基于机器学习耦合模型预测FDM零件的表面粗糙度

熔融沉积工艺(FDM)制造的零件表面粗糙度高,不仅影响了零件外观,还降低了性能。采用响应面实验设计,研究了层高(A)、填充密度(B)、喷嘴温度(C)、床层温度(D)和打印速度(E)对聚乳酸(PLA)零件表面粗糙度的影响。同时,将遗传算法(GA)与决策树(DT)、人工神经元网络(ANN)两种机器学习模型相结合,预测了零件的表面粗糙度。结果表明,A、B、C和E是显著影响零件表面粗糙度的主效应,A×B、A×C、A×E、B×C、B×E、C×E是影响显著的交互效应。GA+DT耦合模型预测PLA零件表面粗糙度的准确性更高,预测值与实验值的相关系数(R2)、均方误差(MSE)和平均绝对误差(MAE)分别为0.952、0.132和0.234,优于GA+ANN的0.823、1.561和1.759。GA+DT模型的预测值与实验值的Pearson相关系数为0.984,而GA+ANN模型仅为0.903,这表明GA+DT模型在预测PLA零件表面粗糙度时准确度更高。

基于改进遗传算法的入侵检测技术的设计与实现

天地一体化网络处在开放的电磁环境中,会时常遭受恶意网络入侵。为解决网络中绕过安全机制的非授权行为对系统进行攻击的问题,提出一种改进的遗传算法。该算法以决策树算法为适应度函数,通过删除数据集中的冗余特征,显著提高了对网络攻击的拦截率。通过机器学习进行异常分类,并利用遗传算法的特征选择功能,增强机器学习方法的分类效率。为验证算法的有效性,选用UNSW_NB15和UGRansome1819数据集进行训练和检测。使用随机森林、人工神经网络、K近邻和支持向量机等4种机器学习分类器进行评估,采用准确性、F1分数、召回率和混淆矩阵等指标评估算法的性能。实验证明,遗传算法作为特征选择工具能够显著提高分类准确性,并在算法性能上取得显著改善。同时,为解决弱分类器的不稳定性,提出一种集成学习优化技术,将弱分类器和强分类器集成进行优化。实验证实了该优化算法在提高弱分类器稳定性方面性能卓越。

基于通信网络的大数据防诈模型设计和研究

近年来,电信网络诈骗犯罪形势十分严峻,已成为发案最多、上升最快、涉及面最广、人民群众反映最强烈的犯罪类型。基于电信通信网络,通过对公安、工信部通报诈骗号码的大数据挖掘分析,提取相似特征,利用机器学习、大数据、神经网络、遗传算法等开发大数据防诈模型,从数据采集、中间处理、模型生成、用户匹配、用户停机等全流程,及时关停疑似诈骗分子的号码,避免更多人蒙受诈骗,遭受损失。

基于演化CatBoost算法的房价预测模型

遗传规划算法采用函数变换将原有变量张成的空间映射到新的特征空间,通过遗传算子操作实现目标函数的最优化。影响房价波动的因素有很多,各影响因素与房价之间呈现复杂的非线性关系。文中提出了一种基于演化CatBoost算法的房价预测模型,将影响房价波动的各因素变量编码为遗传规划算法的终端变量,采用CatBoost算法作为基学习器构建适应度函数,针对房价预测的特点设计合理的遗传算子,在函数映射后的特征空间上实现目标函数的最优化,以提升预测模型的性能。实验结果表明,基于演化CatBoost算法的房价预测模型的预测性能优于传统的基于随机森林算法、支持向量机算法、自适应增强算法、极致梯度提升算法等的预测模型,能够更好地实现房价的预测,在相同条件下具有更高的预测准确度。

基于遗传算法的特征选择方法在短时强降水预报中的应用

利用江苏省13个气象观测站历史上短时强降水观测资料,用遗传算法进行特征选择,选定影响短时强降水的950 hPa假相当位温、700 hPa比湿、500 hPa比湿、对流有效势能(Convective Available Potential Energy,CAPE)等14个特征为主要因素,将是否为短时强降水抽象成二元分类问题。借助机器学习中CART决策树算法进行分类分析,构建便于使用的短时强降水预报规则集。实验部分,随机选择5816条样本进行训练模型,得到适合江苏地区的短时强降水规则集,利用剩余的1454条数据进行实际检验,模型的短时强降水预报准确率为91.35%,非强降水预报准确率为97.11%,较特征选择之前分别提升了8.66%和1.05%。

