分類問題是機器學習研究領域的基本問題。準確、高效地完成分類對于科學研究和實際工程應用領域具有重大的借鑒意義。隨著進化算法應用于分類問題,分類的準確性和收斂速度都得到了極大的提升。相對于其他傳統(tǒng)方法,進化算法有著優(yōu)秀的全局優(yōu)化能力和較好的魯棒性。同時,進化算法還有著拓展性強、自我學習能力優(yōu)越的特點,因而能夠自學習地處理一些復雜的問題。煙花算法（Fireworks algorithm,FWA）是一種模擬煙花在夜空中爆炸的現(xiàn)象而形成的優(yōu)化算法,具有局部搜索能力和全局搜索能力自調(diào)節(jié)的能力。但是,FWA也存在著缺陷。比如,在尋優(yōu)過程中優(yōu)勢解之間沒有很好地進行交互。與此同時,進化算法在解決分類問題上,僅僅是通過優(yōu)化分類器的參數(shù)和結(jié)構,抑或是預處理分類器的輸入來提升分類精確度,其他方面處理很少。為了克服進化算法在分類問題上的局限性,并且提升FWA的優(yōu)化能力來處理更多更復雜的實際問題,以及擴展多目標的分類方法,本文主要做了以下研究工作:（1）首先,本文研究并設計了三種新的優(yōu)化分類模型,將分類問題轉(zhuǎn)化為優(yōu)化問題,使得任何進化算法都能夠直接通過分類模型進行求解分類問題。通過實驗分別驗證了這三種優(yōu)化分類模型... 

【文章來源】：南京信息工程大學江蘇省

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

圖１－１進化算法的流程圖??將進化算法引入到分類中能夠顯著地提升分類模型的性能，但是進化算法在分類??模型上的改進存在著局限性

?第二章優(yōu)化分類模型研究???第二章優(yōu)化分類模型研究??２．１基于最小二乘法的優(yōu)化分類模型??分類是數(shù)據(jù)挖掘和工程應用中的一大關鍵性問題。如何從實際已有的數(shù)據(jù)中找到??隱藏著的關鍵性信息，從而能夠盡可能準確地預測那些未知數(shù)據(jù)的特征是分類問題中??的一大難點。分類主要分為兩個部分，首先是訓練過程，訓練過程主要是對那些帶有??類標簽的樣本進行學習，從而產(chǎn)生一個能夠準確預測未知樣本類標簽的分類模型。在??學習完成后，使用建模而產(chǎn)生的分類模型來對未知樣本進行預測分類，這是分類的另??一個部分。評估預測后的分類結(jié)果是確定分類模型好壞的一個重要標準。如圖２－１和圖??２－２所示的分別是訓練中的學習建模過程和測試中的分類預測過程。??

最優(yōu)的個體會被直接選取作為下一代的初始盤賭的方式選出。對于解集火，其中的一個解Ｘ，，尸⑷＝４！＇／）、Ｚ．Ｌ＼ｘｊ）??ｚ（ｘ，）＝ＩＭ?ｗ）＝Ｅ?ｌｂ?－ｊｓＫ?ｊｅＫ??個體；ｃ，到集合火中除ｘ，外所有個體之間的距離之和。的距離計算方式。??Ａ的流程圖，算法３－１闡述了?ＦＷＡ的具體步驟。??

【參考文獻】：
期刊論文
[1]基于差分進化和人工蜂群混合策略的DV-Hop改進算法[J]. 趙宏才,趙曉杰,王茂勵,孟慶龍.  現(xiàn)代電子技術. 2017(15)
[2]基于差分進化的混合蛙跳算法[J]. 黃柳玉,高淑萍,王軍寧,薛小娜.  系統(tǒng)工程與電子技術. 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]具有混沌差分進化搜索的人工蜂群算法[J]. 銀建霞,孟紅云.  計算機工程與應用. 2011(29)



本文編號：3249699