-
题名混合多策略北方苍鹰优化算法及特征选择
- 1
-
-
作者
鲍美英
申晋祥
张景安
周建慧
-
机构
山西大同大学计算机与网络工程学院
山西大同大学网络信息中心
-
出处
《现代电子技术》
北大核心
2025年第11期121-130,共10页
-
基金
国家自然科学基金资助项目(11971277)
山西省高等学校科技创新项目(2022L438)
+3 种基金
山西省高等学校教学改革创新项目(J20241176)
山西大同大学科研资助项目(2020k10)
山西大同大学校级教学改革创新项目(XJG2023246,XJG2023251)
山西大同大学云冈学专项课题(2023YGYB17)。
-
文摘
针对北方苍鹰优化(NGO)算法在处理复杂优化问题时,存在收敛速度慢、求解精度低和易陷入局部最优等问题,提出融合多种策略的北方苍鹰优化(LANGO)算法。LANGO算法采用Tent混沌映射和反向学习策略初始化种群,增加种群多样性,提高全局搜索能力;引入非线性权重因子,改善全局勘探能力,提高算法的收敛速度和收敛精度;引入Lévy飞行,改进NGO算法采用随机猎物引导种群易陷入局部最优的缺陷,对陷入局部最优的解进行扰动,使其跳出局部最优。选取8个经典基准函数进行测试,仿真结果表明,LANGO在求解精度、收敛速度等方面都优于比较算法。LANGO与K近邻分类器相结合,用于解决特征选择问题,进行数据分类,可以对特征有效降维并提高数据分类的准确率。
-
关键词
北方苍鹰优化算法
Lévy飞行
特征选择
K近邻分类器
权重因子
收敛性
-
Keywords
NGO algorithm
Lévy flight
feature selection
K⁃nearest neighbor classifier
weight factor
convergence
-
分类号
TN911.1-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名混沌自适应非洲秃鹫优化算法训练多层感知器
被引量：6
- 2
-
-
作者
申晋祥
鲍美英
张景安
周建慧
-
机构
山西大同大学计算机与网络工程学院
山西大同大学网络信息中心
-
出处
《计算机工程与设计》
北大核心
2024年第2期546-552,共7页
-
基金
国家自然科学基金项目(11971277)
山西大同大学科研基金项目(2020k10)
+1 种基金
山西大同大学云冈专项基金项目(2020YGZX016)
山西大同大学校级教学改革创新基金项目(XJG2021249)。
-
文摘
针对训练多层感知器(MLP)时,算法对初始值敏感、易陷入局部最优和收敛速度慢等问题,对新型启发式算法非洲秃鹫优化算法提出改进算法IAVOA。在初始化种群时引入Logistic混沌映射,增加种群的多样性;对最优秃鹫和次优秃鹫增加自适应权重系数,自动调整这两类秃鹫对普通秃鹫的引导作用;IAVOA用于MLP的训练,采用均方误差的平均值作为适应度函数寻找MLP的连接权重和偏差的最佳组合。选取4个不同复杂度的分类数据集,比较IAVOA算法与现有启发式算法对MLP训练后,MLP对数据分类的性能,仿真结果表明,IAVOA算法训练的MLP在数据分类准确率、全局搜索能力、收敛速度和稳定性方面均具有良好的性能。
-
关键词
优化
分类
非洲秃鹫算法
多层感知器
前馈神经网络
自适应系数
收敛
-
Keywords
optimization
classification
African vulture algorithm
multilayer perceptron
feedforward neural network
adaptive coefficient
convergence
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于改进樽海鞘群算法的特征选择方法
被引量：5
- 3
-
-
作者
申晋祥
鲍美英
张景安
周建慧
-
机构
山西大同大学计算机与网络工程学院
山西大同大学网络信息中心
-
出处
《计算机工程与设计》
北大核心
2023年第9期2714-2721,共8页
-
基金
国家自然科学基金项目(11971277)
山西大同大学科研基金项目(2020k10)
+1 种基金
山西大同大学云冈专项基金项目(2020YGZX016)
山西大同大学校级教学改革创新基金项目(XJG2021249)。
-
文摘
针对樽海鞘群算法求解精度不高、收敛速度慢、容易陷入局部最优等问题,提出融合多种策略的改进樽海鞘群算法CESSA。在初始化种群时引入无限折叠混沌映射,增加初始种群的多样性;在领导者位置更新处融入非线性收敛算子,提高算法全局勘探收敛速度,增强解的精度;根据适应度值的优劣对追随者位置分别采用收敛算子和随机数扰动方式进行更新。改进算法CESSA与K近邻分类器结合构成特征选择模型CESSAFS并用于数据分类。在8个基准函数和10个UCI数据集上分别对CESSA和CESSAFS算法进行测试,其结果表明,改进算法性能更优。
-
关键词
特征选择
樽海鞘群算法
无限折叠混沌映射
全局优化
K近邻
基准函数
收敛
-
Keywords
feature selection
salp swarm algorithm
iterative chaotic map with infinite collapses
global optimization
k-nearest neighbor
benchmark function
convergence
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
