《第二十五届中国数据库学术会议论文集（二）》2008年

发布时间：2016-10-23 10:32

  本文关键词：一种基于聚类技术的选择性神经网络集成方法，由笔耕文化传播整理发布。

《第二十五届中国数据库学术会议论文集（二）》2008年

基于人工鱼群优化算法的支持向量机集成模型

张健沛  程丽丽  杨静  马骏  

【摘要】：提出了一种基于人工鱼群优化算法的支持向量机集成模型(AFSASVM).在独立训练出一批个体支持向量机后,利用人工鱼群优化算法对集成中个体支持向量机的权值进行优化,选择权值大于某一阈值的部分个体支持向量机参与集成,实现一种基于选择性集成思想的支持向量机集成模型.在标准UCI数据集合和StatLog项目集合上的仿真对比实验表明,该方法可以得到更好的集成性能,显示了AFSA在多分类器集成权值优化方面的有效性,同时在运行效率上AFSA也具有明显的优势.

【作者单位】：
【基金】：国家自然科学基金项目(60673131)
【分类号】：TP18
【正文快照】：

统计学习理论中的支持向量机(SVM)是Vapnik等人提出的一种全新的机器学习方法仁‘习，在解决小样本数据分类问题方面具有全局最优、结构简单、推广能力强等优点.根据有限的样本信息，以统计学习理论为基础在学习精度和学习能力之间寻找最佳折中，，以获得分类性能的较好推广，

