期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
一种卷积神经网络集成的多样性度量方法 被引量：1
1
作者 汤礼颖 贺利乐 +1 位作者 何林 屈东东 《智能系统学报》 CSCD 北大核心 2021年第6期1030-1038,共9页
分类器模型之间的多样性是分类器集成的一个重要性能指标。目前大多数多样性度量方法都是基于基分类器模型的0/1输出结果(即Oracle输出)进行计算,针对卷积神经网络的概率向量输出结果,仍需要将其转化为Oracle输出方式进行度量,这种方式... 分类器模型之间的多样性是分类器集成的一个重要性能指标。目前大多数多样性度量方法都是基于基分类器模型的0/1输出结果(即Oracle输出)进行计算,针对卷积神经网络的概率向量输出结果,仍需要将其转化为Oracle输出方式进行度量,这种方式未能充分利用卷积神经网络输出的概率向量所包含的丰富信息。针对此问题,利用多分类卷积神经网络模型的输出特性,提出了一种基于卷积神经网络的概率向量输出方式的集成多样性度量方法,建立多个不同结构的卷积神经网络基模型并在CIFAR-10和CIFAR-100数据集上进行实验。实验结果表明,与双错度量、不一致性度量和Q统计多样性度量方法相比,所提出的方法能够更好地体现模型之间的多样性,为模型选择集成提供更好的指导。 展开更多
关键词 卷积神经网络 集成学习 多样性度量 机器学习 分类器集成 概率向量输出 Oracle输出 基模型
在线阅读 下载PDF
基于信息熵的集成学习过程多样性度量研究 被引量：3
2
作者 周钢 郭福亮 《计算机工程与科学》 CSCD 北大核心 2019年第9期1700-1707,共8页
基分类器的多样性是提升集成学习的精度和泛化能力的重要因素,大数据环境下的传统后验证多样性度量方法计算效率较低,提出一种基于信息熵的过程多样性度量方法。通过使用分类器各属性的增益及其所在树层次得到属性集的联合增益,并计算... 基分类器的多样性是提升集成学习的精度和泛化能力的重要因素,大数据环境下的传统后验证多样性度量方法计算效率较低,提出一种基于信息熵的过程多样性度量方法。通过使用分类器各属性的增益及其所在树层次得到属性集的联合增益,并计算分类器间的熵距离评估其多样性,利用熵距离按照K-means方法即可动态购置集成学习分类器。在西瓜数据集和典型分类数据集上进行比较研究,发现与传统集成学习方法相比,该方法具有相近的准确性和更高的计算效率。 展开更多
关键词 集成学习 过程多样性 联合增益 K-MEANS 多样性度量
在线阅读 下载PDF
基于双档案种群大小自适应方法的改进差分进化算法
3
作者 黄亚伟 钱雪忠 宋威 《计算机应用》 CSCD 北大核心 2024年第12期3844-3853,共10页
针对现有差分进化(DE)算法在处理种群多样性降低和局部最优问题时,种群大小改进方法的性能不足,提出一种基于双档案种群大小自适应方法(APSA)的差分进化算法(APDE)。首先,构建2个档案分别用于记录在先前进化中丢弃的个体和实验个体;其次... 针对现有差分进化(DE)算法在处理种群多样性降低和局部最优问题时,种群大小改进方法的性能不足,提出一种基于双档案种群大小自适应方法(APSA)的差分进化算法(APDE)。首先,构建2个档案分别用于记录在先前进化中丢弃的个体和实验个体;其次,根据种群分布状态变化衡量多样性变化,并在多样性下降时从档案中选择个体加入种群,从而提升种群的多样性并增强跳出局部最优的能力;最后,基于APSA方法,提出一种改进的DE算法——APDE。在CEC2017测试集和兰纳-琼斯势问题上的广泛测试结果表明,APDE算法在30个测试函数上的基于Friedman test的平均排名中优于其他5种DE算法,并在至少20%的测试函数上取得了显著提升;同时,APDE算法在解决势能最小化上也取得了最佳性能。 展开更多
关键词 差分进化算法 双档案 多样性度量 自适应种群大小 数值优化
在线阅读 下载PDF
基于多分类器组合的高光谱图像波段选择方法 被引量：5
4
