前言：中文期刊網精心挑選了監督分類范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
監督分類范文1
針對基于圖的半監督流形正則化圖像分類算法需要大量無標記樣本訓練分類器，空間和時間復雜度高，甚至不能處理大規模圖像，且對背景或目標復雜的圖像分類錯誤率較高的問題，提出了結合均值漂移（mean shift）的基于圖的半監督流形正則化圖像分類算法。該方法對基于圖的半監督流形正則化分類算法的改進主要體現在兩方面，首先是通過mean shift算法對圖像進行了平滑，以平滑后的圖像作為分類對象；其次不是利用所有無標記樣本，而是只采用少量無標記樣本。實驗結果表明：圖像的平滑使得目標和背景區域的特征更為一致，從而利用較少的樣本就可以提高分類器的正確率；同時大大降低了算法的復雜度，使得基于圖的半監督分類算法用于分類大規模圖像成為可能。
關鍵詞： 基于圖；半監督；流形正則化；均值漂移；圖像分類
中圖分類號：TP391.41
文獻標志碼：A
0引言
在解決模式識別和機器學習的分類問題中，半監督學習受到關注。半監督學習[1]旨在運用少量標記樣本和大量未標記樣本建立分類器，通過利用隱含于未標記樣本中的關于數據分布的更多信息來提高分類器性能。
基于圖的半監督圖像分類技術是近年來圖像分類領域的一個新的研究熱點，已有很多基于圖的半監督圖像分類的方法[1-6]并且在一些圖像上取得了好的分類效果。該類方法建立在圖論基礎上[7-15]，將圖像映射為無向加權圖，在此圖上構造目標函數f來實現分類，目前已提出很多方法[6-7，9-11]，這些方法的差異體現在構造f的不同。在對圖像分類過程中，這些算法需要較多的樣本才能訓練得到準確率較高的分類器，較多訓練樣本使算法的時間復雜度和空間復雜度隨之增加，甚至內存溢出。本文在以下方面做出改進以解決上述問題，利用mean shift算法[16]平滑原始圖像，再運用基于圖的半監督流形正則化算法對平滑后圖像進行分類。因為平滑后的圖像特征多樣性降低，在訓練時只隨機選擇50個已標記樣本和100個未標記樣本訓練分類器，這樣算法時間復雜度和空間復雜度都降低了。平滑后的圖像去除了相鄰相似特征區域中的跳躍點和噪聲，而且mean shift平滑算法可以很好地保留邊緣，因此在訓練樣本很少的情況下提高了分類正確率。實驗結果驗證了所提方法的有效性和高效性，適于解決大規模復雜圖像的分類問題。
4實驗結果及分析
程序在Matlab2010b環境中編寫，在內存為1GB，CPU為Intel Core 6320，頻率為1.86GHz的機器上運行。實驗用圖都是從Weizmann horse dataset[18]中選擇的。圖2（a）馬5為加噪聲密度為0.05的椒鹽噪聲，并且Weizmann horse dataset已經給出了理想的分類效果圖，可以用來評價分類結果。本文采用像素分類正確率（Pixel Classification Rate， PCR）評價分類效果。
5結語
本文將mean shift算法和半監督流形正則化方法結合起來實現圖像分類。該方法首先通過mean shift算法平滑圖像，使圖像呈現區域狀，區域內部特征一致，然后以平滑后的圖像為初始圖像，僅用少量標記樣本和無標記樣本訓練分類器，再采用基于圖的流形正則化算法求解。實驗結果顯示，本文算法的分類正確率比LapRLS算法高，并且降低了算法復雜度。今后的研究將考慮選擇對分類能提供更多有用信息的未標記樣本，如位于目標邊界上的未標記樣本，以期基于較少的無標記樣本得到有效且高效的半監督分類方法。
參考文獻：
[1]ZHU X J. Semisupervised learning literature survey [EB/OL].[20120805].http：//pages.cs.wisc.edu/～jerryzhu/pub/ssl_survey.pdf.
[2]BLUM A， CHAWLA S. Learning from labeled and unlabeled data using graph mincuts[C]// Proceedings of the Eighteenth International Conference on Machine Learning. New York： ACM Press， 2001：19-26.
[3]SZUMMER M， JAALLOLA T. Partially labeled classification with Markov random walks[C]// Proceedings of Advances in Neural Information Processing Systems. Cambridge： MIT Press， 2002： 945-952.
[4]ZHOU D Y， BOUSQUET O， LAL T N， et al. Learning with local and global consistency[C]// Proceedings of the 18th Annual Conference on Neural Information Processing System. Cambridge： MIT Press， 2003： 321-328.
[5]BELKIN M， NIYOGI P， SINDHWANI V. Manifold regularization： a geometric framework for learning from labeled and unlabeled examples [J]. Journal of Machine Learning Research， 2006， 7（11）：2399-2434.
[6]SMOLA A J， KONDOR R. Kernels and regularization on graphs[M]. Berlin： Springer， 2003： 144-158.
[7]LUO Y. Manifold regularized multitask learning for semisupervised multilabel image classification [J]. IEEE Transactions on Image Processing， 2013， 22（2）：523-536.
[8]BIJRAL A S， RATLIFF N， SREBRO N. Semisupervised learning with density based distances [EB/OL].[20121010]. http：//ttic.uchicago.edu/～nati/Publications/SemiSupDBD.pdf.
[9]ZHU X J， GHAHARMANI Z， LAFFERTY J. Semisupervised learning using Gaussian fields and harmonic functions [C]// Proceedings of the 20th International Conference on Machine Learning. Menlo Park： AAAI Press， 2003：912-919.
[10]WU M R， SCHOLKOPF B. Transductive classification via local learning regularization [C]// MEILA M， SHEN X. Proceedings of the 11th International Conference on Artificial Intelligence and Statistics. Cambridge： MIT Press， 2007： 624-631.
[11]WANG F. A general learning framework using local and global regularization [J]. Pattern Recognition， 2010， 43（9）：3120-3129.
[12]GONG Y C， CHEN C L. Graphbased semisupervised learning with manifold preprocessing for image classification[C]// Proceedings of 2008 IEEE International Conference： Systems， Man and Cybernetics. Piscataway， NJ： IEEE Press， 2008： 391-395.
[13]LIU W， HE J F， CHANG S F. Large graph construction for scalable semisupervised learning[EB/OL].[20121010]. http：//machinelearning.wustl.edu/mlpapers/paper_files/icml2010_LiuHC10.pdf.
[14]ZHU X J. Semisupervised learning with graphs [D]. Pittsburgh， Pennsylvania： Carnegie Mellon University， 2005.
[15]GOMEZCHOVA L. Mean map kernel methods for semisupervised cloud classification [J]. IEEE Transactions on Geoscience and Remote Sensing， 2010， 48（1）：207-220.
[16]COMANICIU D， MEER P. Mean shift： a robust approach toward feature space analysis [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2002， 24（5）： 603-619.
[17]BORENSTEIN E. Weizmann horse database [DB/OL]. [20120805]. http：///people/members/eranb/.
