基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种新的基于膜粒子群优化的特征选择方法.该方法利用了膜系统的分层结构和消息传递机制,将粒子群优化算法作为区域子算法部署到各个区域中.不同于传统粒子群优化算法,该方法将粒子群优化的搜索速率分解为局部搜索速率和全局搜索速率.膜系统的所有外层区域采用局部搜索速率,搜索局部最优解;最内层区域采用全局搜索速率,搜索全局最优解.所有外部区域将最优解传递给相邻内部区域,内部区域将最差解传递给相邻外部区域,最内区域向相邻外部区域传递最差解.当各个区域之间的解传递在一段时间内停止时,或者算法迭代次数达到限定次数时,算法收敛,取最内层区域的最优解为最终解.以条件随机域模型的最大似然估计函数为目标函数,利用膜粒子群优化计算各个特征权重系数,最后剔除那些权重系数小于阈值的特征.实验结果表明,在进行生物文本的基因名称识别时,利用该方法对条件随机域的特征进行选择后,可以消除冗余特征的干扰,能获得更高的准确度.
推荐文章
应用粒子群优化-条件随机域的文本生物实体识别
条件随机域模型
粒子群优化
粒子群聚集度
对数似然相对变化率
生物实体识别
利用膜粒子群优化和信息熵的医学文本特征选择
膜系统
粒子群优化
生物医学文本
特征选择
信息熵
粒子群优化算法选择特征的运动图像分类
运动图像
特征选择
粒子群算法
图像分类
粒子群优化的模糊特征
群智能
粒子群优化
模糊建模
隶属度函数
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 利用膜粒子群优化的条件随机域特征选择
来源期刊 西安电子科技大学学报(自然科学版) 学科 工学
关键词 膜系统 粒子群优化 生物医学文本 特征选择 条件随机域
年,卷(期) 2012,(5) 所属期刊栏目
研究方向 页码范围 107-112
页数 6页 分类号 TP301
字数 5040字 语种 中文
DOI 10.3969/j.issn.1001-2400.2012.05.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 高琳 西安电子科技大学计算机学院 43 810 16.0 28.0
2 豆增发 西安电子科技大学计算机学院 6 47 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (61)
参考文献  (8)
节点文献
引证文献  (5)
同被引文献  (3)
二级引证文献  (3)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(6)
  • 参考文献(1)
  • 二级参考文献(5)
2006(8)
  • 参考文献(0)
  • 二级参考文献(8)
2007(8)
  • 参考文献(2)
  • 二级参考文献(6)
2008(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(3)
  • 引证文献(1)
  • 二级引证文献(2)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
膜系统
粒子群优化
生物医学文本
特征选择
条件随机域
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西安电子科技大学学报(自然科学版)
双月刊
1001-2400
61-1076/TN
西安市太白南路2号349信箱
chi
出版文献量(篇)
4652
总下载数(次)
5
总被引数(次)
38780
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导