作者 李士进 常纯 +1 位作者 余宇峰 王亚明 《智能系统学报》 CSCD 北大核心 2014年第3期372-378,共7页
由于高光谱数据具有波段多,数据量大等特点,对其进行降维处理成为高光谱遥感研究的一个重要问题。提出一种基于多分类器组合的高光谱波段选择方法,该方法通过遗传算法良好的寻优能力获得若干组较优初始波段子集,在此基础上使用这些波段... 由于高光谱数据具有波段多,数据量大等特点,对其进行降维处理成为高光谱遥感研究的一个重要问题。提出一种基于多分类器组合的高光谱波段选择方法,该方法通过遗传算法良好的寻优能力获得若干组较优初始波段子集,在此基础上使用这些波段子集训练若干个基分类器,进而利用改进的基于相同错误差异性度量的分类器选择方法选出部分较优分类器,实现波段选择的目的;最终通过局部精度分析的动态分类器选择实现多分类器组合决策。在公共测试数据集上的实验结果表明:与以往直接选择最优波段子集方法相比,提出的算法能够选择更多具有鉴别能力的波段,明显提高了分类正确率。 展开更多
关键词 高光谱遥感 模式分类 波段选择 多分类器组合 错误多样性度量
在线阅读 下载PDF
热力学遗传算法计算效率的改进 被引量：9
5
作者 应伟勤 李元香 SHEU Phillip C-Y 《软件学报》 EI CSCD 北大核心 2008年第7期1613-1622,共10页
热力学遗传算法(thermodynamical genetic algorithms,简称TDGA)借鉴固体退火过程中能量与熵的竞争模式来协调GA中"选择压力"和"种群多样性"之间的冲突.然而TDGA目前极高的计算代价限制了其应用.为了提高TDGA的计... 热力学遗传算法(thermodynamical genetic algorithms,简称TDGA)借鉴固体退火过程中能量与熵的竞争模式来协调GA中"选择压力"和"种群多样性"之间的冲突.然而TDGA目前极高的计算代价限制了其应用.为了提高TDGA的计算效率,首先定义一种等级熵(rating-based entropy,简称RE)度量方法,它能以较小的计算成本度量种群中个体适应值的分散程度.然后引入分量热力学替换规则(component thermodynamical replacement,简称CTR),有效地降低了替换规则的复杂度.同时也证明了CTR规则具有驱动种群自由能近似最速下降的能力.在0-1背包问题上的实验结果表明,RE方法和CTR规则在保持TDGA良好的性能与稳定性的同时,极大地提高了其计算效率. 展开更多
关键词 遗传算法 热力学 计算效率 多样性度量潜换规则
在线阅读 下载PDF
面向多目标柔性作业车间调度的强化学习NSGA-II算法 被引量：27
6
作者 尹爱军 闫文涛 张厚望 《重庆大学学报》 CAS CSCD 北大核心 2022年第10期113-123,共11页
针对非支配排序遗传算法(NSGA-II,non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II,reinforcement learni... 针对非支配排序遗传算法(NSGA-II,non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II,reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。 展开更多
关键词 多目标优化 柔性作业车间调度 非支配排序遗传算法 双种群进化策略 多样性度量 强化学习
在线阅读 下载PDF
基于强化学习的改进NSGA-Ⅱ求解柔性作业车间节能调度问题 被引量：5
7
作者 陆心屹 韩晓龙 《现代制造工程》 CSCD 北大核心 2023年第8期22-35,共14页
