内容正文:
九年级信息科技下册教学设计
课题
第 18 课 分类辅助推理
教学
目标
1.信,息.意识:能识别生活中的分类辅助推理场景,理解分类对信息处理、决策支持的重要作用。
2.计算思维:掌握分类辅助推理的基本流程,能用特征提取、模型判断的思路分析简单分类问题。
3.数字化学习与创新:能运用分类推理思想尝试解决简单生活问题,形成用智能技术处理事务的意识。
4.社会责任:客观认识分类辅助推理的优势与局限,树立合理使用人工智能技术的观念。
教学
重点
1.分类辅助推理的定义、核心流程与核心思想。
2.常见分类应用场景的原理分析与案例解读。
教学
难点
理解分类辅助推理“基于特征、依据模型、输出类别”的逻辑。
教学
过程
教 学 内 容 与 师 生 活 动
设计意图和
关注的学生
情景导入
展示三组生活图片:智能垃圾分类设备自动识别垃圾类别、手机相册自动分类人物/风景、购物软件自动分类商品类型。
新授课
一、分类简介
计算机处理的所有任务,归根结底都是对数值的运算。分类任务也不例外,但根据数据的复杂程度,实现方式会有所不同。
有些分类任务落实到数值运算时,比较简单。例如,要把 0 到 99 分成奇数和偶数,可以参考以下的代码完成。
# 0 到 99
nums = range(0,100) # 偶数能被 2 整除
evens = [x for x in nums if x % 2 == 0 ] # 奇数不能被 2 整除
odds = [x for x in nums if x % 2 != 0 ]
有些分类任务落实到数值运算时,则非常复杂。例如,将“欢呼”归类为高兴还是悲伤情绪,需要进行复杂的相似度运算。
对于简单分类任务,例如,判断一个数的正负,计算机只需进行基本的数值比较,即可快速得出结果。奇偶性判断是典型的简单分类问题,通过取模运算即可实现分类。
学习活动1
计算相似度,对词进行分类
已知:欢呼(0.7,0.2)、高兴(0.8,0.1)、悲伤(-0.3,0.6)
1 参照表 18.1,分别计算“欢呼”与“高兴”“悲伤”的相似度。
相关词
2 计算过程
欢呼 - 高兴
3 =
欢呼 - 悲伤
4
②计算的结果越小,表示越相关,因此从这个指标看,“欢呼”与(□ 高兴 □ 悲伤)更相似。
③综上分析,应该把“欢呼”划分到 类别中。
2、 基于分类的智能应用
尽管实现方式可能千差万别,但很多人工智能任务都可以归结为分类任务,如识别手写数字、看图识物、识别垃圾邮件等。
在手写数字识别中,图像被转化为数值矩阵,每个像素对应一个数值。通过多层人工神经网络提取数字形状特征,并判断图像中的数字类别。
在图像识别中,需要先将图像转换为数值矩阵,再通过多层人工神经网络等模型进行大量矩阵运算和函数变换,提取特征后才能完成分类。
在垃圾邮件识别时,先将邮件内容转化为数值特征,如统计“免费”“优惠”等单词频次,构建数值向量。然后用分类算法计算这些数值向量,进而判断是垃圾邮件还是正常邮件。
学习活动2
通过计算,对文本进行自动分类
1 运行配套资源中的《文本分类器》软件。
2 输入一段文本后单击“开始分析”按钮,对文本进行分类。分析完成后, 软件就会给出相应的类别(图 18.1)。
教师可以借助《文本分类器》软件,引导学生直观感受智能分类在现实生活中的广泛应用。
在活动中,鼓励学生尝试输入含有不同情感色彩的文本,观察分类结果的变化,并思考影响分类效果的因素,如词汇选择、语境及表达方式等,从而帮助他们建立对机器学习中特征提取与模式识别的初步认识。
同时,可组织学生讨论分类器可能存在的偏差或误判情况,培养其批判性思维和技术反思能力。
学习活动3
根据音乐风格进行自动分类
(1) 运行配套资源中的《音乐风格分类器》软件。
(2) 选择一个音乐文件,窗口会自动显示相应的分析图。
(3) 单击“开始分析”按钮,生成分类结果(图 18.2)。
图 18.2音乐风格分类结果
音频波形图和梅尔频谱图是展示音频特征的两种主要形式。音频波形图可以反映音量、节奏等时域特征。梅尔频谱图则反映了音频的频域特征,能更好地捕捉音调、音色等信息。
拓展与提升
学校图书馆计划引入一套智能分类系统,用于归类同学们提交的读书笔记(如文学、历史、科普等类别)。
结合本课所学的分类思想与技术,设计一个简单的“读书笔记智能分类系统”方案,包括:如何将文本信息转化为可计算的数据特征?可采用哪些方法判断文本与类别之间的相似度?
尝试绘制该智能分类系统的流程图,思考可能遇到的问题及改进办法。
板
书
设
计
一、分类简介
二、基于分类的智能应用
教
学
反
思
1
学科网(北京)股份有限公司
$