共查询到19条相似文献，搜索用时 125 毫秒
1.
蚂蚁算法是一种新型的模拟进化算法,也是一种随机型智能搜索算法。在介绍了基本蚂蚁算法基础上,针对基本蚂蚁算法存在的计算复杂,易陷入局部最优等缺陷,提出了一种基于信息熵的自适应改进蚂蚁算法,信息熵来度量蚂蚁系统的复杂性,用均值熵调节算法的系数使算法实现自适应。经MATLAB仿真试验结果表明,改进的算法有较好的收敛性、稳定性,优于基本蚂蚁算法。 相似文献
2.
群体智能算法作为一系列优化问题求解的算法，已被广泛应用到投资组合问题求解的过程当中。就群体智能算法在投资组合中的应用进行了详细梳理，且选取了遗传算法和粒子群算法这两种典型算法，基于股票收益率真实数据，建立投资组合模型并对其求解。实验结果表明，与等权重投资组合方式相比，构建投资组合模型所得到的实际收益率更高，且在投资组合优化模型中，较粒子群算法，遗传算法最优解优于前者，且运行时间较短。 相似文献
3.
利用遗传算法具有全局优化的性能,将其引入到图像分割中。并针对传统遗传算法存在的不足,在前人研究工作的基础上,对传统的遗传算法进行了改进,优化了遗传算法的求解最优阈值的过程,并给出了算法的具体实现步骤。 相似文献
4.
5.
生物进化过程本身是一个自然的、并行发生的和稳健的优化过程,基于这一过程而产生的仿生优化算法为解决非数值优化问题提供了新的思路和手段。本文首先简要介绍了目前比较流行的三种新型智能优化算法：人工鱼群算法、蚁群算法和遗传算法,就这些算法的特点和异同进行了分析,并对它们的发展进行了进一步的阐述。 相似文献
6.
集合覆盖问题已被证明是一个NP完全问题,现在所有的NP完全问题,没有多项式时间算法求解。目前为集合覆盖问题的主要的近似算法,复杂或大型集合覆盖问题,现有的算法很难达到理想的优化效果。蚁群算法是基于群体智能的进化算法为基础的小说,关注个体的蚂蚁之间的合作,利用信息素正反馈机制,具有很强的寻找更好的解决方案的能力。蚁群算法已成功地应用在许多复杂的优化问题,其优化能力提供了一种新的思路来解决集合覆盖问题。蚁群算法具有耗时长、易陷入局部最优解的缺点。 相似文献
7.
针对传统BP神经网络销售预测算法存在学习效率低、收敛速度慢、易陷于局部极小值等不足,提出改进措施:采用自适应学习效率提高算法的有效性和收敛性,采用附加动量法提高算法的适应性,采用改进的遗传算法优化神经网络的权值,利用改进遗传算法全局寻优的特性实现快速寻优及精确预测的目的。最后用实例计算验证本算法。 相似文献
8.
提出一种基于遗传算法和k-medoids算法的新的聚类算法。指出该算法除能提高聚类的精度和识别孤立点外，还能加速遗传算法的收敛速度，节约时间成本。 相似文献
9.
主要研究了基于智能无人机的航摄飞行方案优化问题。首先介绍了航摄飞行方案的概念和要求,然后设计了智能无人机的航摄飞行方案,并提出了优化方法,包括遗传算法、粒子群算法、蚁群算法、模拟退火算法和深度学习算法。最后,通过应用案例,探讨了智能无人机航摄技术在农业、建筑和地质勘探领域的应用。研究成果对于无人机航摄技术的发展和应用具有现实意义,为地理信息领域的应用提供了更加精准和全面的数据支持。 相似文献
10.
通过设计一种新颖的交叉算子构造一种改进的遗传算法。此算法对于种群的多样性要求不高,并能够避免传统遗传算法存在的“早熟收敛”问题。将该算法应用于车辆路径问题实例,实验结果表明,此算法能够有效地求得车辆路径问题的解。 相似文献
11.
