一种改进的模糊支持向量机算法

模糊隶属度函数设计是模糊支持向量机中的关键步骤.Lin & Wang提出的基于类中心距离的模糊隶属度设计方法,不能从样本集中有效区分噪声或野值点,而且可能降低支持向量的隶属度.针对上述不足,提出一种改进的隶属度函数设计方法.通过引入一个半径控制因子,充分利用样本间的信息,更加合理地设计样本的模糊隶属度.与基于类中心的隶属度方法相比,该方法在不增加时间复杂度的情况下,通过数值实验表明了方法的优势,大大提高了模糊支持向量机的分类精度.     

基于双重正则化支持向量机的肿瘤基因选择

针对标准L2范数支持向量机和L1范数支持向量机在肿瘤基因分类分析中表现出的优缺点,在利用Bhattacharyya距离剔除部分对分类无关紧要特征基因,从而得到少数高相关至关重要特征基因的基础上,将一种双重正则化支持向量机应用到DNA微阵列分类中。用一种二次多项式损失函数把这种有约束的优化问题改变为无约束且可微的优化问题,这可以用BFGS算法来求解,通过对两种肿瘤特征基因数据集实验分析知,该算法对肿瘤特征基因分类具有较强的可行性和有效性。     

用于约束多目标优化问题的双群体差分进化算法

首先给出一种改进的差分进化算法,然后提出一种基于双群体搜索机制的求解约束多目标优化问题的差分进化算法.该算法同时使用两个群体,其中一个用于保存搜索过程中找到的可行解,另一个用于记录在搜索过程中得到的部分具有某些优良特性的不可行解,避免了构造罚函数和直接删除不可行解.此外,文中算法、NSGA-Ⅱ和SPEA的时间复杂度的比较表明,NSGA-Ⅱ最优,文中算法与SPEA相当.对经典测试函数的仿真结果表明,与NSGA-Ⅱ相比较,文中算法在均匀性及逼近性方面均具有一定的优势.     

置换流水车间调度的蚁群优化算法

提出了一种求解置换流水车间调度的蚁群优化算法。该算法的要点是结合了NEH启发式算法和蚁群优化方法。理论论证和对置换流水车间调度问题的基准测试表明了该算法的有效性。     

基于SVDD的渐进直推式支持向量机学习算法

针对半监督学习中渐进直推支持向量机(PTSVM)算法每次标注的样本数太少、训练速度慢、回溯式学习多、学习性能不稳定的问题,提出一种快速的渐进直推支持向量机学习算法.该算法利用支持向量的信息,基于支持向量域描述(SVDD)选择新标注、无标签的样本点,以区域标注法代替PTSVM的成对标注法,不仅继承了其渐进赋值和动态调整的规则,而且在保持甚至提高算法精度的同时,大大提高算法速度.在人工模拟数据和真实数据上的实验结果表明该算法的有效性.     

基于均值漂移的自适应滤波及其在光谱信号处理中的应用

该文给出了一种基于均值漂移的自适应双边滤波方法,其性能仅取决于空域的核尺度参数,幅度域的核尺度是根据信号的局部特征自适应选取的。该方法能够去除脉冲噪声,能有效抑制非脉冲噪声,并有较强的边缘保护能力。实验和分析表明本文方法的整体性能优于高斯滤波和中值滤波。该文将所提出方法用于天体光谱的去噪,并与均值漂移滤波和小波硬阈值法进行了比较,结果表明：该方法能够有效抑制光谱中天光背景噪声和随机噪声,并能较好地保护谱线信息,更适于天体光谱信号的处理。     

星图的自适应诊断

自适应性诊断的目的,是正确辨别出结点的性质。没有公共点的两对结点可以在同一个诊断周中出现。文中构造了星图的一个递归的哈密尔顿自适应诊断方法。在出错结点数不超过n-1个的情况下,这种方法只需要个诊断周。在最好和最坏的情况下,它分别需要n!+(n-2)和(2n-1)(n-1)!次诊断。     

Vague决策表的知识获取

本文提出一种Vague决策表的知识获取方法。首先根据样本对于决策者需求的适合程度构造Vague值之间的一个序关系,将Vague决策表转化为二元决策表,然后利用粗糙集理论进行分析并推理出最优规则,最后再将二元决策表的决策规则转化为Vague决策表的有序规则。实验分析表明了该方法的有效性。