针对绿色制造背景下的柔性作业车间调度问题,建立以最小化完工时间、机器负荷及车间能耗为目标的多目标整数规划模型,并提出一种基于强化学习中的Q学习(Q-learning)的改进快速非支配排序遗传算法(Non-dominated Sorting Genetic Algorit... 针对绿色制造背景下的柔性作业车间调度问题,建立以最小化完工时间、机器负荷及车间能耗为目标的多目标整数规划模型,并提出一种基于强化学习中的Q学习(Q-learning)的改进快速非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)进行求解。首先,采用多启发式算法初始化种群以平衡机器负荷,引入精英库实现双策略混合交叉以提升种群质量。其次,根据种群度量指标构建强化学习状态空间并通过Q-learning训练调整混合交叉比例,保证种群的分布均匀性和多样性,避免算法早熟。最后,通过不同规模的Kacem和Brandimarte基准算例及关于汽车发动机冷却系统零/部件制造的生产实例,对算法性能进行分析评估,验证了模型和算法在求解柔性作业车间调度节能问题的有效性以及在平衡机器负荷和能耗指标上的优越性。 展开更多
关键词 多目标柔性作业车间调度 能耗优化 改进NSGA-Ⅱ 强化学习 多样性度量指标
在线阅读 下载PDF
基于DECORATE集成学习与置信度评估的Tri-training算法 被引量：3
8
作者 王宇飞 陈文 《计算机科学》 CSCD 北大核心 2022年第6期127-133,共7页
Tri-training是一种基于分歧的半监督学习算法,同时利用了半监督学习和集成学习机制。Tri-training能有效地利用少量有标记样本和大量无标记样本,通过分类器间的相互协同和迭代来提升模型性能。但是在已标记样本量不足的情况下,Tri-trai... Tri-training是一种基于分歧的半监督学习算法,同时利用了半监督学习和集成学习机制。Tri-training能有效地利用少量有标记样本和大量无标记样本,通过分类器间的相互协同和迭代来提升模型性能。但是在已标记样本量不足的情况下,Tri-training生成的初始分类器训练不足,并且在分类器间协同标记的过程中可能产生误标记的噪声数据。针对上述问题,提出了一种结合DECORATE集成学习、多样性度量与置信度评估的协同学习算法。该算法基于DECORATE集成学习方法,通过添加差异化的人工样本和标记来训练多种偏好的基分类器,以提升分类泛化能力。该算法还基于JS散度对分类器进行多样性度量和筛选,以最大化基分类器多样性,同时在迭代过程中基于标签传播算法对伪标记样本进行置信度评估,以减少噪声数据。在UCI数据集上进行了分类实验,结果表明,相比Tri-training算法及其改进算法,所提算法具有更高的分类准确率和F1分数。 展开更多
关键词 基于分歧的半监督学习 集成学习 置信度评估 多样性度量
在线阅读 下载PDF
基于Double-Bagging特征降维异质集成入侵检测 被引量：3
9
作者 陈俊彦 卢贤涛 +2 位作者 黄雪锋 卢小烨 廖岑卉珊 《计算机工程与科学》 CSCD 北大核心 2023年第6期1011-1019,共9页
入侵检测是网络安全领域中具有挑战性的重要任务。单个分类器可能会带来分类偏差,使用集成学习相较单分类器,具有更强的泛化能力及更高的精确率,但调整各基分类器的权重需要大量的时间。基于此问题,提出了一种基于Bagging特征降维和基于... 入侵检测是网络安全领域中具有挑战性的重要任务。单个分类器可能会带来分类偏差,使用集成学习相较单分类器,具有更强的泛化能力及更高的精确率,但调整各基分类器的权重需要大量的时间。基于此问题,提出了一种基于Bagging特征降维和基于Bagging异质集成入侵检测分类算法(Double-Bagging)的特征降维异质集成入侵检测算法。该算法通过集成5个特征选择算法,采用Bagging投票机制选出最优特征子集,实现高效准确的特征降维。同时,引入集成学习中的成对多样性度量,从不同基分类器组合中选出最优异质集成集合。对于赋权函数综合使用精确率和AOC值作为权重对分类器进行集成。实验结果表明,所提算法精确率高达99.94%,系统错误率及正判率分别为0.03%和99.55%,均优于现有主流入侵检测算法的。 展开更多
关键词 入侵检测 异质集成学习 特征降维 成对多样性度量
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部