施洁斌 《现代图书情报技术》2004,20(7):27-29
提出了将支持向量机应用于文本自动分类的研究，与常用的K-最邻近法相比，无论是对训练数据集还是测试数据集均具有一定的优势，而且不同特征选择方法对支持向量机的影响要比K-最邻近法小。此外，从研究中的不同特征选择的评价函数来看，它们对分类有一定的影响，应用X2统计进行特征选择的分类正确率最高，其次是文本证据权，而期望交叉熵的效果最差，说明特征选择在文本自动分类中也是相当重要的。 相似文献
12.
在对标准蚁群算法分析研究基础上,结合中文文本数据的特点,对蚁群算法存在的缺点进行改进,提出一种基于改进的蚁群算法的中文文本聚类方法——ACTC。算法中为每只蚂蚁增加两个记忆体,可以解决原算法中的“未指派现象”;模拟信息素,从而使蚂蚁的移动更具目的性,加快聚类速度;引入“边界点”思想,从而不仅可以消除“停滞现象”,而且能避免“噪声”或异常数据对聚类结果的负面影响;引入动态调整相似度阈值概念,从而使聚类结果更具实际意义。实验证明,从熵值与纯度两个评价函数评价结果看,该算法的聚类效果较好,达到算法改进的目的。 相似文献
13.
14.
提出利用蚁群聚类方法进行初始聚类,通过K-means聚类算法对初始聚类的结果进一步分层聚类,并结合术语综合相似度计算的方式提取每个类的标签,从而完成术语层次关系的构建。最后抽取部分实验结果,由领域专家对其进行评价,并对结果进行分析。 相似文献
15.
文本分类是信息检索领域的重要应用之一,由于采用统一特征向量形式表示所有文档,导致针对每个文档的特征向量具有高维性和稀疏性,从而影响文档分类的性能和精度。为有效提升文本特征选择的准确度,本文首先提出基于信息增益的特征选择函数改进方法,提高特征选择的精度。KNN(K-Nearest Neighbor)算法是文本分类中广泛应用的算法,本文针对经典KNN计算量大、类别标定函数精度不高的问题,提出基于训练集裁剪的加权KNN算法。该算法通过对训练集进行裁剪提升了分类算法的计算效率,通过模糊集的隶属度函数提升分类算法的准确性。在公开数据上的实验结果及实验分析证明了算法的有效性。 相似文献
16.
从文本特征对文本分类结果的整体影响的角度出发,提出一种基于粒子群优化的文本特征选择方法(PSOTFS),使用粒子群算法来挖掘文本特征选择规则。PSOTFS首先使用开方检验对文本特征进行预选择,然后使用粒子群算法对预选择得到的文本特征进行精选。PSOTFS以一个粒子表示一条特征选择规则,特征选择规则集对应某个粒子群,采用分类准确率作为适应度函数,采用分组的方式对粒子的维度进行降维。实验结果表明,PSOTFS比开方检验、信息增益、文档频率和互信息方法能得到更好的分类效果。 相似文献
17.
K-means算法研究综述 总被引：4，自引：0，他引：4
对聚类分析中的基本算法K-means算法中的K值确定、初始聚类中心选择以及分类属性数据处理等主要问题进行综述,理清K-means算法的整个发展脉络及算法研究中的热点和难点,提出改进K-means聚类算法的思路。 相似文献
18.
19.
一种混合文本分类方法研究 总被引：1，自引：0，他引：1
文本自动分类是信息检索领域的一个重要研究方向。一些标准的机器学习算法像支持向量机已经成功地运用到了这一领域。不幸的是高维的输入向量严重的影响了分类速度,而支持向量机核函数参数的确定影响到分类的精度。为了提高分类精度和分类速度,本文提出了一种混合分类算法,首先用粗糙集理论对向量进行约简,然后采用基因算法对支持向量机的核函数参数进行优化。实验证明我们提出的算法是有效的。 相似文献