论文基于改进遗传算法数据特征分类是关于遗传算法方面的论文题目、论文提纲、人工智能遗传算法论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
摘 要： 针对传统遗传算法在数据特征分类过程中容易陷入局部最佳解,分类结果识别率以及准确率较低的问题,提出基于改进遗传算法的数据特征分类方法.采用模拟退火法对遗传算法实施改进,遗传算法经过设置参数、适应度函数的设计、选择策略、交叉策略以及终止条件等过程得到粗糙数据特征分类结果.采用模拟退火算法通过概率突跳特性在温度下降时随机获取目标函数的全局最优解,基于Meteopolis准则提高算法局部寻优效率,通过模拟退火算法对遗传算法的交叉概率和变异概率的选择过程实施改进,获取高精度的数据特征分类结果.实验结果表明,所提方法数据特征分类识别率以及准确率高,分类耗时低.
关键词： 改进遗传算法； 数据特征分类； 模拟退火； 局部寻优； Meteopolis准则； 概率突跳特性
中图分类号： TN911?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）14?0166?04
Data feature classification based on improved genetic algorithm
LI Jing1,2
（1. Chongqing Institute of Engineering, Chongqing 400056, China；
2. Chongqing Engineering Technology Research Center of Digital Film & Television and New Media, Chongqing 400056, China）
Abstract： As the traditional genetic algorithms may easily fall into the local optimal solution, and has low recognition rate and accuracy rate of classification results during the process of data feature classification, a method of data feature classification based on improved genetic algorithm is proposed. The simulated annealing method is adopted to improve the genetic algorithm which experiences the processes such as parameter setting, fitness function design, selection strategy, crossover strategy, and termination condition, so as to obtain the rough classification result of data features. The simulated annealing algorithm is adopted to randomly obtain the global optimal solution of the objective function by using the probability abrupt?jump feature when the temperature falls, the local optimizing efficiency of the algorithm is improved based on the Meteopolis criterion, and the selection process for crossover probability and mutation probability of the genetic algorithm is improved by means of the simulated annealing algorithm, so as to obtain high?accurate classification result of data features. The experimental results show that the proposed method has high recognition rate and accuracy rate of data feature classification and low classification time consumption.
Keywords： improved genetic algorithm； data feature classification； simulated annealing； local optimization； Meteopolis criterion； probability abrupt?jump feature
0 引 言
伴随信息时代的到来,社会各领域、各行业的数据规模增长迅速.数据大规模的扩张造成数据冗余、无效的状况,一定程度上降低了相关行业的工作效率,数据集快速有效的进行分类提取成为研究的重点议题[1].因此大量的数据特征分类算法应运而生.传统遗传算法进行数据特征分类过程中容易陷入局部最佳解,在准确获取数据特征方面能力较差、且存在时间复杂度较高的缺陷.因此,提出基于改进遗传算法的数据特征分类方法,其采用模拟退火算法对遗传算法实施改进,提高数据特征分类的精度以及效果.
1 基于改进遗传算法的数据特征分类
1.1 编码和解码
令数据集以个体的形式存在,并代表一个特征子集,经过编码获取到包含401个实数值元素的向量,各个实数值表示相应的基因,原始特征集的索引就是由各个基因组成.编码的逆向过程被称作解码,这一过程是基于索引重组最佳个体特征子集[2].编码的选择极大程度上决定了算法的性能和效率,主要原因是在编码机制相应的码空间上实施遗传算法的优化步骤.
总结:本文关于遗传算法论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
参考文献：
1、 基于改进遗传算法的岛礁区航路规划模型 摘要：为解决船舶穿过岛礁区时危险度大、航行难、航路规划复杂等问题，提出应用实数路径点编码配合采取精英保留策略的遗传算法。考虑船舶的转向困难性、航。
2、 关联规则中基于模糊遗传算法和改进挖掘技术 摘 要： 网络数据通常以爆炸式的聚集形式出现，导致曾提出的关联规则挖掘方法挖掘性能不好。基于上述原因，提出一种关联规则中基于模糊遗传算法的挖掘方。
3、 基于改进遗传算法的电子商务交易风险评估 摘 要： 为了降低电子商务交易的风险，需要进行交易风险的量化评估，提出一种基于改进遗传算法的电子商务交易风险评估方法。采用稀疏散点云数据采集技术。
4、 粒子群优化算法选择特征的运动图像分类 摘 要： 为了提高图像分类的效果，考虑当前方法准确实现图像分类的难题，提出粒子群优化算法选择特征的运动图像分类方法。对当前运动图像分类方法的研究。
5、 改进遗传算法在实体商业中精准营销和实现 摘 要： 由于实体商业市场缺乏像电商平台那样的个性化交互平台，因此无法对客户进行精准营销，使得在商业市场上的竞争力越来越弱。为了解决这一问题，引。