10.3969/j.issn.1003-6059.2011.06.002
基于动态交叉协同的属性量子进化约简与分类学习级联算法
属性约简与规则分类学习是粗糙集理论研究和应用的重要内容.文中充分利用量子计算加速算法速度和混合蛙跳算法高效协同搜索等优势,提出一种基于动态交叉协同的量子蛙跳属性约简与分类学习的级联算法.该算法用量子态比特进行蛙群个体编码,以动态量子角旋转调整策略实现属性染色体快速约简,并在粗糙熵阈值分类标准内采用量子蛙群混合交叉协同进化机制提取和约简分类规则、组合决策规则链等,最后构造属性约简和分类学习双重功能级联模型.仿真实验验证该算法不仅具有较高的全局优化性能,且属性约简与规则分类学习的精度和效率均超过同类算法.
属性约简、规则分类学习、粗糙熵阈值、量子角动态旋转、交叉协同进化
24
TP181(自动化基础理论)
国家自然科学基金项目61171132;江苏省普通高校研究生科研创新计划项目CXZZ11_0219;江苏省高校自然科学基金项目09KJD520008;江苏省计算机信息处理技术重点实验室开放课题项目KJS/023;南通市科技计划项目BK2011062
2012-05-14(万方平台首次上网日期,不代表论文的发表时间)
共10页
733-742