多代价下的代价敏感属性选择算法比较

代价敏感属性选择在数据挖掘和机器学习中起着关键性作用,代价敏感属性选择问题是经典属性选择问题的自然扩展,已成为越来越多学者的研究热点之一.首先给出多代价下代价敏感属性选择问题的数学模型,然后介绍现有的有代表性的四种代价敏感属性选择算法,最后在四个UCI数据集上进行实验,对四种代价敏感属性选择算法的效果和效率进行比较分析.     

流缺失标记环境下的多标记特征选择

在监督学习实际任务中,特征的高维性、标记的动态性和缺失性为监督学习带来严峻的挑战。为解决这些不足,提出流缺失标记环境下的多标记特征选择算法。首先,为解决缺失标记的影响,通过学习标记相关性填补不完整的标记矩阵。其次,利用稀疏学习方法为每个新到达的标记选择类属属性。然后,根据已到达标记的类属属性,通过计算得分选取一个有代表性的特征子集。最后,在11个基准数据集上进行一系列实验表明,所提算法能选择有代表性的特征子集,且分类性能较优。     

基于多粒度一致性邻域的多标记特征选择

多标记学习广泛应用于图像分类、疾病诊断等领域,然而特征的高维性给多标记分类算法带来时间负担、过拟合和性能低等问题.基于多粒度邻域一致性设计相应的多标记特征选择算法:首先利用标记空间和特征空间邻域一致性来粒化所有样本,并基于多粒度邻域一致性观点定义新的多标记邻域信息熵和多标记邻域互信息;其次,基于邻域互信息构建一个评价候...     

矩阵的秩与非零特征值个数差的确定

以矩阵的Jordan标准形为工具,给出了用矩阵方幂的秩表示的矩阵的秩和非零特征值个数差的确定方法,其结果不依赖于矩阵的Jordan标准形.     

面向对象删除的局部邻域粗糙集动态更新算法

为了有效地计算动态数值型数据的近似算子,提出了一种局部邻域粗糙集模型的动态更新算法,分析对象集减少时局部近似集的更新公式,设计获取局部近似集的动态算法。动态更新算法充分利用已有知识,避免了大量重复计算。为了验证算法的有效性,使用来自UCI的6组数据集进行了对比实验。     

具有多种备选方案的露天矿统一运输调度优化

受客观条件限制,使得露天矿统一运输调度的优化存在多个复杂约束,需要多种备选方案的问题.提出了一种新型优化方法,该方法采用一种自适应的惩罚函数方法来处理约束,然后运用多元优化算法进行优化.该自适应惩罚函数参数少,简单高效,对问题依赖小.多元优化算法将搜索个体按其不同的功能组合成一个特殊的数据结构,利用该结构保存和共享寻优过程信息,实现搜索过程记忆,能以较大概率找到最优解,同时保留多个次优解.以某露天铁矿为工程应用实例研究,将该方法与GA、PSO-w、DMS-PSO-HS几种群智能算法的优化结果进行比较验证,结果表明本文提出的方法在露天矿统一运输调度优化中处理约束简单、高效,能够提供多种备选方案且最优解精度更高.对露天矿统一运输调度优化问题进行多个备选方案的研究具有理论依据和实际意义,采用该方法进行具有多个备选方案的露天矿统一运输调度优化是可行有效的.     

两两NQD随机序列的几个改进的强相合性质

通过不同方法,对两两NQD随机序列已有的Kolmogorov型三级数定理进行改进.进一步地,将改进的定理简化为一级数定理.通过这个简化的结论,可以容易地推广改进相关强相合的最新结果.该结果在讨论NQD的强相合性质上,是简洁有效的工具.同时该结果表明,两两NQD随机序列具有与独立情形完全类似的强相合结果.     

高校辅导员“双线晋升”衍生问题及对策探析

高校辅导员“双线晋升”政策有力地促进了高校辅导员队伍建设的专业化、职业化,同时也衍生了职业追求分化、绩效观念异化、履职积极性弱化、岗位固化等隐性倾向。究其原因主要是由于配套制度体系不够协同、完善所引起的。聚焦树立“注重工作业绩和育人实效”的鲜明导向,从双因素理论视角考量“双线晋升”配套制度体系建设,从价值愿景、考核评价、职称评聘、进入退出、培养培训等五个维度构建“五维一体”的制度架构,以期有效激发高校辅导员投身立德树人工作的积极性和创造性。     

图的Sum-connectivity指标与其无符号拉普拉斯谱半径

设G=(V,E)为简单连通图.图G的Sum-connectivity指标被定义为■,其中d_u表示顶点u的度.用q(G)表示图G的无符号拉普拉斯谱半径.本文研究了χ(G)与q(G)之间的关系,证明了对于所有顶点数n≥3的简单连通图G,都有■等式成立当且仅当G?S_n.     

不完备序信息系统的集对优势度粗糙集模型

不完备序信息系统粗糙集模型是经典粗糙集模型的扩展,它能进一步处理含未知属性值和具有优势关系的数据.针对相似优势关系条件过于宽松而限制扩展优势关系条件又过于严格的缺点,引入集对分析思想,提出了集对优势度粗糙集模型.它可以通过调整参数,达到较理想的分类,克服了现有不完备序信息系统优势关系的不足.并以实例分析验证了集对优势度粗糙模型的有效性.最后,在UCI数据集上进行仿真实验,通过实验进一步说明集对优势度粗糙模型可以获得更优的分类效果.