[精选]多方案的经济比较与选择方法(东南大学).pptx

[精选]多方案的经济比较与选择方法讲义.pptx

社会选择 Python程序用于计算著名的获胜者选择方法的获胜者，包括复数方法，径流方法，消除方法，Borda计数和成对比较方法（也称为Condorcet mthod）。 用法 准备一个csv文件，该文件代表选民的喜好时间表。 csv文件的第一行包含候选项。 任何字符串都可以用来代表候选人。 文件的其余部分由选民的喜好组成。 放在第一列的候选者被解释为最喜欢的候选者。 例如，如果有4位候选人和18位选民，则csv文件应如下所示： A,B,C,D A,B,C,D D,C,B,A B,C,A,D A,B,C,D A,B,C,D A,B,C,D B,C,A,D A,B,C,D B,C,A,D B,C,A,D B,C,A,D C,B,A,D C,B,A,D C,B,A,D D,C,B,A C,B,A,D D,C,B,A A,B,C,D 在命令行中以csv文件作为参数运行sc.py ： $

特征选择是数据挖掘和机器学习领域中一种常用的数据预处理技术。在无监督学习环境下，定义了一种特征平均相关度的度量方法，并在此基础上提出了一种基于特征聚类的特征选择方法FSFC。该方法利用聚类算法在不同子空间中搜索簇群，使具有较强依赖关系（存在冗余性）的特征被划分到同一个簇群中，然后从每一个簇群中挑选具有代表性的子集共同构成特征子集，最终达到去除不相关特征和冗余特征的目的。在UCI数据集上的实验结果表明，FSFC方法与几种经典的有监督特征选择方法具有相当的特征约减效果和分类性能。

一种区间选择方法，结合全局搜索和局部搜索来优化区间的位置、宽度和组合。

针对高维小样本的DNA微阵列数据多分类问题，提出一种基于ReliefF和蚁群算法的特征基因选择方法（ReliefF and ant colony optimization，ReFACO）。该方法首先采用ReliefF算法评估特征权重，根据阈值筛选出无关基因；然后引入改进的蚁群算法，在迭代改进的过程中寻找最优基因子集；最后利用经典分类算法对维数约简后的数据分类识别。经实验证明，该方法可有效地剔除无关和冗余基因，并利用较少特征基因达到较高多分类效果。

行业分类-外包设计-个性化头部传递函数的选择方法及装置.zip

行业分类-网络游戏-无线EH协作网络中基于最优功率控制的中继选择方法.zip

行业分类-设备装置-一种基于模糊理想化目标分析的云服务平台选择方法.zip

模糊决策和线性规划相结合的供应商选择方法，叶建芳，潘晓虹，供应商选择问题有诸多的影响因素，其中既有定性的也有定量的。选择最佳的供应商就要在各种各样的因素之间获得平衡。当制造商需要