基于进化算法的分类问题研究

发布时间：2021-06-25 18:15

　　分类问题是机器学习研究领域的基本问题。准确、高效地完成分类对于科学研究和实际工程应用领域具有重大的借鉴意义。随着进化算法应用于分类问题,分类的准确性和收敛速度都得到了极大的提升。相对于其他传统方法,进化算法有着优秀的全局优化能力和较好的鲁棒性。同时,进化算法还有着拓展性强、自我学习能力优越的特点,因而能够自学习地处理一些复杂的问题。烟花算法（Fireworks algorithm,FWA）是一种模拟烟花在夜空中爆炸的现象而形成的优化算法,具有局部搜索能力和全局搜索能力自调节的能力。但是,FWA也存在着缺陷。比如,在寻优过程中优势解之间没有很好地进行交互。与此同时,进化算法在解决分类问题上,仅仅是通过优化分类器的参数和结构,抑或是预处理分类器的输入来提升分类精确度,其他方面处理很少。为了克服进化算法在分类问题上的局限性,并且提升FWA的优化能力来处理更多更复杂的实际问题,以及扩展多目标的分类方法,本文主要做了以下研究工作:（1）首先,本文研究并设计了三种新的优化分类模型,将分类问题转化为优化问题,使得任何进化算法都能够直接通过分类模型进行求解分类问题。通过实验分别验证了这三种优化分类模型... 

【文章来源】：南京信息工程大学江苏省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图１－１进化算法的流程图??将进化算法引入到分类中能够显著地提升分类模型的性能，但是进化算法在分类??模型上的改进存在着局限性

?第二章优化分类模型研究???第二章优化分类模型研究??２．１基于最小二乘法的优化分类模型??分类是数据挖掘和工程应用中的一大关键性问题。如何从实际已有的数据中找到??隐藏着的关键性信息，从而能够尽可能准确地预测那些未知数据的特征是分类问题中??的一大难点。分类主要分为两个部分，首先是训练过程，训练过程主要是对那些带有??类标签的样本进行学习，从而产生一个能够准确预测未知样本类标签的分类模型。在??学习完成后，使用建模而产生的分类模型来对未知样本进行预测分类，这是分类的另??一个部分。评估预测后的分类结果是确定分类模型好坏的一个重要标准。如图２－１和图??２－２所示的分别是训练中的学习建模过程和测试中的分类预测过程。??

最优的个体会被直接选取作为下一代的初始盘赌的方式选出。对于解集火，其中的一个解Ｘ，，尸⑷＝４！＇／）、Ｚ．Ｌ＼ｘｊ）??ｚ（ｘ，）＝ＩＭ?ｗ）＝Ｅ?ｌｂ?－ｊｓＫ?ｊｅＫ??个体；ｃ，到集合火中除ｘ，外所有个体之间的距离之和。的距离计算方式。??Ａ的流程图，算法３－１阐述了?ＦＷＡ的具体步骤。??

【参考文献】：
期刊论文
[1]基于差分进化和人工蜂群混合策略的DV-Hop改进算法[J]. 赵宏才,赵晓杰,王茂励,孟庆龙.  现代电子技术. 2017(15)
[2]基于差分进化的混合蛙跳算法[J]. 黄柳玉,高淑萍,王军宁,薛小娜.  系统工程与电子技术. 2017(10)
[3]Self-adaptive learning based discrete differential evolution algorithm for solving CJWTA problem[J]. Yu Xue,Yi Zhuang,Tianquan Ni,Siru Ni,Xuezhi Wen.  Journal of Systems Engineering and Electronics. 2014(01)
[4]具有混沌差分进化搜索的人工蜂群算法[J]. 银建霞,孟红云.  计算机工程与应用. 2011(29)



本文编号：3249699