江苏省计算机信息处理技术重点实验室基金(KJS1023)
- 作品数：5 被引量：22H指数：3
- 相关作者：王建东丁卫平管致锦施佺段卫华更多>>
- 相关机构：南通大学南京航空航天大学苏州大学更多>>
- 发文基金：江苏省计算机信息处理技术重点实验室基金国家高技术研究发展计划江苏省普通高校研究生科研创新计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于量子蛙跳协同进化的粗糙属性快速约简被引量：14
- 2011年
- 属性约简是粗糙集理论研究的重要内容,现已证明求决策表最小约简是一个典型NP难题.本文提出一种基于量子蛙群协同进化的粗糙属性快速约简算法.该算法构造一种动态多簇的蛙群结构,用量子态比特进行蛙群个体编码,以自适应量子旋转角调整、量子变异和量子纠缠等策略加速蛙群进化收敛,各簇蛙群以双向协同学习机制共享属性约简中相关信息.标准Benchmark优化函数测试结果表明该算法在保证收敛速度同时具有较强的平衡全局优化与局部细致搜索能力.在UCI数据集上进行属性约简比较实验,结果验证了本算法在属性约简精度和效率方面具有明显优势.
- 丁卫平王建东管致锦
- 关键词：属性约简
- 基于小生境完全属性-值空间树的属性序约简优化算法被引量：3
- 2012年
- 为了克服传统粗糙集属性约简方法求解效率不高,且难以搜索出满足用户需求的最优属性约简集的问题,提出了一种属性序约简优化算法。该算法基于决策表的完全属性-值空间树结构,在属性约简空间自适应构造小生境超球面邻域半径,并进行约简树的生成、剪枝、约简及动态优化等,快速找到满足用户需求的最优属性序约简集。相关仿真实验表明该算法在保证收敛速度的同时具有较强的属性约简优化性能,是一种能满足用户需求的高效属性序约简算法。
- 丁卫平王建东管致锦施佺陈森博
- 关键词：属性约简
- 融合变精度粗糙熵和协同进化的概念格挖掘算法
- 2011年
- 为解决概念格挖掘优化问题,借鉴变精度粗糙集模型和协同进化思想,提出了融合变精度粗糙熵和全局粒子群的概念格协同挖掘算法(REVPT)。该算法引入变精度粗糙熵对各概念格子群动态度量建立粗糙近似格,并通过种群之间协作共享寻优经验提高概念格的全局挖掘优化能力,有效缩减原格群规模并挖掘出一致粗糙分类规则。实验结果表明,当变精度粗糙熵阈值β处于某一合适范围,该算法在保证收敛速度同时具有较强的全局建格优化能力,在知识挖掘精度和效率方面具有较好的鲁棒性。
- 丁卫平王建东管致锦
- 关键词：概念格粗糙熵粒子群协同进化
- 基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法
- 2011年
- 针对基于粒子群的属性约简算法易陷入局部最优、效率不高等问题,充分利用小生境技术在寻求最优解方面优势,提出一种基于小生境圆锥邻域粒子群的不完备决策表属性约简鲁棒算法(NCNPSO-IAR)。该算法通过圆锥分层空间构造小生境半径邻域子集向量,避免过多地依赖于先验领域知识生成小生境半径和早熟收敛,始终保持种群多样性,提高算法收敛速度。另外粒子种群在圆锥解空间充分进行约简集子矢量的协同学习,使属性约简集较好收敛到最优集。相关仿真实验表明:该属性约简优化算法是高效和鲁棒的,适用于不完备、含噪音决策表的属性约简。
- 丁卫平王建东
- 关键词：不完备决策表属性约简
- 一种求解属性约简优化的协同粒子群算法被引量：5
- 2011年
- 针对粗糙属性约简优化问题,利用粒子群寻求最优解的优势,提出一种改进的粗糙集属性约简优化的协同粒子群算法(AR-CPSO)。在最优属性寻求过程中,该算法使粒子群在属性空间通过约简集向量的分解和邻域簇的协同学习提高其寻优能力,并利用自适应约束强化罚函数较好地收敛到最优目标属性约简集。该算法能始终保持种群的多样性、协作性,并避免过早地陷入局部最优。相关仿真实验表明,AR-CPSO算法能有效地找到全局最优属性约简集,具有较强的属性协同约简优化性能。
- 丁卫平王建东段卫华施佺
- 关键词：粒子群优化属性约简自适应罚函数
