期刊信息
主管单位:国家教育部
主办单位:重庆大学
主  编:
地  址:重庆市沙坪坝正街174号
邮政编码:400030
电  话:023-65102302
电子邮件:xbsg@cqu.edu.cn
国际标准刊号:ISSN 1000-582X
国内统一刊号:CN 50-1044/N
邮发代号:国内78-16 国外 M355
引用本文:
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
←前一篇|后一篇→ EndNote   BibTeX  过刊浏览    高级检索
本文已被:浏览 71次   下载 12 本文二维码信息
码上扫一扫!
分享到: 微信 更多
基于多目标蜂群算法的数据分类方法
王海泉1, 侯宇亮2, 魏建华2, 徐晓滨3, 苏孟豪2, 张姗姗2
1.中原工学院 中原彼得堡航空学院, 郑州 450007;2.中原工学院 电子信息学院, 郑州 450007;3.杭州电子 科技大学 自动化学院, 杭州 310018
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。
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
DOI:10.11835/j.issn.1000-582X.2020.01.008
分类号:TP181
基金项目:河南省高等学校重点科研项目(18A120005);浙江省重点研发项目(2019C03104)。
Research of data classification method based on multi-objective artificial bee colony algorithm
WANG Haiquan1, HOU Yuliang2, WEI Jianhua2, XU Xiaobin3, SU Menghao2, ZHANG Shanshan2
1.Zhongyuan Petersburg Aviation College, Zhongyuan University of Technology, Zhengzhou 450007, P. R. China;2.School of Electronic Information, Zhongyuan University of Technology, Zhengzhou 450007, P. R. China;3.School of Automation, Hangzhou Dianzi University, Hangzhou 310018, P. R. China
Abstract:
In order to improve the classification accuracy of complex data on the premise of ensuring operation efficiency, a data classification algorithm based on multi-objective artificial bee colony algorithm and extreme learning machine is proposed, it takes the number of features and the classification accuracy as the optimization objectives, and improved artificial bee colony algorithm is introduced to optimize the parameters of the classifier and the selection of features of data. The simulation results based on six data sets verify the effectiveness of the proposed method.
Key words:  artificial bee colony algorithm  multi-objective optimization  feature selection  extreme learning machine  data classification
Copyright@ 2008 All Rights Reserved.