收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

分类问题的智能优化算法及其应用研究

赵明渊  
【摘要】:智能优化算法(Intelligent optimization algorithms)通过模仿生物的智能行为来实现优化功能。例如,遗传算法(Genetic Algorithm, GA)模仿生物种群中自然选择的机制来求解优化问题;粒子群优化算法模仿鸟群觅食迁移中,个体与群体协调一致的机理来指导优化搜索等。智能优化方法具有简单通用、鲁棒性强和适于并行等优点,在模式识别、智能控制、并行搜索、联想记忆等方面得到了广泛的应用。 支持向量机(Support Vector Machines, SVM)是一种应用广泛的数据分类技术,当高斯核支持向量机应用于各种各样的数据分类领域时,首先面临的至关紧要的问题是:怎样选择惩罚参数C和核参数γ(即怎样进行支持向量机模型选择),怎样优化输入特征子集以提高分类准确率和减小特征子集。通过用户使用枚举法进行参数选择,往往降低支持向量机分类性能,得出的分类准确率很低,不能满足分类要求。采用网格搜索算法进行支持向量机参数优化,由于一定程度地提高了分类准确率,初步满足分类要求。随着数据分类领域对分类准确率的要求不断提高,采用智能优化算法和支持向量机的结合同时优化输入特征子集和支持向量机参数,进一步提高了分类准确率。本论文在上述研究工作的基础上,将支持向量机的渐进性能融入智能优化算法,提出了基于特征染色体的遗传算法、基于特征粒子的粒子群优化算法、基于特征抗体的克隆选择算法,分别构建提出的算法和支持向量机的混合系统以同时优化输入特征子集和支持向量机参数,取得了更高的准确率、更小的特征子集和更少的处理时间。通过将支持向量机的渐进性能融入智能优化算法,构建智能优化算法和支持向量机的混合系统解决上述问题是 本论文的基本研究方法。 本论文以分类问题的智能优化算法及其应用研究、智能优化算法和支持向量机混合研究为课题,本论文的贡献和创新点概括如下: (1)基于特征染色体的遗传算法 基于遗传算法的原理和搜索机制,将支持向量机的渐进性能融入遗传算法,通过生成特征染色体操作将遗传算法的搜索导向到超参数空间中的最佳泛化误差直线,提出一种基于特征染色体的遗传算法,构造基于特征染色体的遗传算法和支持向量机混合系统以同时进行特征选择和参数设置的优化。对提出的算法的收敛性进行了分析。与类似方法相比,提出的算法不仅具有更高的分类准确率和更小的特征子集,而且具有更少的处理时间。 (2)基于特征粒子的粒子群优化算法 基于粒子群优化算法的原理和搜索机制,通过生成特征粒子操作将支持向量机的渐进性能融入粒子群优化算法,提出一种基于特征粒子的粒子群优化算法,构造基于特征粒子的粒子群优化算法和支持向量机混合系统以同时进行特征选择和参数设置的优化。分析了提出算法的复杂度。实验指出,提出的算法具有更高的分类准确率、更小的特征子集和更少的处理时间。 (3)基于特征抗体的克隆选择算法 基于克隆选择算法的原理和搜索机制,通过生成特征抗体操作将支持向量机渐进性能引入克隆选择算法,提出一种基于特征抗体的克隆选择算法,构造基于特征抗体的克隆选择算法和支持向量机混合系统以同时进行特征选择和参数优化。通过算法性能对比实验,得出提出的算法具有更高的分类准确率和更小的特征子集。 (4)混合智能优化算法研究 提出一种基于特征染色体的遗传算法和量子遗传算法的混合算法,构造基于特征染色体的遗传算法、量子遗传算法和支持向量机混合系统,给出了详细的实验结果和算法性能对比,验证了该算法是一种有效的方法。除此之外,还提出一种基于特征抗体的克隆选择算法和差分进化算法的混合算法,构造基于特征抗体的克隆选择算法、差分进化算法和支持向量机混合系统,给出了详细的实验结果和算法性能对比,实验指出提出的算法是一种有用的方法。 (5)智能优化算法应用研究 根据微阵列基因表达数据的特点,提出一种基于特征染色体的遗传算法包装法、信噪比过滤法和支持向量机混合系统的信息基因搜索方法,以同时搜索到基因数量少而分类准确率高的信息基因子集,实验结果表明,与其它优秀的肿瘤分类方法相比,提出的方法在信息基因数量及分类准确率方面具有明显的优越性。另外,提出一种基于特征染色体的遗传算法、共空间模式和支持向量机混合系统以进行脑-机接口分类参数优化,取得了提高分类准确率的明显效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 郭立力;赵春江;;十折交叉检验的支持向量机参数优化算法[J];计算机工程与应用;2009年08期
2 王凯;张永祥;李军;;遗传算法和支持向量机在机械故障诊断中的应用研究[J];机械强度;2008年03期
3 周娟;杨鼎才;;基于GA-SVM的说话人辨认的参数优化[J];电子技术;2008年02期
4 陆虎;宋余庆;;一种混合遗传禁忌搜索的模糊聚类算法[J];江南大学学报(自然科学版);2007年06期
5 申宇皓;孟晨;傅振华;张磊;;基于改进支持向量机的仿真电路故障诊断研究[J];计算机仿真;2010年01期
6 李钊;古辉;;基于遗传算法进化的数字图像处理[J];中国新技术新产品;2010年02期
7 乔立岩;彭喜元;马云彤;;基于遗传算法和支持向量机的特征子集选择方法[J];电子测量与仪器学报;2006年01期
8 夏永军;;一种基于SVM新的学习方法及应用[J];电脑知识与技术;2008年33期
9 徐庆伶;汪西莉;;一种基于支持向量机的半监督分类方法[J];计算机技术与发展;2010年10期
10 李剑;;混沌时间序列预测模型的应用与研究[J];计算机仿真;2011年04期
11 赵洪波;;基于遗传算法的进化支持向量机研究[J];绍兴文理学院学报(自然科学版);2004年03期
12 连可;黄建国;王厚军;龙兵;;一种基于遗传算法的SVM决策树多分类策略研究[J];电子学报;2008年08期