基于遗传算法和支持向量机的玉米品种识别

提出了一种基于遗传算法(GA)和支持向量机(SVM)的玉米种子的图像特征选择和分类识别的新方法。该方法首先用遗传算法对采集到的玉米种子图像的特征进行优化,而后采用决策二叉树的支持向量机分类算法对玉米品种进行识别。该分类算法将分类器分布在各个结点上,构成多类支持向量机,减少了分类器的数量和重复训练样本的数量。实验结果表明该方法能选出适合于识别的玉米种子特征并能对玉米种子进行正确地识别。

基于GATS-C4．5的IP流分类

流分类技术在网络安全监控、QoS、入侵检测等应用领域起着重要的作用,是当前研究的热点。提出一种新的特征选择算法GATS-C4.5来构建轻量级的IP流分类器。该算法采用遗传算法与禁忌搜索相混合的搜索策略对特征子集空间进行随机搜索,然后利用提供的数据在C4.5上的分类正确率作为特征子集的评价标准来获取最优特征子集。在IP流数据集上进行了大量的实验,实验结果表明基于GATS-C4.5的流分类器在不影响检测准确度的情况下能够提高检测速度,并且基于GATS-C4.5的IP流分类器与NBK-FCBF(Nave Bayes method with Kernel densityesti mation after Correlation-Based Filter)相比具有更小的计算复杂性与更高的检测率。

基于二叉树编码遗传算法的SOA服务选择

为解决SOA服务组合中服务选择问题,提出了一种基于二叉树编码的遗传算法。首先将一个服务的组合方案等效成AOV图,并将其转换成二叉树,然后进行后续遍历并编码。该编码基于二叉树结构,树的非叶子节点保存了其子树的QoS计算结果,可有效降低遗传算法的计算量;同时可表示分支结构的组合方案,克服了一维编码的局限性。通过实例分析和仿真实验验证了其有效性及比一维编码遗传算法更高的执行效率。

双层规划下考虑环境侵害的垃圾分拣中心选址研究

针对含有害垃圾分拣任务的垃圾分拣中心选址主从博弈问题,提出具有上层奖励机制的双层规划选址方案。首先,将收集点与有害垃圾处理企业作为回收物流发起方构建上层模型,将分拣中心与回收点作为接收方构建下层模型。其次,上下层均引入因有害垃圾存在而带来的环境侵害成本,考虑奖励等级为决策方案使上下层成本相互制约。最后以遗传算法求解算例,通过与单层双目标模型比较,讨论该双层成本模型的设计机制在成本控制上的优势与不足。

用遗传算法构造二元决策树

决策树的方法是一种优化的过程，遗传算法是模拟自然进化的通用全局搜索算法，文中将遗传算法应用到构造优化决策树，提出了采用遗传算法求解二元决策树的非叶结点的权值矢量，进而构造二元决策树的方法．并讨论了遗传算法的评价函数构造和编码方法，重点说明了如何对遗传算法进行改进，提高算法效率，然后分析了影响二元决策树错误分类率的因素。

一种求解GP-决策树权值矢量算法及应用

提出一种基于遗传程序设计算法(GPA)求解决策树结点的权值矢量,并根据树结点的 错误率与分割后的错误率减少量构造GP 决策树算法的方法。该方法不但可以求解出树结点的权值 矢量,同时也确定了GP 决策树的结构。实验结果表明,应用GP 决策树算法能够正确完成对趋势预 测模型的选择。

遗传算法在基于二元决策树的模型选择中的应用

模型选择是模型管理的重要部分．本文提出利用二元决策树实现模型选择，并采用遗传算法构造二元决策树．最后给出了在趋势预测模型选择中的应用实例。

基于遗传实例和特征选择的K近邻训练集优化方法

K近邻的分类性能依赖于训练集的质量。设计高效的训练集优化算法具有重要意义。针对传统的进化训练集优化算法效率较低、误删率较高的不足,提出了一种遗传训练集优化算法。该算法采用基于最大汉明距离的高效遗传算法,每次交叉保留父代并生成两个新的具有最大汉明距离的子代,既提高了效率,又保证了种群多样性。该算法将局部的噪声样本删除策略与特征选择策略相结合。首先使用决策树算法确定噪声样本存在的范围,然后使用遗传算法精准删除此范围内的噪声样本和全局的噪声特征,降低了误删率,提高了效率。该算法采用基于最近邻规则的验证集选择策略,进一步提高了遗传算法实例选择和特征选择的准确度。在15个标准数据集上,该方法相较于协同进化实例特征选择算法IFS-CoCo、加权协同进化实例特征选择算法CIW-NN、进化特征选择算法EIS-RFS、进化实例选择算法PS-NN、K近邻算法KNN,在分类精度上分别平均提升了2.18%,2.06%,5.61%,4.06%和4.00%。实验结果表明,所提方法的分类精度和优化效率优于当前的进化训练集优化算法。

