使用了桶链算法的改进版本, 同时又提出了一种Q-学习算法的改进版本。Tharakunnel和Goldberg使用平均奖励延伸了XCS。Butz等人从文献[13]借用梯度下降法提高XCS的多步骤问题的性能[28]。Drugowitsch[14]提出了一种有效的增强学习方法-资格迹法, 用以提高XCS中的聚合速度。其它的一些学者包括Wada和他的同事也纷纷提出多种信用赋值改进算法[15]。最近, Bernado和Garrell特别针对分类和数据挖掘问题设计的监督分类器系统UCS, 是对XCS的扩展, 其使用基于实用的分类准确性替换了分类器预测。
2.3 规则发现组件
规则发现组件利用分类器预测信息辨识问题空间的规律, 这种规律可能被用于把问题空间分解成一系列的子任务。这样的问题分解通过专属每个子任务的分类器的进化来获得。如前面提到的, 在Holland系统中, 遗传算法应用于整个种群, 分类器适应度和预测相一致, 选择通过概率选择或轮盘法实现, 这种组合很少能获得令人满意的性能, 研究人员寻求其它的方法提高模型。但效果不明显。在Holland文献[6]中, 强度被用于对分类器值的评估, 又被用于引导规则发现, 因此Holland模型的分析通常需要考虑增强组件和发现组件。
Wilson的XCS[3]是一个重要的转折。1995年, Wilson通过定义适应度作为分类器预测准确性, 将信用赋值从发现组件中分离出来。而不是像Holland模型一样把分类器适应度作为分类器预测。Wilson在XCS[3]中把基于准确性的适应度和小生境遗传算法结合, 算法集中对负责最近完成的行为的分类器进行进化操作。分类器的基于小生境的选择生成内部的泛化压力。这种基于小生境遗传算法和基于准确性适应度的结合导致最大准确性的一般分类器产生, 也使XCS成为迄今最成功的分类器。Wilson的基于准确性的模型已经成为其它多个模型比如UCS, YCS的思想来源。之后10年, XCS成功应用到大量问题上, 演示了基于准确性的适应度如何产生由准确最大地通用分类器组成的最优解决方案。
规则发现也依靠有效的选择。Butz等人发现一般的概率选择依靠适应度缩放和适应度分布, 可能无法提供足够强壮和稳定的适应度压力。在文献[18]中, 他们在XCS模型中用竞争选择取代概率选择, 结果显示新的选择方法使XCS对于参数设置, 噪声等更强壮, 同时在利用适应度的指导上更有效。发现组件的进一步研究包括Orriols等人对于非平衡问题[19], Butz等人对于层次的分解问题的研究[20]。Orriols等人分析XCS在非平衡输入分布情况下的性能时, 结果显示, 当非平衡率适度高时, XCS具有足够的健壮性, 但当非平衡率特别高时, 遗传算法的激活性必须被调整。相应地, 他们获取一个令人满意的模型能在非平衡情况下保证最优性能。Butz等人认为对于对问题属性子集要求有效处理的可分解问题, 一般的交叉操作可能没有效果。他们使用基于分布估计算法的重组替换一般的交叉操作, 结果显示具有基于模型的交叉操作的XCS能更有效解决复杂层次化函数。目前分布评估算法已经被使用于创建新的方法应用于Pittsburgh分类器。其中规则表示和进化是基于紧凑的遗传算法。
2.4 分类器预测:参数或函数
分类器预测通常使用参数编码, 而参数是根据算法的选择来更新的。最近, Wilson提出了XCSF模型和计算预测的概念标志Michigan分类器系统研究的一个新的里程碑[21]。在XCSF中, 分类器的预测不再是参数, 而是分类器输入和每个分类器维护的权值向量的线性组合。在以前的模型, 新的奖励被用于更新预测参数。而在XCSF中, 梯度下降法被使用去更新分类器权值。算法基于当前预测和目标预测值的差值、当前分类器输入和当前分类器权值向量。
