基于PTPR排名的基因随机选择算法

面对高维、小样本的基因微阵列数据,有效地提取特征基因成为一项艰巨的任务。在随机特征选择方法的基础上,引入"种子变量"及滚动的排名机制,提出一种基于职业网球选手排名(PTPR)的特征选择算法。用种子变量提高变量搜索过程的选择性,提高搜索效率,同时充分利用历史记录来动态更新种子变量,加快寻优速度。在公共数据库上的测试实验结果表明,PTPR在随机多次独立运行时得到平均50%～80%的相同基因,而MichaDraminski的方法只能保持相同基因在10%～50%左右;收敛性实验表明,PTPR的收敛速度更快且显著;而在5个数据集的独立测试集上的分类率实验表明,PTPR保持较高的分类率,如PTPR得到最高分类率大约为98%、90%、89%、95%、75%,而MichaDraminski方法的最高分类率为96%、89%、85%、95%、70%。同时,与其他典型方法相比,PTPR也得到了较高的分类率。总体上,PTPR算法具有搜索速度快、结果稳定的特点,而且在不同的分类器上都保持了较优的分类率。

从参赛角度看世界优秀女子网球选手成长路径--进入世界前100名年度参赛特征

该文通过对15位进入世界排名前100名世界优秀女子职业网球运动员的参赛特征进行对比、研究,旨在找出其异同点,为我国以及其他国家运动员参赛提供参考,并为即将进入该阶段的我国运动员的参赛提供参考依据。为此,该文通过文献资料法和数据统计法,对其参赛数据进行深入分析,主要得出如下结论。宏观参赛特征,第一,在参赛站数和双打方面,单打仍然是运动员参赛重点,全年参加约21站,每2周参加1站比赛。而双打参赛方面,站数、级别、搭档等没有规律性。第二,参赛节奏方面,法网、温网周期和美网周期所有运动员变化不大,而澳网周期后4个年份参赛数量明显增加,密度增加。此外,澳网周期多为参赛1周,调整或休息1周,有2~3周连续参赛情况,法网温网周期多为连续3周或4周参赛,而美网周期开始出现连续5周或6周参赛。第三,在参赛级别方面,运动员全年参赛仍是以大满贯和高级别赛事为主,辅以参加一些低级别赛事。年初大满贯以及高级别赛事主要以参加资格赛为起点,随着排名提升,获得高级别赛事正赛参赛机会。随着全年赛事推进,参赛级别逐渐提升。微观参赛特征,全年参赛场数单打约为57场,运动员之间差异性不大。单打胜率约63%,低级别赛事胜率明显高于高级别赛事胜率。双打参赛场数差异性比较大,且胜率明显低于单打胜率。