基于面向对象的智能决策支持系统模型库自动选择

面向对象的智能决策支持系统(IDSS)模型库管理系统的模型自动选择方法有多种。基于人工神经网络方法,通过人机交互接口将问题分解出的文字特征分解为问题的目标和初始态要素,再用智能识别器推理并选择模型。基于遗传算法的模型自动选择通过决策树表示以实现。基于自然语言理解的模型自动选择方法,通过加入问题识别模块实现。基于灰色关联度方法,通过自然语言理解法对用户的问题进行分析再选择适合问题的模型。

基于遗传程序设计的GP-决策树优化算法及应用

该文根据决策树结点的错误率与分割后的错误率减少量,提出一种新的基于遗传程序设计(GP)的GP-决策树优化算法。该算法不但可以求解出GP-决策树结点的权值矢量,同时也确定了GP-决策树的结构。实验结果表明,应用GP-决策树优化算法能够正确完成对趋势预测模型的选择。

模糊决策树在公共危机应急系统中的应用

针对公共危机应急系统数据库中数据庞杂,记录分类较难的情况,提出了一种采用遗传算法选择参数的模糊决策树算法,提高了决策树分类算法的准确率和得到规则的可解释性。将设计的分类器应用到实际的公安系统数据库当中,在对原有记录进行分类的基础上,得到了有效的规则,成功地帮助警务人员对当前的危急事件做出快速准确的预测和判断。

基于加权二叉树的自适应遗传算法研究

为改进传统遗传算法局部搜索能力较差、收敛速度慢等缺点,提出一种基于加权二叉树的遗传算法。通过构建遗传基因二叉树,对种群染色体进行编码,根据子代基因的适应值挑选优秀基因替换弱势基因,采用蚁群信息素对不同的遗传基因进行加权操作,依权重择优进行交叉操作,利用自适应排序选择最优解,并通过对比实验对该算法和基本遗传算法进行了全方位的比较。试验结果表明该算法大大提高了遗传算法的局部搜索能力,加快了算法的收敛速度。

基于决策树及遗传算法的人工免疫入侵检测算法

针对传统的否定选择算法中生成大量无效抗体,并且抗体之间缺乏多样性的问题,设计了基于决策树及遗传算法的人工免疫入侵检测算法。将决策树和遗传算法引入传统的否定选择算法中,利用决策树计算抗原和抗体之间的亲和力,提出了新fitness的计算公式,并利用抗体浓度衡量抗体集的多样性,将低浓度抗体代替高浓度抗体,实现了抗体的多样性,确保了当抗体集的数量一定时尽可能覆盖最大的非自体集空间,以提高抗体集的性能。

数据挖掘方法的评述

决策离不开知识 ,从数据库中采掘知识 ,是解决从大信息量中获取有用知识的有效途径。但是在实际数据库中 ,数据的复杂性 (如信息量大、噪声等 )对数据挖掘方法提出了比机器学习更高的要求 ,这方面的研究正受到越来越多的关注。本文就当前数据挖掘的几种主要方法 ,即神经网络、决策树、粗集和云模型等方法的研究现状进行了评述 ,指出其存在的问题。从总体上看 ,这些方法都有局限性 ,但它们的有机组合具有互补性 ,多方法融合将成为数据挖掘的发展趋势 。

面向芯片计算机集成的时钟树构建

阐述了芯片的版图设计中形成时钟二叉树的多级遗传算法,从理论上说明了该遗传算法的求解思路、编码方式、适应度函数、遗传算子的设计等。重点讨论了节点合并策略和单节点二叉树的形成。提出了时钟二叉树的多级模型,并设计了基于多级遗传算法的时钟二叉树形成算法。用该算法对随机测试例子和标准标杆测试例子的测试中发现,与传统的启发式算法相比,多级遗传算法能产生更好的测试结果。