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：研究了具有不同时变输入时延的二阶连续多智能体系统的一致性问题。首先,通过变量转换,将系统的收敛性问题转化为误差系统的稳定问题;然后,通过对系统进行变换,将二阶系统稳定性问题转换为等价系统的稳定性问题。通过构造李雅普诺夫函数,基于线性矩阵不等式（LMI）的方法,给出在无向固定拓扑条件下,系统达到一致的充分条件。最后,仿真实例证明了结果的有效性。

简介：研究了定拓扑结构下一阶多智能体系统的鲁棒一致性问题，在系统同时具有变时延和系统不确定性的情况下，提出了新的基于邻居多智能体系统状态的控制协议，证明了多智能体系统最终能够实现鲁棒一致的充分条件，而此充分条件的成立是当且仅当多智能体系统的拓扑结构具有生成树，最后通过仿真证实了控制协议的有效性。

简介：以电子政务和移动政务环境下的城市群多政府博弈为例，基于多智能体系统的建模框架，展开系统运行机理分析、因果关系图设计和数学建模，基于进化博弈理论构建微观决策主体（即各城市政府决策者）的行为互动机制，并基于小世界网络模型构建宏观社会网络（即各决策者之间交互关系）的拓扑演化规则。且在模型构建中考虑了博弈主体之间的差异性和非对称性、收益受合作水平影响的动态性、以及设计了与惩罚措施配套的补偿机制。本文为基于智能体的城市群政府博弈模拟和政策实验研究奠定了模型基础。是复杂性科学理论和建模方法在政治学与公共行政领域的一次积极拓展，尝试了新的研究视角与方法集合。

简介：以城市群多政府博弈以及（上层政府或协调机构的）调控措施为例,基于一个相嵌于小世界网络的非对称群体进化博弈模型构建多智能体模拟系统,设计一系列实验方案考察非对称博弈场景（成本、收益的非对称性分配）、以及与惩罚措施相配套的补偿机制等重要变量对城市群政府博弈进程和收益演化的动态影响,为促进城市群政府合作共赢和区域一体化建设提供决策依据和政策参考。是（基于智能体的）计算机建模与仿真技术在政治学与公共行政领域的一次积极拓展,是“计算政治科学”的一次探索尝试。