实验结果表明,所提算法在性能上优于其他四种动态约束多目标进化算法.(2)为提高求解动态约束多目标优化问题的效率,提出多种群协同进化的动态约束多目标进化算法.基于上述工作内容,设计一个改进的决策变量分类方法,将决策变量划分为约束收敛,收敛和分布三种类型,以提高决策变量的利用效率.在检测到环境变化后,利用卡尔曼...
如小样本问题,类别不平衡及对抗攻击等.近年来,随着深度学习的迅速发展,卷积神经网络(CNN)在图像分类任务中取得了显著的效果.设计了一种启发式算法,引入多目标乌鸦搜索算法,解决多目标优化问题,通过实验,与其他先进算法进行比较,验证了优化后的DenseNet在图像分类任务上性能有所提升,可优化卷积神经网络模型在图像分类中...
GMNN使用条件随机场来定义以对象特征为条件的所有对象标签的联合分布,并且可以使用 似然 优化该框架 伪 变异EM算法 算法 ,该在E步和M步之间交替。 在E步中,我们 推断 未标记对象的标签,在M步中,我们 学习 参数以最大化伪可能性。 为了有益于训练这样的模型,我们在GMNN中引入了两个图神经网络,即GNNp和GNNq...
Stacking集成分类器优化算法研究 来自 万方 喜欢 0 阅读量: 417 作者: 覃智全 摘要: Stacking是一种经典的集成学习方法,采用Stacking集成分类器可以获得较高的泛化能力,它已经在各个领域中广泛应用,也是各大数据竞赛中的佼佼者.而获取高泛化准确率的Stacking分类器的一个关键就是根据数据集来选择一个合适Stacking分类...