期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合粗糙集和扩散二元萤火虫算法的属性约简方法
被引量：
5
1
作者
程美英
倪志伟
朱旭辉
《系统工程与电子技术》
EI
CSCD
北大核心
2016年第10期2449-2456,共8页
从一维细胞自动机模型入手,将自然界中种群的扩散行为引入二元萤火虫算法(binary glowworm swarm optimization,BGSO)中,提出了一种扩散二元萤火虫算法(spread binary glowworm swarm optimization,SBGSO)。该算法对萤火虫个体设置营养...
从一维细胞自动机模型入手,将自然界中种群的扩散行为引入二元萤火虫算法(binary glowworm swarm optimization,BGSO)中,提出了一种扩散二元萤火虫算法(spread binary glowworm swarm optimization,SBGSO)。该算法对萤火虫个体设置营养值及营养阈值的上下限,然后执行扩散操作,以正态分布方式产生新的个体,并淘汰一些持续表现很差的个体,释放资源给其他个体,以保持种群的动态多样性。然后将SBGSO作为搜索策略,粗糙集(rough set,RS)作为评价准则,应用于大数据预处理的属性约简问题。为验证本文算法的可行性,采用5个UCI数据集进行实验,并结合10-fold和支持向量机(support vector machine,SVM)算法对预测结果分类准确率进行分析,通过与其他算法对比,表明本文算法具有较好的约简效果。
展开更多
关键词
二元萤火虫算法
扩散机制
一维细胞自动机
粗糙集
属性约简
在线阅读
下载PDF
职称材料
融合改进二元萤火虫算法和边界最小化测度的集成剪枝方法
被引量：
3
2
作者
朱旭辉
倪志伟
+3 位作者
程美英
李敬明
金飞飞
伍章俊
《计算机学报》
EI
CSCD
北大核心
2019年第6期1252-1273,共22页
集成剪枝是提高分类器集成性能的一种关键性技术,其通过选择较小规模的基分类器,获得更优的集成性能.目前集成剪枝方法通常单独采用基分类器间的差异性测度或元启发式算法,进行集成剪枝.基分类器的平均精度和差异性被广泛认为是集成剪...
集成剪枝是提高分类器集成性能的一种关键性技术,其通过选择较小规模的基分类器,获得更优的集成性能.目前集成剪枝方法通常单独采用基分类器间的差异性测度或元启发式算法,进行集成剪枝.基分类器的平均精度和差异性被广泛认为是集成剪枝的两个重要指标,但增大基分类器间差异性势必会减小其平均分类精度,提高基分类器的平均精度亦会降低其差异性.故在基分类器的平均精度和差异性之间存在一个平衡状态,使得集成性能最优,找到该平衡状态才是集成剪枝成功的关键.集成剪枝是一个NP完全问题,采用差异性测度仅能剔除集成系统中部分冗余的基分类器,难以准确地找到该平衡状态;元启发式算法在搜索该平衡状态上,具有良好的性能,但若单独采用元启发式算法,则很难穷尽搜索到该平衡状态.故该文提出了融合改进二元萤火虫算法和边界最小化测度的集成剪枝方法.首先,采用Bootstrap方法重复抽取训练集,获得多个训练子集,使用分类器分别进行独立训练,获得多个基分类器;其次,运用边界最小化测度对所获得的基分类器进行预剪枝,剔除综合性能较差的基分类器,显著降低集成剪枝问题的复杂度;接着,通过改进萤火虫的移动方式和搜索过程,并引入竞争行为和跳跃行为,提出了改进二元萤火虫算法;最后,利用改进二元萤火虫算法对预剪枝后的基分类器,进行二次剪枝,选择出性能最优的子集成.在35个UCI标准数据集上进行测试,实验结果表明:相较于其他方法,该文所选择的基分类器规模较小,集成分类精度更高,并验证了其有效性和显著性.
