一种基于遗传算法的权重向量选取模型

CBR中权重向量的选取是范例检索过程中重要的一个步骤，其选取的好坏直接关系到范例检索的质量。传统的方法中权重向量一般由专家指定，常导致提取到的范例对问题的解决没有帮助。文中提出了一种根据遗传算法对权重向量进行调整的策略，为找到最优相似范例提供了一条有效途径。     

一种基于遗传算法的权重向量选取模型

CBR中权重向量的选取是范例检索过程中重要的一个步骤,其选取的好坏直接关系到范例检索的质量.传统的方法中权重向量一般由专家指定,常导致提取到的范例对问题的解决没有帮助.文中提出了一种根据遗传算法对权重向量进行调整的策略,为找到最优相似范例提供了一条有效途径.     

基于遗传算法的支撑向量机的特征选取

提出了一种支撑向量机（SVM）的特征提取方法,该方法使得所提取的特征向量能最小化SVM推广性的界,同时设计了一种有效的遗传算法来实现该方法。模拟数据和心电信号等识别问题的实验结果验证了该方法的有效性。     

基于遗传算法的智能决策系统的架构及应用

本文利用遗传算法的自组织、自适应、智能搜索等特性，将其应用于智能决策系统中，构造了一个基于遗传算法的智能决策系统．并通过实例证明了算法的有效性。     

基于遗传算法和支持向量机的特征选择研究

为了让特征子集获得较高的分类准确率,提出了基于遗传算法和支持向量机的特征选择方法.该方法在ReliefF算法提供先验信息的基础上,将SVM参数混编入特征选择基因编码中,然后利用遗传算法寻求最优的特征子集和支持向量机参数组合.实验结果表明,通过该方法选择的特征子集和支持向量机参数组合能以较小的特征子集获得较高的分类准确率.     

基于遗传算法的SVM特征选择和模型参数优化

建立在统计学习理论和结构风险最小原则上的支持向量机(SVM)在理论上保证了模型的最大泛化能力,因此将支持向量机理论应用于入侵检测领域可以获得很好的效果.但是它在应用中也存在如何对网络数据进行特征选择和选择适当的支持向量机模型参数的问题.在分析了特征选择和SVM模型参数对分类器识别精度的影响基础上,提出用遗传算法建立支持向量机特征选择和分类器模型参数的自适应优化算法,并把它应用到网络入侵检测中去.最后,使用KDD CUP 99数据进行的仿真实验表明了算法的正确有效性.     

基于 AI技术的组织决策协调模型研究

分析了传统组织决策协调模型中存在的不足，设计出一种新的决策协调模型——GWB模型。该模型能协调各决策单元的目标，以完成组织的统一目标。GWB模型中采用了遗传算法、世界模型和黑板结构。将GWB模型应用于并行工程环境下多产品开发的组织决策问题，实验结果表明该模型是有效的。     

基于遗传算法的类对象测试数据自动生成研究

在测试数据自动化生成方法中,对类对象测试数据的生成目前在实际中还没有完善的解决方法。针对这个不足,研究了基于遗传算法的类对象测试数据自动生成技术。在扩展海明距离法的基础上,提出了一种在遗传算法中生成类对象测试数据的适应度函数改进方法,并在理论上证明了该方法在缩短执行时间上的可行性。最后将方法实验于实际系统,实验结果显示在生成类对象测试数据的效率和准确性上都有明显的提高。     

基于遗传算法的故障特征优化研究

故障原始样本特征集中往往存在着冗余和不相关的分量。为了提高故障诊断系统的快速性和准确性,有必要采取适当的方法对故障诊断系统进行特征优化。为此提出了一种基于遗传算法的故障特征优化方法。方法对基本遗传算法的种群初始化方法,并对运算子进行了改进,同时利用支持向量机分类识别率构造遗传算法的适应度函数。通过对汽轮机减速箱轴承故障样本数据特征优化实例分析,结果表明方法能够得到更有利于分类的特征子集,使得故障诊断的准确率和计算效率都得到了改善,为关键设备状态监控与故障诊断提供了更为可靠的依据。     

基于投影寻踪的时间序列多属性决策研究

针对属性权重完全未知且属性值为多维时间序列的评价决策问题,提出一种基于加速遗传算法-投影寻踪和多属性决策的混杂评价决策模型方法.该方法将首先利用投影寻殊方法对多维时间序列数据按照属性进行降维处理,以解决数据处理过程中"维数灾难"带来的影响,并使用加速遗传算法确定最佳投影方向作为属性权重;对于得到的具有时间序列特性的决策...     