[18]TAO W B， JIN H， ZHANG Y M. Color image segmentation based on mean shift and normalized cuts [J]. IEEE Transactions on Systems， Man， and Cybernetics， Part B： Cybernetics， 2007， 37（5）：1382-1389.
監督分類范文2
1行政執法主體方面的案例
案例一：案例描述：某縣檔案局在年終工作總結中寫道：一年來，為落實《檔案法》及其實施辦法、《河南省檔案工作條例》，促進全縣檔案事業的健康發展，我局先后聯合縣委辦公室、縣人大辦公室等部門，組成檔案行政監督檢查組，對全縣的檔案管理情況進行了2次聯合檢查，共查處檔案違法行為18起，并對7起較為嚴重的檔案違法行為下發了《責令限期改正通知書》，及時糾正了個別單位在檔案管理中的違法行為，有力地促進了全縣檔案事業的健康發展。存在問題：縣委辦公室、縣人大辦公室是檔案行政監督檢查的主體嗎？案例評析：依據我國法律規定，行政執法必須由行政執法主體來執行。那么，何為行政執法主體呢？根據行政法學原理，所謂行政執法主體，是指依法成立并享有國家行政執法權力，能以自己的名義從事行政執法活動，能獨立承擔由此而產生的法律后果的機關或者組織。國務院印發的《全面推進依法行政實施綱要》（以下簡稱《綱要》）將此類機關和組織分為三類：一是行政機關；二是經法律、法規授權的非行政機關的組織；三是經行政機關委托的非行政機關的組織?！毒V要》明確提出，要建立健全行政執法主體資格制度，行政執法由行政機關在法定職權范圍內實施，非行政機關的組織未經法律、法規授權或者行政機關的委托，不得行使行政執法權。本案例中，某縣檔案局聯合縣委辦公室、縣人大辦公室組成檔案行政監督檢查組，查處檔案違法行為的具體行政行為，明顯是一種檔案行政執法具體行政行為。根據行政法學原理和《綱要》要求，上述三個執法主體必須是檔案行政主體，或者必須經法律、法規的授權。那么，縣委辦公室、縣人大辦公室是否具備上述條件呢？首先看地方人大是否具備上述條件。根據《地方各級人大組織法》的相關規定，地方各級人大是地方的最高權力機關，不是權力執行機關，也就是說不是行政主體。雖說其具有保證檔案法律、法規貫徹執行的監督職能，但這種監督職能是法制監督，是對權力執行機關的監督，不是對具體行政相對人的監督，不具有對行政相對人實施具體行政執法行為的資格。再看地方黨委是否具備上述條件。按照我國政治體制原則，地方黨委是地方各項事業的領導機關，是黨團組織，其領導職責主要是方針政策、組織上的領導，并不是行政主體，也不具備法律、法規所規定的行政執法主體資格。綜上所述，地方黨委、人大既不是檔案行政管理的行政主體，也不是法律、法規授權進行檔案行政執法的執法主體。案例中，縣委辦公室、縣人大辦公室是縣委、縣人大的內部協調辦事機構，其機構性質從屬于縣委、縣人大，自然也不是檔案行政執法的主體，不具備檔案行政執法的主體資格。其直接參與檔案行政監督檢查的做法，是與法律的規定和《綱要》的要求相背離的，是一種無效的行為。
案例二：案例描述：2006年7月，某縣檔案局法制科電話通知所轄各鄉鎮，為加強汛期檔案安全保管，確保檔案安全度汛，縣檔案局法制科將組織人員對全縣所有鄉鎮綜合檔案室檔案保管情況進行監督檢查。檢查中發現有兩個鄉鎮綜合檔案室庫房存在漏雨現象，當即下發了《責令限期改正通知書》，要求這兩個鄉鎮在15天內改善庫房保管條件，確保檔案安全，并將整改情況書面報檔案局法制科?！敦熈钕奁诟恼ㄖ獣仿淇钍悄晨h檔案局法制科，并加蓋了某縣檔案局的公章。存在問題：某縣檔案局法制科是檔案行政監督檢查的主體嗎？案例評析：按照行政法學理論和法律、法規規定，行政機關必須依法設定，是重要的行政主體，代表國家或地方獨立進行行政管理。行政機關的內設機構是行政機關的內部組成部分，雖然具體履行著行政機關的職能，但其并不是行政主體，沒有對外的行政管理權，也不對外承擔相應的法律責任。在具體的行政監督檢查活動中，行政機關的內設機構可以代表行政機關進行執法，但只能以行政機關的名義進行，而不能以內設機構自己的名義擅自作出。由此可見，行政機關的內設機構非經法律、法規的授權，是不具有行政執法主體資格的。本案例中，某縣檔案局法制科制發的《責令限期改正通知書》雖然蓋的是檔案局的公章，但其電話通知、《責令限期改正通知書》落款均是法制科，應視為此次行政監督檢查是法制科以自己的名義做出的具體行政行為。而法制科是檔案局的內設機構，按照法律、法規的規定，依法不具有對外進行檔案行政監督檢查的職權，也不具有進行檔案行政監督檢查的主體資格，因此，某縣檔案局法制科以自己名義進行的檔案行政監督檢查和制發的《責令限期改正通知書》，是違法的行政行為和無效的執法文書。
2行政執法人員方面的案例
案例三：案例描述：河南省某縣檔案局、館合署辦公，是縣委、縣政府直屬的文化事業單位，履行全縣檔案事務的行政管理和全縣檔案的安全保管雙重職能。局館共有工作人員13名。其中，只有甲、乙、丙三人通過考試取得了行政執法資格，擁有省人民政府統一頒發的《行政執法證》。在每年例行的檔案行政監督檢查中，該縣檔案局一直采取由甲、乙、丙三人分別帶隊，另外調配其他三名工作人員，組成三個監督檢查組（每組兩人）的形式開展檔案行政監督檢查工作。存在問題：其他三名工作人員參加行政監督檢查組合法嗎？案例評析：根據行政法學原理，行政執法工作必須由具有行政執法資格的工作人員來履行，不具備行政執法資格的人員不得從事行政執法工作。河南省《〈行政執法條例〉實施辦法》（以下簡稱《辦法》）規定，行政機關應當按有關規定對行政執法人員進行培訓，定期考核，經考核不合格者不得上崗執法。經考試和考核合格，取得《河南省行政執法證》的，方可上崗執法；未經執法培訓或者經考試、考核不合格，未取得《河南省行政執法證》的，不得上崗執法。而河南省人民政府《關于實行持證上崗亮證執法的通告》（以下簡稱《通告》）則更明確地規定，《執法證》是行政執法人員行使執法權的資格證明。未依法取得《執法證》的，無權從事行政執法工作。從上述行政法學原理和河南省的地方法規、規章規定看，行政執法是一種職務行為，只有具備行政執法資格的工作人員，才可以進行行政執法活動。不具備行政執法資格的工作人員從事行政執法工作，則是一種不合法的職務行為，應當嚴令禁止。本案例中，另外調配的其他三名工作人員與具備行政執法資格的甲、乙、丙三人搭配，組成檔案行政監督檢查組，雖然符合每次檔案行政監督檢查不得少于兩人的規定，但是，另外調配的其他三名工作人員既沒有接受過行政執法培訓，也沒有取得《辦法》規定的行政執法資格和《河南省行政執法證》，按照該省《通告》的規定，另外調配的其他三名工作人員是不具備從事行政執法資格的人員，無權在其轄區內從事檔案行政監督檢查工作。由此可以看出，某縣檔案局由甲、乙、丙與不具備行政執法資格的其他三名工作人員組成檔案行政監督檢查組的做法是錯誤的。
