文摘

近年来,许多国外先进教学理念引入中国,和教学改革不断深化,在中国增加对体育的需求。由于各种影响体育课程和运作方式的变化,课程标准只提供理论指导,往往过于笼统和抽象发挥具体作用在物理教育。多样性和包容性的教育目标导致了新的体育教育领域的出现。所有体育教育内容设置的重复性质通常是高和物理教育改革是有害的。基于优化的方法物理教育模型的聚类分析,提出了分类和分析学生的特点。我们提出基于教育教学原则和各种教学方法和学生的能力。实验结果表明,在200年的数据样本,学生成绩样本数据的比例最高级别是90 - 50,表明运动模型的优化聚类分析下更成功。因此,这个项目的研究成果为建立提供理论依据和研究中国学校的体育教育,进一步促进中国体育教学方法的改革。

1。介绍

体育教学可以为学生最引人入胜的话题,或者它可能是一个把他们(1]。很长一段时间,我们已经习惯了的详细检查体育教育的各个方面而忽视它们之间的关系(2]。它给人的印象,物理教育系统是开放和封闭,物理教育改革仍然处于早期阶段(3]。关键是要把它具体化和操作通过将日常体育活动纳入课程(4]。物理教育改革只能通过通识教育体制改革先进,包括主题和内容。特定的指导方针应该指导教育方法(5]。我们只能更好的适应课程改革的需要,优化体育课堂教学方法(6]。

体育教学方法不仅是物理教育理论在体育教学实践中的应用还系统和合理的体育教学经验,概括是密切结合的结果体育教育和体育教育实践理论。这是最相似的组合在体育7]。因此,研究体育教学方法是非常有用的8]。数据库中我们知道只能有效地对数据执行一些操作,但它可以揭示一些潜在的独特的关系和数据中隐藏的信息,这是远离预测未来的方向,并根据现有的数据情况(9]。此外,当出现新的类型的数据源时,聚类分析的无监督自然可以有效地帮助分析数据分布和理解数据特征进行进一步的分析和利用10]。因此,集群分析体育教学模式,提出了优化方法。因此,集群分析方法提出了体育教学模式优化。聚类分析可以帮助体育教师和讲师跟踪挖掘学生的大量的有用的信息从数据库等运动系统的数据和结果的教学有效性。

物理教育理论和教学实践之间,体育是一个非常复杂的系统11]。作为一个沟通桥梁,中间的链接也需要(12]。根据教育理论,关键是转变基础教育的目标取向远离仅仅是传授知识,技能,和体力和培养人才可以独立生活,锻炼在他们的生活,和发展在各个方面13]。加强物理教育研究不仅有助于丰富其内容,促进体育教育理论的发展,也对教学有指导和标准化效应(14]。体育教学方法可以提高通过深入研究[15]。其现实意义,另一方面,是至关重要的,因为它可以更好的现代体育教育理论应用于实践并作为理论和实践之间的联系。本文的创新如下:(1)本文主题选择相对新颖,re-recognizes教师的教学理念,改变一些传统的观点,建立了新的教学理念,并激发教师的热情和在课堂教学中创新意识(2)体育教学方法的优化,基于聚类分析可以探索和分析大量的数据根据既定的课程目标和识别和进一步的模型隐藏,未知或已知的法律(3)它可以发现一系列的不良现象在教学活动中,判断教学方法是否合理和科学的教学策略,深入思考现有的教学理论是否能支持课堂教学,促进和提高教学理论的发展,并改善教育系统。

2。相关工作

2.1。优化体育教学模式

有许多原因今天的体育教育和体育的状态,但他们都以严格的和封闭的模型有着深刻的历史文化根源。因为体育是独立于现代教学方法的一般理论或表达式的简单理论模型,很容易找到一个特定的分析现有的研究或将学科的个性和失去纪律的特异性。有必要优化现有的体育教学方法的整个范围的实际应用问题以及找到一个体育教育方法,更适合新课程标准和实施新课程改革标准。改善教学效果和促进体育教育更科学的方向发展,体育教育和体育教育实践之间的接口必须得到加强。

