改进的双链量子遗传算法在图像去噪中的应用

针对传统双链量子遗传算法收敛速度慢、搜索精度低、鲁棒性差等不足,提出一种F型双链量子遗传算法(F_DCQ-GA).对编码空间进行单值映射处理,在保证量子种群适应度值与相应幅角排序单调性的前提下,缩小算法的搜索空间,增加搜索密度;在量子更新时引入自适应步长因子,使步长随目标函数在搜索点处梯度的变化而变化,有效解决了传统寻优算法普遍存在的全局最优解搜索困难的问题;在染色体变异更新时提出了π/6门,克服了原来非门变异无法更新量子比特概率幅的缺点.将F_DCQGA优化算法应用于小波阈值去噪的阈值选择机制中,通过仿真证明F_DCQGA优化算法提高了小波阈值函数的收敛速度和搜索精度,在图像边缘特征提取中可以获得更小的均方误差(S_(ME))和更大的峰值信噪比(R_(PSN)),同时又保留了大部分高频信息.     

正相关频繁项集的挖掘算法

由频繁项集产生的关联规则往往不能保证规则前、后件中的项是正相关的,因此可能产生无意义的关联规则;当这些关联规则用于分类时,会产生大量无用分类规则,增加了时间开销.因此,基于数学期望提出了正相关的频繁项集的分类算法.该算法在挖掘正相关频繁项集时,利用置信度进行规则选取,生成正相关关联规则组成的分类器对数据集进行分类.实验表明,这种分类算法可以大幅度减少所产生的频繁项集数量,分类准确率达到C4.5和CMAR的水平,且显著减少了算法的时间.     

量子模糊朴素贝叶斯分类算法

以传统朴素贝叶斯算法为基础,研究并提出一种高效、准确的量子模糊贝叶斯分类算法。首先将“模糊集合理论+朴素贝叶斯理论”交叉融合,定义模糊先验概率、模糊条件概率,将朴素贝叶斯推广至模糊朴素贝叶斯,构建模糊贝叶斯模型;其次,将“模糊贝叶斯模型+量子计算”交叉融合,将模糊数据集量子化（编码到量子态上）并设计量子线路,提出一种量子模糊朴素贝叶斯分类算法;最后,将该算法应用到鸢尾花数据集。仿真实验表明,与传统朴素贝叶斯分类算法相比,该算法具有较高的分类效率和准确率。     

基于互信息规则剪枝的关联文本分类

传统的关联文本分类算法产生的规则数量巨大,若不对规则剪枝会影响分类效率,而采用以前的剪枝方法又会使分类精度出现不同程度的下降.为此提出以互信息的方法对每个类的规则进行剪枝,挑选出分类能力强的规则构成分类器,对待分类文本进行分类.经过这个方法剪枝后的规则数量大幅减少,且能取得比规则集未修剪过的分类器和采用以前剪枝方法的ARC-BC算法更好的分类效果,大量的实验表明此方法是有效的.     

优化SVM在锅炉负荷预测中的应用

提出智能优化支持向量机算法来提高模型的预测能力和泛化能力。该算法针对支持向量机噪声敏感问题采用小波方法对数据集去噪;利用核主成分分析方法提取数据特征;采用量子粒子群算法优化支持向量机超参数。将该优化算法应用于锅炉负荷短期预测,实验结果表明,该优化算法预测精度较高,收敛速度较快,泛化性能优于其他预测方法,且工程实现容易。     

基于混合遗传算法的分类规则挖掘方法研究

基于传统遗传算法的分类规则挖掘方法,通常存在挖掘出的规则质量不高,优化后种群中的冗余规则太多,分类准确率较低等问题.文中分析了分类规则挖掘原理,提出基于混合遗传算法的分类规则挖掘方法能够有效地克服上述缺点,从而提高分类规则挖掘的准确性.     

基于量子遗传算法的蛋白质折叠结构预测

为提高蛋白质折叠结构的预测精度,提出了一种融合改进量子遗传算法及局部搜索策略的蛋白质折叠结构预测方法.该方法在传统的量子遗传算法算法基础上引入动态调整量子门旋转角步长机制以及量子变异操作,从而提高算法的优化性能.局部搜索策略按照一定规则对量子遗传算法的优化结果进行局部结构变换,这种结构变换只需通过移动较少的节点就可以实现,能够有效提高算法的优化效率.计算机仿真实验表明,该算法能够获得较优的蛋白质折叠结构预测结果.     

QPSO算法在朴素贝叶斯分类上的应用研究

朴素贝叶斯分类假定类条件独立,使得所选数据集的条件属性集在预处理时必须进行属性约简,如果处理不当,就会造成分类的不准确.本文分别对在训练集上随机选取的属性子集组成粒子,构造适应度函数,从而构建了朴素贝叶斯分类器,并利用量子粒子群算法对分类效果进行择优操作.实验证明,其分类效果优于传统的朴素贝叶斯分类方法.     

