CN107016630B - 一种新型英语教学学习语言系统 - Google Patents

Abstract

本发明涉及一种新型英语教学学习语言系统，包括数据交换模块；数据交换模块与教学库模块电性相连；教学库模块与操作模块电性相连；操作模块与显示模块电性相连；显示模块与语音模块电性相连；教学库模块包括知识储存模块和题目储存模块；所述操作模块包括笔记模块和评价模块，通过操作模块可以对教学库模块中储存的知识点进行播放；通过笔记系统也可以调阅重点难点以及错题进行巩固和查漏补缺，数据转换模块可以与电脑进行数据交互；教学库模块将知识点和题目分开；笔记模块有利于新知识的复习和巩固；语音模块可以将文本信息转化成声音信息，便于学生的理解和接受；整体上操作简单，知识全面适合不同英语学习层次学生的学习。

Description

一种新型英语教学学习语言系统

技术领域

本发明属于英语教学领域，尤其涉及一种新型英语教学学习语言系统。

背景技术

英语教学主要涉及听、说、读、写四个方面的内容，在日常的课堂英语教学中，通常是由教师讲解知识点，再通过课堂相关题目的练习达到巩固和掌握新知识的目的。但是，由于教学水平或课程设置的差异，许多英语课堂上只注重听力、阅读和写作上的讲解和练习，缺少口语方面的互动，从而使学生仅仅掌握“应试英语”，无法在生活中顺畅的使用。另外，由于学校的英语教学都是大班授课，无法针对性地对单个学生进行查漏补缺，这使学生英语成绩难以提升，学习热情也逐渐降低。因此，一种涵盖知识全面、可以让学生在课下自学英语的英语学习系统成为一种迫切的需求。

发明内容

本发明为解决由于学校的英语教学都是大班授课，无法针对性地对单个学生进行查漏补缺，这使学生英语成绩难以提升，学习热情也逐渐降低的技术问题而提供一种操作简单、知识全面、学练结合的一种新型英语教学学习语言系统。

本发明为解决公知技术中存在的技术问题所采取的技术方案是：

本发明提供的新型英语教学学习语言系统，所述新型英语教学学习语言系统包括数据交换模块；

所述数据交换模块用于与电脑之间的数据传输；所述数据交换模块的数据处理具体包括：

第一步，将时间数据按照天进行划分，对每一天的数据进行分别处理；

第二步，根据时间数据处理精度，将某一天所有时间点按顺序进行标记；

第三步，用128位的随机数种子S，S以SHA-1 256算法进行Hash，Hash所得256位数据一分为二，即S₁₁和S₁₂；S₁₁和S₁₂重复上述过程，继续通过SHA-1 256进行扩展和分裂；扩展和分裂操作将持续到所产生的二叉树叶子节点能够覆盖所选择精度对应的所有时间点；

第四步，将第二步产生的标记，按编号顺序，对应到第三步产生的叶子节点上，或者说每个时间点被转化成了256位的Hash值；

第五步，根据叶子节点情况进行合并，合并后转变为上层节点，直到无法合并为止；

第六步，合并后的节点进行乱序处理，作为起止时间Node数据存储；

所述数据交换模块与教学库模块电性相连，所述教学库模块用于储存学习资料的数据内容；所述教学库模块包括知识储存模块和题目储存模块；所述知识储存模块用于储存英语听说读写四个方面所涉及的所有知识点，所述题目储存模块用于储存各个知识点所对应的练习题；

所述教学库模块与操作模块电性相连，所述操作模块用于人为对数据信息进行选择、转移、删除和修改；

所述操作模块包括笔记模块和评价模块，所述笔记模块用于将生疏的知识点或错题单独储存在一个储存空间内，所述评价模块用于对学生完成的练习题进行批改和打分；所述教学库模块还包括：局部本体构建模块，根据数据源特征，自适应地选择本体构建策略，从而构建出油气勘探局部本体；