XCSF最初应用于一个或多个变量的简单函数近似, 在文献[22]中, 表明XCSF可以实现对目标函数的准确近似。在最近的五年, 计算预测已经在不同的角度得到了广泛的研究。Lanzi等人分析了近似和归纳之间的平衡, 提出了一种交替预测更新的方法[23]。该方法将提高XCSF的归纳能力。他们也研究先进近似器的性能。比如多项式, 神经网络, 支持向量机和集成等。计算预测已经和多种类型的条件相联系。结果显示, 通过表示和近似充分结合, XCSF将获取更强竞争力或更优的强噪性能。计算预测的概念最近已经推广到分类器的其它参数比如行为、预测等, 值得注意的是计算预测也使理论模型的研究发展起来, 其试图把学习分类器系统建模成增强学习方法[16]。
3. 分类器系统的应用领域
3.1 学习分类器系统作为建模工具
学习分类器系统作为建模工具广泛应用于认知心理学或计算经济学。在认知心理学中, 学习分类器系统通常完成一个代理的主要认知模块, 被用于对认知的某个方面进行建模, 比如, 人类语言学习, 人类知觉分类学习, 情感理论, 迭代学习。在所有这些认知建模的应用中, 预期行为的研究更具广泛性、更成功。预期分类系统已经应用到耗子迷宫的潜伏学习, 并为其它试验中的动物提供好的学习模型, 在这些试验中, 受试验者必须学习内部模型以便尽可能完美地完成任务。在最近的十年, 预期分类器系统吸引了很多研究者的目光, 他们开发可拱选择的模式 (比如YACS, MACS) 或用预期延伸其它模型 (比如YCSL, X-NCS或XCS。这些模型都是受ACS[24]的启发, 对预期的认知方面关注较少。
在计算经济中, 学习分类器系统即可以在单个代理上建模也可以在各自分类器系统控制的多个交互的代理中建模。例如Brian Arthur和LeBaron等人对股票市场的模拟交易者建模。而Bull则对连续的双重竞拍市场交易者进行建模。更早些, Vriend对Michigan分类器和Pittsburgh分类器在相同的经济模型应用中做了对比。Marimon等建立了资金并购模型及其它一些经济方面模型。在最近几年, Schulenburg和他的同事已经广泛应用学习分类器系统对代理交易风险自由担保人的行为和股票市场环境中风险资产进行建模。在文献[25]中, 通过把不同的输入信息集输入到一群使用Holland模型实现的同质代理中不同的交易员类型被建模, 在文献[26]中进一步延伸通过应用多代理结构到投资组合优化中。
3.2 学习分类器系统在机器人学中的应用
九十年代, 自主机器人学称为学习分类器系统的试验台。Dorigo和Colombetti引导了广泛的研究, 从1990年到1998年, 他们把他们自己分类器系统ALECSYS的不同版本应用到大量的机器人学应用中。借用试验心理学中塑造的思想, 引入了机器人塑造的概念作为自主代理的增长式训练。为了在现实世界问题中应用这种思想, 他们定义了一种称为BAT:行为分析和训练的行为工程方法论。Colombetti出版的书籍"Robot Shaping:An Experiment in Behavior Engineering"中对其工作作了整体介绍。
自从Dorigo和Colombetti的研究后, 分类器在机器人学中的应用研究有所停滞。Stolzmann和Butz应用预期分类器系统去模拟具有移动机器人的隐含学习, 并学习机械手臂与照相机连接时的手眼协调。West England大学的分类器研究小组成员对多种机器人学问题应用多个学习分类器模型。许多自主机器人学的应用已经使用模糊分类器系统实现了。
3.3. 学习分类器系统在分类和数据挖掘中的应用