Gošnik和Tuđa提出体育课程应与一系列的改革变化,重塑课程,充实教育内容(16]。基于现代优化理论教学方法、刘等人认为,通过设置教学目标,制定教学任务,和设计教学环境中,教师可以选择最佳的教学计划和动态调整和评估教学内容(17]。Lopatiev等人认为,建设一个新的体育教育模式应该是一个更完整的操作条件和基本程序,满足和反映现代先进的教育理念和教育理论的要求(18]。体育活动应遵循实际验证,过程中形成和建设的目的。Kwon和块认为体育教育的物质基础,基础训练条件,教育课程体系,和其他客观因素需要转换,以便优化从深到浅可以确保运动的各个方面的优化模型(19]。Badau提出了当前最具代表性的物理教育与指导的想法主意一个清晰的目标强调体力和反对将竞技体育在学校体育20.]。

体育项目通常在学校进行的今天,教育内容是中级教育目标和教育实践之间的联系,这是一连串的教育目标和教育活动的领导。优化和整合体育技能培训学校的教育内容已成为一个重要的研究课题的成功开发体育课程标准。

2.2。聚类分析的相关工作

体育教学的结构不仅取决于内容的变化也改变教师的责任,当然必须考虑。但最基本的是学生学习方式的改变。它的教学模式是“系统地探索教育目标之间的相互作用,教学策略、课程设计、教学材料、和社会心理学理论,并尝试研究各种替代范式,可以模拟老师的行为。“就像处理技术,聚类分析作为一种智能文本信息处理方法吸引了越来越多的关注。

Martyrosian等人研究的概念和应用聚类分析算法和详细研究了聚类算法的分类和特点21]。更广泛的数据库知识发现的概念提出了陈和王22]。知识发现过程通常包括三个步骤:数据准备(包括三个子步骤:数据选择、数据预处理和数据转换),数据挖掘和解读和评价结果。陆分析评价活动教学因素和构造一个新的评价模型分析等元素的目标、形式和内容(23]。谭建造Weka工具将多个数据挖掘算法集成到一个交互式界面,包括数据预处理、分类、回归、聚类、关联规则、可视化(24]。王邓和基于遗传算法的一种改进的k - means算法应用于在线知识教育平台,开发和设计了一个集群网络知识教育成绩分析系统平台(25]。

因此,聚类分析是一个必须为体育教学模式的改革,这对我们是非常重要的为了实现教育目标,提高教师教学质量,取得良好的成果,促进教学效率和教学管理。

3所示。集群分析方法优化体育教学模式

3.1。元素优化体育课堂教学模式

首先,在课堂上,应该有一个新的民主平等的师生关系,教师对学生的尊重和爱,情感集成和合作。然而,目前,低级简单的体育教学内容重复的现象依然普遍。系统聚类分析聚类分析是应用最广泛的方法。所有的变量和样本数值特征可以采用系统聚类方法(26,27,可以选择不同的距离和聚类方法获得满意的数值分类结果。我们使用数据范围标准化。的方法是找到每个变量的范围,然后计算每个变量的平均值:

系统聚类的方法将个人分组为一个接一个,直到整个组子集包含在一组(28]。形成过程既有从理论过渡到实践的具体过程和从经验中概括的过渡过程的概念。体育课的结构如图1。常常是主观的主题专家或体育教师,它往往是脱离学生的现实,如果是离婚的法律学生的身心发展和客观现实。

其次,教师应选择教育内容独立根据当地学校、学生、自己的优势和条件。新课堂教学实践必须反映了教学理念,教学目标,教学方法,教学方法,不能完全符合传统的课堂教学实践。否则,“新”一词不能反映(29日]。因此,基于对学科和学科组织的理解,本文详细了解学科和分析类别的特点。分类是提供标签的训练数据集,通过pretraining特性,获得数据,然后使用模型来预测数据分类和建立分类模型。为了测量质量的集群中,误差的平方和引用函数,定义为 在哪里集群的平均值,即集群中心。