局部本体构建模块，根据数据源特征，通过自适应本体构建策略，进行局部本体的构建，具体包括：

步骤一、基于非结构化数据源构建局部本体：

首先，应用文本过滤器将不同的文件格式转成为纯文本文件格式，获得语料数据，并进行一致性检查；然后，采用逆向最大分类中文分词方法对这些语料进行初步的切分处理，得到字串集合；然后，利用最大信息系数方法计算字串的内部结合强度，获取合成词集合，并判断合成词和非合成词的领域相关性，提取出概念集合；然后，应用图上随机游走算法推理合成词概念间的分类关系，采用基于隐Markov模型的聚类算法提取非合成词概念间的分类关系；接着，运用基于关联规则挖掘的方法获取概念间的非分类关系；最后，应用本体构建工具输出OWL格式的局部本体；

步骤二，基于结构化数据源构建局部本体：

首先，利用R2O技术建立数据库模式和本体模型之间的语义映射关系，从而把关系数据库中的关系映射为本体中的概念，把属性对应地映射为OWL属性，并把数据库的关系表转化为本体类，把数据库中的数据转化为实例；然后，对从数据库中抽取出来的初始局部本体做一系列的规范化工作，通过与标准本体进行语义相似度计算，将符合阈值的本体信息建立语义联系，不符合阈值的本体信息进行规范化处理，从而构建出符合要求的规范化局部本体；

步骤三，基于半结构化数据源构建局部本体

由于半结构化数据是介于结构化和非结构化数据之间的、具有隐含结构但缺乏固定或严格结构的一类数据；所以，基于上述两种数据类型的本体构建技术也可以应用到半结构化数据源；首先，抽取出半结构化数据模式，给定映射规则，利用XML2RD方法，将半结构化数据转化为结构化数据；然后，按照结构化数据构建局部本体的方法构造半结构化数据源对应的局部本体；

所述操作模块与显示模块相连，所述显示模块用于将操作模块选中的文件和数据进行显示；所述显示模块的联合稀疏表示的字典D∈R^Jm×(J+1)n表示为：

其中J表示传感器的数量，图像的维度为m×n；冗余字典D_c∈R^m×n和D_j∈R^m×n分别是信号公共部分和专有部分的稀疏表示字典；

转化为下式求解稀疏表示系数：

所述显示模块基于概率边界图的焦点区域确定方法包括：

对图像以当前视觉注意焦点为原点进行极坐标变换，在极坐标空间里进行搜索；

设表示直角坐标中的概率边界图，F(x_o,y_o)为当前焦点(直角坐标)，以该焦点为坐标原点进行极坐标变换，所得的极坐标概率边界图记为/>设P表示极坐标边界图中所有像素的集合，L＝{0,1}为极坐标边界图中每个像素标记的集合，假定像素p的标记l_p＝0表示该像素处于焦点区域封闭边界的内部，l_p＝1表示该像素处于焦点区域封闭边界外部，寻找焦点区域最优封闭边界的问题等价于，在概率边界图上寻求从集合P到集合L的标号函数，该标号函数满足如下能量方程：

这里，δ(l_p,l_q)为Kronecker符号；

U_p(l_p)为能量函数数据项；关于数据项，只有两种情况是确定的，即对于极坐标图像第一列来说，其对应于极点，必处于焦点区域内部，因而对于有l_p＝0，U_p(l_p＝0)＝0，U_p(l_p＝1)＝Cst；对于最后一列，位于焦点区域封闭边界外部，因而对于必有：l_p＝1，U_p(l_p＝0)＝Cst，U_p(l_p＝1)＝0；

公式(1)所规定的能量函数，用最大流-最小割法进行求解；其中极坐标概率边界图像素之间的连接权值按下式确定：

在极坐标下获得了焦点区域封闭边界的最优解后，对该边界像素坐标进行逆极坐标变换，即得直角坐标下的焦点区域封闭边界的最优解；

所述显示模块与语音模块电性相连，所述语音模块用于语音播放显示的内容以及设定好的语音信息；

所述数据交换模块的隐藏文本表示为集合H，掩藏文本表示为集合T，将从客户端连接至服务器的套接字连接表示为S{S1,S2,S3,...}；

所述数据交换模块的子匹配滤波器的传递函数为：

C_i是由分层序列u，v调制而成的，u是分层Golay序列v＝{1,1,1,-1,-1,1,-1,-1,1,1,1,-1,1,-1,1,1}，C_16m+n＝u_nv_m；

