Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: algorytm selekcji

Sortuj według:

Ogranicz wyniki do:

Leader election : A Markov chain approach

Grübel R., Hagemann K.

Mathematica Applicanda

2016

Vol. 44, No. 1

113--134

A well-studied randomized election algorithm proceeds as follows: In each round the remaining candidates each toss a coin and leave the competition if they obtain heads. Of interest is the number of rounds required and the number of winners, both related to maxima of geometric random samples, as well as the number of remaining participants as a function of the number of rounds. We introduce two related Markov chains and use ideas and methods from discrete potential theory to analyse the respective asymptotic behaviour as the initial number of participants grows. One of the tools used is the approach via the Rényi-Sukhatme representation of exponential order statistics, which was first used in the leader election context by Bruss and Grübel in [BG03].

W artykule przywołany jest dobrze znany i szczegółowo zbadany następujący algorytm losowego wyboru lidera. W kolejnych krokach każdy kandydat rzuca monetą. Jeśli wyrzuci orła, to kończy eliminację (nie przechodzi do następnej tury). Interesuje nas liczba rund do wyłonienia lidera bądź liczba pozostałych kandydatów w powiązaniu z maksimum ciągu zmiennych losowych o rozkładzie geometrycznym. Również wyznaczamy rozkład liczby pozostałych kandydatów jako funkcji liczby tur. W celu odpowiedzi na postawione pytania konstruowane są dwa powiązane ze sobą łańcuchy Markowa. Wykorzystując metody teorii potencjału badana jest asymptotyka przy rosnącej początkowej liczbie kandydatów. Jednym z wykorzystywanych narzędzi jest reprezentacja Rényi-Sukhatme dla statystyk porządkowych rozkładu wykładniczego, która została po raz pierwszy użyta do zagadnienia wyborów lidera przez Brussa i Grübela w [BG03].

Combined classifier based on feature space partitioning

Woźniak M., Krawczyk B.

International Journal of Applied Mathematics and Computer Science

2012

Vol. 22, no. 4

855-866

This paper presents a significant modification to the AdaSS (Adaptive Splitting and Selection) algorithm, which was developed several years ago. The method is based on the simultaneous partitioning of the feature space and an assignment of a compound classifier to each of the subsets. The original version of the algorithm uses a classifier committee and a majority voting rule to arrive at a decision. The proposed modification replaces the fairly simple fusion method with a combined classifier, which makes a decision based on a weighted combination of the discriminant functions of the individual classifiers selected for the committee. The weights mentioned above are dependent not only on the classifier identifier, but also on the class number. The proposed approach is based on the results of previous works, where it was proven that such a combined classifier method could achieve significantly better results than simple voting systems. The proposed modification was evaluated through computer experiments, carried out on diverse benchmark datasets. The results are very promising in that they show that, for most of the datasets, the proposed method outperforms similar techniques based on the clustering and selection approach.