集群是找到这个数据特征和底层数据类分布。划分聚类算法使用启发式迭代方法来最小化目标函数达到最优分组的数据集。然而,并非所有的方法满足单调性的要求由于选择不同类型的聚类方法。本文基于欧氏距离计算相关系数使用变分法和递归表达式如下:

最后,教学过程是一个互动的过程,共同交流和发展。只学习教学方法不关注学习方法的研究无助于提高教学标准。任何系统可以实现其整体的优化函数只有通过元素和结构的优化。目的是为了搜索聚类划分效果最好的聚类中心。即使是最小的准则函数,适应度函数 ,即适应度函数给出如下:

因此,一般来说,理想的功能应该能够区分属于不同簇的模式,具有很强的噪声免疫力,容易提取和解释,和特征选择的好坏将直接影响后续的分析和决策。而不是使用集群中的对象的平均值为参考点,重新分区数据集群中通过迭代寻找最中央的对象为中心的质量,和聚类结果计算基于它所包含的对象。如果成本函数的方差是负的,替代了原来的质心偏心的质心在当前位置;否则,重心保持不变。健身是模拟退火算法适当延长,和健身拉伸完成如下: 在哪里健身的吗个人。

改善当前的层次聚类算法主要包括以下方面:在每一层的划分,仔细地分析当前分层subclusters之间的关系和其他有机结合层次聚类和聚类的方法来形成一个多层次聚类方法。因此,为了更好地评估大学体育活动,评价前有必要对他们进行分类,然后评估和比较在同一类别。

3.2。聚类优化体育课堂教学模式

根据系统科学的整体优化原则,任何系统可以实现其整体的优化函数只有通过元素和结构的优化(30.]。模糊集之间的距离主要是用于描述模糊模糊集之间的相似度。让和是两个模糊子集 并找到常用的模糊集之间的汉明距离如下:

一个系统是一个整体的部分以某种方式连接,以及系统的总体功能等于孤立的功能元素加的功能结构。老师然后总结已学到了什么,指出存在的问题提供反馈。这是显示在图2。

首先,教案决定教学的主要内容,和学习的质量和效率取决于自然科学和实用的课程计划。特定的操作条件和基本程序必须是可行的;否则,它不能在教学模式。基本教学方法的基础上,具体分类是一个活跃的和探索性教学方法,可以采取课堂讨论的形式或主旨演讲提高主观自学能力和发散思维。语言有助于加强成分和表达能力,深化对理论知识的理解。分类是通过使用一组训练样本(样本由已知数据库元组和类别)的相关算法。常用的标准功能包括误差平方和准则和加权平均距离平方和准则。所有被称为模糊分区空间 。如果它包含退化分区,它被称为退化模糊分区空间。顺序:

在高维空间中,采样点属于不同簇通常分布在不同的特征子集组成的子空间,所以集群发现只存在于一些低维子空间,涉及不同的集群。所以,我们可以画出集群优化的流程图如图3。

其次,教师应注重时间效率当解释和说明在教学过程中。解释和证明的时间应该有一个明确的目的,和解释应该简洁简洁。一些教学方法有一定的实施条件,但不能太窄的条件。他们必须被别人模仿和使用,必须有明确的操作程序供参考。当信号的绝对值与指定的阈值相比,软阈值噪声被移除,因为部分小于或等于阈值为零,和部分大于或等于阈值指定的阈值是不同的。公式如下:

假设一个混合信号。是由维观测信号向量:

平衡解决方案精度和时间,启发式随机搜索策略可以用来搜索和优化问题的全局空间和找到全局最优的或可接受的解决方案在一个可接受的时间。基于基本的教学方法,有吸引力的教学方法和建立学科教学方法,分别提供教育,根据学生的需要和有明确的目标和全面培养自己的思想意识和行为习惯。在时间序列模型中,有必要找到最小规则,总是超过一定百分比(阈值)在一定的最短时间。当格式发生了变化,相应调整这些规则。