根据分层的Golay序列对传递函数进行改进，则有：

H(z_u)＝[1+z^-8+z^-1(1-z^-8)][1+z^-4+z^-2(1-z^-4)]；

H(z_v)＝(1+z^-1)[1-z^-6+z^-8+z^-14]+(1-z^-1)[z^-2-z^-4+z^-10+z^-12]；

所述教学库模块的数据压缩方法的步骤为：

步骤一、在编码时，首先根据E1_n+1＝E1_n+d_n+1式计算出E1值，再根据和/>式计算出拟合残差，计算这两步时，均需要对结果进行越限判断，判断E1是否越限是为了避免超过传感器数据总线上限而造成溢出；判断残差是否越限是为实现分段拟合；

步骤二、当一段输入数据的拟合残差全部计算完后，就构造出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}所示的数据包，通过S-Huffman编码方法对进行熵编码，然后发送出去，接收端解码时，先将接收到的一组数据解码，还原出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}式所示的数据包，然后根据式计算并还原出所有原始数据。

进一步，所述数据交换模块在网络状态随外界因素不断变化时，采用基于网络状态的数据迁移方法：

1)用户登录边缘云使用云服务，系统检测边缘云中是否有该服务所需要的数据，若有转5)；

2)边缘云系统将该服务所需要的形成数据请求消息发送到核心云；

3)核心云接收到数据请求消息后，查找该用户的家乡云，并将该数据请求消息发送到该用户的家乡云；

4)该用户家乡云接到消息后，根据数据请求消息的信息将数据发送到用户登录的边缘云，信息包括发送地址、数据名称；

5)用户服务使用完该数据后，系统判断当前的网络延迟，若延迟大则转6)，否则转7)；

6)将数据存储在该边缘云，以便用户下次使用，转8)；

7)将数据删除，用户下次使用时，从家乡云重新迁移；

8)结束。

本发明具有的优点和积极效果是：数据转换模块可以方便的与电脑进行数据交互，便于教学库模块内容的丰富和更新；教学库模块将知识点和题目分开，层次分明，提高了学生学习的效率；笔记模块有利于学生对新知识的复习和巩固，便于学生自己进行知识面上查漏补缺；语音模块可以将文本信息转化成声音信息，便于学生的理解和接受，同时语音模块还可以播放设定好的鼓励性语句，增加了学生学习的趣味性，提高了学生学习的热情；整体上操作简单，知识全面，学练结合，适合不同英语学习层次学生的学习。

附图说明

图1是本发明实施例提供的新型英语教学学习语言系统的结构示意图。

图中：1、数据交换模块；2、教学库模块；3、知识储存模块；4、数据储存模块；5、操作模块；6、笔记模块；7、评价模块；8、显示模块；9、语音模块。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合图1对本发明的结构作详细的描述。

本发明实施例提供的新型英语教学学习语言系统，包括数据交换模块1，所述数据交换模块1用于本系统与电脑之间的数据传输，所述数据交换模块1与教学库模块2电性相连，所述教学库模块2用于储存学习资料的数据内容，所述教学库模块2与操作模块5电性相连，所述操作模块5用于人为对数据信息进行选择、转移、删除和修改，所述操作模块5与显示模块8电性相连，所述显示模块8用于将操作模块选中的文件和数据进行显示，所述显示模块8与语音模块9电性相连，所述语音模块9用于语音播放显示的内容以及设定好的语音信息，所述教学库模块2包括知识储存模块3和题目储存模块4，所述知识储存模块3用于储存英语听说读写四个方面所涉及的所有知识点，所述题目储存模块4用于储存各个知识点所对应的练习题，所述操作模块5包括笔记模块6和评价模块7，所述笔记模块6用于将生疏的知识点或错题单独储存在一个储存空间内，所述评价模块7用于对学生完成的练习题进行批改和打分。