数据挖掘是学习分类器系统最重要的应用领域, 通过两个具有可与人类相竞争的Pittsburgh分类器系统成功地应用于数据挖掘的实例可以说明。学习分类器系统在分类和数据挖掘的应用可以追溯到Bonelli和Parodi的研究, 他们首先完成规则诱导器NEWBOOLE和神经网络在三个医药领域的比较, 比较结果显示NEWBOOLE比其它方法性能更好。在九十年代后期, 进一步的研究表明即使是更新的模型 (比如XCS) 也比传统的方法性能更好。另外, Michigan分类器和Pittsburgh分类器的混合模型被研究。比如GA-MINER和REGAL, 但在最初成果之后没有进一步的深入。在21世纪早期, 新的Pittsburgh模型出现, 该模型被认为是该领域的极品。很多优秀的Michigan分类器和Pittsburgh分类器系统与其它方法进行了比较。结果证实了早期的研究成果, 表明了学习分类器系统能比典型的机器学习方法性能更高。
值得一提的是学习分类器系统因为具有产生人类可理解结果的能力和较强的自适应性而非常适合医药领域的应用。特别是自适应能力是满足这种不断变化的问题的主要要求。Holmes和他的同事成功的把提出的NEWBOOLE新的版本-EPICS应用到流行病学监测数据的分析中, 这种应用对突发的变化的自适应是必须的。后来, Holmes通过把他的新模型-EPIXCS应用到相同类型的数据上来进一步把这个成果延伸到XCS。当数据的总量趋于巨大时, 研究人员开始开发学习分类器系统能够接受的并行机制, 以便把计算工作量分配到多个处理器上。
3.4 其它的应用
分类器系统的其它应用包括2D和3D的形状优化, 字母识别, 交通控制器, 金融预测, 电力分配网络在线重构, 入侵监测, 化学反应控制, 活体组织控制等, 对计算机硬件包括FPGA设计的应用和软硬协同设计的支持, 学习分类系统也应用在军事领域中。Smith和同事将其应用于新的战斗机机动策略发现和最近的目标识别。
4. 结束语
实践操作型中考题分类解析 第11篇
一、 折叠问题
折叠中蕴含着丰富的数学知识，将折叠后的图形再展开，则所得的整个图形应该是轴对称图形.在求解特殊四边形的翻折问题时，应注意图形在变换前后其形状、大小都不会发生变化，折痕是它们的对称轴.
【典型例题】
如图1所示，将矩形纸片先沿虚线AB按箭头方向向右对折，接着将对折后的纸片沿虚线CD向下对折，然后剪下一个小三角形，再将纸片打开，则打开后的展开图是（ ）.
图1
A. B. C. D.
分析：严格按照图中的方法亲自动手操作，展开图即可很直观地呈现出来.也可仔细观察图形的特点，利用对称性用排除法求解.
解答：∵第三个图形是三角形，
∴将第三个图形展开，可得 ，即可排除答案A.
∵再展开可知两个短边正对着，
∴选择答案D，排除B与C.
二、 旋转问题
旋转角是旋转问题的中心词，解答旋转问题的关键是要抓住旋转角，根据图形旋转的方向和旋转角的大小绘制旋转后的图形，旋转前后的对应点与旋转中心的连线所形成的角都是旋转角，且对应点到旋转中心的距离相等；旋转前后的图形全等.在解旋转问题时，一定要抓住图形旋转的性质.
【典型例题】
如图2，在Rt△ABC中，∠C=90°，AC=1，BC=，点O为Rt△ABC内一点，连接AO、BO、CO，且∠AOC=∠COB=BOA=120°，按下列要求画图（保留画图痕迹）：以点B为旋转中心，将△AOB绕点B顺时针方向旋转60°，得到△A′O′B（得到A、O的对应点分别为点A′、O′），并回答下列问题：∠ABC= ，∠A′BC= ，OA+OB+OC= .
图2
分析：本题考查了利用旋转变换作图、旋转变换的性质、直角三角形30°角所对的直角边等于斜边的一半的性质、勾股定理、等边三角形的判定与性质等，综合性较强.最后一问求出C、O、A′、O′四点共线是解题的关键.
