基于最小最大策略的集成特征选择

特征选择是机器学习和数据挖掘中的一个关键问题,它可以实现数据维度的约减,从而提高学习模型的泛化能力.近年来,为了提高特征选择算法的性能,集成思想被应用到特征选择算法中,即将多个基特征选择器进行集成.本文从提高特征选择算法对大规模数据处理能力的角度出发,提出了一种基于最小最大策略的集成特征选择方法.它主要包括三个步骤:第一,将原始数据根据类别信息划分成多个相对较小的平衡数据子集;第二,在每一个数据子集上进行特征选择,得到多个特征选择结果;第三,对多个特征选择结果依据最小—最大策略进行集成,得出最终的特征选择结果.通过实验对比了该集成策略与其它三种集成策略对分类准确率的影响,结果表明最小最大集成策略在大部分情况下能够获得较好的性能,且基于最小最大策略的集成特征选择可以有效处理大规模数据.

一种估计最大信息系数阈值最优取值的方法

为了简化最大信息系数计算的复杂度,达到计算准确性与计算复杂度的最优平衡,通过基因与疾病相关性实验研究了最大信息系数阈值的合适取值区间及最优取值。结果表明:利用变量间强相关数据和不相关数据出现的频数,及其在不同阈值下的变化趋势,可以估计出阈值的合适取值区间;通过统计阈值取值区间上界集合的最小值,可以估计阈值的最优取值;对于不同变量,阈值的最优取值也不相同,并且随着采样数的增大,阈值的最优取值有减小的趋势。

一般化两人零和模糊对策

定义一般化两人零和模糊对策,分别对具有纯策略和混合策略的一般化两人零和模糊对策进行研究,得到相应的最小最大值定理,以及一些与经典矩阵对策相类似的结果。

高师院校非师范计算机专业人才培养新途径

为适应社会发展的需要,我国现有的高师院校普遍设立了非师范计算机专业,但从毕业生实际就业状况来看,高师院校非师范计算机专业的人才培养方面存在一些不足,主要包括工程实践能力薄弱、行业应用背景知识不足、课程设置不合理以及缺乏团队协作意识等。针对上述问题,本文以安徽师范大学非师范专业本科生教育为实例,提出了动态Min-Max策略的课程设置体系、工程嵌入的教学理念、项目驱动的教学实践方法以及本硕博一体化的团队素质培养风范等面向高师院校非师范计算机人才培养的新举措。

移动机器人视觉伺服镇定quasi-min-max预测控制

针对受限移动机器人视觉伺服系统,提出一种移动机器人视觉伺服镇定准最小最大模型预测控制策略.基于移动机器人视觉伺服镇定误差模型,建立移动机器人视觉伺服线性参数时变预测模型,进而引入准最小最大策略,设计移动机器人视觉伺服镇定模型预测控制器.与传统视觉伺服预测控制器相比,所提控制器只需求解线性矩阵不等式表示的凸优化问题,降低了视觉伺服预测控制器的计算耗时,同时保证了闭环视觉伺服系统的渐近稳定性.仿真结果验证了所提出策略的有效性和在计算效率上的优越性.