所述语音模块用于语音播放显示的内容以及设定好的语音信息；所述数据交换模块的隐藏文本表示为集合H，掩藏文本表示为集合T，将从客户端连接至服务器的套接字连接表示为S{S1,S2,S3,...}；

所述数据交换模块的子匹配滤波器的传递函数为：

C_i是由分层序列u，v调制而成的，u是分层Golay序列v＝{1,1,1,-1,-1,1,-1,-1,1,1,1,-1,1,-1,1,1}，C_16m+n＝u_nv_m；

根据分层的Golay序列对传递函数进行改进，则有：

H(z_u)＝[1+z^-8+z^-1(1-z^-8)][1+z^-4+z^-2(1-z^-4)]；

H(z_v)＝(1+z^-1)[1-z^-6+z^-8+z^-14]+(1-z^-1)[z^-2-z^-4+z^-10+z^-12]；

所述教学库模块的数据压缩方法的步骤为：

步骤一、在编码时，首先根据E1_n+1＝E1_n+d_n+1式计算出E1值，再根据和/>式计算出拟合残差，计算这两步时，均需要对结果进行越限判断，判断E1是否越限是为了避免超过传感器数据总线上限而造成溢出；判断残差是否越限是为实现分段拟合；

步骤二、当一段输入数据的拟合残差全部计算完后，就构造出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}所示的数据包，通过S-Huffman编码方法对进行熵编码，然后发送出去，接收端解码时，先将接收到的一组数据解码，还原出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}式所示的数据包，然后根据式计算并还原出所有原始数据。

所述教学库模块包括：局部本体构建模块，根据数据源特征，自适应地选择本体构建策略，从而构建出油气勘探局部本体；

局部本体构建模块，根据数据源特征，通过自适应本体构建策略，进行局部本体的构建，具体包括：

步骤一、基于非结构化数据源构建局部本体：

首先，应用文本过滤器将不同的文件格式转成为纯文本文件格式，获得语料数据，并进行一致性检查；然后，采用逆向最大分类中文分词方法对这些语料进行初步的切分处理，得到字串集合；然后，利用最大信息系数方法计算字串的内部结合强度，获取合成词集合，并判断合成词和非合成词的领域相关性，提取出概念集合；然后，应用图上随机游走算法推理合成词概念间的分类关系，采用基于隐Markov模型的聚类算法提取非合成词概念间的分类关系；接着，运用基于关联规则挖掘的方法获取概念间的非分类关系；最后，应用本体构建工具输出OWL格式的局部本体；

步骤二，基于结构化数据源构建局部本体：

首先，利用R2O技术建立数据库模式和本体模型之间的语义映射关系，从而把关系数据库中的关系映射为本体中的概念，把属性对应地映射为OWL属性，并把数据库的关系表转化为本体类，把数据库中的数据转化为实例；然后，对从数据库中抽取出来的初始局部本体做一系列的规范化工作，通过与标准本体进行语义相似度计算，将符合阈值的本体信息建立语义联系，不符合阈值的本体信息进行规范化处理，从而构建出符合要求的规范化局部本体；

步骤三，基于半结构化数据源构建局部本体

由于半结构化数据是介于结构化和非结构化数据之间的、具有隐含结构但缺乏固定或严格结构的一类数据；所以，基于上述两种数据类型的本体构建技术也可以应用到半结构化数据源；首先，抽取出半结构化数据模式，给定映射规则，利用XML2RD方法，将半结构化数据转化为结构化数据；然后，按照结构化数据构建局部本体的方法构造半结构化数据源对应的局部本体。