目前,效用函数通常采用[0,1]区间方法,和标准化的数据通常是一个标准的样本矩阵 ,这是一个矩阵,即样本,每一个都包含维度的特性,和矩阵中的元素是[0,1]之间的所有数据。的列的矩阵是样本 ,相对的隶属函数子集,所以分区空间

最后,在规划和实施教育,关键是要了解学生的需求和感受,不断监测课堂的整体氛围和效果,并创建一个活泼、温暖、舒适的学习环境。课堂教学模式建立了一个稳定的教学和学习活动的元素之间的关系和结构形式的活动过程,和一个变量“模型”,人们不能理解,是不可能实现,只存在于名字。功能可以同时属于多个集群,相反的概念“硬分区”的数据集。所有的知识发现是相关的信息隐藏在大量数据;所有知识是受某些先决条件和约束,是特定领域,需要一个自然语言表示的结果,用户容易理解和使用。

4所示。聚类分析的物理教育的优化

4.1。数据预处理

在视图不一致的测量标准和意义的大多数数据集的属性,值的范围千差万别,欧几里得距离直接用于计算。较大的属性值对样本之间的不同也有很大的影响,从而影响最终的聚类结果。当教师编制教学计划,根据上述不同类别的学生的特点,充分考虑自己的学习兴趣,理论基础、接受能力,等等。设置不同的教学目标;强调合适的教学重点;和设计合理的教学内容,学生可以更容易理解和接受的知识。下图比较10个类别的判别函数值的变化由GA-KM 200二维点集的聚类分析算法和聚类分析的迭代次数,如图4。

首先,数据转换和处理。根据公理的距离,距离的四个条件必须满足公理在定义距离度量:自相似性,极简主义、对称性,和三角不等式。由于抽样测量和处理数据时的意见,不同的指标变量通常有不同的尺寸和单位和需要转换。的过程是将一个数据集许多数据对象分解为多个集群。在分割的过程中,有必要将每个数据对象划分根据其相似性或它们之间有一定距离,和那些高相似性分为一类,和同样的集群,集群与巨大差异或低相似性分为不同的集群。下图比较参考函数的值的类型为GA-KM算法与聚类分析40 300二维点集的集群,如图5。

其次,聚类分析的过程开始于每个样本本身形成一个类,计算样本之间的距离,并结合最近的两个样品到一个类。老师评价形式的大学计算机科学教师收集,收集到的数据组织,相关数据统计分析,科学、合理的评价指标体系是用来评估教学情况,建立一个实用的评价模型,评价数据集群来实现。如果数据对象属性值为空,其他数据对象属性的平均值可以用来填补空数据。在每一步迭代中,集群分为更小的簇,直到每个对象在一个单独的集群或达到终止条件。三个课程集群使用本文中的算法和聚类分析的结果显示在页面上,和聚类分析的结果对比如图6。

最后,创建一个系统集群的血统和比较不同的分类结果根据不同的分类标准或原则。它使用一个特定的操作改变原始数据矩阵的每个元素一个新值,和数据变化独立于其他数据值原始数据集。这里使用标准化的数据范围。聚类结果顺利收敛后期的小波动,因为随机优化不退化。最初,对象是随机选取的中心点。迭代算法取代代表对象与非代表性对象为了找到一个更好的重心,提高聚类质量。因为每个维度的值范围可以有很大区别,粒子群优化的搜索空间太大,当迭代搜索是有限的,算法的收敛速度和聚类的有效性受到影响。因此,所有可能的实体对每次迭代中进行研究。质心是每一对的实体,而其他非代表性。

4.2。改进的粒子群优化聚类算法分析

体育教学模式存在于一定的空间和时间,这是表达某些体育教育理论和思想空间,物理教育目标,教师。暂时,它表示为如何安排教学和学习的活动。所有现有的粒子群优化聚类算法使用一个编码方法基于初始聚类质心。

