排序方式: 共有21条查询结果,搜索用时 15 毫秒
1.
2.
一种新的基于logistic混沌映像的自适应混沌蚁群优化算法求解动态车辆路径问题 总被引:1,自引:1,他引:0
针对车辆路径问题(VRP),提出基于logistic函数的自适应混沌蚁群优化算法。利用混沌运动的遍历性、随机性和规律性特点,把具有强局部搜索能力的logistic映像融入到蚁群算法局部信息素更新中。屏蔽logis-tic映像断点区间,克服蚁群算法搜索时间过长、易于停滞的现象,提高算法准确度。选用VRP标准库实例进行的仿真实验表明,新算法能准确找到已知最优解,与其他算法的比较实验证明了该算法的有效性。 相似文献
3.
人工免疫网络模型(aiNET)是一种用于提取数据特征的免疫智能信息处理模型,其核心是用小规模的记忆网络数据(抗体)映射输入数据(抗原),达到减少数据冗余的数据压缩和特征提取效果.由于aiNET模型中存在免疫克隆选择机制,记忆网络(抗体)不是输入抗原数据集的实际子集,同时,由于它没有实现维数简化,导致目前广泛使用的数据特征性能评价方法无法应用.本文给出了一种基于复杂网络的拓扑结构分析技术,利用描述网络结构稳定性的网络社区结构,通过对aiNET压缩前后的抗体和抗原网络社区的对比,达到对人工免疫网络(aiNET)的特征提取性能评价的目的. 相似文献
4.
5.
6.
在Windows多任务处理的环境下,利用VB提供的定时信号和Windows提供的API系统函数,实现Windows下定时操作的功能 相似文献
7.
基于免疫网络聚类算法的特征垃圾邮件获取技术 总被引:1,自引:0,他引:1
文章给出了一种基于免疫网络聚类算法的邮件服务器端特征垃圾邮件获取技术,其功能是将属同一邮件服务器内的邮件用户各自认可的垃圾邮件进行自动汇总,抽取出共性的垃圾邮件,从而能在邮件服务器端对这些共性垃圾邮件进行拦截,该技术体现出高效的动态性质,可作为目前主流反垃圾技术的辅助技术。 相似文献
8.
在机器学习和数据挖掘实际应用中,针对分类训练集的选取,通常要求训练集中每一类所包含的数据在数量上要尽可能的"均衡".本文以非均衡训练集与分类学习效率关系研究为依据,给出了"均匀度"和"内聚度"两种类型的训练集非均衡程度因素的概念;"均匀度"是用来描述训练集类之间(between-class)的非均衡程度,其含义是指训练集不同类之间数据数量的非均衡程度;"内聚度"是用来描述训练集类内部(within-class)的非均衡程度,指训练集中不同类在空间分布上的线性相关程度,通过训练集数据之间的相关程度,构建出训练集的网络结构,运用一种能体现训练集内聚性的网络拓扑结构的指标-网络社区结构作为度量,提出了基于网络社区模块结构的非均衡训练集度量方法,并指出了高均匀度和高内聚度是选取"优良"分类训练集的关键因素.通过对UCI标准训练集的实验,结果验证本方法作为选取训练集标准的有效性. 相似文献
9.
10.
该文提出了一种基于云模型理论测试网页对访问者吸引程度的WEB日志挖掘方法,协助管理者优化站点结构,改善WEB信息服务质量。 相似文献