进一步，所述数据交换模块在网络状态随外界因素不断变化时，采用基于网络状态的数据迁移方法：

1)用户登录边缘云使用云服务，系统检测边缘云中是否有该服务所需要的数据，若有转5)；

2)边缘云系统将该服务所需要的形成数据请求消息发送到核心云；

3)核心云接收到数据请求消息后，查找该用户的家乡云，并将该数据请求消息发送到该用户的家乡云；

4)该用户家乡云接到消息后，根据数据请求消息的信息将数据发送到用户登录的边缘云，信息包括发送地址、数据名称；

5)用户服务使用完该数据后，系统判断当前的网络延迟，若延迟大则转6)，否则转7)；

6)将数据存储在该边缘云，以便用户下次使用，转8)；

7)将数据删除，用户下次使用时，从家乡云重新迁移；

8)结束。

所述数据交换模块的数据处理具体包括：

第一步，将时间数据按照天进行划分，对每一天的数据进行分别处理；

第二步，根据时间数据处理精度，将某一天所有时间点按顺序进行标记；

第三步，用128位的随机数种子S，S以SHA-1 256算法进行Hash，Hash所得256位数据一分为二，即S₁₁和S₁₂；S₁₁和S₁₂重复上述过程，继续通过SHA-1 256进行扩展和分裂；扩展和分裂操作将持续到所产生的二叉树叶子节点能够覆盖所选择精度对应的所有时间点；

第四步，将第二步产生的标记，按编号顺序，对应到第三步产生的叶子节点上，或者说每个时间点被转化成了256位的Hash值；

第五步，根据叶子节点情况进行合并，合并后转变为上层节点，直到无法合并为止；

第六步，合并后的节点进行乱序处理，作为起止时间Node数据存储；

所述显示模块的联合稀疏表示的字典D∈R^Jm×(J+1)n表示为：

其中J表示传感器的数量，图像的维度为m×n；冗余字典D_c∈R^m×n和D_j∈R^m×n分别是信号公共部分和专有部分的稀疏表示字典；

转化为下式求解稀疏表示系数：

所述显示模块基于概率边界图的焦点区域确定方法包括：

对图像以当前视觉注意焦点为原点进行极坐标变换，在极坐标空间里进行搜索；

设表示直角坐标中的概率边界图，F(x_o,y_o)为当前焦点(直角坐标)，以该焦点为坐标原点进行极坐标变换，所得的极坐标概率边界图记为/>设P表示极坐标边界图中所有像素的集合，L＝{0,1}为极坐标边界图中每个像素标记的集合，假定像素p的标记l_p＝0表示该像素处于焦点区域封闭边界的内部，l_p＝1表示该像素处于焦点区域封闭边界外部，寻找焦点区域最优封闭边界的问题等价于，在概率边界图上寻求从集合P到集合L的标号函数，该标号函数满足如下能量方程：

这里，δ(l_p,l_q)为Kronecker符号；

U_p(l_p)为能量函数数据项；关于数据项，只有两种情况是确定的，即对于极坐标图像第一列来说，其对应于极点，必处于焦点区域内部，因而对于有l_p＝0，U_p(l_p＝0)＝0，U_p(l_p＝1)＝Cst；对于最后一列，位于焦点区域封闭边界外部，因而对于必有：l_p＝1，U_p(l_p＝0)＝Cst，U_p(l_p＝1)＝0；

公式(1)所规定的能量函数，用最大流-最小割法进行求解；其中极坐标概率边界图像素之间的连接权值按下式确定：

在极坐标下获得了焦点区域封闭边界的最优解后，对该边界像素坐标进行逆极坐标变换，即得直角坐标下的焦点区域封闭边界的最优解。

工作原理：使用时，学生通过操作模块5可以对教学库模块2中储存的知识点进行播放，也可以打开题目储存模块4进行相关的练习，通过评价模块7可以获知自己的实际学习情况，通过笔记模块6也可以调阅重点难点以及错题进行巩固和查漏补缺。数据转换模块1可以方便的与电脑进行数据交互，便于教学库模块2内容的丰富和更新；教学库模块2将知识点和题目分开，层次分明，提高了学生学习的效率；笔记模块6有利于学生对新知识的复习和巩固，便于学生自己进行知识面上查漏补缺；语音模块9可以将文本信息转化成声音信息，便于学生的理解和接受，同时语音模块9还可以播放设定好的鼓励性语句，增加了学生学习的趣味性，提高了学生学习的热情；整体上操作简单，知识全面，学练结合，适合不同英语学习层次学生的学习。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (2)

