Results 81 to 90 of about 2,196 (194)

Study on Ensemble Algorithm for Multi-class Gene Microarray Datasets [PDF]

open access: yes, 2015
集成学习是当前机器学习领域的一个研究热点,具体到多分类问题,旨在通过一组差异的分类器共同解决起初的多分类问题,然后经过大多数投票等策略将各个分类器的输出结果进行融合。集成多分类算法相比于单个的优秀分类器往往性能上更准确、更稳定,同时还具有更强的泛化能力。在解决多分类问题时,基于纠错输出编码算法(ECOC)。这是解决多分类问题的一种灵活、高效的算法框架,关键要点是将多分类转变为多个二分类问题。此外,遗传规划算法可用于解决二分类问题,通过进化计算得到准确的分类规则。本文在已有的研究基础上 ...
曾志浩
core  

WDM光纤通信系统中PMD自动补偿的研究

open access: yesGuangtongxin yanjiu, 2007
文章提出采用粒子群优化算法,提取信号的偏振度(DOP)作为反馈信号来补偿多信道光纤通信系统中的偏振模色散(PMD)。作为例子,对两信道的波分复用(WDM)系统中的PMD进行了自动补偿,并进行了数值模拟,得到了两个信道补偿前后的DOP以及眼图变化情况。模拟结果表明这种算法对补偿多个信道的PMD是有效的。
刘晓芝, 陈林
doaj  

基于多智能体粒子群算法的松嫩平原土地利用格局优化 [PDF]

open access: diamond, 2019
王越   +5 more
openalex   +1 more source

Research on Feature Selection in Intrusion Detection Based on Genetic Algorithm [PDF]

open access: yes, 2012
随着网络的广泛应用,网络安全问题也越来越严峻。当前网络攻击方法层出不穷,入侵规模不断扩大,使得目前防火墙等被动的网络安全机制对许多攻击无能为力。入侵检测技术作为一种主动防御技术,弥补了传统安全技术的不足,故对入侵检测技术的研究十分必要。一般情况下,要提高入侵检测系统分类器的识别率总是过度地提取特征信息,结果不仅特征空间维数增大,而且存在较大的冗余。因而需要在尽量不降低分类精度的前提下降低特征空间的维数,从而提高入侵检测系统的速度。 本文主要结合遗传算法、粒子群算法、支持向量机等技术改进特征选择方法 ...
陈闽奎
core  

基于鸡群算法的微网经济运行优化

open access: yesGaoya dianqi, 2017
文中分析微网中微电源包括光伏发电、风力发电、微燃机、柴油发电机和燃料电池的电气特性,构建微电网优化运行的模型,以微网的经济成本和环境成本最小为目标函数,充分考虑了电压越限、功率平衡、微电源出力限制等约束条件,应用鸡群算法进行求解。解决了粒子群算法易早熟、易陷入局部最优解的问题。并通过典型的微网系统进行仿真分析,仿真结果验证了该算法的有效性。
胡汉梅, 李静雅, 黄景光
doaj  

基于量子粒子群和随机森林的特征选择方法 [PDF]

open access: yes, 2010
提出一种基于量子粒子群和随机森林封装的特征选择方法。将量子粒子群算法用于特征选择,优化特征子集,采用随机森林分类器评价特征子集的性能,指导特征子集更新 ...
杨明旭, 洪文财, 米红
core  

基于变置信度机会约束规划的风电并网优化调度

open access: yesGaoya dianqi, 2018
风电的波动性和不稳定性给电网的调度增加了难度,为了兼顾系统运行的经济性和可靠性,提出一种变置信度机会约束模型,并将该模型引入机组旋转备用约束中。首先,建立考虑到系统经济性和可靠性的多目标函数,并在可靠性目标函数中引入风电预测误差置信度β,其值等于旋转备用机会约束置信度。其次,通过模糊隶属度方法将两目标函数变为无量纲的单目标函数,再通过基于线性递减惯性权值(LDIW)策略的改进粒子群优化算法求解各时刻最优置信度β,进而确定各机组最优出力与最优旋转备用容量。最后,利用IEEE-RTS96系统进行验证 ...
韩轩, 邱晓燕, 沙熠, 刘波
doaj  

Entropy and its state of arts on research of spatial data uncertainty [PDF]

open access: yes, 2014
2005-2006 > Academic research: refereed > Publication in refereed journalVersion of ...
Jin, F, Shi, W, Shi, Y
core  

Home - About - Disclaimer - Privacy