国家自然科学基金(61105061)
- 作品数：3 被引量：11H指数：2
- 相关作者：殷锋李萍周伟更多>>
- 相关机构：西南民族大学更多>>
- 发文基金：国家自然科学基金国家社会科学基金四川省科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种异型改进的自适应遗传算法被引量：4
- 2019年
- 遗传算法搜寻全局最优解的优异特性使其在许多应用领域中获得了很好的运用,但该算法作为一种随机优化算法,对求解相对繁杂的全局优化问题易使最优解收敛至局部最优解.而标准的自适应遗传算法是在遗传算法的基础上对交叉率的值和变异率的值进行线性自适应调整,在收敛性能有所提升,但仍然不能有效避免算法的早熟.提出一种异型改进的自适应遗传算法(Heterogenic improved adaptive GA,简称HIAGA),即在对变异率和交叉率进行曲线自适应调整的同时应用精英保留策略的方法.仿真实验结果表明,HIAGA算法在处理收敛速度和避免搜寻结果成为局部最优解等方面能达到较好的处理效果.
- 冯九林殷锋黄光华
- 关键词：早熟精英保留仿真
- Novel Robust BIBO Stabilization for Uncertain Systems with Delay and Perturbation
- This paper addresses the problem of robust BIBO stabilization for the uncertain systems with time delay and pe...
- Ping LiShouming ZhongWei Zhou
- 利用GPU通用计算的同步层竞争算法研究
- 2012年
- 传统神经网络优化算法相对于其它优化算法,具有求解精度高的优点,但也存在收敛速度慢、耗时长的问题.神经网络同步更新迭代算法相比异步迭代方式,一般执行效率更高,也更利于结合并行计算技术来提高算法效率.GPU通用计算作为并行技术发展的代表之一,在并行处理能力上对同时期的多核CPU更具优势.采用层竞争神经网络模型可以用于解决特征绑定问题.通过图像分割实验结果表明,基于GPU通用计算的同步更新层竞争算法,比基于CPU计算的同类算总体效率更高.
- 周伟李萍
- 关键词：递归神经网络并行计算图像分割
- 一种交叉验证和距离加权方法改进的KNN算法研究被引量：7
- 2020年
- 传统的KNN算法在大样本的情况下对试验样本有较强的一致性结果.但该算法每一次都是在样本全局的基础上进行归类计算,这在很大程度上消耗了空间,增大了算法空间复杂度;且算法在样本分类不平衡时,预测偏差相对偏高.针对这些问题,提出了基于交叉验证和距离加权的改进KNN算法(Weighted cross-validation KNN,简称WCKNN),经过实验验证,本算法有效减小了算法的空间复杂度;同时,也获得了更好的分类性能.
- 黄光华殷锋冯九林
- 关键词：距离加权KNN算法大样本