1.一种新型英语教学学习语言系统，其特征在于，所述新型英语教学学习语言系统包括数据交换模块；

所述数据交换模块用于与电脑之间的数据传输；所述数据交换模块的数据处理具体包括：

第一步，将时间数据按照天进行划分，对每一天的数据进行分别处理；

第二步，根据时间数据处理精度，将某一天所有时间点按顺序进行标记；

第三步，用128位的随机数种子S，S以SHA-1 256算法进行Hash，Hash所得256位数据一分为二，即S₁₁和S₁₂；S₁₁和S₁₂重复上述过程，继续通过SHA-1 256进行扩展和分裂；扩展和分裂操作将持续到所产生的二叉树叶子节点能够覆盖所选择精度对应的所有时间点；

第四步，将第二步产生的标记，按编号顺序，对应到第三步产生的叶子节点上，或者说每个时间点被转化成了256位的Hash值；

第五步，根据叶子节点情况进行合并，合并后转变为上层节点，直到无法合并为止；

第六步，合并后的节点进行乱序处理，作为起止时间Node数据存储；

所述数据交换模块与教学库模块电性相连，所述教学库模块用于储存学习资料的数据内容；所述教学库模块包括知识储存模块和题目储存模块；所述知识储存模块用于储存英语听说读写四个方面所涉及的所有知识点，所述题目储存模块用于储存各个知识点所对应的练习题；

所述教学库模块与操作模块电性相连，所述操作模块用于人为对数据信息进行选择、转移、删除和修改；

所述操作模块包括笔记模块和评价模块，所述笔记模块用于将生疏的知识点或错题单独储存在一个储存空间内，所述评价模块用于对学生完成的练习题进行批改和打分；所述教学库模块还包括：局部本体构建模块，根据数据源特征，自适应地选择本体构建策略，从而构建出油气勘探局部本体；

局部本体构建模块，根据数据源特征，通过自适应本体构建策略，进行局部本体的构建，具体包括：

步骤一、基于非结构化数据源构建局部本体：

首先，应用文本过滤器将不同的文件格式转成为纯文本文件格式，获得语料数据，并进行一致性检查；然后，采用逆向最大分类中文分词方法对这些语料进行初步的切分处理，得到字串集合；然后，利用最大信息系数方法计算字串的内部结合强度，获取合成词集合，并判断合成词和非合成词的领域相关性，提取出概念集合；然后，应用图上随机游走算法推理合成词概念间的分类关系，采用基于隐Markov模型的聚类算法提取非合成词概念间的分类关系；接着，运用基于关联规则挖掘的方法获取概念间的非分类关系；最后，应用本体构建工具输出OWL格式的局部本体；

步骤二，基于结构化数据源构建局部本体：

首先，利用R2O技术建立数据库模式和本体模型之间的语义映射关系，从而把关系数据库中的关系映射为本体中的概念，把属性对应地映射为OWL属性，并把数据库的关系表转化为本体类，把数据库中的数据转化为实例；然后，对从数据库中抽取出来的初始局部本体做一系列的规范化工作，通过与标准本体进行语义相似度计算，将符合阈值的本体信息建立语义联系，不符合阈值的本体信息进行规范化处理，从而构建出符合要求的规范化局部本体；

步骤三，基于半结构化数据源构建局部本体

由于半结构化数据是介于结构化和非结构化数据之间的、具有隐含结构但缺乏固定或严格结构的一类数据；所以，基于上述两种数据类型的本体构建技术也可以应用到半结构化数据源；首先，抽取出半结构化数据模式，给定映射规则，利用XML2RD方法，将半结构化数据转化为结构化数据；然后，按照结构化数据构建局部本体的方法构造半结构化数据源对应的局部本体；

