Cost-Sensitive学习的一个新课题

Cost-Sensitive学习注重分类过程中的各种代价,特别是误分类代价和属性代价。在Cost-Sensitive学习中还有一种代价对分类的总代价有较大影响,这种代价可称为分类延时代价,即延误分类而造成的代价。包含分类延时代价的Cost-Sensitive学习是Cost-Sensitive学习中一个新的课题,这个新课题的目标是使分类过程中的误分类代价、检查代价及分类延时代价之和达到最小。给出包含一种简单的分类延时代价的Cost-Sensitive学习,提出一个既"摊薄"延时代价又减少浪费检查代价的检查策略。     

从“ 国家健康 ”视角看宋王朝“ 财富病 ”

依据国家健康理论,宋王朝是一个典型的"财富型"国家,而非"力量型"国家,更不是"健康型"国家。宋王朝不是"积贫积弱",而是"多财多病"。宋王朝不惜一切代价的繁荣,不惜一切代价的和平,不惜一切代价的奢靡,导致"由富而病",遭遇"财富诅咒","经济有重量,国家无力量","社会有小康,国家无健康"。宋王朝财富病灶的典型表现是"肌体臃肿肥胖"、"神经系统瘫痪症"和"行为奢靡腐化"等。21世纪,中国必须超越传统的"财富型"国家和"力量型"国家的发展和治理模式,致力于建设一个具有强大生命力的健康国家,引领中华民族实现伟大复兴;为世界发展开辟崭新道路;为人类进步做出更大贡献。     

一盘蚊香=6包香烟?

<正>有网友撰文称:"点一盘蚊香等于连抽6包烟!"那么,点蚊香真的需要付出这么惨痛的代价吗?夏季来临,天天被蚊子吸血的教训真不好受,这时你也许会想用蚊香祭奠一下这些小生灵,但你很可能会被告知"点一盘蚊香等于连抽6包烟!"那么,点蚊香真的需要付出这么惨痛的代价吗?焚烧后释放的物质蚊香作为热带地区夏季重要的灭蚊手段,点燃后产生的颗粒物和气体污染物对人体的危害近些年来有不少     

基于三支决策的广义代价敏感近似属性约简

在粗糙集领域,属性约简的首要任务是在保持原有数据相关特性的前提下,获取一个最小的属性子集。代价敏感学习的目标旨在最小化各类代价。而近似属性约简的意义在于让决策者能够权衡代价承受能力和知识发现的程度。本文在定性和定量的标准下提出了代价敏感近似属性约简的问题;定性标准指不可分辨能力,定量标准指近似参数ε和代价。基于三支决策和可分辨矩阵,提出了解决代价敏感近似属性约简问题的框架:首先,定义了属性子集的质量函数,该函数解释了多粒度结构;其次,通过考察属性重要度,提出了"性价比"指标的适应函数;进而利用提出的适应函数和三支决策中的(α,β)阈值对三分属性集合;最后,设计了删除策略和添加策略的代价敏感属性约简算法。从实验结果分析上验证了算法的有效性,体现了提出的问题和理论框架具有更广义的解释和适应性。     

一年了,“伊斯兰国”依旧在那儿——访中国现代国际关系研究院中东所所长牛新春

<正>国际社会有能力打击"伊斯兰国",但是谁都不想承担打的代价去年6月极端组织"伊斯兰国"突然攻占伊拉克第二大城市摩苏尔,令国际社会万分震惊。其实,自2011年叙利亚陷入内战以后,鱼龙混杂的反对派中一直存在极端势力。国际社会、尤其美国是知道的。但是,虽然以"伊斯兰国"为代表的极端势力是所有人的敌人——它反对美西方、     

必须重视中学生“热爱生命”教育

今日的中学生就是国家明日的栋梁,忽视中学生"热爱生命"教育,将继续使我们的民族付出沉重的代价;重视中学"热爱生命"教育,已是摆在我们面前的迫切任务。     

三支交互推荐

模拟现实电子商务推荐场景,设计三支交互推荐模型,提出结合流行度区间和M-distance k近邻的混合推荐算法.在"推荐""不推荐"基础上引入"促销"构成三支,以丰富系统行为、降低推荐代价;构造序贯三支人机交互,持续学习用户的消费习惯,并提供更精准的推荐;根据目标用户的消费记录,选择适当的推荐策略.在多个数据集上的实验结果表明,与其他粗糙集模型下的算法相比,该算法的平均代价更低.     

索契冬奥会的“政治命题”

<正>1月17日,普京总统在索契接受全球六家电视媒体的集体采访。在采访中,普京表示,俄罗斯非常清楚索契冬季奥林匹克运动会面临的恐怖威胁并明白如何与其斗争,将"不惜一切代价"保证参赛人员和观众的安全。他说,俄方有足够的必要手段,护法机关和情报机构大约四万名人员将对     

基于有限视觉信息的小型无人机编队控制

依据大雁飞行时依靠视觉信息形成V字形编队的群体行为,研究装载单目鱼眼镜头的小型无人机凭借视觉信息控制编队的问题.通过数学方法刻画小型无人机的"视觉盲区",并设计代价函数来表征小型无人机在不同飞行状态中的"视觉代价".据此提出一种基于代价函数的控制律,在保证无人机任意时刻不飞入其他无人机"视觉盲区"的前提下,利用梯度下降...     

