【摘 要】
：
特征选择作为数据预处理操作,通过剔除冗余和不相关的特征,保留有用的特征降低分类成本。群体智能算法因为收敛速度快,寻优能力强被应用于特征选择研究。目前应用于特征选择的实数编码方案的阈值设置会影响算法的判断能力,而二进制编码方案则存在着容易陷入局部最优的缺点。很多数据集的特征选择问题本身存在多模态特性,也就是说不同的特征组合有可能对应相同高或近似的分类能力。为此,本文设计了基于函数编码策略的多模态粒子群算法,和3个前沿特征选择算法进行比较,并且研究三种编码方案对多模态粒子群算法的影响。实验结果表明基于曲线函数
论文部分内容阅读
特征选择作为数据预处理操作,通过剔除冗余和不相关的特征,保留有用的特征降低分类成本。群体智能算法因为收敛速度快,寻优能力强被应用于特征选择研究。目前应用于特征选择的实数编码方案的阈值设置会影响算法的判断能力,而二进制编码方案则存在着容易陷入局部最优的缺点。很多数据集的特征选择问题本身存在多模态特性,也就是说不同的特征组合有可能对应相同高或近似的分类能力。为此,本文设计了基于函数编码策略的多模态粒子群算法,和3个前沿特征选择算法进行比较,并且研究三种编码方案对多模态粒子群算法的影响。实验结果表明基于曲线函数
其他文献
气化炉开车时,气化系统内的渣块会沉入降槽底,堵塞过滤机给料泵,造成过滤机给料泵不打量。为保持沉降槽出料稳定,在沉降槽底部加装沉降锁斗,可以避免大块渣堵塞过滤机给料泵。
为了提高蜡染纹样的分类准确率,提出一种改进的VGGNet分类模型,将最后池化层的输出进行全局平均池化后直接与分类神经元进行全连接。采用数据增强技术扩充训练集样本数量,提高模型的泛化能力,使用迁移学习方法将预先训练好的VGGNet参数作为初始化参数,提高模型训练的效率。实验结果表明,该方法能够有效提高蜡染纹样的分类准确率。
近年来,可见光通信的相关技术正在迅速发展,具有很大的发展前景。发光二极管(LED)是可见光通信(VLC)系统中非线性的主要来源,在进行LED非线性建模时,通常采用存储多项式的方法。但是基于存储多项式的方法在建模之后的预失真或者后失真中具有一定的局限性,如在深度学习训练中无法进行反向传播、精度过低无法满足要求。本文提出了一种基于深度学习的可见光通信非线性建模方法,该方法通过神经网络来拟合功率放大器的非线性模型。这种方法在非线性拟合的准确性、对记忆效应的刻画能力和可表示性方面都较传统方法有了很大的提升。
安全是铁路的生命线,目前铁路安全监察采用发牌制度,进行安全质量考核管理,实现管理人员发牌、定责、整改、销号的闭环管理。但是,安全检查发牌过程存在着问题定位不准、分类模糊等问题。针对上述问题,结合现有的人工智能文本分类技术,试图实现自动分类,提高分类准确率,具有现实意义。提出基于BERT与BiLSTM的铁路安监文本分类模型,在字向量训练阶段使用BERT模型代替传统的SkipGrams和CBOW模型,提升了字向量的表征能力进而提高了文本分类的准确率,与现有的基于词汇特征的TextCNN方法,基于深度学习的B
介绍丹麦托普索湿接触法制硫酸(WSA)工艺的原理,针对生产运行过程中所出现的问题进行分析,通过改造解决了酸气带液、燃烧炉负荷低、酸气管线腐蚀、酸雾控制器(MCU)运行不正常、WSA冷凝器(06E005)玻璃管损坏等问题,为同类装置的运行提供经验。
虚拟机安置问题和能源使用效率是云计算的重要命题。本文将启发式算法应用到虚拟机安置问题,目标是减少活动服务器的数量,更高效利用服务器资源,降低能耗。提出的强插启发式算法使用强插算子作为局部优化策略,迭代实现解的优化,有效减少运算规模;提出的强插算子和调整算子能避免算法过早陷入早熟收敛。通过对同构和异构不同规模下的虚拟机安置问题测试,结果表明强插算法可以在更短的时间内获得与全局优化算法质量相近的解。
互联网应用的蓬勃发展,底层技术分布式存储功不可没,在分布式存储中,负载均衡是其中一个重要的技术,保障了系统的高性能、高可用。负载均衡技术分为静态负载均衡与动态负载均衡,主要研究基于一致性哈希的静态负载均衡算法在分布式存储中的应用,并采用理论和实验对算法进行验证。此外设计了两种副本算法提高系统的可用性和性能,基于设计的算法搭建了Redis集群进行测试,测试的效果符合预期具较强的推广性。
传统的快速扩展随机树(RRT)算法具有探索能力强和收敛速度快等显著优点,但是由于算法采用随机采样作为路径搜寻手段,导致RRT算法的规划性能十分不稳定,且在复杂环境下尤为明显。针对这个问题,借鉴启发式算法的思想,提出动态规避算法,通过引入启发式约束采样策略,适当增加算法的指向性,并且使规划的航迹更符合无人机的飞行轨迹,然后采用动态步长规避策略,改善算法的探索和避障能力。再对规划成功的路径进行优化,获得相对平滑的航迹。最后通过MATLAB仿真对比实验对算法进行分析,对比实验的结果表明算法在障碍物密集的区域内,
机器人路径规划中,传统蚁群算法收敛速度慢,容易陷入局部最优解的问题。提出一种改进蚁群算法,该算法通过设置动态分级信息素浓度,在迭代过程中逐渐降低信息素浓度,有效地提高了收敛速度;当算法迭代陷入局部最优时,引入了惩罚系数,调整当前最优路径上的信息素浓度,增强算法随机性。仿真实验表明,改进后的蚁群算法加快了收敛速度,解决了局部最优解的问题,提高了全局寻优能力。
当前互联网已进入了信息爆炸时期,但目前信息检索方法只能够从海量数据中检索出很小一部分比较热门的信息,而一些特定方面检索出的信息更少。基于协同过滤算法的个性化音乐推荐系统使用户能够从海量的音乐信息中很快寻找出自己感兴趣的音乐。协同过滤算法通过分析用户歌曲的播放、下载以及收藏等行为数据,计算用户之间的相似度,选取近邻用户,在近邻用户的喜好上预测目标用户的喜爱,克服了传统推荐方式的缺陷,实现了智能的个性化音乐推荐。