基于遗传算法的智能决策系统的架构及应用

本文利用遗传算法的自组织、自适应、智能搜索等特性,将其应用于智能决策系统中,构造了一个基于遗传算法的智能决策系统,并通过实例证明了算法的有效性。     

基于遗传算法的点群选取模型技术

在地图上指定区域内依据一定的约束条件选取一组目标点 (称为点群 ),很多领域都会用到。结合点群目标选取的约束条件和遗传算法的基本原理与特点,设计了一种基于遗传算法的点群目标选取模型。考虑到要最大限度地保持点群的多样性、在内部各地段的分布密度等因素,使用一种家族内相关选择的方法,并提出非固定基因位交叉变异的改进策略。实际计算表明,该算法性能稳定、搜索效率高,节省时间和空间,能有效地避免算法的“早熟”现象,且快速找到全局最优解。     

基于改进遗传算法的数字信号特征集选取

针对通信信号的特点,提出了一种应用于信号特征筛选的改进遗传算法。该方法首先确定了最能表现信号调制间差别的特征子集即优秀基因库,然后在遗传过程中通过选择、淘汰引起优秀基因库大小的变化,最后通过引进不同大小的库外特征量,保证每代遗传过程中的交叉和变异概率随环境的变化而自适应的变化,最终筛选出一高质量的特征子集,并结合RBF神经网络分类器得到更好的识别效果。通过仿真实验验证了该方法不但具有求解全局问题的鲁棒性、收敛性,而且具有更快的收敛速度和更强的全局收敛性。     

基于加权代价的决策粗糙集模型

经典决策粗糙集模型仅仅依据单个代价矩阵进行风险决策,没有考虑到风险代价的多样性和复杂性。为了弥补现有模型的不足,首先,从加权投票机制的角度引入基于多重代价融合的风险分析方法 ,提出一种基于加权代价的决策粗糙集方法。然后,研究基于加权代价的决策粗糙集 模型与其他模型的性质和关系,分析它们之间的度量和代价关系 。最后,通过UCI数据集验证该方法的有效性和鲁棒性。     

基于遗传算法优化的足球机器人模糊避障研究

在Robocup小型组(F-180)足球机器人比赛中,随着比赛对机器人运动能力和系统实时性要求的越来越高,基于本地传感器和处理器的主动避障策略日益受到人们的重视.模糊控制方法不依赖于精确的环境信息,并且运算量小,应用于自主避障很有前途,但传统的模糊控制方法难于手工创建控制规则,并且缺乏学习能力.研究了采用遗传算法对模糊路径规划器的模糊规则进行在线自动提取和优化的方法,并提出了一种用于评价规则有效性的适应度函数.仿真结果表明了算法有较好的适用性.     

基于遗传算法的自动阈值选取方法研究

利用传统的Otsu理论进行图像阈值选取,计算量较大,现将遗传算法和Otsu 理论有机结合,提出了一种简捷的自动识别最优阈值的方法,该方法将遗传算法引入图像分割,利用遗传算法所具有的快速寻优的特点,大大缩短了计算时间.实验结果表明:新算法不仅提高分割质量,而且缩短寻优时间.     

基于遗传算法的图像阈值选取

阈值分割是图像分割中的一种常用的方法,传统的OTSU阈值化方法对信噪比较低的图像分割效果不理想,而二维最大类间方差法充分利用像素与领域的空间相关信息,能够产生较为满意的分割结果,但运算量大大增加,文中采用遗传算法,通过编码、选择、交叉、变异等操作对二维最大类间方差法进行了优化,试验结果表明,遗传算法可以大大提高运算速度,对算法的优化效果十分明显。     

基于动态遗传算法的用户模型进化研究

信息过滤技术是解决“信息过载”和“信息迷向”问题的有效手段。为高效地确立用户的信息需求模型,文中提出一种新颖的合作过滤方法。该方法采用动态遗传算法进行启发式特征术语的选择,可以有效地与其它用户分享信息选择经验,借以优化用户模型,提高信息选择的质量。实验验证了方法的有效性。     

基于协同进化遗传算法的地域选取方法

地域选取是基于GIS（Geographic Information System）的辅助决策系统的关键技术之一，多目标选取是其中的难点。协同进化遗传算法是传统遗传算法的改进，考虑了种群之间的相互作用。文中将协同进化遗传算法应用到了多目标地域选取中，采用了实数的染色体编码方式，改进了选择和变异算子。并在指挥所配置实验中运用该方法成功地解决了问题。     

基于协同进化遗传算法的地域选取方法

地域选取是基于GIS(Geographic Information System)的辅助决策系统的关键技术之一,多目标选取是其中的难点。协同进化遗传算法是传统遗传算法的改进,考虑了种群之间的相互作用。文中将协同进化遗传算法应用到了多目标地域选取中,采用了实数的染色体编码方式,改进了选择和变异算子。并在指挥所配置实验中运用该方法成功地解决了问题。