杨乐婵 作品数:8 被引量:26 H指数:3 供职机构: 滁州学院国土信息工程系 更多>> 发文基金: 国家重点基础研究发展计划 广西壮族自治区自然科学基金 安徽省科研计划项目 更多>> 相关领域: 自动化与计算机技术 建筑科学 更多>>
基于动态种群的GEP函数挖掘算法研究 被引量:2 2009年 对样本数据进行函数挖掘是GEP研究的一个重要内容。传统的GEP算法往往容易陷入局部最优,为了解决这个问题,本文在动态种群生成策略的基础上,提出了基于动态种群的GEP函数挖掘算法(FMGEP-DP)。实验表明,无论是在噪声数据不大的情况下,还是对于函数类型未知且复杂的数据,与传统的GEP和GP相比,FMGEP-DP的收敛速度要快,函数挖掘成功率要高。 杨乐婵 邓岳川关键词:基因表达式编程 函数挖掘 遗传编程 基于C#的主成分分析算法及其与GIS接口 被引量:6 2006年 分析了传统方法开发的组件存在“DLL Hell”问题和传统G IS软件在面对大数据集时效率低的不足,指出使用C#语言开发的组件可以有效地解决这些问题。并以开发主成分分析模块为例,介绍了主成分分析主要计算方法,给出了基于C#的算法,最后给出了基于C#的主成分分析模块实现及其与G IS软件的接口技术。 饶元 元昌安 邓松 杨乐婵 廖剑平关键词:C# GIS 主成分分析 接口 基于GIS的城市防洪信息系统的理论与设计初探——以梧州市为例 被引量:1 2005年 该文探讨了GIS技术在防洪系统中的解决方案和实现方法.以梧州市为例,初步设计了基于GIS的城市防洪信息系统,并对系统的总体结构、主要功能、软件配置进行了较详尽的阐述. 杨乐婵 吴良林 邓松 饶元关键词:地理信息系统(GIS) 基于GEP和神经网络的属性约简分类算法 被引量:6 2006年 分类(Classification)是数据挖掘(DataMining)中的一个重要研究方向,目前传统的方法有神经网络,Fisher判别法等。神经网络缺乏对分类结果的直观解释;Fisher判别对于大数据集分类准确率大大下降,且不具有属性约简能力。为此,该文做了如下工作(1)提出了自动获取最佳阈值的思想;(2)对于错分的实例,提出了运用神经网络分类器二次分类的思想;(3)提出了基于基因表达式编程和神经网络的属性约简分类算法(AttributionReductionClassificationAlgo-rithmsBasedonGEPandNeuralNetwork,ARCA-GEPNN);(4)实验表明,ARCA-GEPNN的分类精度比Fisher判别提高了约25%,比GEP提高了约21%。 邓松 元昌安 赵波 段磊 杨乐婵 饶元 廖剑平关键词:基因表达式编程 神经网络 属性约简 基于属性约简的GEP洪灾灾情预测算法 被引量:1 2009年 洪灾灾情预测是预防和了解洪灾的重要手段。为了解决传统的洪灾灾情预测算法的不足,提出基于折半查找的最优属性约简算法(OAR-BSA),最大限度地降低影响洪灾灾情数据的因素,并在此基础上,结合基因表达式编程的概念,给出了基于属性约简的GEP洪灾灾情预测算法(FFGEP-AR)。仿真实验表明,OAR-BSA算法求解最优约简比传统的算法要快,FFGEP-AR算法比传统预测算法的平均耗时要小,预测的准确率要高。 杨乐婵 邓岳川 邓松 谢昀关键词:属性约简 基因表达式编程 函数挖掘 基于BP网络的洪灾风险评价算法 被引量:8 2010年 为了解决洪灾风险评价问题,文中在分析传统洪灾风险评价算法不足的基础上,结合BP网络特点,提出了基于BP网络的洪灾风险评价算法(Flood Risk Evaluation algorithm on BP Net,FRE-BPN),同时为了解决BP算法对复杂高维样本数据建模效率差、精度低的缺陷,利用粗糙集对BP网络进行约简。仿真实验表明,粗糙集约简使得BP网络大大降低了洪灾风险评价模型建立的复杂度,同时FRE-BPN算法对洪灾数据集进行风险评价时的平均耗时大大下降。 杨乐婵 邓松 徐建辉关键词:粗糙集 BP网络 属性约简 基于ArcGIS的城市洪灾风险评价方法及其实现技术——以广西梧州市河东区为例 被引量:2 2007年 城市洪灾风险评价与洪水强度、洪水频率、易损率、风险系数等影响因素密切相关。基于ArcGIS中的面向对象技术的对象库ArcObjects(AO),利用空间叠加分析方法对梧州市城区进行洪灾风险评价,得到梧州市城区洪灾风险评价结果,并较好地符合实际情况。 杨乐婵 曾令锋关键词:ARCOBJECTS 基于改进型期望值选择的GA及程序实现 被引量:1 2006年 遗传算法(Genetic Algorithms,GAs)作为一种新的全局优化搜索算法,在各学科中有着广泛的应用,选择策略在GA的进化中具有重要的意义,直接决定GA进化结果的效率和效果,该文指出基于轮盘赌选择的遗传算法和基于传统期望值选择的遗传算法的不足,并在此基础上提出了基于改进型期望值选择的遗传算法(RevisedExpected Value Selection-GA,REVS-GA),提高了程序的简洁度,同时通过实验证明了REVS-GA有效地克服了“早熟”现象,并且执行的效率比传统算法高. 邓松 元昌安 杨乐婵 饶元 廖剑平关键词:遗传算法 C++ 函数优化