摘要：不改变原有的算法,增加一个过程,使原来的分类方法转换为Cost-Sensitive。通过与SVM学习算法相结合,得出一种模型CS-SVM,并将其应用于医学具体实例运用,实验证明,这种方法具有较低的错误分类率,也更能反映实际。

摘要：针对复杂交通路段下的短时交通流量模型的参数估计问题,建立了基于宏观交通流量预测的状态空间模型,提出了基于正交自适应差分演化的无迹卡尔曼滤波(UKF)算法,解决交通流量预测动态模型的参数优化问题。对差分演化算法(DE)的初始化过程,使用基于正交设计和量化技术的交叉算子最大限度地提高种群的多样性,平衡差分演化算法的开采性和勘探性,更高效地搜索无迹卡尔曼滤波的模型参数。并针对UKF、DE的不同情况,分别采用不同的自适应策略提高调节算法性能。实验结果表明,相对于单独使用随机分布的方式初始化,或者根据经验设置模型参数的方法,使用正交设计方法的初始化策略、变异算子以及参数自适应控制策略的差分演化算法能够有效地节省计算资源,提升预测性能和精度,具有更高的鲁棒性。

摘要：求解多目标优化问题最重要的目的就是获得尽可能逼近真实最优解和分布性良好的非支配解集.为此,本文提出了一种基于自适应ε占优的正交多目标差分演化算法,该算法具有如下特征:1.利用正交设计和连续空间的量化来产生具有良好分布性的初始演化种群,不仅能降低算法的时间复杂度,也能使演化充分利用种群中的个体;2.采用在线Archive种群来保存算法求得的非支配解,并用自适应的ε占优更新Archive种群,以自适应的方式维持种群的多样性、分布性.最后通过5个标准测试函数对算法的有效性进行了测试,并与其他的一些多目标优化算法进行了对比,实验结果显示,算法能够很好地逼近Pareto前沿,并具有良好的分布性.

摘要：0／1背包问题是实际当中经常遇到的一类经典NP—hard组合优化问题之一。本文分别从贪心方法、动态规划、回溯法、分枝-限界法．遗传算法这五种算法设计方法入手，概述了各种设计方法的基本原理，提出了求解0／1背包问题的算法思想，并对算法进行分析．提出了改进方法。

摘要：基因表达式程序设计(GEP)是一种基于基因组和表现型组的新型遗传算法,该算法具有很好的健壮性和高效性采用基因表达式的方法进行演化建模,实例测试的结果表明使用基因表达式程序设计的方法得到的模型要优于普通的线性回归方法和传统的遗传程序设计方法得到的模型,提高了拟合和预测精度。

摘要：提出一种适合于GEP表达式树构造的新方法,以及相应的新解码方法(GPED)。通过实验对比,GPED可大大缩短演化时间。提出一种新的算法GPEP,将GPEP应用于碎石桩复合地基承载力预测,结果表明GPEP算法在预测精度和演化效率上均超过遗传神经网络、GP等算法。

摘要：作为解决目前企业信息系统中普遍面临的“数据爆炸” 而“信息缺乏’状况的最有效的手段之一,据挖掘受到了学术界和企业界的极大关注。详细阐述了电子商务中数据挖掘的数据资源、基本方法、体系结和典型应用。

摘要：高光谱遥感使宽波段遥感中不可探测的物质可以被探测,成为了遥感界的一场新的革命.由于高光谱遥感图像波段多、光谱分辨率高、数据量庞大,给高光谱遥感数据实际应用分析带来极大不便.以特征选择为目的,以协方差矩阵特征值法为评价算法,设计实现了基于遗传算法和差分演化算法的降维过程.通过与传统的序列向前搜索的特征选择进行对比实验,比照搜索结果和算法耗时,验证了演化算法在特征选择的实现过程中具有良好的性能,证明了演化算法在高光谱图像降维中的实用价值.其中差分演化算法搜索结果十分稳定,可以替代完全搜索来寻找最优解.

摘要：提出了一种基于正交的差分演化算法(OBDE),算法的特点是利用正交数组产生初始种群,它比随机产生的初始种群更均匀地分布在解空间中,而且在正交设计的基础上提出了一种新的杂交算子,与差分演化相结合,提高了种群的多样性和算法的局部搜索能力。最后,对6个多峰函数进行了测试。数值实验表明,新算法正确高效,隐定性好。

摘要：在数据挖掘的许多实际应用中,在进行准确分类(classification)的同时,按照分类的可能性大小进行排序(ranking)日益显得重要。许多分类算法在设计时只考虑分类的准确性,未考虑对分类的可能性进行度量,因而无法用于排序(rank-ing)任务。本文提出了一种新的基于遗传算法的数据挖掘方法,在产生分类规则的同时,对分类的可能性进行度量。实验证明该算法是可行的。