解：作图3如下：
图3
∴∠ABC=30°，
∵△AOB绕点B顺时针方向旋转60°，
∴∠A′BC=∠ABC+60°=30°+60°=90°，
∵∠C=90°，AC=1，∠ABC=30°，
∴AB=2AC=2，
∵△AOB绕点B沿顺时针方向旋转60°，得到△A′O′B，
∴A′B=AB=2，BO=BO′，A′O′=AO，
∴△BOO′是等边三角形，
∴BO=OO′，∠BOO′=∠BO′O=60°，
∵∠AOC=∠COB=BOA=120°，
∴∠COB+∠BOO′=∠BO′A′+∠BO′O= 120°+60°=180°，
∴C、O、A′、O′四点共线，
三、 分割问题
首先由试题中的一个已知图形，针对题目要求解决的问题，利用所学的定理、性质、基本作图等对图形进行适当的分割.比较原图形与分割后图形在边、角、面积等方面的变化.这是解图形分割问题的着眼点.
【典型例题】
如图4，在△ABC中，∠B=∠C=30°.请你用两种不同的分法，将△ABC分割成四个小三角形，使得其中的两个是全等三角形，而另外两个是相似但不全等的直角三角形.请画出分割线段，并在两个全等三角形中标出一对相等的内角的度数（画图工具不限，不要求证明，不要求写出画法）.
图4
分析：在分割的过程中，需注意两个相似三角形中必须为有一个角是30°的直角三角形，两个全等三角形不一定是直角三角形.
解：
图5 图6
四、 剪拼问题
图形的剪拼是典型的实践操作题，解答此类问题一般可采取如下步骤：①固定一部分不动，变换另一部分；②找相等的边重合；③将其中变动的一部分经平移旋转或轴对称的图形变换，剪拼成其它形状的图形.在剪拼的过程中，新图形与原图形的面积一般保持不变.
【典型例题】
如图7，现有一张长40厘米、宽20厘米的长方形铁皮，请你用它做一只深5厘米的长方体无盖铁皮盒（焊接处及铁皮的厚度不计，容积越大越好），你做出铁皮盒的容积是多少立方厘米？
分析：要做这样的铁皮盒，有以下三种方法，分别计算出其容积，即可比较出哪个铁盒的容积最大；方法一：将4个角分别剪去1个边长为5厘米的正方形，如右图8所示；方法二：将长方形的两个角分别剪去1个边长为5厘米的正方形，再将剪下的正方形焊接在右边，如图9所示；方法三：从长方形的宽的两端分别剪去宽为5厘米、长为20厘米的1个长方形，再分别焊接在另外两边，如图10所示.
解：如图，可有如下三种情况，比较后可知：
图8 图9 图10
方法一：V=30×10×5=300×5=1500（立方厘米）；
方法二：V=35×10×5=350×5=1750（立方厘米）；
方法三：V=（40-10-10）×20×5=20×20×5=400×5=2000（立方厘米）；
∴用方法三做的铁皮盒的容积最大.
答：做出铁皮盒容积最大是2000立方厘米.
五、 平移问题
在平面内，将一个图形沿着某个方向移动一定的距离，这样的图形运动叫做平移.经过平移，将对应点所连的线段平行且相等，对应线段平行且相等，对应角相等，所以平移前后图形全等.这一性质在解题中常常会用到.
【典型例题】
如图11，在菱形ABCD中，对角线AC和BD的长分别为8和6，将BD沿CB方向平移，使D与A重合，B与CB延长线上的E点重合，求阴影部分的面积.
图11
分析：本题虽有动态条件，但因菱形是确定的，所以阴影部分的形状、大小是确定的.若整体求之，需知其形状到底是哪类四边形.
解：由平移知，AE∥BD，AD∥EB，
且AE=BD=6，
∵AC⊥BD，
又∵AE∥BD，
∴阴影部分实际上是一个直角梯形，
六、 综合实践问题
这类题型综合了平移、旋转、翻折等内容.在解答这类试题时，我们要运用图形的平移变换、翻折变换和旋转变换、位似变换的性质特点，去观察、分析、概括问题的实质，进而将之转化为我们所熟悉的数学问题进行解答.