3檔案行政相對人適格方面的案例
案例四：案例描述：某縣檔案局在例行檔案行政監督檢查時，發現人民銀行某縣支行1992年～2000年的文書檔案沒有依法向該縣檔案館移交。該支行不移交檔案的理由是：人民銀行是金融特殊行業，實行行業垂直管理，保密性強，按照上級規定，其檔案不移交當地檔案館。監督檢查人員要求該支行提供不移交檔案的上級行文件規定。該支行提供不出具體文件。監督檢查人員合議后認為：該支行提出的不移交理由不成立。按照《檔案館通則》和《各級國家檔案館收集檔案范圍的規定》，該支行的文書檔案屬于向該縣檔案館移交范圍內的檔案，應當依法按時移交。責令該支行立即糾正錯誤做法，并據此下達了《責令限期改正通知書》?！敦熈钕奁诟恼ㄖ獣分袑懙溃喝嗣胥y行××縣支行檔案室：2013年9月13日上午10點，我局對貴檔案室進行了例行監督檢查，經檢查發現，貴檔案室保管的1992年～2000年的文書檔案沒有依法向××縣檔案館移交（具體案卷情況見《清查檔案清單》），此行為違反了《檔案館通則》和《各級國家檔案館收集檔案范圍的規定》的有關規定，特責令貴檔案室在一個月內（2013年9月13日～2013年10月13日）糾正違法行為，依法向××縣檔案館移交附件《清查檔案清單》中的檔案，并將整改情況書面報××縣檔案局。人民銀行××縣支行接《責令限期改正通知書》后，經請示其上級行鄭州分行和濟南中心行后，按時移交了應移交的檔案。存在問題：某縣支行檔案室是檔案行政管理機關的行政相對人嗎？
案例評析：行政主體和行政相對人是構成行政法律關系的主體，雙方相互作用，促使行政法律關系的產生、變更和消滅?；谛姓稍O定條件的行政關系主體，是一種相對穩定和平衡的法律關系。只有當行政主體就是法律所規定的對行政相對人發生作用的“那個”行政主體，行政相對人是法律所規定的行政主體必須針對的“那個”行政相對人時，行政法律關系才能實現相對的穩定。行政相對人包括個人或組織，在行政法律關系中，行政相對人與行政主體相對應而存在，是行政法律關系中的重要“一極”。如果一個行政法律關系中的所謂“行政相對人”并不是法律所規定的行政主體可以或者必須針對的當事人，則這個行政法律關系就可能立即崩潰。換句話說，就是行政執法中，行政主體找錯了對象，雖然也在行政主體與錯誤的對象之間產生了行政法律關系，但這種行政法律關系的穩定性卻是無法保證的。如果行政執法中張冠李戴，就意味著對行政相對人主體的認定不合法律規定，意味著整個行政執法行為認定事實不清，屬于違法行為?！吨腥A人民共和國檔案法》第六條第二款規定：縣級以上地方各級人民政府的檔案行政管理部門主管本行政區域內的檔案事業，并對本行政區域內機關、團體、企業事業單位和其他組織的檔案工作實行監督和指導。由此可以看出，基于《檔案法》基礎上的檔案行政法律關系，其檔案行政主體是各級人民政府的檔案行政管理部門，其行政相對人是本行政區域內的機關、團體、企業事業單位和其他組織。具體到本案例中，檔案行政監督檢查的主體是某縣檔案局，其針對的“行政相對人”應該是人行某縣支行，而不是人行某縣支行檔案室。人行某縣支行檔案室作為該行的內設職能機構，可以代表該行行使其一定的職能活動，但不具有機構法人地位，不能成為某縣檔案局檔案行政監督檢查的“行政相對人”。其職能活動當中產生的法律責任只能由具備機構法人資格的人行某縣支行承擔。案例中，某縣檔案局監督檢查人員制作的《責令限期改正通知書》，將人行某縣支行檔案室認定為“行政相對人”的做法，屬于張冠李戴，認定事實不清的違法行為。
4行政執法程序方面的案例
案例五：案例描述：2009年6月20日，河南某縣檔案局行政執法人員張某、劉某到所轄鄉鎮監督檢查2008年文件歸檔情況。張某、劉某來到C鎮時，負責C鎮檔案工作的主管領導鎮黨委辦公室主任吳某接待了他們。執法人員張某與吳某相互認識，雙方相互寒暄后，吳某向張某、劉某介紹了該鎮2008年文件歸檔的大致情況。隨后，吳某陪同張某、劉某對該鎮檔案室2008年文件歸檔情況進行了現場檢查。檢查中發現，該鎮文件歸檔不全，缺少2008年的《干部職工統計年報》、《黨員統計年報》、黨委會議記錄等應歸檔的文件材料?，F場檢查結束后，張某、劉某向吳某和檔案員通報了現場檢查情況，要求將缺少的《干部職工統計年報》、《黨員統計年報》、黨委會議記錄等應歸檔的文件材料收集齊全，及時歸檔。存在問題：張某、劉某進行的此次監督檢查程序是否完善？
案例評析：行政執法程序是指行政執法的管轄、過程、步驟、順序、時限、方式等內容和環節的總稱。程序正當是依法治國對行政機關依法行政提出的最基本要求。其主要作用是：規范行政執法行為，防止行政執法的隨意性；保障行政相對人參與國家行政管理，監督和制約行政機關依法辦事；協調行政機關和行政相對人的關系，達到消除對立情結、構建和諧社會的目的。雖然我國還沒有制定一部完整的行政執法程序法律，但各單行法律、法規和規章中對行政執法的程序性規定，無疑是行政執法中應當嚴格遵守的原則。行政法學原理將各單行法律、法規和規章中有關程序性的規定歸納為以下幾種：一是執法公開制度；二是表明身份制度，三是告知制度；四是聽取陳述和申辯制度；五是聽證制度；六是回避制度；七是時效制度；八是說明理由制度；九是調查取證制度；十是行政執法文書制度。在具體的行政執法實踐中，行政機關和行政執法人員必須按照相關單行法律、法規和規章規定的執法程序進行執法活動，否則，就會造成執法程序違法，承擔因程序違法而造成的法律后果。本案例中，張某、劉某進行的此次監督檢查違反了表明身份的程序規定。按照行政法學原理，出示證件，表明身份是行政執法的重要環節和步驟，凡是與行政相對人直接打交道的行政執法活動，都要遵守、不得省略。不出示證件表明身份的，屬程序違法，行政相對人有權拒絕。河南省人民政府《關于實行持證上崗亮證執法的通告》也規定：《執法證》是行政執法人員行使執法權的資格證明。行政執法人員開展行政執法工作，必須向公民、法人或其他組織出示《執法證》，以表明身份。不出示《執法證》表明身份的，屬于行政執法程序違法的行為，公民、法人或其他組織有權拒絕，并有權向縣級以上人民政府法制機構投訴，也可以向人民法院。案例中，雖然張某與吳某相互認識，也不能違反法律、法規和規章所規定的程序，否則，一旦有不良后果出現，就會造成此次檔案行政監督檢查行為程序違法，使檔案局陷入被動局面。此外，該案例中，張某、劉某進行的此次行政監督檢查，沒有制作《現場監督檢查記錄》，沒有將C鎮文件歸檔不齊全的違法事實記錄固定下來，也是一種不符合行政執法程序的違法行為。
5行政執法文書方面的案例
