-
题名基于K-均值的“教”与“学”优化算法
被引量：4
- 1
-
-
作者
黄祥东
夏士雄
牛强
赵志军
-
机构
中国矿业大学计算机科学与技术学院
舟山市定海区交通建设事务中心
-
出处
《计算机应用》
CSCD
北大核心
2015年第11期3126-3129,共4页
-
基金
江苏省产学研联合创新资金前瞻性联合研究项目(BY2014028-09)
国家海洋局数字海洋科学技术重点实验室开放基金资助项目(KLDO201304)
浙江省交通运输厅科研计划项目(2014T25)
-
文摘
在解决复杂多峰优化问题时,传统的"教"与"学"优化算法易于陷入局部搜索且优化效率较低。针对此问题,提出了一种基于K-均值的"教"与"学"优化改进算法,算法采用K-均值来降低种群规模,又针对"教"和"学"两个阶段进行相应改进,提高全局收敛速度;还加入了"变异"操作来避免算法陷入局部最优。实验对7个单峰值优化问题和2个有代表性的多峰值优化问题进行优化,并与手榴弹爆破算法和传统"教"与"学"优化算法进行比较,实验结果表明,该改进算法在单峰和多峰测试函数中,均能快速高效地寻得全局最优解,优于原始"教"与"学"优化算法。
-
关键词
“教”与“学”优化算法
K-均值
多峰函数
全局最优解
-
Keywords
Teaching-Learning-Based Optimization （TLBO） algorithm
K-means
multimodal functions
global optimal solution
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于类别重要度的MIMLBoost改进算法
- 2
-
-
作者
郝宁
夏士雄
牛强
赵志军
-
机构
中国矿业大学计算机科学与技术学院
舟山市定海区交通建设事务中心
-
出处
《计算机应用》
CSCD
北大核心
2015年第11期3122-3125,共4页
-
基金
江苏省产学研联合创新资金前瞻性联合研究项目(BY2014028-09)
国家海洋局数字海洋科学技术重点实验室开放基金资助项目(KLDO201304)
浙江省交通运输厅科研计划项目(2014T25)
-
文摘
针对多示例多标记学习算法MIMLBoost中退化过程造成的类别不平衡问题,运用人工降采样思想,引入类别重要度,提出一种改进的基于类别标记评估的退化方法。该方法通过对示例空间中的示例包进行聚类,把标记空间中的标记量化到聚类簇上,再以聚类簇为单位,利用TF-IDF算法对每个类别标记进行重要度评估和筛选,去除重要度低的标记,并将簇中的示例包与其余的类别标记拼接起来,以此来减少大类样本的出现,完成多示例多标记样本向多示例单标记样本的转化。在自然数据集上进行了实验,实验结果发现,改进算法的性能整体上优于原算法,尤其在Hamming loss、coverage、ranking loss三个评测指标上尤为明显,说明所提算法能够有效降低分类的出错率,提高算法的精度和分类效率。
-
关键词
多示例多标记
MIMIBoost算法
TF-IDF算法
聚类
类别不平衡
-
Keywords
Multi-Instance Multi-Label （MIML）
MIMLBoost algorithm
Term Frequency-Inverse Document Frequency （TF-IDF） algorithm
clustering
class imbalance
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
