【文章內(nèi)容簡(jiǎn)介】 的《圓的認(rèn)識(shí)》，這節(jié)課張老師在全國(guó)拿過(guò)一等獎(jiǎng)，當(dāng)時(shí)他做的課件可以說(shuō)是非常的華麗，里面充滿了美麗的畫(huà)面，并配合著優(yōu)美的音樂(lè)，讓學(xué)生去感受生活中的圓。后來(lái)就有人質(zhì)疑這節(jié)課不屬于數(shù)學(xué)元素的東西太多，如果去掉那些華麗的外表，還能上好這節(jié)課嗎？張老師后來(lái)也發(fā)現(xiàn)了這樣的問(wèn)題，就重新思考，把那些不屬于數(shù)學(xué)的元素全部去掉，只留下“數(shù)字”、“點(diǎn)”和“線條”，沒(méi)有了華麗的外表，這節(jié)課更加成功，向老師、學(xué)生展示了純數(shù)學(xué)的美，學(xué)生學(xué)起來(lái)更加的投入，對(duì)知識(shí)的理解和掌握更加深刻。所以，課件要起到的作用是幫助學(xué)生去理解和掌握知識(shí)，而不是用音樂(lè)，用美麗的畫(huà)面去吸引學(xué)生的注意力，去分散學(xué)生對(duì)本質(zhì)的理解。七、重視表?yè)P(yáng)，忽視批評(píng)在新課改的要求下，大家都開(kāi)始注重“賞識(shí)教育”，認(rèn)為實(shí)施新課改就不能批評(píng)學(xué)生，對(duì)學(xué)生只是一味的表?yè)P(yáng)。記得有一次外出聽(tīng)課，不管題目的難易，只要答對(duì)了題目，老師就會(huì)要學(xué)生拍著有節(jié)奏的掌聲，并說(shuō)著“棒棒，你真棒”，或“你真聰明”“你回答的可真好”等等，甚至一些非常簡(jiǎn)單的題目答對(duì)后，都不忘進(jìn)行表?yè)P(yáng)。凡事都有一個(gè)“度”，表?yè)P(yáng)也不例外，過(guò)分的褒獎(jiǎng)有時(shí)會(huì)適得其反，不僅缺乏激勵(lì)性，還有可能回誤導(dǎo)學(xué)生。其實(shí)新課改強(qiáng)調(diào)尊重、賞識(shí)，其實(shí)質(zhì)是強(qiáng)調(diào)教師要尊重學(xué)生，保護(hù)學(xué)生的自尊心，相信學(xué)生的發(fā)展能力，給學(xué)生創(chuàng)造一種寬松自由的成長(zhǎng)氛圍。并不是讓我們的批評(píng)、懲罰在我們的教育教學(xué)中消失。適當(dāng)?shù)呐u(píng)不僅不會(huì)挫傷學(xué)生的積極性，還能讓學(xué)生認(rèn)識(shí)到今后改如何改正，認(rèn)清前方的路。因此，在發(fā)現(xiàn)學(xué)生的問(wèn)題時(shí)，不應(yīng)有所顧慮，應(yīng)該以一種直接而真誠(chéng)的方式表達(dá)出來(lái)，以便學(xué)生及早發(fā)現(xiàn)自身不足并加以改正。表?yè)P(yáng)與批評(píng)都應(yīng)該在教育教學(xué)中發(fā)揮其共有的作用。沒(méi)有激勵(lì)的教育，是刻板的、沒(méi)有動(dòng)力的教育；沒(méi)有懲戒的教育，是虛偽的、不負(fù)責(zé)任的教育。只有在不斷完善與激勵(lì)中，才能實(shí)現(xiàn)教育的有效性，才能為學(xué)生的學(xué)習(xí)與成長(zhǎng)提供最大程度的幫助和促進(jìn)。改進(jìn)措施：批評(píng)學(xué)生也要有一定的方法，不能打擊學(xué)生的自尊心和自信心。對(duì)于有惰性、依賴心的學(xué)生，宜用觸動(dòng)式批評(píng)法。