检索结果-南通市图书馆

最优样本子集生成及进化LS-SVM的软件成本预测模型构建

在线全文

学校读者我要写书评

暂无评论

统计与决策 2015年第23期31卷 31-34页

作者：蒋铁军刘宝平王先甲武汉大学经济与管理学院武汉430072 海军工程大学装备经济管理系武汉430033

文章提出了一种基于灰色相似度和信息熵的最优样本子集生成方法,进而采用LS-SVM方法建立了软件成本预测模型,并运用混合网格搜索和粒子群优化算法进化得到模型的各项参数。实证以加拿大软件园的desharnais数据集为对象,通过网格搜索确... 详细信息

文章提出了一种基于灰色相似度和信息熵的最优样本子集生成方法,进而采用LS-SVM方法建立了软件成本预测模型,并运用混合网格搜索和粒子群优化算法进化得到模型的各项参数。实证以加拿大软件园的desharnais数据集为对象,通过网格搜索确定灰色相似度的分辨系数和样本子集的相似度阈值,采用粒子群算法确定LS-SVM模型的参数,通过与线性回归和不考虑样本子集生成的预测结果比较发现:该方法在软件成本预测中的准确率有较大提高。

关键词：灰色相似度样本子集属性加权软件成本预测

加权空间模糊动态聚类算法在土壤肥力评价中的应用

在线全文

学校读者我要写书评

暂无评论

中国农业科学 2009年第10期42卷 3559-3563页

作者：陈桂芬曹丽英王国伟吉林农业大学信息技术学院吉林大学计算机科学技术学院

【目的】改进和提高空间模糊聚类算法。【方法】首先利用层次分析法得到各属性的权值,然后将权值与空间模糊动态聚类法相结合,最后利用概率统计中的F分布来确定最佳分类,以提高空间模糊聚类算法的智能性。【结果】加权空间模糊动态聚类... 详细信息

【目的】改进和提高空间模糊聚类算法。【方法】首先利用层次分析法得到各属性的权值,然后将权值与空间模糊动态聚类法相结合,最后利用概率统计中的F分布来确定最佳分类,以提高空间模糊聚类算法的智能性。【结果】加权空间模糊动态聚类算法与基于模糊等价关系的传递闭包方法进行比较表明,当λ取0.993时,F值最大,分类效果最好。此时,加权的F值为4.898,未加权的F值为2.957,说明加权的类间的差距比未加权的明显,即该算法聚类准确率要明显高于未加权的模糊聚类算法。【结论】将其改进的算法运用到精准农业的土壤肥力评价中,试验结果与实际情况相符,证明了该算法的有效性。

关键词：空间模糊聚类精准农业土壤肥力评价属性加权

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于花授粉算法的贝叶斯分类器优化研究

微电子学与计算机 2018年第3期35卷 47-51页

作者：王子清张明新戴娇张国海苏州大学计算机科学与技术学院江苏苏州215006 常熟理工学院计算机科学与工程学院江苏常熟215500 山东理工大学农业工程与食品科学学院山东淄博255049

采用花授粉算法(FPA)对朴素贝叶斯分类器进行优化,提出一种基于改进的花授粉算法的朴素贝叶斯分类器(NBC-IFPA)算法.首先,引入了黑名单机制使FPA能够跳出局部最优解;其次,引入随机扰动项,增加种群多样性,提高FPA寻优性能;最后,利用改进... 详细信息

采用花授粉算法(FPA)对朴素贝叶斯分类器进行优化,提出一种基于改进的花授粉算法的朴素贝叶斯分类器(NBC-IFPA)算法.首先,引入了黑名单机制使FPA能够跳出局部最优解;其次,引入随机扰动项,增加种群多样性,提高FPA寻优性能;最后,利用改进的FPA搜索全局最优属性权值,并将其用于加权朴素贝叶斯模型中进行分类.仿真结果表明,NBC-IFPA算法具有更高的分类准确率.

关键词：朴素贝叶斯花授粉算法黑名单机制随机扰动属性加权

在线全文

学校读者我要写书评

暂无评论

基于粒子群的粗糙核聚类算法

计算机应用研究 2012年第8期29卷 2854-2857,2902页

作者：姚丽娟罗可长沙理工大学计算机与通信工程学院长沙410114

针对K-means聚类算法容易陷入局部最优、不能处理边界对象及线性不可分的缺点,提出一种基于粒子群的粗糙核聚类算法。该算法通过Mercer核将输入样本空间中的样本映射到高维空间,使样本变得线性可分,并结合粗糙集的思想,通过动态改变上... 详细信息

针对K-means聚类算法容易陷入局部最优、不能处理边界对象及线性不可分的缺点,提出一种基于粒子群的粗糙核聚类算法。该算法通过Mercer核将输入样本空间中的样本映射到高维空间,使样本变得线性可分,并结合粗糙集的思想,通过动态改变上下近似集的权重因子对边界对象进行有效处理,同时采用reliefF方法对样本属性进行加权处理,以解决混合数据的聚类问题,最后利用粒子群算法防止算法陷入局部最优。仿真实验表明,相对于其他改进算法,该算法具有较高的正确率和较短的收敛时间,并进一步验证了该算法的鲁棒性和稳定性,具有一定的实用价值。

关键词：聚类核函数粗糙集粒子群算法属性加权

在线全文

学校读者我要写书评

暂无评论

一种基于多属性的空间例外挖掘改进算法

云南大学学报（自然科学版） 2007年第S2期29卷 215-218页

作者：马泽波王丽珍云南大学信息学院云南昆明650091

空间例外是指与其邻域内其它数据表现不一致或者是偏离观测值以至使人们认为是由不同体制产生的观测点.传统的例外挖掘是根据一个非空间属性值进行例外判断,这种方法容易引起判断失误.在对多个属性进行考虑的基础上,提出了一种基于多属... 详细信息

空间例外是指与其邻域内其它数据表现不一致或者是偏离观测值以至使人们认为是由不同体制产生的观测点.传统的例外挖掘是根据一个非空间属性值进行例外判断,这种方法容易引起判断失误.在对多个属性进行考虑的基础上,提出了一种基于多属性的空间例外挖掘算法,并与属性加权算法在正确性和有效性方面进行了比较分析.实验证明算法可以有效地发现例外数据.

