检索结果

Select

1. 基于教与学优化的可变卷积自编码器的医学图像分类方法

李薇, 樊瑶驰, 江巧永, 王磊, 徐庆征

《计算机应用》唯一官方网站 2022, 42 (2): 592-598. DOI: 10.11772/j.issn.1001-9081.2021061109

摘要（307）

HTML （11）

PDF （634KB）（97）

针对传统手工方法优化卷积神经网络（CNN）参数时存在耗时长、不准确，以及参数设置影响算法性能等问题，提出一种基于教与学优化（TLBO）的可变卷积自编码器（CAE）算法。该算法设计了可变长度的个体编码策略，从而快速构建CAE结构，并堆叠CAE为一个CNN；此外，充分利用优秀个体的结构信息来引导算法朝着更有希望的区域搜索，从而提高算法性能。实验结果表明，所提算法在解决医学图像分类问题时，分类精度达到89.84%，高于传统CNN和同类型神经网络。该算法通过优化CAE结构和堆叠CNN解决医学图像分类问题，有效提高了医学图像分类性能。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于Pareto邻域交叉算子的多目标粒子群优化算法

屈敏高岳林江巧永

计算机应用 2011, 31 (07): 1789-1792. DOI: 10.3724/SP.J.1087.2011.01789

摘要（1537）

PDF （573KB）（839）

针对粒子群优化（PSO）算法局部搜索能力不足的问题，提出一种基于Pareto邻域交叉算子的多目标粒子群优化算法(MPSOP)。该算法利用粒子群优化算法和Pareto邻域交叉算子相结合的策略产生新种群，并利用尺度因子在线调节粒子群优化算法和Pareto邻域交叉算子的贡献量。数值实验选取6个常用测试函数并对NSGA-Ⅱ、SPEA2、MOPSO三个多目标算法进行比较，数值实验结果表明MPSOP算法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

3. 融合差分进化和倒序变异扩展蚁群算法

江巧永高岳林

计算机应用 2010, 30 (9): 2283-2285.

摘要（1198）

PDF （563KB）（1165）

为了克服扩展蚁群优化(ACO)容易出现早熟现象，提出在扩展蚁群每次进化后引入倒序变异和差分进化对新种群进行二次变异。通过倒序变异和差分进化(DE)算法计算的信息来影响扩展蚁群的进化进程，以保持群体的活性，实现全局优化的目的。数值试验结果表明新算法精度较高、鲁棒性较强。