陕西省教育厅自然科学基金(06JK286)
- 作品数：12 被引量：54H指数：4
- 相关作者：贺兴时韩琳王玲岳伟张庆庆更多>>
- 相关机构：西安工程大学西安工程科技学院渭南师范学院更多>>
- 发文基金：陕西省教育厅自然科学基金陕西省教育厅科研计划项目更多>>
- 相关领域：自动化与计算机技术经济管理理学更多>>
- 基于改进遗传算法的模糊C均值聚类算法被引量：5
- 2008年
- 针对传统模糊C均值聚类算法(FCM)的缺陷,提出了一种基于改进遗传算法的模糊聚类方法.利用改进遗传算法强大的全局寻优能力,这种算法较好地克服了FCM算法对初始化敏感、容易陷入局部最优的缺陷.仿真实验证明,该算法具有较强的全局寻优能力和较快的收敛速度.
- 董军浪王庆飞
- 关键词：聚类FCM算法遗传算法种群熵
- 模糊数在证券投资组合选择模型中的运用被引量：2
- 2007年
- 本文利用区间数来描述证券的期望受益率,用三角模糊数来描述证券的风险损失率。从而对证券组合投资问题建立了一种模糊线性规划模型并具体给出了模型的求解方法。最后,利用国内证券市场的真实数据对模型给出了应用实例。
- 岳伟贺兴时刘宣会
- 关键词：证券组合投资区间数模糊线性规划满意解
- 基于改进的模糊聚类在模糊神经网络中的应用被引量：3
- 2008年
- 将基于粒子群的模糊C均值聚类应用于模糊神经网络中规则库的生成及优化中。避免了传统模糊C均值聚类用于对输入变量空间进行划分并生成初始规则库的盲目性和随机性。
- 王玲贺兴时
- 关键词：模糊神经网络模糊C均值聚类粒子群算法模糊规则库
- 基于免疫粒子群优化的模糊C均值聚类算法被引量：5
- 2007年
- 把免疫系统的免疫信息处理机制引入到粒子群优化(PSO)算法中,并与模糊C均值(FCM)算法相结合提出一种新的模糊聚类算法.新算法用免疫粒子群优化算法代替FCM算法的基于梯度下降的迭代过程,使算法具有较强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极小的缺陷,同时也降低了FCM算法对初始值的敏感度.采用对当基思想初始化种群,获得更优的初始候选解,提高算法聚类过程中的收敛速度.以UCI机器学习数据库中的两组数据集为研究对象,实验结果表明,该算法优于基于PSO的模糊C均值聚类算法和FCM算法.
- 韩琳贺兴时
- 关键词：粒子群优化算法模糊聚类模糊C均值算法免疫系统
- 基于互信息的特征子集选择被引量：2
- 2008年
- 通过互信息的思想提出一个新的评价函数来评价属性之间的相关性,并结合LV算法进行特征子集选择.结果表明,该方法对分类问题效果明显.
- 贺兴时于洁琼李丽丽
- 关键词：数据挖掘特征子集选择互信息
- 混沌免疫粒子群优化算法在BP网络训练中的应用被引量：2
- 2007年
- 将人工免疫系统中的克隆选择和混沌算法引入粒子群优化算法,提出一种混沌免疫粒子群优化算法.算法的主要特点是利用克隆和混沌变异等操作,提高收敛速度和种群的多样性.结合Iris分类问题,将新算法应用到BP网络的权值优化中,并和基于标准PSO算法的方法和单纯BP网络训练进行比较.实验结果表明,该算法性能优于所比较的两种算法,并且具有良好的收敛性和稳定性.
- 张郭军韩琳徐坤
- 关键词：神经网络粒子群优化算法克隆选择
- 区间规划在证券投资组合问题中的运用被引量：4
- 2007年
- 本文基于区间规划的方法研究了摩擦市场的投资组合选择问题。文中把风险证券的收益率、投资风险及证券的流动性用区间数来描述,并结合绝对偏差风险函数的思想建立了一种关于区间数的证券投资组合选择模型。最后利用区间数的两种序关系将所提出的模糊线性规划问题转化为普通的参数线性规划问题进而求其解。
- 岳伟贺兴时
- 关键词：流动性区间数线性规划
- BP神经网络结点数选取的改进方法及其应用被引量：14
- 2008年
- 提出一种改进的隐含层神经元个数的选取方法.该方法基于隐含层神经元输出之间的相关关系,估计隐含层结点数,把隐含层结点的改进算法用于物种选取的实例中,通过MATLAB编程实现,并与回归分析做出的结果进行比较.结果表明,该方法对建立BP神经网络结构有一定的借鉴作用.
- 张庆庆贺兴时
- 关键词：BP神经网络
- 基于粒子群优化的模糊聚类分析被引量：3
- 2007年
- 基于求解实优化问题时,粒子群优化算法优于遗传算法。在基于遗传算法的模糊C均值聚类算法基础上,给出了基于粒子群的模糊C均值聚类算法,试验结果表明:该算法克服了传统的模糊C均值聚类算法的缺陷,同时在收敛速度方面明显优于基于遗传算法的模糊C均值聚类算法。
- 王玲贺兴时
- 关键词：模糊聚类模糊C均值算法遗传算法粒子群优化算法
- 基于人工免疫系统的二进制差分进化算法被引量：3
- 2006年
- 差分进化作为一种新的进化算法，在诸多实值优化问题中已经取得了巨大成功，然而，在解决离散问题时易出现早熟收敛．为了克服这个缺点，提出一种基于生物学免疫理论的二进制差分进化算法，通过引入负选择操作改善算法的收敛性能．模拟结果表明，基于生物学免疫理论的二进制差分进化算法比二进制粒子群优化和遗传算法，显著提高了搜索能力和收敛速度．
- 韩琳贺兴时
- 关键词：人工免疫系统负选择