案例六：案例描述：某縣檔案局在對該縣林業局進行例行監督檢查時發現，有3卷涉及機構編制、干部職工年報、花名冊的永久卷不知去向，查閱該局《檔案借閱登記本》，也沒有此3卷檔案的借閱登記記錄。詢問檔案員時，檔案員也說不出檔案的確切去向。據此，某縣檔案局當即對林業局下發了《責令限期改正通知書》，要求該林業局在15天內追查出檔案的去向，并將追查結果書面報告縣檔案局。逾期不報追查結果，將立案查處，追究有關人員的行政責任。在規定的整改期限內，該林業局書面答復稱：去向不明的3卷永久檔案，系該局會計在辦理局機關人員工資調整時借出，遺忘在了縣財政局工資福利股，現已收回，并對相關人員進行了批評教育。存在問題：此次行政監督檢查的執法文書完善嗎？案例評析：行政執法文書是行政機關在行政執法活動中制作的，用以記載和證實行政執法過程的各種材料，是記錄行政執法過程情況、認定事實、內容的法律文書載體。根據行政法學原理，在具體的行政執法活動中，有些具體的違法事實，在沒有書證、實物、影像的情況下，必須通過制作相應的行政執法文書，來記載違法事實的情況，使違法事實得以固定，以支撐行政執法后續行政處理的開展。制作行政執法文書，也是行政執法程序不可缺少的重要環節。只有完備的行政執法文書，行政執法的過程才能完善，才能善始善終。
監督分類范文3
【關鍵詞】眼鏡;行業概況;不合格;質量分析
1眼鏡企業現狀及市場的調查
國內眼鏡零售由解放初期的計劃經濟時展而來，當時許多老牌子的產品在各地區都是歸地方政府所有。隨著經濟的發展，改革步伐的開始，我國南方的眼鏡業發展最快，最開始有了連鎖經營、私營。尤其是近些年，我國各地區的眼鏡行業高速發展，但是絕大多數的是本地區的連鎖門店，博士、大光明、大明、吳良材等知名連鎖門店較少。我國的人口基數龐大，眼鏡店分布平均為每2.5萬人擁有一個眼鏡門店，這個分布比例是一個很低的數字，與許多發達國家和地區存在不小的差距。據國家輕工業眼鏡信息中心多年的跟蹤和統計，目前，中國眼鏡零售門店有5.6萬個左右，眼鏡零售企業1.5萬家左右，年銷售總額450億元左右，再加上市場終端銷售約45億元，電商銷售約52億元，那么，整個眼鏡零售市場的年銷售額應該在547億元以上。其中，眼鏡電商僅占總銷售額的9%左右。隨著互聯網行業的普及，給各行各業帶來了很大的變化，不僅推動了產業的發展，還帶來了一系列的效益。對于眼鏡行業而言，這一切，是機遇也是一種挑戰。對于消費者來說，互聯網的透明，打破了眼鏡零售行業的暴利堅冰，讓他們在價格上享受到更多的實惠；零售商卻認為，在規則缺失的情況下，通過互聯網銷售眼鏡的模式，淡化了眼鏡所需依靠的專業性，實際上大大損害了消費者的利益；品牌商認為，互聯網讓消費者變得更加聰明，對眼鏡的認識也更加深入，讓有實力的企業能夠在附加值高的產品上獲得更多的利潤；而電商，則把互聯網當做了革新傳統眼鏡零售格局的重要法寶。不同的立場的人群，隱藏著不同的含義。那么，對于我們消費者來說，眾多的銷售模式雖然給我們帶來了便利，但是產品質量如何，這么專業性非常強的產品，我們怎樣擦亮雙眼，下面我們通過本市的眼鏡抽查數據剖析一下現階段眼鏡行業的產品質量狀況。
2抽樣方法
原則上，每家企業抽取1-3種主導產品。在企業成品庫隨機抽取經企業檢驗合格或以任何方式表明合格的產品。驗配眼鏡隨機抽取1-3副。如果成品庫中無已配裝完成的樣品，則由抽樣人員開出配鏡處方，由受檢單位現場加工，經受檢單位檢驗合格后，交抽樣人員；同一規格型號、同一批次隨機抽取1副。樣品及抽樣單內容經受檢單位代表（經手人）確認無誤后，由抽樣人員與受檢單位代表（經手人）分別在抽樣單上簽字、蓋章，當場封存樣品，加貼封條，封條上應有受檢單位代表（經手人）簽名、抽樣人員簽名、抽樣單位蓋章、抽樣日期及抽樣編號。一般情況下，抽樣人員負責將全數樣品攜帶或寄送到指定的檢驗機構。需要受檢單位協助寄、送樣品的，受檢單位應當在《產品質量監督抽查抽樣單》規定的寄送截止時間內將樣品寄送到指定的檢驗機構。
3檢驗依據
GB13511.1《配裝眼鏡第1部分：單光和多焦點》；QB2506《光學樹脂眼鏡片》；GB10810.1《眼鏡鏡片第1部分：單光和多焦點鏡片》；還包括經備案現行有效的企業標準及產品明示的質量要求等。
4抽查結果的綜合分析與評價
本次共抽查了30家企業的60批次產品，經檢驗，有29家企業的59批次產品合格，1家企業的1批次產品不合格，不合格項目為光學中心垂直互差。抽查企業合格率和產品合格率分別為96.6%和98.3%。從抽查結果來看，大中型眼鏡店的產品質量相對穩定，小眼鏡店的產品質量相對較差。大眼鏡店擁有一定的品牌和市場優勢，可以在保證一定利潤的基礎上合理控制產品質量和有效管理生產，小眼鏡店主要依靠低價產品沖擊市場，有時會盲目降低成本，驗配師專業素質較差，偷工減料問題嚴重，質量檢驗控制不嚴格或者根本不進行產品質量檢驗。
5如何選擇好的眼鏡
根據調查，配裝眼鏡產品質量問題突出的有3類情況。一是度數不準，就是眼鏡的頂焦度與使用者需要矯正的屈光度不一樣；二是瞳距測量不準確，即眼鏡的光學中心水平距離與使用者的瞳距數據不一樣；三是柱鏡軸位偏差不合格。這些項目不合格將嚴重影響矯正視力的效果，會引起佩戴者的視覺疲勞，進而會加重視力減退。我就現在發現的不合格項目簡單介紹一下目測鏡片質量的一些常識。對于眼鏡鏡片透光度和光學均勻性的簡單的檢測方法是，把鏡片放在距離眼睛29cm的距離，透過眼鏡鏡片眺望遠處。若視野清楚，沒有變形，而且稍作移動視野清晰無跳躍，就說明眼鏡片的透明度和光學均勻性相對比好。還有就是針對光學中心位置的簡單的檢測方法。在紙上繪制一個“十”字，可以用單個眼睛透過鏡片觀察“十”字筆畫的結構狀態。假如筆畫不在一個直線上，可以稍稍移動點眼鏡，把眼鏡的“十”字筆畫與眼鏡外部的連接成一條直線。用筆在鏡片中觀察到的“十”字中心處畫一個小圓點，這個點就是為光學的中心。兩邊都弄好后，細致觀察比較兩側光學中心是否對稱，最后我們還可以用直尺測量兩個中心點的距離是不是和規定的瞳孔距離一樣。假如眼鏡片中的“十”字筆畫變形，就能判定眼鏡片有一定的質量問題。為避免購買到問題眼鏡，建議首先要看店內的“三證”，要注意觀察驗光員是否具有上崗證、定配工是否具有職業資格證，還要看配鏡及驗光的檢測儀器，其中包括驗光儀器、鏡片箱、焦度計等是不是檢驗合格。市民在查看店員的上崗證時，也要對照一下是否是店員本人。其次在付款時一定要索要驗光處方單或者加工單，一旦發生糾紛，驗光單等就是最好的證據。
6綜述
監督分類范文4
[論文關鍵詞]法律監督 內部關系 概念
一、法律監督內部關系的概念