即批評(píng)時(shí)措詞較尖銳，語(yǔ)調(diào)較激烈；但絕不能挖苦諷刺、肆意辱罵。對(duì)于自尊心較強(qiáng)的學(xué)生，宜采用漸進(jìn)式批評(píng)法。即批評(píng)時(shí)對(duì)所犯的錯(cuò)誤不和盤托出，而是逐步傳達(dá)出批評(píng)信息，使學(xué)生逐步適應(yīng)，逐步接受，這種方式不至于一下子談崩。對(duì)于盲目性大、自我覺(jué)悟性差，但易于感化的學(xué)生，宜用參照式批評(píng)法。即借助他人的經(jīng)驗(yàn)教訓(xùn)，運(yùn)用對(duì)比的方式烘托出批評(píng)的內(nèi)容，使被批評(píng)者感受到客觀上的某種壓力，促其自我反省。對(duì)于脾氣暴躁、性格倔犟、容易激動(dòng)的學(xué)生，宜用商討式批評(píng)法。即以商討的方式，平心靜氣地使其在一種友好的氣氛中自然接受批評(píng)意見(jiàn)。對(duì)于善于思考、性格內(nèi)向、各方面比較成熟的學(xué)生宜用發(fā)問(wèn)式批評(píng)法。即將批評(píng)的信息，以提問(wèn)的方式傳遞給他們，學(xué)生自然而然就會(huì)意識(shí)到，并加以注意。以上是本人結(jié)合自身的教學(xué)經(jīng)驗(yàn)和在學(xué)習(xí)的過(guò)程中，所感所想。總之，面對(duì)新課改，我們還有很多需要改進(jìn)的地方，對(duì)于以前舊的教學(xué)手段，不能一味的拋棄和遺忘，要取其精華，去其糟粕。在面對(duì)困難的時(shí)候，我們都要用一種積極的心態(tài)去對(duì)待，去探索、歸納總結(jié)出適合自己教學(xué)特點(diǎn)的方法和手段。讓我們?yōu)樽鎳?guó)的教育貢獻(xiàn)自己的一份力量。第四篇：北京理工大學(xué)軟件學(xué)院商務(wù)智能KNN算法不足與改進(jìn)學(xué)號(hào)： 班級(jí)： 姓名： 專業(yè)： 指導(dǎo)教師：北京理工大學(xué)軟件學(xué)院商務(wù)智能摘要：KNN算法的核心思想是，通過(guò)計(jì)算每個(gè)訓(xùn)練樣本到待分類數(shù)據(jù)的距離，取和待分類數(shù)據(jù)距離最近的K個(gè)訓(xùn)練樣本，K個(gè)樣本中哪個(gè)類別的訓(xùn)練樣本占多數(shù)，則待分類數(shù)據(jù)就屬于哪個(gè)類別。本文首先說(shuō)明了KNN算法的應(yīng)用及優(yōu)點(diǎn)，繼而基于KNN算法的不足以及改進(jìn)方法進(jìn)行詳細(xì)論述，最后結(jié)束語(yǔ)總結(jié)全文。一 前言KNN算法是對(duì)NN（nearest neighbor）算法即近鄰算法的改進(jìn)，,在其文章”Rates of Convergence for Nearest Neighbor Procedures,”中提出的，是以全部訓(xùn)練樣本作為帶標(biāo)點(diǎn)，計(jì)算測(cè)試樣本與所有樣本的距離并以最近鄰者的類別作為決策，后學(xué)者們對(duì)近鄰算法進(jìn)行了各方面的改進(jìn)。 KNN應(yīng)用場(chǎng)景文本分類：文本分類主要應(yīng)用于信息檢索，機(jī)器翻譯，自動(dòng)文摘，信息過(guò)濾，郵件分類等任務(wù)。文本分類在搜索引擎中也有著大量的使用，網(wǎng)頁(yè)分類/分層技術(shù)是檢索系統(tǒng)的一項(xiàng)關(guān)鍵技術(shù)，搜索引擎需要研究如何對(duì)網(wǎng)頁(yè)進(jìn)行分類、分層，對(duì)不同類別的網(wǎng)頁(yè)采用差異化的存儲(chǔ)和處理，以保證在有限的硬件資源下，提供給用戶一個(gè)高效的檢索系統(tǒng)，同時(shí)提供給用戶相關(guān)、豐富的檢索結(jié)果。