文献类型：期刊文章

作　　者：沈焱萍[1,2] 郑康锋[1] 伍淳华[1] 杨义先[1]

SHEN Yanping;ZHENG Kangfeng;WU Chunhua;YANG Yixian(School of Cyberspace Security,Beijing University of Posts and Telecommunications,Beijing 100876,China;School of Information Engineering,Institute of Disaster Prevention,Langfang 065201,China)

机构地区：[1]北京邮电大学网络空间安全学院,北京100876 [2]防灾科技学院信息工程学院,河北廊坊065201

出　　处：《通信学报》

基　　金：国家自然科学基金资助项目(No.61602052);国家重点研发计划基金资助项目(No.2017YFB0802803)~~

年　　份：2019

卷　　号：40

期　　号：12

起止页码：124-137

语　　种：中文

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

摘　　要：针对机器学习算法在应用中存在的问题,构建基于智能启发算法的机器学习模型优化体系。首先,介绍已有智能启发算法类型及其建模过程。然后,从智能启发算法在机器学习算法中的应用,包括神经网络等参数结构优化、特征优化、集成约简、原型优化、加权投票集成和核函数学习等方面说明智能启发算法的优势。最后,结合实际需求展望智能启发算法及在机器学习领域的发展方向。

关 键 词：参数结构优化  特征优化  集成约简  原型优化  加权投票集成  核函数学习  

分 类 号：TP39]