“法律監督內部關系”一詞,可以從兩個層面來理解。一是指法律監督各項權能之間的關系。法律監督各項權能共同構成法律監督職能,是法律監督職能的具體內容,它們之間的關系自然屬于法律監督內部關系的范疇。二是指法律監督主體之間的關系,是檢察系統內部各功能主體在履行法律監督職能中或者為了保障和促進法律監督職能而形成的關系。這兩層涵義是有聯系的。法律監督各項權能之間的聯系直接決定和影響了法律監督各主體之間的關系,或者說,法律監督各主體之間的關系,應當由法律監督各項權能之間的客觀聯系所決定,理應是對它的全面反映。從這個角度來說,兩層涵義本質上具有一定的同一性。不過從本文寫作的目的來說,從第二個層面來界定法律監督內部關系更為恰當。因為法律監督各項權能之間的聯系最終仍然要通過構建合乎其要求的主體關系來實現。此外,主體關系的構建不僅僅要考慮權能之間的客觀聯系,而且要考慮更多的要素,這些要素雖然與權能之間的聯系無關,但是對權能的有效發揮有著不容忽視的作用。據此,本文中的法律監督內部關系一詞采用第二個層面的涵義。
這一涵義包括了以下兩層內容:
1.法律監督關系是指檢察系統內部各個功能主體之間的關系。主體是一個含義十分復雜的詞語,在不同的學術領域有著不同的內涵。如在哲學領域,主體是相對于客體的一個概念,是指在事物之間發生聯系的過程中,起主動作用的事物。法學中的主體是與法律關系一詞緊密聯系的,確指法律關系中的人。如在行政法關系中,行政行為的發出者和接受者都是行政法律關系的主體。本文中的主體并不考慮上述兩個層面的意義,而是特指所有的檢察機關、檢察機關的業務部門(機構)和監督管理部門以及這些部門內的職能人員。
2.法律監督關系是指各個功能主體之間在履行法律監督職能過程中或者為了保障、實現法律監督職能而產生的關系。每一個功能主體在對外履行法律監督職能時,難免要與其他的主體發生關系,比如下級與上級、偵查與批捕,等等。為了確保法律監督職能的有效實施,在檢察系統內部還存在對職能部門進行監督和管理的部門,它們之間也會發生一定的關系。這兩類關系是法律監督內部關系的實際內容。
學術領域對每一個概念的界定都與界定者的研究目的與研究范圍直接關聯,本文的這種界定也是由本文的寫作任務和目的決定的。本文的出發點不是要從一個超然的角度來闡述、介紹或者評價檢察系統的內部關系,而是要研究如何使法律監督主體與法律監督職能更為完美地結合到一起,換言之,就是要研究解決如何更好地促進檢察系統提升整個系統的法律監督能力,更好地履行法律監督的職能。而一個系統能力的提升不僅僅取決于單個個體的能力,同時取決于多種內部結構與關系的協調和處理。正是這些對于更好地履行法律監督職能來說是必須解決和協調的關系組成了法律監督內部關系的外延,這也是筆者對法律監督內部關系進行上述定義和界定的理由和根據。這同時也體現了研究法律監督內部關系的重要意義。
二、法律監督內部關系的分類
由于主體的多樣性和復雜性,內部關系成為一個龐大而復雜的系統,不同主體之間的關系往往既有相同性或者相似性,又有差異性。據此,對主體進行分類,以此作為進一步分析和歸納的前提和基礎,是十分必要的。為此筆者進行了四個向度的分類:
(一)第一個向度的分類依據是內部關系的現實性程度。據此內部關系可以分為兩大類:1.應然關系。本文中的應然關系又包括兩種類別,第一種是從社會發展和有效履行法律監督職能的客觀要求出發得出的應然關系,不妨稱其為理想型關系;第二種是綜合上述客觀要求、當前的客觀實際狀況即實現要求的客觀條件得出的應然關系,不妨稱其為現實型關系。2.實然關系,即當前內部關系的實際狀況。
(二)第二個向度的分類依據是發生關系的主體之大小,此時內部關系可以分為四大類:1.個體與部門、機關之間的關系;2.部門之間的關系;3.部門和機關之間的關系;4.機關之間的關系。
(三)第三個向度的分類依據是發生關系的主體之級別,此時內部關系可以分為兩大類:1.級別相同的主體之間的關系;2.級別不同的主體之間的關系。
(四)第四個向度的分類依據是主體之間發生關系的時點。此時內部關系可以分為三大類:1.履行法律監督職能之前發生的關系;2.履行法律監督職能之中發生的關系;3.履行法律監督職能之后發生的關系。
上述四種不同分類下產生的類別關系之間又存在著復雜的聯系。一是彼此在外延上往往存在交叉。如機關之間的關系既可能是履行職能之前發生的關系,也可能是之中、之后發生的關系;既可能是同級之間的關系,也可能是不同級別之間的關系。二是不同的類別關系可能存在相同或相似的處理原則和方式,比如上下級機關之間的關系與同職能的上下級部門之間的關系處理原則是相同或相似的。三是同一類別關系中不同主體之間關系的處理原則也可能存在差異。比如同是上下級部門關系,偵查職能部門與其他職能部門的上下級關系在處理原則上就存在差異。
總之,內部關系是一個十分復雜的系統,一方面需要我們條分縷析,具體問題具體分析,另一方面又需要我們歸納、整理和概括,對共性的東西進行歸類和抽象。為此,根據上述分類,筆者擬定了如下的行文思路:以對理想型應然關系的研究為起點,通過對實然關系的調查和分析,最終
探討和構建現實型應然關系。以第二種分類產生的四種關系作為分析各種內部關系的基本框架,在對每一種關系的分析中,再根據第三、第四種分類對各種具體關系進行探討。
三、衡量法律監督內部關系優劣的依據和標準
要探討法律監督內部關系的應然模式,首先面臨著一個問題:我們依據什么能夠斷定我們得出的這種模式就是法律監督內部關系的應然模式?這就如同我們判定一個黨員應該做什么,不應該做什么,必然在先的要有一個標準和依據。筆者認為,判定某種模式是應然模式的依據在于:它能夠使法律監督各項權能和諧且更好地得到履行,充分發揮其作用。因為檢察機關和檢察權的使命和設置的意義就在于強化法律監督,維護公平正義。這個依據和標準又可以具體分化為四個內涵:
(一)各項權能在運行中能夠更好地實現社會和立法設置該項權能的目的
從人類歷史來看,任何一項權力最初都是基于管理某種社會公共事務的需要而產生的。即是在奴隸社會和封建社會等集權時代,權力為私人所有,其管理和服務社會的性質也并沒有被抹煞。相反,任何忽視了權力服務社會之客觀任務和性質或者用權不慎的王朝,終會被社會和人民所拋棄。自資本主義社會以來,個人作為一級主體,通過古典個人主義的繁榮獲得了與社會這一主體同等的地位與價值,權力的公益性和服務性在此基礎上日益得到重視。每一項權力的設置都應該是為了管理或者解決某種公共事務,這是社會和立法設置該項權能的基本目的和出發點。權能得以更好履行的基本標志也就在于它能更好地實現社會設置它的目的和賦予它的任務。
(二)各項權能在實際運行中能夠更好地提高工作效率
在現代社會,任何一項活動都需要具有效率觀和效益觀,司法活動也不例外。這作為法律監督權能履行得更好的標志,無需多言。
(三)各項權能之間能夠實現一種有效的配合,形成一種高效的整體合力
與其他刑事機關不同的是,檢察機關的法律監督權能具有多樣性,從偵查、批捕到起訴,還有訴訟監督和職務犯罪預防。這些權能之間會存在某些聯系,比如某種對立、制約或者互長關系等。如果能夠認識到這些客觀聯系,在此基礎上對各項權能進行組合和優化配置,即有可能形成一種高效的整體合力。通過這樣的組合與配置,每一種權能將更好地發揮其作用。