下载全文更多同类文献

PDF全文下载

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式，AdobeReader仅支持PDF格式

【参考文献】

中国期刊全文数据库 前2条

1 李凯,黄厚宽;一种基于聚类技术的选择性神经网络集成方法[J];计算机研究与发展;2005年04期

2 李晓磊,薛云灿,路飞,田国会;基于人工鱼群算法的参数估计方法[J];山东大学学报(工学版);2004年03期

【共引文献】

中国期刊全文数据库 前10条

1 沈掌泉,孔繁胜;基于个体选择的动态权重神经网络集成方法研究[J];计算机工程与应用;2005年12期

2 范玉军;王冬冬;孙明明;;改进的人工鱼群算法[J];重庆师范大学学报(自然科学版);2007年03期

3 刘耀年,庞松岭,刘岱;基于人工鱼群算法神经网络的电力系统短期负荷预测[J];电工电能新技术;2005年04期

4 刘耀年;李迎红;张冰冰;李春亮;;基于人工鱼群算法的最优潮流计算[J];电工电能新技术;2006年04期

5 李晓磊,钱积新;基于分解协调的人工鱼群优化算法研究[J];电路与系统学报;2003年01期

6 马建伟,张国立;人工鱼群神经网络在电力系统短期负荷预测中的应用[J];电网技术;2005年11期

7 张梅凤;邵诚;甘勇;李梅娟;;基于变异算子与模拟退火混合的人工鱼群优化算法[J];电子学报;2006年08期

8 段海滨;王道波;于秀芬;;蚁群算法的研究现状及其展望[J];中国工程科学;2007年02期

9 李亮;迟世春;林皋;;禁忌鱼群算法及其在边坡稳定分析中的应用[J];工程力学;2006年03期

10 殷志锋;田亚菲;;基于人工鱼群算法的IIR数字滤波器设计[J];信息技术;2006年07期

中国重要会议论文全文数据库 前3条

1 刘耀年;姚玉萍;李迎红;刘俊峰;;基于人工鱼群算法RBF神经网络[A];第十届全国电工数学学术年会论文集[C];2005年

2 李国庆;孙浩;;基于改进人工鱼群算法的可用输电能力计算[A];第十一届全国电工数学学术年会论文集[C];2007年

3 俞洋;孔洁;田亚菲;;基于人工鱼群算法的IIR数字滤波器设计[A];2005通信理论与技术新进展——第十届全国青年通信学术会议论文集[C];2005年

中国博士学位论文全文数据库 前10条

1 李晓磊;一种新型的智能优化方法-人工鱼群算法[D];浙江大学;2003年

2 沈掌泉;神经网络集成技术及其在土壤学中应用的研究[D];浙江大学;2005年

3 李明;智能优化排样技术研究[D];浙江大学;2006年

4 李亮;智能优化算法在土坡稳定分析中的应用[D];大连理工大学;2006年

5 刘悦;神经网络集成及其在地震预报中的应用研究[D];上海大学;2005年

6 杨燕;基于计算智能的聚类组合算法研究[D];西南交通大学;2006年

7 高永超;智能优化算法的性能及搜索空间研究[D];山东大学;2007年

8 徐俊杰;元启发式优化算法理论与应用研究[D];北京邮电大学;2007年

9 高玉芳;沿海缺水灌区地表水地下水联合调配理论及应用研究[D];河海大学;2007年

10 宋志宇;基于智能计算的大坝安全监测方法研究[D];大连理工大学;2007年

中国硕士学位论文全文数据库 前10条

1 吴秋玲;改进的遗传算法及其在CDMA基站优化选址中的应用[D];河海大学;2006年

2 陈庆更;基于分布种群遗传算法的控制器优化设计研究[D];浙江大学;2005年

3 李幼凤;面向辨识与回归的模块化神经网络方法研究[D];武汉理工大学;2003年

4 郑泳凌;计算智能在控制、优化和决策中的应用研究[D];浙江大学;2004年

5 王冬梅;群集智能优化算法的研究[D];武汉科技大学;2004年

6 唐剑东;电力系统无功优化算法及其应用研究[D];华中科技大学;2004年

7 张敏慧;改进的粒子群计算智能算法及其多目标优化的应用研究[D];浙江大学;2005年

8 江金龙;改进遗传算法及其在波束形成中的应用[D];河海大学;2005年

9 黄婉平;自适应粒子群优化算法及其应用研究[D];浙江大学;2006年

10 时亚娟;面向工作流的优化问题求解方法研究[D];河北工业大学;2006年

【二级参考文献】

中国期刊全文数据库 前1条

1 周志华,陈世福;神经网络集成[J];计算机学报;2002年01期

【相似文献】

中国期刊全文数据库 前10条

1 郭成芳;;支持向量机在网络异常入侵检测中的应用研究[J];计算机仿真;2011年07期

2 邝涛;张倩;;改进支持向量机在电信客户流失预测的应用[J];计算机仿真;2011年07期

3 宋晖;薛云;张良均;;基于SVM分类问题的核函数选择仿真研究[J];计算机与现代化;2011年08期

4 余萍;;基于支持向量机发展的研究[J];新课程(教育学术);2011年05期

5 关欣;郭强;张政超;赵静;翟鸿君;;基于核函数支持向量机的雷达辐射源识别[J];弹箭与制导学报;2011年04期

6 谢凌然;高长伟;沈玉娣;;基于混合核函数支持向量机的齿轮诊断方法研究[J];机械传动;2011年09期

7 吕向阳;高尚;;基于支持向量机的品牌特色专业评价[J];价值工程;2011年24期

8 王慧勤;雷刚;;基于LIBSVM的风速预测方法研究[J];科学技术与工程;2011年22期

9 李荣兵;;基于支持向量机的数控机床总线的故障诊断研究[J];煤矿机械;2011年09期

10 宋贤霞;;基于相关反馈的图像检索技术研究[J];福建电脑;2011年06期

中国重要会议论文全文数据库 前10条

1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年

3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算（机）化学学术会议论文摘要集[C];2011年

4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年

6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年

7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集（上册）[C];2004年

8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年

9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年

10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年

中国重要报纸全文数据库 前10条

1 范昉;[N];宁波日报;2011年

2 李爱珍;[N];山西日报;2004年

3 记者　 徐瑞哲;[N];解放日报;2006年

4 陈宇;[N];新华每日电讯;2004年

5 张锐;[N];人民政协报;2004年

6 湖南农业大学运动科技学院副教授 吴含含;[N];湖南科技报;2006年

7 埃森哲咨询公司　彭亚利;[N];21世纪经济报道;2003年

8 响水县水产养殖技术指导站 李月娥;[N];江苏农业科技报;2008年

9 项建新;[N];中华工商时报;2004年

10 王文辉;[N];吉林日报;2008年

中国博士学位论文全文数据库 前10条

1 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年

2 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年

3 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年

4 栾锋;支持向量机（SVM）和径向基神经网络（RBFNN）方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年

5 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学（河北）;2007年

6 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年

7 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年

8 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年

9 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年

10 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年

中国硕士学位论文全文数据库 前10条

1 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年

2 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年

3 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年

4 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年

5 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年

6 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年

7 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年

8 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年

9 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年

10 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年

  本文关键词：一种基于聚类技术的选择性神经网络集成方法，由笔耕文化传播整理发布。

本文编号：150275