【典型例题】
如图12，小明将一张矩形纸片沿对角线剪开，得到两张三角形纸片（如图13），量得其斜边长为10cm，较小锐角为30°，再将这两张三角纸片摆成如图14的形状，但点B、C、F、D在同一条直线上，且点C与点F重合（在图14至图17中统一用F表示）.
图12 图13 图14
小明在对这两张三角形纸片进行如下操作时遇到了三个问题，请你帮助解决.
（1）将图14中的△ABF沿BD向右平移到图15的位置，使点B与点F 重合，请你求出平移的距离；
（2）将图14中的△ABF绕点F沿顺时针方向旋转30°到图16的位置，A1F交DE于点G，请你求出线段FG的长度；
基于角度分类的快速图像检索系统 第12篇
由于视觉信息的飞速膨胀,基于内容的图像检索逐渐兴起并取得快速发展。在图像检索技术中快速准确地匹配视觉信息内容是最关键的一步。基于内容的图像检索是指从大规模图像库中检索出相似的图像,相似图像在这里指的是不同成像条件下同一物体或景色所产生的各种图像。目前已有许多文献试图解决这些转换图像的匹配问题[1,2,3,4,5],这些文献大多采用SIFT描述算子[1],对图像描述算子进行直接匹配,或者建立有效的索引结构搜索相似的描述算子。对于规模较小的图像库的快速检索可以使用kd树或者稀疏编码这样的近似最近邻检索算法。这些方法有一个共同问题,所有的描述算子都要一一存储逐个比较,导致存储量过大,比较时间冗长。
为了适应处理大规模图像库的需求,Sivic和Zisserman[4]在图像检索中引入了词袋BOF(Bag-of-features)来表示图像,并使用k-means算法将描述算子量化成视觉关键词(visual words),由此一副图像就可以用视觉关键词的频率直方图来表示,这个直方图通过将图像中每个描述算子分配到最接近它的视觉关键词所得到。使用倒排文件系统可以快速得到图像的频率向量。考虑到该算法是一种描述算子直接匹配的近似方法,因此在一定程度上降低了性能。相比欧式局部敏感散列(Euclidean locality sensitive hashing)[6,7]等方法,如方法在内存使用的角度上较为有利,LSH索引一个描述算子一般需要100到500个字节,一百万幅图像可产生多达20亿个局部描述算子,所以这个算法不是很有效。
近来对BOF的研究加快了将描述算子分配到视觉关键词[5,8]或搜索频率向量[9,10]的速度。另有一些研究改善了视觉关键词的辨别能力[11],但这些方法需要预先拥有全部图像库信息。通过固定邻近的结构[9]或者将描述算子分配到多个视觉关键词中[9,12]的方法也可以提高性能,当然这是以降低效率为代价的。最后,利用空间验证文献[1]的后处理方法可以改善检索性能,该方法最近被应用在大规模图像检索方面[8]。
基于BOF的图像检索结合了局部特征点和利用倒排表有效比较图像的优点,但是量化器大大降低了局部描述算子的辨别能力。如果两个描述算子分配到同一个量化索引,则认为它们是匹配的。选择聚类中心k的值应考虑量化噪声和描述算子噪声两方面的因素。
为弥补以上方法的缺陷,本文寻求在保持BOF方法检索性能的基础上加快检索速度。本算法利用SIFT特征点的四个相对独立的角度先对其进行分类,可大幅减少需要比较的特征算子的数量,之后对每一分类中的特征点使用k-means算法聚类,得到若干个聚类中心,最后对每一聚类的特征点进行汉明编码,并采用倒排表的方式进行信息存储。为了保证检索性能,最后在特征点库中搜索近似最近邻时,先计算角度划分中最接近的若干个类,然后在每一类中的聚类中心寻找到最近的中心点,在倒排表的基础上使用投票的方式得到图像库中图像的排序结果,为确保运行速度,不再另外采用其他算法对排序结果进行改善,实验表明此排序结果相对原先的BOF方法精度更高。
1 BOF算法
使用一种投票式系统来解释基于BOF的图像检索,该系统使用近似最近邻搜索方式匹配各描述算子。