(四)法律監督各項權能能夠形成一種有效的監督與制約,形成一種良性的整體合力
監督分類范文5
關鍵詞：數據流；半監督學習；集成分類；概念漂移；混合集成
中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2013）34-7770-06
數據流分析和挖掘在數據挖掘和機器學習領域是一個具有挑戰性的研究，它已經受到了計算機智能研究者的廣泛關注[1-3]。與傳統的靜態數據相比，數據流具有動態性、高維度、實時性、無限性、順序性和高速到達等特點[4]，正是這些特點使得傳統方法難以實現數據流的挖掘。而數據流分類是數據流挖掘的其中一種，它是從大量數據樣本中提取知識和信息的過程，而這些樣本中隱含的概念和知識可能隨著時間和環境不斷的發生變化，即存在的概念漂移[5]給研究帶來了挑戰。因此，一個高效的數據流分類算法需要在有限的時間和內存下以相當好的準確度完成任務，并且能夠自適應地處理概念漂移。
在已有研究中，解決概念漂移問題的方法概括起來有三種[6]：實例選擇、實例加權和集成學習。近年來研究最熱的當屬集成學習方法[7-9]，它克服了運用滑動窗口方法參數難以確定的缺陷。盡管集成學習已經取得了相當客觀的研究進展，但它是典型的有監督學習，需要大量的類標數據進行訓練學習。而且標記數據是一個耗時又費力的工作，因此便有了近年來半監督學習的研究[10-12]，它通過引入未標記數據來提高分類器的泛化性能?？梢哉f近年來集成學習和半監督學習的研究都有了新的突破，但將兩者融合來改善分類性能的研究還是鳳毛麟角。2002年Bennett等人[13]提出使用標記和未標記數據共同構造集成分類模型，文中主要運用Boosting方法，它的缺點在于沒有一種機制來控制對無類標數據標記的錯誤率；在文獻[14]中Woolam等人融合半監督聚類和集成方法先將無類標數據進行標記，當標記數據占到一定比例時再對數據進行聚類，再運用類標傳播技術為剩余無類標數據進行標記，最后更新集成分類器，這樣當數據量很大時類標傳播會耗費[Ο（n3）]的時間。
基于上述研究中存在的缺陷，該文將集成學習和半監督學習有效的融合，提出一種基于半監督學習的混合集成分類算法（Semi-Supervised learning Based Mixture Ensemble Classifier，SMEClass），由于引入未標記數據，使得集成分類器的準確性和泛化性都得到了改善，而且在對未標記數據進行標記時使用集成分類器和在數據塊已有的類標數據集上訓練的分類器一同進行多數投票，更增加了被標記數據的可信度。同時，在算法中也使用了概念漂移檢測和噪聲過濾的機制，以便能夠更有效的適應含噪音和概念漂移的數據流分類。
1 SMEClass算法模型的訓練和分類的流程
數據流分類挖掘面臨著兩大難題，一是概念漂移和噪音的影響，二是數據流實例標記的高額代價，很少有算法能高效地實現兩者的兼顧，因此在標記樣本少的情況下，既能兼顧概念漂移和噪音影響，又能確保分類的精度將是一個挑戰，SMEClass能夠解決這些問題，它假設數據流中的樣本數據有一部分是隨機標注的，然后使用我們的集成方法來對這些數據中的未標記實例進行標記，以增加分類的性能，而且在訓練過程中進行了漂移監測和噪音過濾。
由于數據流的特性，在此算法中使用C4.5和Na?ve Bayes作為基礎分類器來構建混合集成模型，在每個數據塊上使用類似于self-training的方法來進行半監督學習。
首先對方法中涉及到的符號進行說明：如表1所示。
2 SMEClass算法
2.1算法的合理性論證
數據塊到達后，用其中的有標記數據訓練一個C4.5分類器，使用這個分類器和集成分類器一同對未標記數據進行預測，如果預測錯誤率小于隨機錯誤率，則將這個預測類標作為此數據的類標記。在最壞的情況下，當有噪音實例時，如果擁有足夠的類標數據，就能降低分類的錯誤率，為了達到這樣的效果，借鑒了文獻[16]中的思想。
2.2算法的執行過程
3 數據流變化的檢測和識別
3.1概念漂移的檢測
3.2噪聲數據的過濾
為了降低噪音數據對概念漂移檢測的影響，集成模型中增加了一個樸素貝葉斯分類器，這是因為Na?ve Bayes算法簡單、速度快、準確率高，還有一個重要的特性就是對噪音數據相當敏感，利用它的統計特性，能夠及時地發現數據中的噪音，以達到噪音過濾的效果。
使用這個計算方法，在[K+1]個分類器進行投票時，如果實例被一半以上的決策樹分類器和Na?ve Bayes分類器同時分類錯誤，那么概念就存在潛在的漂移，將分類錯誤的實例放入緩沖區；反之，認為是噪音，不用其構建新的分類器，這樣就減少了那些噪音數據對漂移檢測的影響。
4 實驗及結果分析
基于人工數據集、UCI提供的真實數據集和已有的半監督集成分類方法SEClass[15]進行對比測試。分別從算法的準確率、運行時間和可擴展性三個方面驗證SMEClass方法的有效性。實驗運行環境為：1.73GHz英特爾奔騰雙核PC機，1GB內存，Windows XP操作系統。
為了實現算法，在實驗中使用MOA平臺，SMEClass的參數設置如下：[K=8]（基分類器個數），[d=5000]（數據塊大?。籗EClass參數如下：[L=8]（基分類器個數），[K=50]（微簇個數），[M=5000]，[e=0.9]。采用先測試再訓練的順序，這樣可以有效顯示模型的泛化能力。
人工數據集包括HyperPlane、Random RBF、Random Tree、SEA和Waveform。具體構造見文獻[9]，真實數據集采用UCI提供的Forest Covertype。
表2顯示了數據集的相關信息，這里對數據集分成大小固定為1000的數據塊，使他們分批到達來模擬數據流的特性。
4.1 算法準確率分析
算法的準確率如表3所示，由于現實生活中獲得已標記數據代價太大，在實驗數據集中我們只利用[20%]的已標記數據，其余[80%]的數據是未標記的，而且在實驗過程中增加了噪音數據和噪音屬性，以測試SMEClass算法對噪音數據的過濾能力和對含噪音屬性數據集的學習能力。
由于文獻[15]中有兩個屬性權值處理方式，SEClass-I在訓練中不調整屬性權值，SEClass-II在訓練迭代過程中動態調整屬性權值，通過對比實驗結果可以發現SMEClass和SEClass-II的準確率較高，由于SEClass-II動態調整屬性權值可以減少噪音屬性的影響，而SMEClass是采用的C4.5決策樹分類模型，也能實現這一點，葉節點在分裂的過程中會選擇具有最大增益率的屬性進行分裂，這樣每次都能選擇最重要的屬性。而且SMEClass采用的貝葉斯分類器還能夠有效降低噪音數據對準確度的影響，而SEClass沒有考慮噪音數據的影響，因此在同時含有噪音屬性和噪音數據的情況下，SMEClass的分類準確率要略勝一籌。
4.2 算法的運行時間和可擴展性
