江苏省普通高校研究生科研创新计划项目(CXZZ110219)
- 作品数：5 被引量：17H指数：3
- 相关作者：王建东丁卫平管致锦施佺陈森博更多>>
- 相关机构：南通大学南京航空航天大学南京大学更多>>
- 发文基金：江苏省普通高校研究生科研创新计划项目国家自然科学基金江苏省高校自然科学研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于量子精英蛙的最小属性自适应合作型协同约简算法被引量：6
- 2014年
- 属性约简是粗糙集理论研究的重要内容之一,现已证明求决策表的最小属性约简是一个典型NP-Hard问题.提出一种基于量子精英蛙的最小属性自适应合作型协同约简算法.该算法首先将进化蛙群编码为多状态量子染色体形式,利用量子精英蛙快速引导进化蛙群进入最优化区域寻优,有效增强进化蛙群的收敛速度和全局搜索能力.然后构建一种自适应合作型协同进化的最小属性约简模型,融合蛙群最优执行经验和分配信任度自适应分割属性约简集,并以模因组内最优精英蛙优化各自选择的属性子集,提高属性约简的协同性和高效性,快速找到全局最小属性约简集.实验研究表明提出的算法在搜索最小属性约简解时具有较高的执行效率和精度.
- 丁卫平王建东管致锦
- 关键词：最小属性约简自适应分割
- 基于量子云模型演化的最小属性约简增强算法被引量：5
- 2013年
- 为提高决策表中最小属性约简的效率、稳定性和鲁棒性,基于云模型在非规范知识定性、定量表示及其相互转换过程中的优良特征对量子进化算法进行算子设计,提出了一种基于量子云模型演化的最小属性约简增强算法(QCMEARE).该算法采用量子基因云对进化种群进行编码,基于约简属性熵权逆向云进行量子旋转门自适应调整,使其在定性知识指导下能够自适应控制属性约简空间搜索范围,并采用量子云变异和云纠缠操作算子较好地避免了在属性演化约简中易陷入局部最优和早熟收敛等问题,使算法快速搜索到全局最优属性约简集.仿真实验表明,提出的最小属性约简增强算法具有收敛速度快、约简精度高和稳定性强等优点.
- 丁卫平王建东管致锦施佺
- 关键词：属性约简
- 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
- 基于动态交叉协同的属性量子进化约简与分类学习级联算法被引量：3
- 2011年
- 属性约简与规则分类学习是粗糙集理论研究和应用的重要内容.文中充分利用量子计算加速算法速度和混合蛙跳算法高效协同搜索等优势,提出一种基于动态交叉协同的量子蛙跳属性约简与分类学习的级联算法.该算法用量子态比特进行蛙群个体编码,以动态量子角旋转调整策略实现属性染色体快速约简,并在粗糙熵阈值分类标准内采用量子蛙群混合交叉协同进化机制提取和约简分类规则、组合决策规则链等,最后构造属性约简和分类学习双重功能级联模型.仿真实验验证该算法不仅具有较高的全局优化性能,且属性约简与规则分类学习的精度和效率均超过同类算法.
- 丁卫平王建东管致锦施佺
- 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