一种基于变精度粗糙集的图像分类方法

基于变精度粗糙集,引入近似区分矩阵的概念,提出一种基于颜色特征的图像分类模型及其分类算法.变精度粗糙集理论在数据分类应用中主要是将集合间精确的包含关系改为多数包含关系,既允许一定程度的错误分辨率存在.用该方法进行图像资源的分类,克服了经典粗糙集不宜处理带有噪声的数据和决策表不协调的分类问题的缺陷,同时又大大简化分类规则,且形成的规则集便于用户理解.完善近似空间的概念.实验结果表明：在处理决策表不协调的图像分类问题,变精度粗糙集方法性能良好,分类准确、高效.     

基于量子算法的电热系统双层优化模型

为了减少弃风弃光等问题并提高能源利用率,提出了一种基于实数量子算法的电热联合系统双层优化模型.利用电力市场中动态电价方式,根据风电日前预测值和电/热负荷预测值,通过电价补偿引导热电联产系统和热泵的行为.采用KKT条件将双层模型转化成单层问题后,提出了一种基于实数量子算法的求解方式,并以6节点电力系统和8节点热力联合系统进行仿真分析.仿真结果表明,所提出方法能有效减少弃风,同时提高电力系统的收益.     

基于规则的遥感影像分类方法研究——以黄山市为例

介绍了决策树C4.5算法,并利用该算法实现了对遥感数据规则的挖掘,在此基础上设计并实现了针对于C4.5规则的编辑器,通过该编辑器能够实现对规则的编辑与管理。规则编辑器的设计与实现,为在分类过程中人工的干预提供了可能。将人工干预与基于数学理论规则的自动提取相结合,尤其是在地形较复杂的地区,将有利于分类精度的提高。利用黄山市Land Sat TM影像,进行了基于C4.5算法自动提取规则的遥感影像分类实验。实验结果表明,利用C4.5算法提取的分类规则准确率高,利用提取的分类规则进行的遥感影像分类效果较好。     

地球物理资料非线性反演方法讲座（八）——量子遗传算法

虽然线性反演理论目前已经相当成熟,但由于其方法本身比较依赖初始模型,而且容易陷人局部极小,在实际应用中常常显得“力不从心”。量子遗传算法QGA（Quantum Genetic Algorithm）以量子理论为基础,通过量子位编码和量子旋转门更新种群来寻找全局最优,加快了搜索速度,具有更强的全局寻优能力。通过对量子遗传算法内在机理的分析表明,QGA的寻优质量和效果明显优于传统遗传算法。     

基于加权频繁项集的文本分类规则挖掘

针对特征向量分量的权重和文本大小对分类规则产生的影响,提出一种可以提高关联文本分类性能的文本分类规则挖掘方法,提出了加权频繁项集的概念和相应的加权频繁项集挖掘算法,在分类规则中突出特征向量权重大的向量分量;提出一种特征向量预处理方法,消除文本大小对挖掘分类规则的影响.实验表明,解决上述两个问题将可以很好的提高文本分类的性能.     

Study and Implementation of Web Mining Classification Algorithm Based on Building Tree of Detection Class Threshold

A new classification algorithm for web mining is proposed on the basis of general classification algorithm for data mining in order to implement personalized information services. The building tree method of detecting class threshold is used for construction of decision tree according to the concept of user expectation so as to find classification rules in different layers. Compared with the traditional C4.5 algorithm, the disadvantage of excessive adaptation in C4.5 has been improved so that classification results not only have much higher accuracy but also statistic meaning.     

服装网页自动分类技术研究

如何对Internet上的服装网页进行自动识别是服装资源挖掘研究的重要内容.本文研究了KNN算法和Bayes算法对服装网页测试集进行自动分类的效果.实验表明KNN和Bayes的分类准确率相当;特征提取的维数可以控制在一定的范围;过高的特征数目不一定有较高的分类准确率;针对领域特点进行算法或特征提取调整才能进一步提高分类的准确率.     

基于关联分类的中文短信分类

为高效地识别垃圾短信,在关联分类算法基础上,提出基于语序的关联分类(associative classification based on word order,ACW)算法.该算法利用关联规则挖掘方法,同时结合句法顺序,生成分类规则.通过实验证明,在短信分类领域,ACW算法的效果优于传统关联分类算法.     

基于组合特征和SVM的视频中人体行为识别算法

针对复杂场景中的人体行为识别困难的问题,提出了一种基于组合特征和SVM的行为识别算法.该算法使用光流特征、HOG特征、重心特征和3D SIFT特征构成的组合特征来描述人体的各种行为;使用一对一的方式训练SVM分类器对提取出的特征进行分类,并以投票的方式得到具体的行为类别.使用包含4个场景的KTH数据集进行仿真.结果表明,所提出的算法能适应各种复杂环境,且相比只采用单一特征的识别算法具有更高的分类精度.