基于果蠅算法優化支持向量機的語文教學策略

潘淑芳

(安康職業技術學院,工程學院， 陜西,安康 725000)

0 引言

語文是中小學教學的重點，提升語文教學課堂教學質量不僅僅可以提高學校水平，同時對中小學生個人未來的健康成長也具有至關重要的作用。語文課堂教學質量受到多種因素的影響，實施科學化的語文教學策略必須對語文課堂教學效果進行科學評價和預測[1]。支持向量機(Support Vector Machines，SVM)是一種廣義線性分類器，可以被有效地用于語文課堂教學質量評價中。SVM參數對SVM分類性能具有比較大的影響，許多學者對SVM參數優化進行研究，被廣泛應用于各行各業。黃曉璐等[2]將改進果蠅優化算法優化支持向量機應用于齒輪故障診斷中，有效地提升了齒輪故障診斷的準確率。肖曉暉[3]將改進果蠅優化算法優化支持向量機應用于模擬電路故障診斷中，對某型設備A01電路板信號選擇電路進行故障診斷，有效提高了電路故障診斷的效果。楊春霞等[4]將改進果蠅算法優化支持向量機應用于個人信用風險評估中，同時將該算法和遺傳算法、網絡法優化支持向量機參數進行對比，指出改進果蠅優化算法優化支持向量機模型對個人信用風險評估的準確率最高。本文在前人研究的基礎上，對果蠅優化算法(Fruit Fly Optimization Algorithm，FOA)進行改進，應用于SVM參數優化中，獲得語文教學課堂教學質量評價模型，并通過具體實例驗證模型的有效性。

1 語文教學質量評價模型

1.1 語文教學質量評價指標

語文教學課堂質量直接關系到語文教學的效果，本文從教學目標、教學內容和教學過程等3個角度來建立評價教學質量的指標[5]，具體如圖1所示。

從教學目標的角度來講，提升語文課堂教學質量必須確保教學目標和課程的標準符合，從課程定位出發來開展教學。制定的教學目標必須與學生的實際相符合，否則教學目標就是一紙空文，不能起到任何的作用。另外，教學目標要具有可操作性，按照教學目標，教師可以更加高質量地開展語文教學活動。

從教學內容的角度來講，所有的教學內容必須緊緊圍繞教學目標，以教學目標為依據來組織語文教學內容。語文教學內容要與學生的認知相匹配，符合學生對事物的認知規律，這樣才能更好地便于學生接受，提升語文課堂教學質量。語文教師在組織教學的過程中必須重點關注學生的接受程度，只有學生接受教師的教學內容，才能達到教學的目的。興趣是最好的老師，語文教學的內容必須能夠有效地激發學生的學習興趣，促進學生積極主動去學習。

圖1 語文教學質量評價指標體系

從教學過程的角度來講，課堂教學是一個將各種知識點科學分配的過程，必須注重教學環節各部分的時間安排，從而使得課堂教學有序、高效開展。高效的課堂教學必須以學生為主體，教師輔助引導，同時具有比較高的師生互動程度，這樣才能夠使得學生積極參與到教師的教學中來，課堂氣氛變得更加濃厚，語文教學課堂質量得到大大提升。

1.2 支持向量機

SVM是按照監督學習的方式對數據進行二元分類的廣義線性分類器，核心思想是通過非線性變換將原始數據空間轉換到高維特征空間，同時在高維特征空間求取最大分類間隔超平面，該超平面能夠實現對樣本的兩類分且誤差最小。設數據集合為D，

D={(x1,y1),(x2,y2),…,(xm,ym)}

(1)

其中，yi∈{-1,1}。

SVM能夠對樣本數據集進行正確分割，分割樣本的超平面有許多個，其中最優分類超平面就是使得分類間隔最大的那個平面，具體如圖2所示[6]。

圖2 最優分類超平面

不妨設最優分割超平面方程為

wTx+b=0

(2)

其中，w為法向量，反映分割超平面的方向，b為偏移的位移量。

對樣本的正確分割滿足

(3)

通過轉化，求解最優分界超平面問題可以轉化為

(4)

其中，C為懲罰參數，εi為松弛變量。通過引入拉格朗日乘子αi將式(4)轉化為對偶問題，即

(5)

求解該優化問題，得到決策函數

(6)

其中，K(xi,x)為核函數，核函數的一般表達式為

(7)

實踐證明，SVM需要確定的參數C和g對SVM分類性能具有比較大的影響，樣本分類準確率和參數組合(C,g)之間是一種多峰值的極不規則函數映射關系，需要通過智能優化算法對參數組合(C,g)進行優化，從而提升SVM的分類準確率。