所述操作模块与显示模块相连，所述显示模块用于将操作模块选中的文件和数据进行显示；所述显示模块的联合稀疏表示的字典D∈R^Jm×(J+1)n表示为：

其中J表示传感器的数量，图像的维度为m×n；冗余字典D_c∈R^m×n和D_j∈R^m×n分别是信号公共部分和专有部分的稀疏表示字典；

转化为下式求解稀疏表示系数：

所述显示模块基于概率边界图的焦点区域确定方法包括：

对图像以当前视觉注意焦点为原点进行极坐标变换，在极坐标空间里进行搜索；

设表示直角坐标中的概率边界图，F(x_o,y_o)为当前焦点(直角坐标)，以该焦点为坐标原点进行极坐标变换，所得的极坐标概率边界图记为/>设P表示极坐标边界图中所有像素的集合，L＝{0,1}为极坐标边界图中每个像素标记的集合，假定像素p的标记l_p＝0表示该像素处于焦点区域封闭边界的内部，l_p＝1表示该像素处于焦点区域封闭边界外部，寻找焦点区域最优封闭边界的问题等价于，在概率边界图上寻求从集合P到集合L的标号函数，该标号函数满足如下能量方程：

这里，δ(l_p,l_q)为Kronecker符号；

U_p(l_p)为能量函数数据项；关于数据项，只有两种情况是确定的，即对于极坐标图像第一列来说，其对应于极点，必处于焦点区域内部，因而对于有l_p＝0，U_p(l_p＝0)＝0，U_p(l_p＝1)＝Cst；对于最后一列，位于焦点区域封闭边界外部，因而对于必有：l_p＝1，U_p(l_p＝0)＝Cst，U_p(l_p＝1)＝0；

公式(1)所规定的能量函数，用最大流-最小割法进行求解；其中极坐标概率边界图像素之间的连接权值按下式确定：

在极坐标下获得了焦点区域封闭边界的最优解后，对该边界像素坐标进行逆极坐标变换，即得直角坐标下的焦点区域封闭边界的最优解；

所述显示模块与语音模块电性相连，所述语音模块用于语音播放显示的内容以及设定好的语音信息；

所述数据交换模块的隐藏文本表示为集合H，掩藏文本表示为集合T，将从客户端连接至服务器的套接字连接表示为S{S1,S2,S3,...}；

所述数据交换模块的子匹配滤波器的传递函数为：

C_i是由分层序列u，v调制而成的，u是分层Golay序列v＝{1,1,1,-1,-1,1,-1,-1,1,1,1,-1,1,-1,1,1,}，C_16m+n＝u_nv_m；

根据分层的Golay序列对传递函数进行改进，则有：

H(z_u)＝[1+z^-8+z^-1(1-z^-8)][1+z^-4+z^-2(1-z^-4)]；

H(z_v)＝(1+z^-1)[1-z^-6+z^-8+z^-14]+(1-z^-1)[z^-2-z^-4+z^-10+z^-12]；

所述教学库模块的数据压缩方法的步骤为：

步骤一、在编码时，首先根据E1_n+1＝E1_n+d_n+1式计算出E1值，再根据和/>式计算出拟合残差，计算这两步时，均需要对结果进行越限判断，判断E1是否越限是为了避免超过传感器数据总线上限而造成溢出；判断残差是否越限是为实现分段拟合；

步骤二、当一段输入数据的拟合残差全部计算完后，就构造出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}所示的数据包，通过S-Huffman编码方法对进行熵编码，然后发送出去，接收端解码时，先将接收到的一组数据解码，还原出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}式所示的数据包，然后根据F_n；式R计算并还原出所有原始数据。

2.如权利要求1所述的新型英语教学学习语言系统，其特征在于，所述数据交换模块在网络状态随外界因素不断变化时，采用基于网络状态的数据迁移方法：

1)用户登录边缘云使用云服务，系统检测边缘云中是否有该服务所需要的数据，若有转5)；

2)边缘云系统将该服务所需要的形成数据请求消息发送到核心云；

3)核心云接收到数据请求消息后，查找该用户的家乡云，并将该数据请求消息发送到该用户的家乡云；

4)该用户家乡云接到消息后，根据数据请求消息的信息将数据发送到用户登录的边缘云，信息包括发送地址、数据名称；

5)用户服务使用完该数据后，系统判断当前的网络延迟，若延迟大则转6)，否则转7)；

6)将数据存储在该边缘云，以便用户下次使用，转8)；

7)将数据删除，用户下次使用时，从家乡云重新迁移；

8)结束。