全国大学生数学建模竞赛优秀论文汇编 由以上数据可以看出,我们构造的目标函数具有较好的区分度.对于A组,目标函数值 都大于零;而对B组,目标函数值都小于零.也就是说,用这种方法,对A、B组样本的区分 率已达到了100%正如前面所说,这种方法综合了序列中的许多信息.因此,我们完全可 以采用这个标准来区分C组,表5是对C组区分的结果 对20个未标明分类的人工序列的分类结果为 A类:22,23,25,27,29,30,34,35,36,37,39B类:21,24,26,28,31,32,3,38,40 同样的,我们利用这种方法对所给的182个自然序列进行了分类,结果如下所示(略) 5模型的评价及推广 在我们的模型基础上提出的分类方法可以很好的验证已知的20个序列,并且很好的完 成了对未知类型序列的分类.我们认为这种模型,同时考虑了序列中元素的局部性质和序 列的全局性质,具有相当的实际背景当我们知道分类标准的更多信息时,我们可以很方便 的调整模型中的参数,使之符合新的情况,具有很好的自学习性,但这个模型比较复杂,在 实际计算中参数选择需要花费大量计算时间进行搜索 我们在模型中使用的基于信息流的方法中,如果选取更为合适的熵函数,一定可以使它 更加符合实际情况;在三种方法综合的时候,所取的权值也是可以采用更为有效的方法选 取,如应用层次分析法;还可以选取其他分类方法加入.这些都是本模型可以改进的地方 参考文献 [1]姜启源.数学模型(第二版)高等教育出版社,199. [2]刘郁强等.序列空间方法.广东科技出版社,1996. [3]刘祖洞.遗传学(第二版,高等教育出版社,199 4]姜丹,钱玉美,信息理论与编码,中国科学技术大学出版社,1992 5]王玲玲等.常用统计方法,华东师范大学出版社,1994 [6]陆璇.应用统计.清华大学出版社,199