13 侯勇严;郭文强;党宏社;;智能优化算法及其在打浆优化中的应用[J];计算机测量与控制;2008年11期
14 马超;李世平;张进;;基于遗传算法支持向量机的虚拟仪器动态补偿[J];中国测试;2010年04期
15 王一;杨俊安;刘辉;;一种基于遗传算法的SVM决策树多分类方法[J];信号处理;2010年10期
16 刘涛;王华;;传感器非线性校正的遗传支持向量机方法[J];电子测量与仪器学报;2011年01期
17 樊慧丽;杨亚萍;;基于遗传算法的支持向量机人脸识别技术[J];浙江万里学院学报;2006年05期
18 雷剑;;基于SVM和遗传算法的建模与全局寻优方法[J];科技广场;2008年05期
19 董国君;哈力木拉提·买买提;余辉;;基于RBF核的SVM核参数优化算法[J];新疆大学学报(自然科学版);2009年03期
20 桂红霞;;基于遗传算法的加权支持向量机的短期电力负荷预测[J];工业控制计算机;2010年05期
中国重要会议论文全文数据库 前10条
1 宗朝霞;汤宏胜;贺曼;葛忠学;来蔚鹏;李华;;基于遗传算法的支持向量机预测含能材料密度的研究[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
2 李占潮;陈超;周喜斌;邹小勇;;基于遗传算法和支持向量机预测蛋白质结构类[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
3 孙浚清;李世平;唐超;张弦;;基于GA-SVM的装备需求时间序列预测[A];第十七届全国测控计量仪器仪表学术年会(MCMI'2007)论文集(上册)[C];2007年
4 顾锦荣;刘华强;孙预前;;遗传算法优化的支持向量机模型在热带气旋强度预报中的应用[A];第七届长三角气象科技论坛论文集[C];2010年
5 董景荣;杨秀苔;;基于支持向量机和遗传算法的R&D项目中止决策诊断[A];第九届中国管理科学学术年会论文集[C];2007年
6 张满怀;;两类基于异常的网络入侵检测方法的比较[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年
7 刘明贵;彭俊伟;;进化支持向量机在基桩低应变完整性检测中的应用[A];2007'湖北·武汉NDT学术年会论文集[C];2007年
8 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
9 林平;王福利;刘浏;;齿轮钢精炼过程淬透性的预报研究[A];2009中国控制与决策会议论文集(3)[C];2009年
10 朱娅妮;王喆;;基于遗传算法进化的SVM人脸表情识别[A];2009年中国智能自动化会议论文集(第三分册)[C];2009年
中国博士学位论文全文数据库 前10条
1 杨实俊;可持续发展约束下小型火电厂危机管理研究[D];华北电力大学(河北);2008年
2 赵明渊;分类问题的智能优化算法及其应用研究[D];电子科技大学;2011年
3 杨劲秋;智能优化算法评价模型研究[D];浙江大学;2011年
4 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
5 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
6 佟伟民;股指期货交易中操纵行为识别方法研究[D];哈尔滨工业大学;2008年
7 何广杰;克隆选择算法及其在地基工程若干问题中的应用[D];西南交通大学;2007年
8 汪世义;智能优化算法研究及其应用[D];安徽大学;2011年
9 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年
10 邓武;基于协同进化的混合智能优化算法及其应用研究[D];大连海事大学;2012年
中国硕士学位论文全文数据库 前10条
1 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
2 付阳;支持向量机并行训练算法与基于遗传算法的参数优化研究[D];南昌大学;2010年
3 陆有忠;进化支持向量机及其在岩体边坡中的应用[D];宁夏大学;2004年
4 段杨;遗传算法的若干改进及其在支持向量机中的应用研究[D];南京邮电大学;2012年
5 熊娓;基于SVM和GA混合算法的基因芯片特征基因子集选取研究[D];吉林大学;2006年
6 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
7 孙瑾;支持向量机在个人信用评估中的应用[D];中南大学;2008年
8 闫磊凡;遗传算法求解反SVM问题在集群系统上的实现[D];河北大学;2006年
9 刘铮;智能优化算法在电磁工程中的应用[D];南京理工大学;2005年
10 滕文凯;支持向量机反问题及其解法[D];河北大学;2005年
中国重要报纸全文数据库 前10条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
2 程爱娟;旅行推销员问题(TSP)的人工智能解法及其应用[N];新疆科技报(汉);2001年
3 中国科技大学计算机系 邢方亮;计算智能百花齐放[N];计算机世界;2003年
4 包家庆;IDS五大发展趋势[N];网络世界;2002年
5 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
6 郭明波;来自蝙蝠的启发[N];北京科技报;2001年
7 李水根;计算机详解配伍与药效关系[N];健康报;2005年
8 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
9 易水;IT新词集锦[N];计算机世界;2003年
10 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978