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:
为了保证运算时效的同时,提高复杂数据的分类精度,提出了基于多目标蜂群算法和极限学习机的数据分类算法.该方法以最小的特征个数和最高的分类精度为优化目标,利用改进的多目标蜂群算法对数据的特征个数和分类器参数进行寻优,针对多个有代表性的数据集进行仿真,结果表明所提出方法的有效性.
推荐文章
多目标0-1规划问题的蜂群算法
多目标
优化
蜂群算法
群集智能
基于蜂群算法的多目标加权优化负荷频率控制研究
人工蜂群算法
加权和
多目标优化
负荷频率控制
PID控制器
基于混合人工蜂群算法的多目标柔性作业车间调度问题研究
计算机应用
柔性作业车间调度
人工蜂群算法
多目标优化
禁忌搜索
多目标人工蜂群算法在服务组合优化中的应用
服务组合
服务质量
人工蜂群算法
Pareto占优
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 基于多目标蜂群算法的数据分类方法
来源期刊 重庆大学学报 学科 工学
关键词 蜂群算法 多目标优化 特征选择 极限学习机 数据分类
年,卷(期) 2020,(1) 所属期刊栏目
研究方向 页码范围 74-81
页数 8页 分类号 TP181
字数 语种 中文
DOI 10.11835/j.issn.1000-582X.2020.01.008
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 王海泉 中原工学院中原彼得堡航空学院 19 84 5.0 8.0
2 徐晓滨 杭州电子科技大学自动化学院 37 438 10.0 20.0
3 侯宇亮 中原工学院电子信息学院 1 0 0.0 0.0
4 魏建华 中原工学院电子信息学院 1 0 0.0 0.0
5 苏孟豪 中原工学院电子信息学院 1 0 0.0 0.0
6 张姗姗 中原工学院电子信息学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (6)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(9)
  • 参考文献(2)
  • 二级参考文献(7)
2017(5)
  • 参考文献(4)
  • 二级参考文献(1)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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)
研究主题发展历程
节点文献
蜂群算法
多目标优化
特征选择
极限学习机
数据分类
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
重庆大学学报
月刊
1000-582X
50-1044/N
大16开
重庆市沙坪坝正街174号
78-16
1960
chi
出版文献量(篇)
6349
总下载数(次)
8
总被引数(次)
85737
论文1v1指导