1.3 果蠅算法優化支持向量機

FOA是通過模擬果蠅覓食行為而提出的群體迭代搜索智能優化算法，具有較強的局部搜索能力。FOA步驟[7]如下。

(1) 設定果蠅群體規模Sizepop和最大迭代次數Maxgen，隨機初始化果蠅種群的初始位置(Xaxis,Yaxis)。

(2) 賦予個體覓食的隨機方向和距離，R為搜索距離，即

(8)

(3) 估計果蠅個體和原點之間的距離Di，計算味道濃度判定值Si，即

(9)

(4) 將味道濃度判定值Si代入適應度函數f，計算果蠅個體所在位置的食物味道濃度Smelli，即

Smelli=f(Si)

(10)

(5) 找出果蠅群體中食物味道濃度最大的果蠅個體信息，即

[bestSmell,bestindex]=max(Smelli)

(11)

(6) 記錄保留最大食物味道濃度值和對應的位置坐標值，果蠅群體中的其他果蠅個體向該位置聚集，即

(12)

(7) 重復執行步驟(2)～(5)，判斷食物味道濃度值是否優于上一次迭代的食物味道濃度值。如果優于上一次迭代的食物味道濃度值，那么執行步驟(6)，直到迭代次數超過預先設定的最大迭代次數Maxgen為止。

通過對FOA的分析可知，果蠅其他個體向最大食物味道濃度值個體聚體時沒有考慮自身曾經的最優覓食軌跡，使得尋優軌跡迂回曲折，種群的多樣性降低，導致全局最優解錯過，優化算法陷入局部最優狀態。基于此，對FOA進行改進，即果蠅個體位置更新考慮歷史位置的信息，同時通過系數ω調整向自己尋優歷史軌跡學習的權值。系數ω計算式[8]為

(13)

其中，ωs和ωe為開始系數和結束系數，通過多次試驗得到。

在引入調整系數ω之后，果蠅個體位置更新公式為

(14)

改進后的FOA不僅確保了果蠅群體的其他個體向最大食物味道濃度值所在位置聚集，同時也充分地考慮了其對自身“歷史路徑”的學習程度。在初始迭代時，對“歷史路徑”的學習程度比較低，而伴隨著迭代次數的增加，其對“歷史路徑”的學習程度在不斷地增強，符合經驗逐漸積累沉淀的規律[9]。

1.4 語文教學質量評價建模

將語文教學質量評價樣本分為訓練樣本和測試樣本，使用訓練樣本對SVM進行訓練，同時采用改進的FOA對SVM的參數組合(C,g)進行優化，得到優化后的SVM模型[10]。將測試樣本輸入優化后的SVM模型中進行語文課堂教學質量的預測。具體流程如圖3所示。

圖3 語文課堂教學質量評價流程

2 實例分析

2.1 數據來源

以湖北省為例，邀請高中語文教學專家對該省362名語文教師的課程標準符合度、學生實際符合度、可操作性、圍繞教學目標程度、難度與認知匹配度、學生接受程度、學生興趣激發程度、教學環節時間安排、師生主體地位占比、師生互動程度10項二級指標和教學效果指標進行打分，獲得用于分析的樣本數據集。將樣本數據集分為訓練集和測試集，其中，訓練集樣本數據量為180，測試集樣本數據量為182。

2.2 結果分析

分別采用SVM、果蠅優化SVM、改進果蠅優化SVM對語文教學效果進行預測。算法的相關參數設置如表1所示。

表1 算法參數設置

為對比3種模型對語文教學效果評價的預測性能，圖4給出了果蠅優化SVM和改進果蠅優化SVM 2種模型的分類準確率迭代尋優曲線，表2給出了3種模型測試的結果。

圖4 分類準確率迭代尋優曲線

表2 3種模型測試結果對比

由圖4可知，改進果蠅優化SVM的收斂曲線逐漸上升，準確率不斷提高，所輸出的SVM參數在不斷地優化。果蠅優化SVM的收斂曲線在經過多次迭代之后準確率才會提升一次，同時比較容易陷入最優，同時在最后一次陷入局部最優之后沒有跳出，導致尋找到的SVM參數不是最優的參數。

由表2可知，改進果蠅優化SVM對測試數據集的測試精度高于果蠅優化SVM，遠遠高于SVM。盡管從時間上SVM模型的運行時間最短，但是其測試精度太差，不能夠滿足實際需要，而果蠅優化SVM和改進果蠅優化SVM在運行時間上的差別非常小，可以忽略不計。

3 總結

語文課堂教學質量評價預測是提升課堂教學質量的關鍵。本文構建了包含11個二級指標的教學質量評價指標體系，通過采用改進的FOA對SVM參數進行優化，獲得了用于語文課堂教學質量預測的SVM模型，并將SVM模型、果蠅優化SVM模型和改進果蠅優化SVM模型應用于湖北省高中語文教學質量評價預測中。預測結果表明，改進果蠅優化SVM模型對語文課堂教學質量預測的準確率大大提升，算法的運行時間相差很小，這對提升語文課堂教學質量具有一定的參考價值。