展开更多
关键词
萤火虫算法
二元离散化
边界最小化
集成剪枝
差异性
在线阅读
下载PDF
职称材料
题名
融合粗糙集和扩散二元萤火虫算法的属性约简方法
被引量：
5
1
作者
程美英
倪志伟
朱旭辉
机构
合肥工业大学管理学院
过程优化与智能决策教育部重点实验室
新加坡南洋理工大学计算机科学与工程学院计算智能中心实验室
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2016年第10期2449-2456,共8页
文摘
从一维细胞自动机模型入手,将自然界中种群的扩散行为引入二元萤火虫算法(binary glowworm swarm optimization,BGSO)中,提出了一种扩散二元萤火虫算法(spread binary glowworm swarm optimization,SBGSO)。该算法对萤火虫个体设置营养值及营养阈值的上下限,然后执行扩散操作,以正态分布方式产生新的个体,并淘汰一些持续表现很差的个体,释放资源给其他个体,以保持种群的动态多样性。然后将SBGSO作为搜索策略,粗糙集(rough set,RS)作为评价准则,应用于大数据预处理的属性约简问题。为验证本文算法的可行性,采用5个UCI数据集进行实验,并结合10-fold和支持向量机(support vector machine,SVM)算法对预测结果分类准确率进行分析,通过与其他算法对比,表明本文算法具有较好的约简效果。
关键词
二元萤火虫算法
扩散机制
一维细胞自动机
粗糙集
属性约简
Keywords
binary glowworm swarm optimization （bgso）
spread mechanism
one-dimensional cellular automata
rough set （RS）
attribute reduction
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
融合改进二元萤火虫算法和边界最小化测度的集成剪枝方法
被引量：
3
2
作者
朱旭辉
倪志伟
程美英
李敬明
金飞飞
伍章俊
机构
合肥工业大学管理学院
过程优化与智能决策教育部重点实验室
湖州师范学院商学院
安徽财经大学管理科学与工程学院
出处
《计算机学报》
EI
CSCD
北大核心
2019年第6期1252-1273,共22页
基金
国家自然科学基金(91546108,71490725)
国家重点研发计划项目(2016YFF0202604)
+3 种基金
安徽省自然科学基金(1908085QG298,1708085MG169)
安徽省教育厅人文社科项目(JS2017AJRW0135)
湖州市科技计划自然科学基金项目(2018YZ11)
过程优化与智能决策教育部重点实验室开放课题资助~~
文摘
集成剪枝是提高分类器集成性能的一种关键性技术,其通过选择较小规模的基分类器,获得更优的集成性能.目前集成剪枝方法通常单独采用基分类器间的差异性测度或元启发式算法,进行集成剪枝.基分类器的平均精度和差异性被广泛认为是集成剪枝的两个重要指标,但增大基分类器间差异性势必会减小其平均分类精度,提高基分类器的平均精度亦会降低其差异性.故在基分类器的平均精度和差异性之间存在一个平衡状态,使得集成性能最优,找到该平衡状态才是集成剪枝成功的关键.集成剪枝是一个NP完全问题,采用差异性测度仅能剔除集成系统中部分冗余的基分类器,难以准确地找到该平衡状态;元启发式算法在搜索该平衡状态上,具有良好的性能,但若单独采用元启发式算法,则很难穷尽搜索到该平衡状态.故该文提出了融合改进二元萤火虫算法和边界最小化测度的集成剪枝方法.首先,采用Bootstrap方法重复抽取训练集,获得多个训练子集,使用分类器分别进行独立训练,获得多个基分类器;其次,运用边界最小化测度对所获得的基分类器进行预剪枝,剔除综合性能较差的基分类器,显著降低集成剪枝问题的复杂度;接着,通过改进萤火虫的移动方式和搜索过程,并引入竞争行为和跳跃行为,提出了改进二元萤火虫算法;最后,利用改进二元萤火虫算法对预剪枝后的基分类器,进行二次剪枝,选择出性能最优的子集成.在35个UCI标准数据集上进行测试,实验结果表明:相较于其他方法,该文所选择的基分类器规模较小,集成分类精度更高,并验证了其有效性和显著性.
关键词
萤火虫算法
二元离散化
边界最小化
集成剪枝
差异性
Keywords
glowworm
swarm
optimization
binary
discretization
margin distance minimization
ensemble pruning
diversity
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合粗糙集和扩散二元萤火虫算法的属性约简方法
程美英
倪志伟
朱旭辉
《系统工程与电子技术》
EI
CSCD
北大核心
2016
5
在线阅读
下载PDF
职称材料
2
融合改进二元萤火虫算法和边界最小化测度的集成剪枝方法
朱旭辉
倪志伟
程美英
李敬明
金飞飞
伍章俊
《计算机学报》
EI
CSCD
北大核心
2019
3
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