假设待检索图像的描述算子为yi’,图像库中图像j(1<j<n)的描述算子为xi,j,检索系统的投票过程如下:
①将图像库中各个图像的排名分数sj初始化为0。
②对待检索图像描述子yi’与库中每幅图像的描述子xi,j进行相似度计算,得到相应图像的分数sj,如式(1)所示。
sj∶=sj+f(xi,j,yi⌷) (1)
式中,f为匹配函数,反映描述算子xi,j和yi’的相似度。
而在BOF算法采用的投票方法中,匹配函数则是通过量化描述子的方式实现,量化器q可表达为一个函数:
这将一个描述算子x∈⌷d映射到一个整数索引号,量化器q通常由将k-means算法对图像训练集进行聚类后得到的。得到的聚类中心也被称为视觉关键词,q(x)就是描述算子x最近的聚类中心,直观地看,在描述子空间上相近的两个描述算子x和y很大概率上会满足q(x)=q(y)。匹配函数fq就可以定义为
fq(x,y)=δq(x),q(y) (3)
这使得基于量化索引的描述算子的比较更有效。
③用作排名的图像分数s*j=gj(sj)是由最终的sj得到的,公式如下:
s*j=gj(∑∑fq(x,y)) (4)
归一化后得到:
ml和ml,j分别是检索图像和数据库图像j的描述算子被分配到视觉关键词l的数量,这个分数对应着两个BOF向量的内积。
此公式(3)未考虑 tf-idf 加权机制[4],加权机制通常根据视觉关键词的频率来决定它们的权值,即频率小的关键词被认为更有可靠性,从而分配到较高的权值。匹配函数f以此可以重新定义[14]为:
ftf-idf(x,y)=(tf-idf(q(y)))2δq(x),q(y) (6)
2 特征点快速匹配算法
假设集合R和L为SIFT特征点集合,分别含有r和l个特征点,则需要匹配的次数是rl。然而在所有可能的匹配中只有极小部分是正确的匹配,因此,快速匹配算法被提出来减少匹配的次数,提高匹配速度。
此算法将文献[1]中得到的SIFT特征点的128维描述算子划分为4*4的子框,计算每个框中的八个向量的向量和,得到16个角度θi,j (i, j=1,,4),如图1所示。根据文献[13]的实验,θ1,1, θ1,4, θ4,4,和 θ4,4四个角度满足两两独立条件和可能性等同条件(即每个角度在[-180°,180°]之间分布较平均),因此可减少匹配过程需要比较的特征点数量。
假设这四个角度是四维随机角度向量
根据文献[14],如果
假设其中一个特征点集合R保存在大小为b4的四维表中,第ijfg个单元包含了满足以下条件的特征点:θ1,1∈[-π+(i-1)2π/b, -π+i2π/b), θ1,4∈[-π+(j-1)2π/b, -π+j2π/b), θ4,1∈[-π+(f-1)2π/b, -π+f2π/b), θ4,4∈[-π+(g-1)2π/b,-π+g2π/b)。
则特征点集的数量r可表示为:
由于
∀i,j,f,g∈{1,2,,b}∶rijfg≅r/b4 (9)
用以上方法将图像库中所有特征点划分至b4个单元中后,将另一特征点集L中的每个特征点分配至b4单元,将每个特征点和相应的单元中的特征点及该单元左右n个相邻单元中特征点进行匹配,则匹配总时间为:
可见相对于穷举搜索的时间T ’=lr快了(b/(2n+1))4倍。
3 基于角度分类的快速图像检索系统
对于大规模图像库来说,特征点集合数量至少在100万以上,即使采用快速匹配,如果取b=10,n=1,平均每一单元有100个特征点,则每个检索图像特征点需要匹配8100次,如果l=500,则一共需匹配405万次,检索时间仍然很长。
本文提出的快速检索方法是在如第2节中所述方法将图像库中所有特征点划分到b4个单元中后,对每个单元中特征点用k-means方法进行聚类,由于之前的角度划分只是利用4*4个格子框的其中角上四个框,即128维描述算子的其中4*8=32维,其他维的信息未利用到,k-means方法可弥补这一缺陷。假设每个单元聚类中心数量为k,则共有b4*k个聚类中心,此时式子(2)中量化器可表示为:
