排序方式: 共有35条查询结果,搜索用时 21 毫秒
1.
为了从传统进化策略的角度分析并改进云进化策略,研究云分布的峰度统计量及其应用.云分布在固定标准差时,也可通过调整峰度来改变噪声形状,可能产生更有效的变异.推导云分布峰度计算公式,以支持熵-超熵空间和标准差-峰度空间的相互转换.比较峰度和峰比对云分布噪声的影响,证明峰度更适宜自适应演化.给出峰度驱动的云进化策略,它的参数演化结合基于1/5规则的标准差演化和自适应峰度演化.对8个测试函数的实验结果显示,高峰度利于全局寻优,低峰度利于局部寻优,而峰度的自适应调整可综合二者优势. 相似文献
2.
以K-means为代表的聚类算法被广泛地应用在许多领域, 但是K-means不能直接处理不完整数据集. km-means是一种处理不完整数据集的聚类算法, 通过调整局部距离计算方式, 减少不完整数据对聚类过程的影响. 然而km-means初始化阶段选取的聚类中心存在较大的不可靠性, 容易陷入局部最优解. 针对此问题, 本文引入可信度, 提出了结合可信度的km-means聚类算法, 通过可信度调整距离计算, 增大初始化过程中选取聚类中心的可靠性, 提高聚类算法的准确度. 最后, 通过UCI和UCR数据集验证算法的有效性. 相似文献
3.
Hub会对高维数据分析产生显著消极影响,现有研究分别采用了五种降Hubness策略以提高分类效果,但单个降Hubness策略适用范围有限.为解决这一问题,提出对五种降Hub分类器进行基于PM-MD的集成,PM-MD集成是通过KNN确定分类对象的决策表以及通过分类器得到分类对象的类支持向量,最后通过比较决策表和类支持向量的相似性计算分类器的竞争力权重.由于PM-MD在处理高维数据集时高斯势函数存在弱化距离导致区分度不足的倾向,因此提出了采用欧氏距离直接计算决策表以提高分类精度.在12个UCI数据集上的实验结果表明:PM-MD不仅获得更好且稳定的分类结果,而改进后的PM-MD则进一步提高了分类精度. 相似文献
4.
Shapelet序列分析为时间序列分类提供了一种快速分类的方法,但Shapelet序列抽取速度很慢,限制了它的应用范围。为了加快 Shapelet 序列的提取,提出了一种基于主成分分析的改进方法。首先运用主成分分析法(PCA)对时间序列数据集进行降维,采用降维后的数据表示原数据,然后对降维后的数据提取出最能代表类特征的Shapelet序列。实验结果表明:本方法在保证分类准确率的前提下,提高了运算速度。 相似文献
5.
6.
定义任务之间的偏序限制,基于偏序限制可以联系原先独立的任务.分析偏序限制的应用,给出一个协同演化的多任务学习框架,它反复地通过各个任务的独立演化以寻优,通过联合调整以结合偏序限制.给出本框架在构建猪肉预冷损耗曲线过程中的应用:考虑了低湿损耗曲线与中湿损耗曲线间的偏序关系,利用协同演化,在样本量很少时,也能获得合理的低湿和中湿损耗曲线.对于4个标准测试函数的测试显示了本策略对于一般问题的有效性. 相似文献
7.
通过对用户的分类,面向用户设计接口是软件规划的重要工作.结合报刊资料存储系统用户界面的设计过程,本文介绍了接口设计的主要工作,有关方案获得了成功. 相似文献
8.
结合关联限制K-means算法能有效地提高聚类结果,但对数据对象分配次序却非常敏感。为获得一个好的分配次序,提出了一种基于分配次序聚类不稳定性的迭代学习算法。根据Cop-Kmeans算法的稳定性特点,采用迭代思想,逐步确定数据对象的稳定性,进而确定分配次序。实验结果表明,基于分配次序聚类不稳定性迭代学习算法有效地提高了Cop-Kmeans算法的准确率。 相似文献
9.
何振峰 《计算机工程与科学》2006,28(7):70-72
基于数据对象间的关联限制定义了类间关联系数,本文提出了两阶段的限制层次聚类算法TCCL.算法分为两个阶段,第一阶段主要依据数据对象的自然分布,基于数据对象间的距离把它们合并入一个个小类;在第二阶段,依据背景知识,基于类间关联系数来实现小类的进一步合并.一些实际数据集的实验结果表明,TCCL可以比较有效地利用所给关联限制来改善聚类效果. 相似文献
10.
时间序列是一种得到广泛应用的数据对象,Bandt等人提出了一种基于排序的时间序列分析方法,它可以发现时间序列的周期,但是需要人工交互完成,且实验效果依赖于使用者的经验。因此提出了一种基于排序的时间序列周期自动检测算法,算法分为4个步骤:找出周期与其延迟成2倍关系的核图,再基于核图周期找出中心图,围绕核图进行适当的扩展找出外延图,结合三类不同的图给出3种策略下检测出的周期集合。应用算法对4个不同的数据集进行了实验研究,并与AutoPeriod方法进行了分析比较,对比结果显示了算法的高准确性,并以基于核图和中心图计算周期效果最好。 相似文献