一些学生有发展潜力,但不应教学生平均学习基础内容旨在超越教学大纲。简单的例子可以帮助他们了解的知识和运用你的思想。单键的方法,这是一个在每个集群是由集群中的所有对象,以及两个集群之间的相似性是由最近的两个数据点的相似性的两个不同的集群。在确定相似,相似度获得“教学能力,”“教学方法”,“教学内容”、“教学效果”。在实验中,使用这四个方面作为关键指标和200个样本数据收集和处理的四个属性来实现数据的聚类。聚类过程的数量k= 3,聚类分析后,结果如表所示1。

首先,考虑到标准函数的聚类分析算法,描述错误时生成的总平方和聚集成一个类对象。越大是,总误差值越大,越集群效应。总体目标的教师教学评价分为不同的二级目标,如教学态度和教学能力,然后,每一次要目标分解为多个影响因素,形成一个层次结构模型。在这一目标,我们需要应用层次分析法来解决问题。它将空间划分为方形细胞,细胞不同程度的广场对应于不同级别的分辨率。

对于每个细胞在当前等级,信心(或预期的概率范围)来反映相关性计算当前单元格的查询需求。迭代的最大数量是100,粒子群优化的人口是5,学习因素是4,惯性权重减少线性从0.5到0.2。集群健康数据集内的两个粒子的收敛曲线在不同指标数据所示7和8。

其次,对象从数据对象是任意选择作为初始聚类中心,而剩下的其他对象,他们被分配到集群,是它们最相似的(聚类中心所代表的)根据他们的相似度(距离),这些聚类中心,分别。权重是根据学习规则自组织迭代学习的输入模式,捕捉每个输入模式中包含的模式特性,并提出竞争层自动聚类的聚类结果。200年综合排名分析数据样本,和得分数据样本分为三个类别:大于或等于90,90 - 50(包括90和50),小于50。比较分析三个分数乐队表演,和每次得分的比例带表所示2。

最高的比率是90 - 50的区域,这表明,优化体育教学模型的基于聚类分析的成功。最后,重新计算新的聚类质心值(即。,在每个集群对象的平均值)。老师评价数据被定义为老师在课堂上的表现。有20个项目的五个主要指标下老师评估表,在秩序。

在聚类的过程中,样本之间的相似性和集群质心计算通过直接计算数值相似矩阵的相似值,以消除影响算法的样本向量的维数,减少计算复杂度。每一步的计算,集群的最大或最小的总体相似性可以选择,或测量规则可以使用基于规模和整体相似。即使的意思是相同的,标准偏差可能会有所不同。标准偏差越低,更准确的计算数据。相反,标准差越高,越不连续和不准确的计算数据。

5。结论

现代体育非常强调个人技能的发展,在体育教育不容忽视。教学结构的构成应适应学生的现状,加强教学过程管理的基础上教学的最大成就目标,深化体育的理解按照每个学生的利益和个体差异,以及改善缺乏人性化的教学方法。另一方面,随着网络教育信息技术的发展,大量的复杂的数据积累在教育领域,尤其是在运动。提出的聚类效率指数,另一方面,只能产生更好的结果在集群和清晰的聚类边界,和它的性能是不够的在处理复杂的数据集。结果,分析未知数据的聚类分析算法首先确定数据对象特征得到很多的关注。在本文中,我们提出一个详细的体育教育优化聚类分析和提出一个集群分析方法优化体育教育方法。这种方法有利于学生的身心健康,减少物理伤害和负面与体育相关的健康影响。此外,课程在体育教育的目的是教和布局的方式促进转换和动员。聚类分析用于评价学生的学习效果,描述学生的年级水平,建议老师应该教育学生如何在这些过程来提高教学的质量。优化体育课堂教学方法和实现优化体育教育结果,创建一个动态、平衡和谐系统通过优化关系在体育课堂。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者没有任何可能的利益冲突。