基于遗传算法的混合学习和集成学习研究

发布时间：2020-06-20 23:47

【摘要】：智能学习领域中,混合智能学习是目前研究的热点,倍受人们的关注。目前这方面的研究已经取得了很多成果并得到了广泛应用。对于复杂系统,已经推广到应用三种智能技术或更多混合来进行求解。此外,集成学习这一新提出的学习思想,由于学习应用效果明显,引起了国内外广大学者的兴趣。本文正是围绕这两种学习思想进行了一系列的研究。 本文基于混合学习和集成学习的思想,将两种学习理论应用于遗传算法,分别来解决组合优化问题、遗传算法参数选择问题;基于遗传算法对集成学习权重进行优化。 本文的主要工作包括: ⑴ 受混合学习的思想启发,提出了基于单亲遗传算法和模拟退火的混合优化算法。针对单亲遗传算法解决序号编码问题提出了一种新的编码方案,大大避免了不可行解的出现,缩小了搜索空间;同时在单亲遗传算法中加入了模拟退火思想,增强了遗传算法的局部搜索能力,解决遗传算法群体退化的问题;最后,对于一个物流运输过程中的车辆路径问题进行了仿真实验,验证了该算法的有效性。 ⑵ 针对遗传算法参数难于选择的问题,我们将集成学习思想应用于求解遗传算法的参数选择问题。本文主要是将不同的交叉概率、变异概率组合,形成不同的遗传算法,最后将单个算法的预测准确度作为学习权重来进行集成。最后,在UCI数据库上进行了仿真实验。特别地通过对带噪声数据的模拟分类实验说明了遗传算法在分类问题中的高预测准确度;并给出了一个度量算法差异性的概率指标,通过该指标的分析,可以得出单个遗传算法之间差异性很小等特征。 ⑶ 对于集成学习的代表性算法Boosting、Bagging进行了研究,并通过将两种算法应用于神经网络对其有效性进行了验证。同时,为了进一步提高集成学习的性能,我们在神经网络集成学习中引入了基于遗传算法的权重优化混合方法,对神经网络集成学习的权重进行进化调整,以提高集成学习的预测精度。最后在UCI数据库上进行了仿真实验,验证了本方法的有效性。
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2003
【分类号】：G420

【相似文献】

相关期刊论文 前10条

1 田雪;陶璐琳;;混合学习在现代教育技术理论课中的应用研究[J];软件导刊;2011年06期

2 路智星;;混合式学习策略研究及未来趋势展望[J];中国电力教育;2011年20期

3 郭翠云;;基于混合学习的计算机基础教学分析[J];中国教育技术装备;2011年24期

4 陈惠琼;;基于混合学习的协作型学习活动设计[J];中等职业教育(理论);2011年06期

5 刘芳;;基于混合学习的大学英语听说教学研究[J];现代教育科学;2011年09期

6 于蕾;齐振国;;数字化学习给我国大学英语教师带来的挑战[J];中国远程教育;2011年08期

7 王靖;陈卫东;;高校双语教学的系统化设计[J];现代教育技术;2011年07期

8 王娟;;远程开放教育中基层电大课堂教学的实践研究——基于混合学习模式的视角[J];湖北大学成人教育学院学报;2011年04期

9 张轶斌;;英国开放教育资源项目(UKOER)述评[J];电化教育研究;2011年07期

10 方广宇;;Blended Learning在教育技术培训中的应用[J];考试周刊;2011年44期

相关会议论文 前10条

1 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年

2 高卓;王少梅;;基于混合学习的高校教师教育技术培训新模式[A];信息技术环境构建与教学应用[C];2009年

3 韩冽;李泰峰;;通过混合学习实现信息技术与本科课程整合[A];基于信息技术的教学新模式研究[C];2006年

4 赵伍;申继亮;;可视化师资培训模式介推[A];第十一届全国心理学学术会议论文摘要集[C];2007年

5 熊珍珍;邹琳琳;;基于多Agent技术的混合学习探讨[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

6 章成志;;基于集成学习的自动标引方法研究[A];中国索引学会第三次全国会员代表大会暨学术论坛论文集[C];2008年

7 辛琳;秦可德;张晓中;;经管类本科生混合学习系统构建研究——以《企业筹资财务》课程为例[A];中国会计学会会计教育专业委员会2010年年会论文集[C];2010年

8 浦丽华;;《数字资源与学科教学整合的有效突破点——混合学习法的实践与思考》[A];江苏省教育学会2006年年会论文集（综合二专辑）[C];2006年

9 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

10 张红梅;高海华;王行愚;;抑制样本噪声的AdaBoost算法及其在入侵检测中的应用[A];2007年中国智能自动化会议论文集[C];2007年

相关重要报纸文章 前9条

1 本报记者 李茂 编译;学习也有新智慧[N];中国教师报;2010年

2 戴佳婕邋惠正一;打造“百万元EMBA”俱乐部[N];第一财经日报;2008年

3 赵江;IT培训的三种方式[N];中国计算机报;2001年

4 本报记者　余冠仕整理;“混合”：通向未来之路[N];中国教育报;2004年

5 庄林;适合自己的才是最好的[N];中国电脑教育报;2002年

6 本报记者 高赛;国内软件人才市场升温[N];光明日报;2002年

7 本报记者 刘琴　本报通讯员 商秀梅;“国培计划”惠泽我区6.1万农村教师[N];广西日报;2011年

8 记者 李静　通讯员 商秀梅;广大农村教师将获培训[N];南宁日报;2011年

9 甘肃省兰州市教育局局长 何泳忠;我眼中的美国教育[N];中国教师报;2011年

相关博士学位论文 前10条

1 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年

2 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年

3 张丽新;高维数据的特征选择及基于特征选择的集成学习研究[D];清华大学;2004年

4 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年

5 刘峰;贝叶斯网络结构学习算法研究[D];北京邮电大学;2008年

6 沈道义;基于最小化训练误差的子空间分类算法研究[D];中国科学技术大学;2008年

7 毛先柏;基于支持向量机的模拟电路故障诊断研究[D];华中科技大学;2009年

8 张沐光;基于局部—全局结构分析的统计过程监测方法研究[D];浙江大学;2011年

9 武晓莉;信息融合及集成学习在水质光谱分析中的应用研究[D];浙江大学;2007年

10 陶晓燕;基于支持向量机和流形学习的分类方法研究[D];西安电子科技大学;2008年

相关硕士学位论文 前10条

1 刘晓坤;基于遗传算法的混合学习和集成学习研究[D];天津大学;2003年

2 李新军;基于支持向量机的建模预测研究[D];天津大学;2004年

3 张家红;集成分类学习算法研究[D];山东师范大学;2011年

4 郝丽锋;朴素贝叶斯分类器的集成学习方法研究[D];河北大学;2009年

5 刘立元;基于集成学习的蛋白质亚细胞定位预测[D];济南大学;2011年

6 贺梁;基于支持向量机的集成学习算法研究[D];华南理工大学;2010年

7 李洪伟;基于模式识别和集成学习的电力系统暂态稳定评估[D];华北电力大学（河北）;2010年

8 赵万鹏;基于Adaboost算法的数字识别技术的研究与应用[D];中国科学院研究生院（成都计算机应用研究所）;2006年

9 王晓芹;类别不平衡数据的集成学习研究[D];山东师范大学;2010年

10 王体龙;基于置信区间的贝叶斯网参数学习算法及集成学习研究[D];吉林大学;2008年

本文编号：2723147