改进的鸡群算法并用于多分类器系数优化

发布时间：2018-03-17 22:07

  本文选题：鸡群算法　切入点：杂交　出处：《计算机工程与应用》2017年09期 　论文类型：期刊论文

【摘要】：针对鸡群算法因雄鸡粒子易陷入局部最优而无法取得全局最优问题,提出了基于杂交的改进的鸡群算法。即在雌鸡粒子更新后加入杂交机制,使雌鸡粒子加速离开局部最优点;同时通过更新机制将性能优越的雌鸡粒子设定为雄鸡粒子来避免雄鸡粒子陷入局部最优,并将改进的鸡群算法用于多分类器系数的优化。仿真实验结果表明,改进的鸡群算法不易陷入局部最优,且用该算法优化的多分类器其错误率降低,训练时间缩短。
[Abstract]:In view of the problem that the chicken swarm algorithm is unable to obtain the global optimal problem because the male chicken particle is easily trapped in the local optimum, an improved chicken swarm algorithm based on hybrid is proposed, that is, the hybrid mechanism is added after the female chicken particle is updated to accelerate the female chicken particle to leave the local optimum. At the same time, the female particle with superior performance is set to the male chicken particle by updating mechanism to avoid the chicken particle falling into the local optimum, and the improved chicken swarm algorithm is applied to the optimization of the multi-classifier coefficient. The simulation results show that, The improved chicken swarm algorithm is not easy to fall into local optimum, and the multi-classifier optimized by this algorithm can reduce the error rate and shorten the training time.
【作者单位】： 江南大学物联网工程学院;
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 秦锋;杨波;程泽凯;;分类器性能评价标准研究[J];计算机技术与发展;2006年10期

2 王卫东;郑宇杰;杨静宇;;智能分类器方法[J];江苏科技大学学报(自然科学版);2007年01期

3 姜鹏;秦锋;罗慧;;基于代价信息的二类分类器性能评估方法[J];计算机技术与发展;2008年12期

4 范莹;计华;张化祥;;分类器组合技术的多样性研究[J];信息技术与信息化;2008年01期

5 周豫苹;郑荔萍;;分类器系统的研究与应用[J];福建电脑;2009年07期

6 夏俊;刘金梅;;不同分类器在遥感数据分类中的性能比较[J];价值工程;2013年04期

7 ;逻辑设计讲座——第八讲 标志信号和标志分类器[J];贵州机械;1979年04期

8 骆玉霞,陈焕伟;角度分类器与距离分类器比较研究——以盐渍土分类为例[J];国土资源遥感;2002年02期

9 马耀华,何瑗;Augmented Bayes分类器的一种学习方法[J];计算机工程与应用;2002年17期

10 冯彦杰,王浣尘;学习分类器在绩效寻优中的应用及其组织决策意义[J];控制理论与应用;2003年03期

相关会议论文 前10条

1 谢秋玲;;应用于心电图分类的KNN-SVM分类器研究[A];2006中国控制与决策学术年会论文集[C];2006年

2 李兰春;王双成;杜瑞杰;;认知结构评估的动态贝叶斯网络分类器方法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

3 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集（上卷）[C];2004年

4 付焕焕;李俊;张洁;;入侵检测中机器学习算法的集成[A];中国电子学会第十七届信息论学术年会论文集[C];2010年

5 宁可庆;汪家升;彭月祥;;用于多传感器信息融合的人工神经网络故障分类器[A];第十七届全国测控计量仪器仪表学术年会（MCMI'2007）论文集（下册）[C];2007年

6 汤志康;谈蔚欣;王伟智;;多分类器融合的交通状态预测[A];2006中国控制与决策学术年会论文集[C];2006年

7 薛忠;李艳;谢维信;;一种改进的模糊联想分类器[A];信息科学与微电子技术:中国科协第三届青年学术年会论文集[C];1998年

8 王双成;毕玉江;裴tq;;商品进出口影响分析的动态贝叶斯网络分类器方法[A];第十三届中国管理科学学术年会论文集[C];2011年

9 赵锴;黄应清;蒋晓瑜;汪熙;;一种提高SVM分类器识别效率的特征选择方法[A];第六届全国信号和智能信息处理与应用学术会议论文集[C];2012年

10 李陶深;韦艳艳;;一种改进的基于投票的类向量方法[A];第二十二届中国数据库学术会议论文集（研究报告篇）[C];2005年

相关博士学位论文 前10条

1 张文博;多类别智能分类器方法研究[D];西安电子科技大学;2014年

2 任亚峰;基于标注和未标注数椐的虚假评论识别研究[D];武汉大学;2015年

3 严志永;在划分数据空间的视角下基于决策边界的分类器研究[D];浙江大学;2011年

4 孔志周;多分类器系统中信息融合方法研究[D];中南大学;2011年

5 毛莎莎;基于贪婪优化和投影变换的集成分类器算法研究[D];西安电子科技大学;2014年

6 宁博;面向行人检测的动态视觉词提取与集成分类方法研究[D];中国科学技术大学;2012年

7 邓泽林;人工免疫网络分类器的设计及其应用研究[D];中南大学;2013年

8 刘昆宏;多分类器集成系统在基因微阵列数据分析中的应用[D];中国科学技术大学;2008年

9 徐磊;基于1-SVM的多球体分类器理论及其应用研究[D];浙江大学;2008年

10 王晓霞;基于混合智能算法的热工动态过程故障诊断研究[D];华北电力大学;2014年

相关硕士学位论文 前10条

1 杨程;对抗环境下的垃圾短信息过滤[D];华南理工大学;2015年

2 张富元;基于多分类器决策融合的故障检测与诊断及GUI平台设计[D];浙江大学;2015年

3 钱秀娟;贝叶斯网络在老年人普适健康监测服务中的应用研究[D];南京理工大学;2015年

4 张小龙;基于级联支持向量机融合多特征的人脸检测[D];上海交通大学;2015年

5 许欢;基于最大条件概率的单依赖分类器聚合算法研究[D];浙江大学;2015年

6 乔新宇;基于数据的模糊规则分类算法研究[D];大连理工大学;2015年

7 华正宇;基于SLT的偏最小二乘分类算法及其优化方法研究[D];东北大学;2013年

8 黄伟;基于多分类器投票集成的半监督情感分类方法研究[D];上海交通大学;2015年

9 朱超;基于决策树的信息物理融合系统数据处理方法研究[D];南京邮电大学;2015年

10 刘衷瑞;基于多分类器组合的居民地提取技术研究[D];解放军信息工程大学;2015年

，

本文编号：1626683