回歸：通過(guò)找出一個(gè)樣本的k個(gè)最近鄰居，將這些鄰居的屬性的平均值賦給該樣本，就可以得到該樣本的屬性。更有用的方法是將不同距離的鄰居對(duì)該樣本產(chǎn)生的影響給予不同的權(quán)值(weight)，如權(quán)值與距離成正比?？梢允褂胟nn算法做到比較通用的現(xiàn)有用戶產(chǎn)品推薦，基于用戶的最近鄰(長(zhǎng)得最像的用戶)買了什么產(chǎn)品來(lái)推薦是種介于電子商務(wù)網(wǎng)站和sns網(wǎng)站之間的精確營(yíng)銷。 KNN有如下優(yōu)點(diǎn)北京理工大學(xué)軟件學(xué)院商務(wù)智能算法易于理解且易于實(shí)現(xiàn)幾乎沒(méi)有訓(xùn)練過(guò)程(只是需要確定K值和必要的預(yù)處理)K值難以確定 目前沒(méi)有很好的方法，一般采用先定一個(gè)初始值，然后根據(jù)實(shí)驗(yàn)測(cè)試的結(jié)果調(diào)整 K 值。 可解釋性較差，無(wú)法給出決策樹(shù)那樣的規(guī)則。對(duì)于不平衡樣本集比較敏感 采用權(quán)值的方法（增大距離小的鄰居樣本的權(quán)值）當(dāng)樣本不平衡時(shí)，如一個(gè)類的樣本容量很大，而其他類樣本容量很小時(shí)，有可能導(dǎo)致當(dāng)輸入一個(gè)新樣本時(shí)，該樣本的K個(gè)鄰居中大容量類的樣本占多數(shù)。北京理工大學(xué)軟件學(xué)院商務(wù)智能三 KNN算法改進(jìn) 基于聚類的KNN算法改進(jìn)對(duì)于測(cè)試集中每一個(gè)測(cè)試文本,都需要計(jì)算它與訓(xùn)練集中每個(gè)文本的距離,然后把距離排序找到離該測(cè)試文本最近的k個(gè)文本, 根據(jù)測(cè)試文本與訓(xùn)練文本的距離來(lái)給該測(cè)試文檔的候選類別按公式（1）評(píng)分。如果有屬于同一個(gè)類別的,就將該類別中的文本的打分求和作為該類別的得分。最后,將得分排序，測(cè)試文本將被分配給得分最高的那個(gè)類別。SCORE(c|x)= Σsim(x,d)I(d,c)x是一個(gè)測(cè)試集文本，c是訓(xùn)練集的類別，d是距離x最近的k個(gè)文本之一； sim(x,d)是文本x與文本d的相似度，這里指的是距離；I(d,c)是表示d是否屬于類c，如果屬于類c則為1，否則為0。首先對(duì)訓(xùn)練集文本進(jìn)行聚類，采用DBSCAN算法。算法過(guò)程如下：第一步：如果文本對(duì)象P未被歸入某個(gè)簇或標(biāo)記為噪聲，就檢查它的指定半徑鄰域r，如果指定半徑鄰域內(nèi)包含的對(duì)象數(shù)目大于等于給定的值m，就建立新簇C，將p的指定半徑領(lǐng)域r中所有點(diǎn)加入該簇C；第二步：對(duì)C中所有尚未被處理(歸入某個(gè)簇或標(biāo)記為噪聲)的對(duì)象q，檢查它的指定半徑鄰域，如果該鄰域內(nèi)包含對(duì)象數(shù)目大于等于給定的值m，將該鄰域中沒(méi)有歸入任何一個(gè)簇的對(duì)象加入C；第三步：重復(fù)第二步，繼續(xù)檢查C中未被處理對(duì)象，直到?jīng)]有新的對(duì)象加入當(dāng)前簇C：第四步：重復(fù)以上步驟，直到所有對(duì)象都被處理。其中關(guān)鍵參數(shù)為作為密度計(jì)算的距離表示的半徑，密集點(diǎn)所必需的在指定半徑內(nèi)擁有