一种融合集成思想的不平衡数据分类方法

单一的传统分类器在处理不平衡数据时,对少数类的分类存在较大误差,效果往往不够理想,为了提高少数类和整体的分类性能,提出一种融合集成思想的不平衡数据分类方法。该方法首先对多数类样本进行过采样,与少数类样本组成类平衡的数据集;其次,从数据和算法的异质性出发,集成多个基分类器,利用集成后的算法改变数据分布。实验结果表明,该方法能够有效提升分类器的AUC、G-mean和F-measure,在实验数据集中最高提升了16.7%、21.9%和20.2%。在处理不平衡数据时,该方法能够改善分类器对少数类和整体的分类性能。

改进免疫遗传算法求解柔性作业车间调度问题

针对单目标柔性作业车间调度问题,以最小化最大完工时间为目标建立了生产调度模型,并在此模型的基础上设计了一种收敛速度和求解稳定性均较优的免疫遗传算法。该算法采用三种方式相结合混合策略的种群初始化方式产生初始解,改善了初始种群的形成机制,提高了种群的初始质量和多样性。在基于提高算法搜索能力的基础上提出了抗体浓度调节方式及根据抗体浓度正交自适应调节的交叉算子、变异算子的构造方法。针对免疫遗传算法早熟收敛问题,利用种群分割的思想增加了其多样性,进一步提高了算法的收敛能力。最后,使用MATLAB求解基准算例对算法的性能进行仿真测试,并给出了算例仿真的最优甘特图与收敛图,通过与其他算法的求解结果相比较,验证了该算法有效性和可行性。

基于改进XGBoost的企业员工离职预测模型

建立企业员工离职预测模型找出有离职倾向的员工,可以提前采取有针对性的措施,降低人才流失对企业发展造成的影响。文中选取IBM Watson Analytics平台发布的数据集,建立基于改进XGBoost算法的模型并与未改进前的模型进行比较研究。结果表明,改进后的模型在召回率以及AUC值指标上提高了100%和8%。