论文部分内容阅读
特征子集的选择是数据挖掘与模式分类的重要方法.本文主要从微粒编码、比较微粒适应值、更新微粒引导者、一致混沌变异和计算步骤五个方面对用于特征子集选择的异步并行微粒群优化方法进行分析,通过实验比对,可以发现这种方法具有良好的效果.
试论用于特征子集选择的异步并行微粒群优化方法
【摘 要】
：
特征子集的选择是数据挖掘与模式分类的重要方法.本文主要从微粒编码、比较微粒适应值、更新微粒引导者、一致混沌变异和计算步骤五个方面对用于特征子集选择的异步并行微粒
【机 构】
：
铜陵学院电气工程学院
【出 处】
：
赤峰学院学报(自然科学版)
【发表日期】
：
2017年19期
其他文献
根据联合傅立叶变换相关识别理论,首先计算模拟其识别过程,然后结合光学傅立叶变换相关识别系统的特点,应用数字图像处理的方法对光学联合傅立叶变换相关识别系统进行改进。实验表明:改进后的光电联合傅立叶变换相关识别系统不仅对相关输出结果有一定增强作用,而且还能够识别出传统光学傅立叶变换相关识别系统所不能识别的对象。