多目标优化算法在多分类中的应用研究

尚荣华; 胡朝旭; 焦李成; 白靖

doi:10.3969/j.issn.0372-2112.2012.11.019

您当前的位置：

首页 >

文章列表页 >

多目标优化算法在多分类中的应用研究

学术论文 | 更新时间：2025-07-16

- 多目标优化算法在多分类中的应用研究
- Research of Multi-Objective Optimization Algorithms' Application in Multi-Class Classification
- 电子学报 2012年40卷第11期页码：2264-2269
- 作者机构：
  
  西安电子科技大学智能感知与图像理解教育部重点实验室,陕西,西安,710071
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61001202,No.61072139,No.61003199);中国博士后科学基金 (No.201104658,No.20090451369,No.20090461283);陕西省自然科学基础研究计划 (No.2010JQ8023,No.2011JQ8010);国家教育部博士点基金 (No.20100203120008,No.20090203120016,No.200807010003);高等学校学科创新引智计划 (No.B07048);教育部"长江学者和创新团队发展计划" (No.IRT1170)
- DOI：10.3969/j.issn.0372-2112.2012.11.019
  中图分类号： TP18
- 纸质出版：2012
- 稿件说明：
移动端阅览
尚荣华, 胡朝旭, 焦李成, 等. 多目标优化算法在多分类中的应用研究[J]. 电子学报, 2012,40(11):2264-2269.

SHANG Rong-hua, HU Chao-xu, JIAO Li-cheng, et al. Research of Multi-Objective Optimization Algorithms' Application in Multi-Class Classification[J]. Acta Electronica Sinica, 2012, 40(11): 2264-2269.
尚荣华, 胡朝旭, 焦李成, 等. 多目标优化算法在多分类中的应用研究[J]. 电子学报, 2012,40(11):2264-2269. DOI： 10.3969/j.issn.0372-2112.2012.11.019.

SHANG Rong-hua, HU Chao-xu, JIAO Li-cheng, et al. Research of Multi-Objective Optimization Algorithms' Application in Multi-Class Classification[J]. Acta Electronica Sinica, 2012, 40(11): 2264-2269. DOI： 10.3969/j.issn.0372-2112.2012.11.019.

摘要

Cai等人用多目标粒子群算法(MOPSO)优化多目标聚类学习和分类学习框架(MSCC)的多目标问题时

种群只能得到少量的非支配解

不利于种群优化.而在此情况下

NSGA-II由于采用了Pareto排序的方法

种群中会保留大量优秀的支配解

有利于种群优化

所以本文引进了NSGA-II优化MSCC框架的多目标问题.通过对数据集的测试

验证了在NSGA-II的优化下

对于大多数测试问题

MSCC框架设计的分类器的最大分类正确率高于MOPSO优化MSCC框架的结果.进而对实验结果做了进一步分析

发现了最大正确率不随多目标优化算法的优化过程而提高的问题.

Abstract

When Multi-objective Particle Swarm Optimization (MOPSO) optimizes the multi-objective problems of the multiobjective simultaneous learning framework (MSCC)

there are only a few nondominated solutions in MOPSO population.In this case

NSGA-II can keep a lot of good dominated solutions in the population

which will help the population optimize

so this paper brought in NSGA-II as the optimization algorithm.The results of experiments show that

under the optimization of NSGA-II

MSCC framework can get better multi-class classifiers.However

dominated solutions can get better classifiers than nondominated solutions.By observing the changing curves of the maximum classification accuracy rate following with the optimization of populations

this paper found that

when dealing with most of the data sets

the maximum accuracy is not improved following the optimization of populations.

关键词

Keywords

references

浏览量

2200

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

带特征选择的综合因果多目标反事实解释方法

基于多目标并行混沌优化的分布式驱动电动汽车横摆稳定性研究

带时间窗的无线可充电传感器网络多目标路径规划算法

基于适应度指导交配限制策略的重组算子与多目标优化研究

基于双编码的重叠社团检测多目标优化方法