多目标优化算法在多分类中的应用研究

被引：19

作者：

尚荣华

胡朝旭

焦李成

白靖

机构：

[1] 西安电子科技大学智能感知与图像理解教育部重点实验室

来源：

电子学报 | 2012年 / 40卷 / 11期

基金：

中国博士后科学基金;

关键词：

多分类; 多目标优化; 聚类; MOPSO; NSGA-Ⅱ;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; O221.6 [多目标规划];

学科分类号：

070105 [运筹学与控制论]; 140502 [人工智能];

摘要：

Cai等人用多目标粒子群算法(MOPSO)优化多目标聚类学习和分类学习框架(MSCC)的多目标问题时,种群只能得到少量的非支配解,不利于种群优化.而在此情况下,NSGA-Ⅱ由于采用了Pareto排序的方法,种群中会保留大量优秀的支配解,有利于种群优化,所以本文引进了NSGA-Ⅱ优化MSCC框架的多目标问题.通过对数据集的测试,验证了在NSGA-Ⅱ的优化下,对于大多数测试问题,MSCC框架设计的分类器的最大分类正确率高于MOPSO优化MSCC框架的结果.进而对实验结果做了进一步分析,发现了最大正确率不随多目标优化算法的优化过程而提高的问题.

引用

页码：2264 / 2269

页数：6

共 7 条

[1]

基于流形距离的量子进化聚类算法 [J].