在人工數據集Random RBF上測試SMEClass算法和SEClass算法，改變數據集的屬性維度[d]來測試兩個算法在高維數據情況下的運行時間，從而檢驗算法的可擴展性。實驗結果如圖2所示，縱坐標代表算法訓練時間和測試時間之和。
觀察實驗結果，兩個算法的運行時間都隨屬性量的增加呈線性增長趨勢，這是因為在訓練基本分類器和測試過程中他們都是和屬性數量成線性關系的，但SMEClass的時間明顯少于SEClass，這是因為SEClass算法在聚類過程中需要頻繁計算實例間的距離，浪費了大量的時間，而SMEClass算法不存在這樣的問題，因此在時間上有明顯優勢。這說明SMEClass算法在處理高維數據流時比較穩定，具有良好的可擴展性。
5 結束語
針對數據流類標數據獲取困難這一現狀，該文提出將集成學習和半監督學習有效結合的一種分類算法SMEClass，算法在數據塊上采用類似于self-training的學習方法將置信度高的無類標數據賦予標記后加入類標集來改善基分類器的性能，由于在標記過程中使用了集成分類器的多數投票機制，這使加入的無類標數據更加可靠，而且增加了一個Na?ve Bayes分類器用來去除數據所含噪音，及時更新集成分類器以適應概念漂移。
實驗表明，與基于聚類的半監督數據流集成分類算法SEClass相比，SMEClass算法具有更高的準確度和較強的抗噪性，而且免去了存儲大量微簇的空間，且運行時間隨屬性維度的增加呈現線性增長，具有一定的可擴展性，因此本文的算法能夠用于高維數據流分類問題。
參考文獻：
[1] Liao S H，Chu P H，Hsiao P Y.Data mining techniques and applications-A decade review from 2000 to 2011[J].Expert Systems with Applications， 2012，39（12）：11303–11311.
[2] Read J， Bifet A，Holmes G，PfahRINGER B.Scalable and efficient multi-label classification for evolving data streams[J].Machine Learning，2012，88 （1-2），243–272.
[3] 白雪冰，王寶軍.數據流分類算法分析[J].電腦知識與技術，2012，8（11）：2445-2446.
[4] Zliobaite I.Learning under concept drift：an overview[R/OL].Technical report，Vilnius University，2009.http：///pdf/1010.4784v1pdf.
[5] Widmer G，Kubat M.Learning in the presence of concept drift and hidden contexts[J].Machine Learning ，1996，23（1）：69-101.
[6] Ho S-s，Wechsler H. A Martingale framework for detecting changes in data streams by testing exchange ability[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2010，32（12）：2113-2127.
[7] Scholz M，Klinkenberg R.An Ensemble Classifier for Drifting Concepts[C]//Proceedings of the 2nd International Workshop on Knowledge Discovery in Data
Streams.Portugal：Porto，2005：53-64.
[8] Aggarwal C C，Han J，Wang J Y，et al.A Framework for On-Demand Classification of Evolving Data Streams[J].IEEE Transactions on Knowledge and Data Engineering，2006，18（5）：577-589.
[9] Bieft A，Holmes G，Pfahringer B，et al.New Ensemble Methods for Evolving Data Streams[C]//Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Ming.France：Paris，2009：139-148.
[10] Chapelle O，Scholkopf B，Zien A，editors.Semi-Supervised Learning[M].Cambridge：MIT Press，2006.
[11] Zhu X.Semi-supervised learning literature survey [R/OL].Technical Report 1530， Department of Computer Sciences，University of Wisconsin at Madison，2006.http：//cs.wisc.edu/jerryzhu/pub/ssl_survey.pdf.
[12] Zhou Z H，Li M.Semi-supervised learning by disagreement[J]. Knowledge and Information Systems，2010，24（3）：415-439.
[13] Bennett K，Demiriz A，Maclin R.Exploiting unlabeled data in ensemble methods[C]//Proceedings of the 8th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.Canada：Edmonton，2002：289–296.
[14] Woolam C，Masud M M，Khan L.Lacking Labels in the stream：Classifying evolving stream data with few labels[J].Foundations of Intelligent Systems，2009，5722：552-562.
[15] 徐文華，賈征，常揚.基于半監督學習的數據流集成分類算法[J].模式識別與人工智能，2012，25（2）：292-299.