希望之钻 价值连城的不祥之物

它是"寿命"过亿年的稀世珍品,历经阴谋、革命、悲剧和苦难,魅力有增无减;它的美貌与光彩令世人倾倒,但同时又令每一位拥有它、甚至与它有过短暂接触的人都遭遇噩运;它曾经令法国卢浮宫以《蒙娜丽莎》画像为交换代价,只为其能参加"法国珠宝十世纪"的展览;它曾经是法国国王爱不释手的"法国蓝",也是英国银行家眼中的希望之钻;它名为"希望",却给每一位主人带来噩运。     

不同电价机制下电力市场价格准入壁垒的研究

要吸引更多的市场成员参与到电力交易中,增加电力交易的竞争力度,必须尽量降低电力市场的准入壁垒。在库诺特(Cournot)寡头竞争模型的基础上,对电力市场在位成员的准入遏制行为的代价进行了分析。分析表明,在实行不同电价机制时,在位成员进行相同效果的准入遏制行为时所付出的代价不同:在实行"一机一价"电价机制时的代价较大,而在"市场统一电价"时的代价较小。基于"一机一价"电价机制的电力市场具有较低的市场准入壁垒,有利于新成员进入市场。在分析的基础上,提出了通过新的价格机制来解决此准入问题的思路。     

腐败——发展的必然代价?

从代价入手,提出腐败与代价的关系问题,腐败是不是代价?腐败是必然性的代价还是可避免的代价?在得出腐败的代价可以避免的结论之后,着重指出了避免腐败滋生的办法:一是从宏观上健全法制,加强法治;二是从微观上针对腐败加以制度设计。     

县域安全生产领域改革发展的浏阳实践

<正>《中共中央国务院关于推进安全生产领域改革发展的意见》指出,要坚守"发展决不能以牺牲安全为代价"这条不可逾越的红线,构建"党政同责、一岗双责、齐抓共管、失职追责"的安全生产责任体系,更加突出强化企业主体责任、建立安监执法人员依法履行法     

语丝拾粹

<正>懒惰的企业还有一个最大的特点就是嘴上经常挂着"投资",因为总是想走捷径,总想以最小的代价获取利益的最大化,没有长期耕耘的思想。——网易CEO丁磊     

试论渡江战役中的"三战"工作及启示

知过往以鉴将来,渡江战役中,解放军最广泛发动群众,主动出击掌握舆论权;大力开展心理战,不战而屈人之兵.以最小的代价夺取战争胜利;公布战犯名单,妥善处理涉外事务,避免受制于人.这些历史经验对当前"三战"准备有着重要的现实意义.     

基于蚁群算法的QoS多播路由算法

提出一种基于蚁群算法的分布式动态QoS多播路由的算法.充分考虑路径时延对多播树总代价的影响,多播树中添加符合QoS约束条件的路径,并且从多播组的目的结点出发进行搜索,该路径的路径代价在该次选中的所有迭代路径中最小,以"拉"的模式分布式地构造出多播树。实验结果表明,该算法代价性能良好,能满足多媒体网络的实时性要求.     

序贯三支决策的代价敏感分类方法

序贯三支决策体现了信息粒化和代价敏感学习的优势,其中信息粒化是人类认知和决策执行的基础,代价则是信息处理涉及的重要因素.提出针对代价敏感学习的序贯三支决策模型.首先,对信息粒化和决策代价之间的关系进行了定义和描述;然后,从序决策过程的视角,利用不同粒度层次的代价矩阵构建了代价函数;最后,为平衡决策结果代价和决策过程代价,提出了两个优化问题,并从理论上阐述了其意义,从实验结果分析上验证了算法的有效性,体现了序贯三支决策在代价敏感分类问题上的优势.     

生活保健小常识(1)

<正>序言 健康是人类生存的第一需要,人类自诞生的那 一天起,就在不断地追求、探索。为了健康,人们付 出巨大的代价,做出了牺牲,用无数生命和鲜血谱写 了"健康"二字。健康既是一种代价,更是一种收获。 随着时代的发展,科技的进步,对健康的要求是永无 止境的。健康也是不断积累、不断投入的结果。它既 是一种幸福的享受,更是一种艰苦的付出,在付出中 获得幸福,在享受中做出付出。     

全球应对气候变化行动的势头不会逆转——专访前世行首席经济学家斯特恩

<正>尼古拉斯·斯特恩(Nicholas Stern)是英国伦敦政经学院(LSE)政治经济学帕特尔讲席教授、葛拉汉气候变化与环境研究院院长,他还是英国社会科学院主席、皇家学会会员,世界银行前首席经济学家。多年来,斯特恩勋爵在气候变化与经济的联系领域进行了卓越的研究,有"气候变化经济学之父"美誉。2007年前,他曾任英国政府气候变化顾问,其主持撰写的《斯特恩报告》详述了气候变化导致的经济代价、温室气体减排所需     

将隐患与事故等量齐观

<正>事故源于隐患,隐患是滋生事故的土壤和温床。任何一起事故背后都有隐藏的祸患和漏洞,这是从鲜血和生命的代价中得出的结论。导致事故发生的祸患,有来自人的不安全行为,有来自物的不安全状态,有来自制度和管理的漏洞……当大大小小的隐患不断积聚,最终就会演变成事故。因此,必须重视隐患的排查治理,将隐患与事故等量齐观,也就是把隐患当事故来对待,报以"零容忍"的态度,坚持最严格的标准,深挖细