排序方式： 共有3条查询结果，搜索用时 5 毫秒
1
1.
基于随机森林算法的两阶段变量选择研究 总被引：1，自引：0，他引：1
变量选择在高维数据处理中尤为重要,其中变量的重要性评级是关键问题.文章提出基于随机森林两阶段逐步变量选择算法.第一阶段提出变量重要性排序改进方法,目的进一步提高重要变量与噪声变量的区分度.第二阶段基于随机森林的逐步变量选择.通过模拟数据验证该方法的有效性和可行性.对水稻数据QTL定位进行实证研究,将基于两阶段随机森林逐步变量选择算法与SCAD、Elastic Net、传统QTL定位WinQTLcart2.5软件的运行结果比较,发现基于随机森林两阶段逐步变量选择算法能有效筛选变量. 相似文献
2.
在不确定性环境下,当决策单元(DMU)的投入产出数据为区间数形式时,为解决决策单元之间既不是合作也不是竞争关系时的交叉评价问题,本文提出一种中立型区间交叉效率模型。从所有被评价者的角度出发解决评价权重的选取问题,以决策单元投入得分的平均偏差与产出得分的平均偏差之和最小化为目标,建立决策单元在最佳和最差两种生产状态下的中立型区间交叉效率模型。在本文提出的中立型模型视角下,DMU的投入得分平均偏差和产出得分平均偏差之和达到最小。算例结果表明该中立型区间交叉效率模型的有效性,解决了不确定性环境下的交叉评价问题,保证评价的客观公正,更加符合现实。 相似文献
3.
在Hilbert空间中,g-框架作为框架的推广,具有许多类似于框架的性质,但并非所有的结论都类似.比如Besselian框架等价于拟Riesz基,但g-Besselian框架与拟g-Riesz基不等价.该文刻画了g-Besselian框架与拟g-Riesz基在一定条件下的等价关系;得到g-Besselian框架与拟g-Riesz基的对偶性结论;并在Hilbert空间中讨论g-Besselian框架与拟g-Riesz基的稳定性. 相似文献
1