论教育改进科学:迈向改进型组织的艺术

本文从倡导新兴交叉学科教育改进科学的角度出发,哲学地反思人类历史在实现教育使命过程中的三大认识路径,从词源学及中西文化政治传统两个角度,厘清“改革”的误用与误区,以及“改进”与其他近义术语的异同及其在教育理论建构和实践中的种种体现。在此反思基础上,作者提出新改进主义概念,定义教育改进科学,系统阐释该学科的哲学前提、学科要素和理论架构,总结和肯定可生长性、可发展性和可改进性是教育事业的三大基本属性,并建构主要由学科知识和专业知识构成的学科知识体系。本文也强调教育改进科学的学科导向、系统思维及循证研究,以及围绕提升组织改进能力为目的的专业改进共同体建设。作者进而提出,教育改进科学是班级、学校和教育机构迈向改进型组织的艺术,其诞生的本身是对教育改进事业专业地位和学科领域的尊重和承认。最后,作者呼吁对教育改进科学的重视与研究,尤其是具有本土特色、全球视野的学科创建和开拓,催生新的教育学科生长点,进一步提升教育研究和实践的学科化和科学化。

基于改进SOM神经网络的异网电信用户细分研究

在对用户价值认知的基础上,电信运营商对用户进行正确分类是其了解用户的重要手段。电信运营商可以将用户分为不同的类别,并以此制定差别化服务政策,从而进行差异化营销来提高企业效益。本文首先对异网电信用户进行了细分研究,为提高分类的准确率,在传统自组织映射神经网络基础上,对学习速度和权重向量初始值的确定进行了改进,提出了改进的自组织映射神经网络;同时采用改进的自组织映射神经网络对某省电信运营商提供的用户数据进行仿真。仿真结果表明:改进的自组织映射神经网络在兼顾稳定性的同时,很好地解决了自组织过慢问题,提高了用户分类的准确率,大幅度减小误差。最后根据分类结果为电信运营商实施差异化营销提供了基本规则。

一种电能质量扰动监测与识别新方法

为了能够为各类电能扰动事件的本质研究和有效治理提供准确、可靠的依据,提出基于时频原子变换(timefrequency transform,TFT)和改进型自组织映射神经网络(improved self-organizing map,ISOM)的电能质量扰动在线监测与识别新方法。TFT具有自适应复带通滤波特性,其频窗中心与频窗半径解耦及频窗宽度不受中心频率的约束,可以灵活调整。通过设置恰当的频域窗口,TFT可有效抑制邻近频率分量的相互干扰,且有较好的动态响应速度。TFT能准确监测电力系统波形中电能质量事件,并为类型识别提供物理意义明确、指标具体的实时模式特征。依据TFT提取的特征向量,ISOM可准确识别单一或同时存在的多重电能质量事件,并对其严重程度进行直观表达,能动态反映电能质量事件各自的发展变化轨迹。仿真验证结果表明了所提出方法的有效性和优越性。

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO-SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。