2016-12-01
流形学习是机器学习与数据挖掘领域的一个重要研究方向。其经典算法总是假设高维数据批量存在于单一流形，且不能有效处理增量出现的高维多流形数据。本文针对等维独立多流形提出一种增量学习算法IMM-ISOMAP。该算法首先对新样本计算动态邻域，通过扩展切空间的方法将新样本依次划分到各子流形，实现对新样本的分类并计算最终低维嵌入。实验结果表明，该算法可以有效地应用于人造数据和实际图像数据。
高等学校博士学科点专向科研基金（20131401120004）
国家自然科学基金（61303091和61201453）
山西省高校科技创新项目（2015108和2015109）
山西省自然科学基金（2015021091）
山西省基础研究计划项目（2014021022-2）
山西大学计算机与信息技术学院，太原 030006,山西大学计算机与信息技术学院，太原 030006
#计算机科学技术#
2007-10-25
普通遗传算法全局优化精度不高、运行时间长的不足，基于此，本文基于链式智能体网络结构提出了一种多子群协同链式智能体遗传算法(MPAGA)。该算法采用了多子群并行搜索的模式，链式智能体结构，动态邻域竞争和正交交叉的策略等，可实现多机并行优化，具有优化时间短、优化精度高的特点。为了验证本文算法的优越性，采用多个国际标准的测试函数对该算法性能进行测试。实验结果表明，该算法在全局优化结果的精度、优化收敛速度方面均优于MAGA。
提示
