说明:应用背景 虽然传统的基因选择方法已经能够取得很好的效果,选出的基因子集有利于后续样本分类,但是这些方法主要考虑数据方差和分布的相关性,从而选出的基因可解释性较差且冗余度较高。为了获得最小冗余可解释的基因子集,本文在充分考虑基因类别灵敏度 (Gene to class sensitivity,...
说明:多分类器集成系统是当前机器学习领域的一个研究热点。由于使用多个基分类器构建的集成系统通常比单个优秀的分类器具有更强的泛化能力,因此多分类器集成系统为许多基于传统模式识别方法很难解决的分类问题提供了新的解决方案。DNA微阵列技术是一种由物理学、微电子学与分子生物学等几个领域综合交叉形成的高新技术,该技...
说明:2016研赛B题参考资料
说明:基本粒子群优化算法和改进粒子群优化算法程序,包括:用基本粒子群算法求解无约束优化问题,用带压缩因子的粒子群算法求解无约束优化问题,用线性递减权重粒子群优化算法求解无约束优化问题,用自适应权重粒子群优化算法求解无约束优化问题,用随机权重粒子群优化算法求解无约束优化问题,用学习因子同步变化的粒子群优化算...
说明:基于实例的超分辨率深深连接传统 _分析_ 内插方法,因为他们分享同样的目标。传统的插值方法 (例如线性,双三次,和三次样条插值),通过已知像素的平均值作为计算 HR 网格中缺失的像素,隐式地施加 _smoothness_ 事先。然而,自然图像经常呈现强烈的不连续性,如边缘和角,和因此产生振铃和模糊输...
说明:将约束离散优化(CDO)转化为非线性约束非负整数规划(CNIP),该算法采用了种群混沌初始化、双方案变异、离散差分进化等多种改进措施,可求解非线性约束非负整数规划(CNIP),以及具有随机扰动的积分算子。针对非线性约束,给出了连续映射基惩罚的计算方法和基函数的公式,并在此基础上提出了处理约束的自适应...