文献类型：期刊文章

作　　者：王海泉[1] 侯宇亮[2] 魏建华[2] 徐晓滨[3] 苏孟豪[2] 张姗姗[2]

WANG Haiquan;HOU Yuliang;WEI Jianhua;XU Xiaobin;SU Menghao;ZHANG Shanshan(Zhongyuan Petersburg Aviation College,Zhongyuan University of Technology,Zhengzhou 450007,P.R.China;School of Electronic Information,Zhongyuan University of Technology,Zhengzhou 450007,P.R.China;School of Automation,Hangzhou Dianzi University,Hangzhou 310018,P.R.China)

机构地区：[1]中原工学院中原彼得堡航空学院,郑州450007 [2]中原工学院电子信息学院,郑州450007 [3]杭州电子科技大学自动化学院,杭州310018

出　　处：《重庆大学学报（自然科学版）》

基　　金：河南省高等学校重点科研项目(18A120005);浙江省重点研发项目(2019C03104).

年　　份：2020

卷　　号：43

期　　号：1

起止页码：74-81

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了保证运算时效的同时,提高复杂数据的分类精度,提出了基于多目标蜂群算法和极限学习机的数据分类算法。该方法以最小的特征个数和最高的分类精度为优化目标,利用改进的多目标蜂群算法对数据的特征个数和分类器参数进行寻优,针对多个有代表性的数据集进行仿真,结果表明所提出方法的有效性。

关 键 词：蜂群算法 多目标优化 特征选择  极限学习机 数据分类

分 类 号：TP181]