匹配时间相应地减少为:
相对原本的匹配时间T ’=lb4*k快了(b/(2n+1))4倍。
从公式(12)中可以看出,在n和l一定的情况下,匹配时间是和k成正比的,k值越小,匹配时间越短,但同时匹配精度也越差。因此本算法引入了文献[15]中提出的嵌入汉明码,在k值相对较小的情况下,对每一聚类中的特征点进行汉明编码,进一步加快匹配速度。假设第m类中有nm个特征点,对特征点描述算子的每一维取中值,得到mdi(i=0,1,,127),表达式为:
mdi=Median(D0[i],D1[i],,Dnm[i]) (13)
其中,Dj[i]是指第j个特征点的描述算子的第i维数值。
对此聚类中的特征点进行编码,码字的长度为128bit,每一bit由下式决定:
两个特征点的汉明距离定义为:
匹配函数表示为:
其中,ht是固定的汉明阈值,在0到128之间。阈值越高匹配精度越高,但过高则会导致量化误差的增大。
图2是整个图像检索的框架,其中右边框出的部分是相对于原先图像检索的改进部分。
4 实验结果
实验使用平均准确率mean average precision (mAP)[8]来评估检索效果。单个待检索图像的平均准确率是每幅相关图像检索出后的准确率的平均值,所有待检索图像的平均准确率是每个待检索图像的平均准确率的平均值。准确率(AP)定义为:
其中,r是排名,N是检索到图像的数量,rel()是关于排名r的相关性的二元函数,P(r)被定义为:
检索出的相关图像排名越靠前,mAP值就可能越高,最理想为1.0;如果没有返回相关图像,则准确率默认为0.0。
本实验使用原始BOF方法和本文提出的改进方法对Holidays图像库[16]进行测试和比较。Holidays图像库共包含1491幅图像(4.456M个特征描述算子,500幅检索图像),其中包括风景图、人物图和建筑图等。实验所用电脑配置2.67GHz双核处理器。主要信息存在倒排表中,共有b4个单元,每个单元中有k’个聚类中心,聚类中每个特征点的存储空间包括21bits的图像id和128bits的汉明码,即19bytes,比原算法的存储空间略大。
实验结果如表1-2所示。两表中列举了采用原BOF算法和改进算法后的图像检索精度mAP和检索时间。由表1可看出,在ht值在90以上时,改进的算法相对原算法在检索精度上有很大的改进,如原算法在k=200000时,mAP为0.5488,而改进算法的mAP最高可达0.8557,提高了55.9%。另外对于不同种类的图像的检索,其检索精度也略为不同,其中人物和建筑类图像相对风景类的检索精度更高,这是由于SIFT特征点的提取原理所致。由表2可看出,改进算法在检索时间上相对原算法也有很大的改进,原算法在k=200000时检索时间为0.69s,而ht值在80以上时,改进算法的检索时间最多为0.67s,最少至0.35秒,降低达49.3%,这是由于汉明码的计算和阈值分割相对原算法的排名更新的复杂度要低。
(mAP)
5 结束语
本文以提高图像检索精度并减少检索时间为目的,在BOF(bag of features)算法的基础上,提出了一种新的匹配方法,利用SIFT特征点的四个相对独立的角度对其进行分类,之后对每一分类中的特征点使用k-means算法聚类,得到若干个聚类中心,最后对每一聚类的特征点进行汉明编码,并采用倒排表的方式进行信息存储。最后,使用Holiday图像库进行的实验比对表明,本算法无论检索精度还是速度都取得很大改善。但由于本算法存储空间较大,今后可改进方案以降低存储空间,如降低汉明码的维度等。另外本算法对风景类图像的检索效果尚有待改进,如加入色彩等信息加强检索的精度。
操作系统的分类
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