关键词：空间例外空间例外挖掘属性加权协方差相关系数

在线全文

学校读者我要写书评

暂无评论

一种基于密度的加权模糊均值聚类算法

计算机科学 2012年第5期39卷 180-182页

作者：李翠霞史苇杭李占波郑州大学软件技术学院郑州450002

针对当数据集合中的数据属性差异不明显时,传统的均值聚类算法会收敛到局部最小值点,造成算法聚类结果不准、精度下降的问题,提出了一种基于密度的加权模糊均值聚类算法。该算法通过计算差异属性类中的相关密度,运用密度作为确定初始类... 详细信息

针对当数据集合中的数据属性差异不明显时,传统的均值聚类算法会收敛到局部最小值点,造成算法聚类结果不准、精度下降的问题,提出了一种基于密度的加权模糊均值聚类算法。该算法通过计算差异属性类中的相关密度,运用密度作为确定初始类中心的方法,得到了聚类效果更好的初始值。之后用加权模糊算法克服类划分中数据属性差异不明显带来的弊端,对类中差异属性进行归类划分。实验结果表明,该算法依然可以区分出不同属性的重要程度,而且其稳定性和聚类效果都有一定的提高。

关键词：聚类模糊均值属性加权密度误分类数

在线全文

学校读者我要写书评

暂无评论

基于人工鱼群的优化K-means聚类算法

计算机科学 2012年第12期39卷 60-64页

作者：于海涛贾美娟王慧强邵国强大庆师范学院计算机科学与信息技术学院大庆163712 哈尔滨工程大学计算机科学与技术学院哈尔滨150001

针对K-means算法全局搜索能力不足,提出基于人工鱼群的优化K-means聚类算法(AFS-KM),该算法克服了K-means聚类算法对初始聚类中心选择的敏感问题,能够获得全局最优的聚类划分。在聚类过程中,采用一种基于信息增益的属性加权的实体之间... 详细信息

针对K-means算法全局搜索能力不足,提出基于人工鱼群的优化K-means聚类算法(AFS-KM),该算法克服了K-means聚类算法对初始聚类中心选择的敏感问题,能够获得全局最优的聚类划分。在聚类过程中,采用一种基于信息增益的属性加权的实体之间距离计算方法进行聚类划分时,对于球形数据和椭球形数据都能够获得理想的聚类划分结果。对KDD-99数据集的仿真实验结果表明,该算法在网络入侵检测时获得了理想的检测率和误报率。

关键词：聚类人工鱼群信息增益属性加权入侵检测

在线全文

学校读者我要写书评

暂无评论

一种加权聚类划分决策树算法

电讯技术 2020年第11期60卷 1354-1360页

作者：刘振宇褚娜东北大学计算机科学与工程学院沈阳110819 大连东软信息学院计算机与软件学院辽宁大连116023

针对斜划分决策树算法普遍存在时间效率低、部分算法仅能应用于二分类问题,提出了一种基于加权距离的聚类决策树算法。通过Relief-F算法为预测属性计算权重,并将权重用于树结点中数据的聚类过程,使用分簇结果对结点进行多路划分,得到可... 详细信息

针对斜划分决策树算法普遍存在时间效率低、部分算法仅能应用于二分类问题,提出了一种基于加权距离的聚类决策树算法。通过Relief-F算法为预测属性计算权重,并将权重用于树结点中数据的聚类过程,使用分簇结果对结点进行多路划分,得到可直接用于多分类问题的决策树。理论分析和实验结果表明,该算法与经典轴平行决策树相比,拥有更好的泛化能力以及相近的算法时间复杂度,与大部分斜决策树相比,在付出更少计算代价的前提下,获得了近似的正确率以及模型简洁度。

关键词：机器学习决策树聚类属性加权多路划分

在线全文

学校读者我要写书评

暂无评论

一种新的模糊C均值聚类算法

河南大学学报（自然科学版） 2011年第2期41卷 201-205页

作者：李翠霞谭营军郑州大学软件技术学院郑州450002 河南职业技术学院信息工程系郑州450046

传统的模糊C均值聚类算法及其变型在聚类过程中都假设所有的属性对聚类贡献相同,所以很难发现隐藏在部分属性中的类结构,也难以识别出重要属性.在实际应用中,噪声属性较为常见,并且会影响正常的聚类过程.鉴于以上原因,提出了一种新的基... 详细信息

传统的模糊C均值聚类算法及其变型在聚类过程中都假设所有的属性对聚类贡献相同,所以很难发现隐藏在部分属性中的类结构,也难以识别出重要属性.在实际应用中,噪声属性较为常见,并且会影响正常的聚类过程.鉴于以上原因,提出了一种新的基于属性加权的模糊C均值聚类算法,通过对人工数据和实际数据的聚类测试结果,证实了该算法的有效性.

关键词：权值属性加权模糊指数模糊C均值聚类算法