監督分類范文6
1 完善ERP教學體系，提高教學質量
我院的ERP實踐教學體系分為如下這樣三個階段：
第一階段：基礎知識介紹階段。讓學生了解工商管理專業在企業中承擔的角色與作用，理解ERP的思想，ERP在企業運行過程中的作用，并通過案例講解等方法激發學生的學習興趣，為進一步進行ERP的教學打下堅實的基礎。這一階段最重要的學習內容是熟悉ERP在企業應用中的主流程、各子系統基本業務流程和單據設置。
第二階 段：模 塊 操 作 階 段。我 院 目 前 主 要 安 排ERP基礎操作、ERP供應鏈管理和ERP生產管理三大模塊的學習。ERP基礎操作模塊的教學目的與要求包括：第一，理解ERP系統初始化的作用和目的;第二，掌握ERP系統初始化的方法;第三，能在易飛ERP系統中完成數字化企業公共參數搭建。供應鏈是圍繞核心企業，通過對信息流，物流，資金流的控制，從采購原材料開始，制成中間產品以及最終產品，最后由銷售網絡把產品送到消費者手中的將供應商，制造商，分銷售，零售商，直到最終用戶連成一個整體的功能網鏈結構。ERP供應鏈管理模塊的教學目的與要求包括：第一，掌握ERP銷售管理、采購管理、存貨管理的基本知識;第二，熟悉ERP銷售管理、采購管理、存貨管理的主業務流程;第三，能運用易飛ERP系統進行銷售管理、采購管理、存貨管理。企業的生產需求與物料供需必須維持一定程度的平衡，才可達到最佳經濟的生產效益與避免浪費庫存的積壓，這得靠批次需求計劃的優良規劃，計劃來源包含有訂單、LRP生產計劃、MPS生產計劃與銷售預測等等。ERP生產管理模塊的主要學習內容包括熟悉生產制造主流程、ERP產品結構管理、ERP物料供應管理、ERP工單與委外管理、ERP工藝管理。
第三階段：系統整合階段。在學生對ERP各個專業模塊已經熟練掌握之后，還需進一步加強學生對于ERP的系統性的認識。第三個階段主要是讓學生能靈活運用所學知識，進行綜合管理操作演練，提高學生的操作技能，整體性思維能力。
2 重視流程講授，引入情景教學法
企業業務處理的流程是ERP的核心內容。因此，在給學生講授ERP課程的時候，也是重點講授流程。以合作企業提供的ERP軟件模塊及流程來設計課程大綱。情境教學法在ERP實驗實訓教學中應用的思路是：以生產型企業為例，通過ERP實驗實訓課程的學習，使學生在思想上，完全理解ERP的管理思想以及ERP系統在現代企業運行過程中的重要作用;在知識上，掌握ERP系統的基本概念和基本原理，熟悉易飛ERP系統環境下的企業的業務流程，了解信息管理系統與企業業務管理之間的關系，掌握易飛ERP系統中的主要功能及其相關業務處理方法;在能力上，通過在模擬企業經營的過程中，使學生將所學的知識融會貫通，提高學生分析問題和解決問題的能力;在綜合素質上，增強學生的實踐能力，提高學生的綜合素質，以滿足社會需要。
3 開設ERP實驗實訓課程，增強學生實踐能力
3.1 搭建校園ERP實驗實訓平臺
我院與上海鼎捷公司簽署了“現代企業ERP管理人才培養校企合作協議”，使用其“易飛7.0(企業版)”ERP管理軟件用于我院的現代企業ERP管理人才培養工作。我院在校內搭建了一個企業ERP實驗實訓平臺，服務器端設在學校網絡實驗中心，教師和學生可通過在個人電腦上安裝客戶端程序即可實現在校園網內24小時隨時登錄訪問軟件，進行知識學習和操作練習。
3.2 開通E-Learning學習渠道
E-Learning又稱為在線學習或網絡化學習，學員通過PC連接到Internet進行學習的一種全新的學習方式。配合ERP實訓教學教材，鼎捷知識學院提供體系完整的E-Learning易學網課程，通過E-Learning課件協助老師用于教學，并協助學生的深入學習。ERP系統所涵蓋的信息量大、知識點多、邏輯較強，若使學生能真正了解并熟練運用，則單模塊應盡量達到72課時，以給學生充足的時間消化及操作練習。由于院校 課 時 可 調 控 性 有 限，學 生 可 課 后 通 過E-Learning在線學習，在有限的課時內，學生也可以自行登錄E-Learning學習平臺進行預習及復習，遇到不懂的問題也可以隨時咨詢軟件的客服熱線或上軟件的FAQ問題討論網絡交流區。
3.3 重視實訓教材及課件的選擇與制作
針對工商管理專業學生特點，其主要學習易飛信息管理系統中的供應鏈主流程模塊及生產主流程模塊，而輔助學習財務主流程模塊。因而，在教材上，我們主要采用了企業編寫的三本教材：《ERP應用基礎教程》、《ERP供應鏈管理應用教程》和《ERP生產制造管理應用教程》。為了更好開展ERP實訓教學，在ERP系統的每個子系統講授中，也特別制作了圖文并茂的學習課件，一方面便于ERP實訓教學講解，另一方面也有利于學生深入學習ERP系統流程、管理思想等。
4 通過ERP認證，提高就業競爭力
黨的“十”報告，明確把信息化水平大幅提升納入全面建成小康社會的目標之一，首次把信息化水平提升列入發展目標，對信息化發展具有重要戰略意義。隨著社會和企業信息化管理的日益普及和不斷深入，社會對信息化人才的需求越發迫切，對人才的要求越來越高，對既精通ERP核心理念、軟件功能和業務應用模式，又熟悉企業管理整個過程的復合型人才的呼喚更是越來越強烈。對己經參加了ERP實訓課程的學生，并將來有志于從事ERP工作的，我們鼓勵和組織學生積極參加鼎捷公司舉辦的全國信息化工程師ERP認證考試，該考試由國家工業和信息化部授權，并頒發“全國信息化工程師”證書，通過認證考試的學生，既能證明自身的專業能力，更能在信息技術應用能力愈趨重要的人才市場上增添競爭優勢。
5 拓寬就業方向，提高就業率
為響應《國 家 中 長 期 教 育 改 革 和 發 展 規 劃 綱 要(2010-2020年)》和《國家中長期人才發展規劃綱要(2010-2020年)》的要求，培養和鍛煉大學生的就業能力和創業意識，挖掘和培養創新性，實用型和復合型的人才，同時為社會和企業選才提供實踐技能和實務操作的考核依據，工業和信息化部人才交流中心與鼎捷軟件股份有限公司每年在全國范圍內舉辦全國大學生ERP大賽，使全國廣大在校大學生可以在信息化管理技能和企業管理實務方面更好的展現個人才能，為更好的實現高品質的就業或邁入創新創業道路打下堅實的基礎。大賽分為個人賽和團體賽兩個賽事，個人賽主要考核大學生對ERP理論，知識及信息化管理基礎技能的熟悉和掌握程度;團體賽主要考核大學生，對現代企業經營管理理念的熟悉了解程度，信息化理論與實踐的結合運用能力，現代企業經營中的目標責任管理和團隊協作能力。
ERP人才就業方向十分廣闊，主要包括以下四個方面：第一，ERP軟件研發類：從事軟件實施工作，負責軟件研發、測試、技術支持等工作;第二，ERP實施維護類：擔任企業ERP實施顧問，維護服務等工作;第三，ERP軟件應用類：作為ERP的使用用戶或企業內負責信息化的單位，擔任企業ERP項目推動，提升企業軟件使用的效益;第四，ERP銷售類：從事ERP軟件、服務、咨詢等的推廣和銷售。
