特征选择是模式识别和数据挖掘等研究领域的一个热点。提出了一种新的特征选择方法FeBES(FeatureSelection Based on(μ+λ)-ESEvolutionary Strategy),它以遗传算法为基础,以定义的最优特征集的评价准则为适应度函数,采用(μ+λ)-ES进...
详细信息
特征选择是模式识别和数据挖掘等研究领域的一个热点。提出了一种新的特征选择方法FeBES(FeatureSelection Based on(μ+λ)-ESEvolutionary Strategy),它以遗传算法为基础,以定义的最优特征集的评价准则为适应度函数,采用(μ+λ)-ES进化策略挑选出一组较高质量的特征子集。仿真实验结果表明了该方法的有效性。
为决定数据库在复杂负载下运行时,数据缓冲区自适应优化所要求的大小与方向,提出了基于模拟仿真的自适应优化算法,通过建立模拟数据缓冲区(simulated buffer pool,SBP)来决定调整的方向。应用缓冲错失公式(buffer miss equation,BME)结...
详细信息
为决定数据库在复杂负载下运行时,数据缓冲区自适应优化所要求的大小与方向,提出了基于模拟仿真的自适应优化算法,通过建立模拟数据缓冲区(simulated buffer pool,SBP)来决定调整的方向。应用缓冲错失公式(buffer miss equation,BME)结合基于模拟仿真自适应优化算法监测数据库运行状态时所获得的一系列关键数据,来确定优化调整的具体方案。实验结果表明,该算法提升了数据库整体性能,并在长时间内保持性能高效稳定。
计算思维是当前国际计算机界广为关注的一个重要概念,也是当前计算机教育需要重点研究的重要课题。文章首先结合任务驱动式教学和教学模式的特点构建了基于计算思维的任务驱动式教学模型(Task-Driven Teaching Model Based on Computati...
详细信息
计算思维是当前国际计算机界广为关注的一个重要概念,也是当前计算机教育需要重点研究的重要课题。文章首先结合任务驱动式教学和教学模式的特点构建了基于计算思维的任务驱动式教学模型(Task-Driven Teaching Model Based on Computational Thinking,简称TDTMCT)。TDTMCT模型将教学者和学习者之间通过任务连接起来,教学过程以任务为主线,教学者主导,学习者主体。整个过程教学者运用计算思维方法准备课程,设计任务,学习者根据教学者的引导,运用计算思维方法完成教学任务。最后运用实例验证了该模型的可行性和高效性。与传统的教学模式相比较,基于计算思维的任务驱动式教学模式在培养学习者自我建构知识以及创新思维能力方面有较大的进步,不仅可以提高学习效率,而且可以培养学习者的计算思维能力。
暂无评论