摘要：将遗传算法的排序选择策略引入到传统的拆分与合并算法,提出一种基于排序选择策略的拆分与合并算法(RSM)来求解平面数字曲线的多边形近似,解决了传统的拆分与合并算法对初始解的依赖问题.用2条通用的benchmark曲线对RSM算法进行测试,结果表明该算法的性能优于遗传算法和传统的拆分与合并算法.将RSM算法应用于湖泊卫星图像的多边形近似,取得了较好的近似效果.

摘要：针对集成过程中基分类器的集成优先性缺少精确化度量而导致的模型选择严谨性不高、系统精简性设计难以实现的问题,文中提出了一种基于排序选择度量方式、自适应权重设置的集成分类方法。首先,利用K折交叉验证及设计的误差熵与分类器互补性相结合的组合指数度量方法,选出集成优先性最高的两个分类器;然后,通过构造的以组合指数为基础的整体组合指数度量方法,实现对不同模型的优先性排序选择;最后,通过设置自适应权重的方式为不同模型找到最佳权重进行集成分类。在UCI数据集上的实验结果表明,所提方法与其他分类模型相比,各项分类评价指标均有提高,验证了该集成方法的可行性。该方法通过设计的模型选择定量性依据及自适应权重设置机制,使得整个集成分类系统具有模型选择分层性、可自适应精简化的特点。