简介:摘要机器学习已经广泛的应用于众多疾病的辅助诊断中,分类集成学习通过构建多个学习器来完成特定学习任务,再通过特定的策略将他们结合起来。阿尔茨海默症由于其病因和疾病发展经历了较为漫长的过程。本研究使用对早期、晚期轻度认知障碍、阿尔茨海默症及正常老年人进行分组特征提取。优化使用可以提高分辨率的PCA-FLDA集成分类器对前期提取的数据进行分类集成,最大限度的降低了前期特征提取中不同分类方式对空间划分的依赖性。
简介:跨长度和跨层次现象以及相应的多尺度耦合反映物质世界的基本性质及多学科交叉的内禀特征,具有极其丰富的科学内涵。集量子力学、原子学模拟、粗粒化技术、准连续描述以及有限元等多层次模拟为一体的统一表述和运作在萌芽和发展之中,目标为洞察物性本质,实现材料结构设计及物性预报。多尺度模型哈密顿表述及约束条件和相关准则的设定以及发展相应算法是其核心问题。本文简要介绍了材料科学中多尺度一多层次耦合中的基本问题,给出多尺度分析方法的一般描述;同时概述相关的处理方案。关于多尺度模型及相关分析计算,着重阐述了参量解析传递模式以及跨层次协同算法,介绍了作者的基本思想,理论计算框架,相关解析表式及部分计算结果。
简介:为了探索企业成员和需求资源等大量微观主体之间的非线性作用对宏观企业组织生长演化过程的影响,从复杂适应系统理论的角度分析企业组织生长演化的复杂适应性特征,运用多主体建模方法,以个体行为为切入点,构造企业组织演化的多主体模型,并利用SWARM平台模拟在动态环境下企业组织的形成、生长和发展等过程,探讨了行为个体、需求资源和企业组织的相互作用和相互影响。实验结果表明正是微观个体的主动性和适应性导致了企业组织的形成、繁荣、衰落等复杂适应系统的现象,也进一步说明应用基于主体的建模方法研究企业组织这个复杂系统对提高企业组织的适应性和竞争力有实际意义上的指导作用。
简介:研究一阶主从多智能体网络的汇聚问题,基于多智能体网络群体的社会制度,提出3种汇聚策略,即民主、独裁和混合策略。假设在策略中,只有领导者知道全局任务,即汇聚到一个已知的目标点,跟随者只需要与领导者群体保持联系,从而能够到达目标点。研究发现,主从网络多智体个体在属性上可以分为目标智能体,领导者智能体,非孤立跟随者从智能体和孤立跟随者从智能体。研究结果表明民主策略容易实现所有智能体到达目标点,但移动速度较慢;在独裁策略作用下,智能体网络可以很快实现汇聚,但个别跟随者从智能体由于初始条件下感应不到环境中的领导者智能体而永远停留在原来的位置;引进混合策略后,即可以保证所有的智能体到达目标点而且又可以保持较快的到达速度。通过对模型和拓扑结构的分析,得出3种策略各自的特点,并以4个领导者和5个跟随者组成的主从智能体网络为例进行仿真。
简介:为了研究有限理性假设下出行者的自适应调整行为对交通网络分流的影响,利用累积前景理论结合演化元胞自动机建立了具有个体交互机制的多主体路径选择模型.在模型中将出行者划分为风险追求者与风险厌恶者,基于出行时间可靠性并借鉴元胞遗传算法的思想设计了具有异质特点的出行者动态参照点及其演化规则,使出行者个体能够依据决策环境的变化动态地调整自身的出行时间预算,更加符合出行者的实际行为特征.最后将多主体参照点演化规则与传统的相继平均算法相结合,求解路网配流.研究发现:演化模型较好地继承了传统模型中的路径分流特点;不同的出行者类型比例及出行者的信息接收程度是影响路网分流结构的重要因素.