共查询到19条相似文献,搜索用时 200 毫秒
1.
关联规则挖掘是数据挖掘和知识发现中一门重要技术,但基于支持度-置信度框架的关联规则挖掘存在一些问题。文章引入了双向关联规则的概念,实现了基于遗传算法的双向关联规则挖掘算法。实验证明,它能弥补传统关联规则挖掘算法的不足。 相似文献
2.
本文将进化策略和量子理论相结合,提出一种新的学习算法-量子进化策略(Quantum Evolutionary Strategies)算法.它是一种基于量子计算的概念和理论(诸如量子比特和量子叠加态)的进化策略算法,在这一算法中,采用量子编码来表征染色体,使用量子变异实现染色体的进化.由于量子变异中融入了当前最优解的信息,同时采用“全干扰交叉”操作克服早熟现象的发生,因此它比传统进化策略具有更快的收敛速度和全局寻优的能力.本文不仅从理论上证明了它的全局收敛性,而且仿真计算也表明了此算法的优越性. 相似文献
3.
粒子群优化算法(PSO)是一种群体智能进化计算方法,但在搜索过程中粒子紧跟最优粒子运动降低了粒子多样性和全局搜索能力,从而易陷入局部极值.本文提出一种新的粒子群优化算法(PSO-EWD),主要改进体现在2个方面:将惯性权重与进化因子相关联,根据种群的进化状态而改变权重大小,以平衡全局搜索能力与局部搜索能力;将时变的分布式时延引入速度更新公式中,以增加粒子的多样性.本文通过5种算法在9个基准函数上的实验对比,证明了新提出的算法相较于另外4种算法具有更优的适应度值、稳定性和收敛速度. 相似文献
4.
5.
基于频繁集的多层次交互式关联规则挖掘 总被引:2,自引:1,他引:1
文章研究了一种知识发现与数据挖掘中关联规则的发现方法,针对现有大型超市销售事务数据库,提出了一种新的多层次信息获得取方法。运用关联规则挖掘所产生的频繁集对数据压缩表示,并给出了按用户的实际需求交互式挖掘感兴趣关联规则的算法。该算法在挖掘速度和效率上有较大提高。 相似文献
6.
7.
提出了一种新型全局运动估计算法,将进货规划算法引入全局运动估计算法中,能明显加快全局运动估计的计算量。实验结果表明,新算法有良好的计算速度和计算精确性。 相似文献
8.
9.
受自然免疫系统相关机理的启发,本文提出了一种引入进化梯度的免疫遗传算法(EG-IGA)并应用于抗体的优化。该算法基本思想是将生成的多样性抗体,分成若干个小生境,并排挤掉同一个小生境中的较差抗体,保留优良抗体;然后执行GA交叉、变异等操作:再利用进化梯度为优良抗体标记进化方向,按标记的进化方向继续局部寻优,以较快的速度寻找最优的抗体种群。最后将EG-IGA算法和NGA算法分别运用在同一个多峰值函数上,实验结果表明,本文所提出的EG-IGA算法具有提高解的精度及收敛速度、找到更多最优解等特点。 相似文献
10.
11.
12.
改进的演化近似算法求解TSP问题 总被引:2,自引:1,他引:1
TSP是典型的具有NPC复杂性的组合优化问题。在演化算法的基础上,提出了一种有效求解TSP问题的近似算法IEAA。IEAA采用单性生殖方式,通过保留一组较优个体加速了算法的收敛。详细介绍了的算法的设计和实现.并用于求解CTSP问题,实验结果表明,该算法能有效的解决CTSP问题,且算法性能优于基本演化算法SEA。 相似文献
13.
14.
本文首次对子波神经网络的分类机理进行了详细地研究,在此基础上将免疫进化算法与子波神经网络相集成,并提出了免疫进化子波网络模型及其学习算法.其中,免疫进化算法是一种集免疫机制和进化机制于一体的一种新的全局并行算法,它可以通过对进化环境的自适应和自学习,有针对性地抑制由原进化算子操作的盲目性而引起的退化现象.理论分析和用于双螺旋线分类的仿真结果表明,免疫进化子波网络不仅是可行的,也是十分有效的.由于免疫进化算法本身所固有的并行运算规则、智能搜索方式和概率判断准则,从而有利于弱化子波网络的应用条件,加强其联想记忆和信息处理的能力. 相似文献
15.
16.
17.
自适应数字波束形成作为天线技术和数字信号处理融合的产物,近年来成为跨领域的研究热点,并且广泛应用到新一代的相控阵雷达和移动通信中。文中提出一种基于矩阵流形理论的自适应波束形成算法。不同于传统的波束形成算法,该算法将波束形成问题转化为高维优化问题,并引入矩阵流形优化理论,在Stiefel流形上求解该问题。由于降低了求解问题的维度,限制了最优解的范围,该算法相比于传统的自适应波束形成算法,具有收敛速度快、运算量小、鲁棒性好的优点。 相似文献
18.
综合分析了数据流分类算法以及云计算的基本理论,提出了基于Hadoop框架的数据流系综分类算法,算法采用MapReduce并行编程模型对传统基于动态权重系综模型进行改进,以提升算法的分类效率.分析结果表明,该算法在处理快速海量到达的数据流时,其执行效率远高于传统系综算法. 相似文献
19.
由于软件代码的复杂性,对于不了解框架的新手,很难利用开源社区中的代码来开发软件。因此,利用数据挖掘技术挖掘现有代码中的编程模式成为研究热点。文中介绍了频繁项挖掘Apriori算法,并提出了基于源码模式的软件辅助开发方法。它能够根据用户输入的关键字来智能匹配类库中的特定父类,挖掘基于此父类的编程模式,给出优先要重写的方法以及关联规则。实验结果表明,新手可以利用这些编码建议,快速学习一个新的框架,提高开发效率。 相似文献