您的位置: 专家智库 > >

重庆市教育委员会科学技术研究项目(KJ091309)

作品数:7 被引量:26H指数:3
相关作者:范会联李献礼曾广朴陶维安罗跃国更多>>
相关机构:长江师范学院更多>>
发文基金:重庆市教育委员会科学技术研究项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 7篇中文期刊文章

领域

  • 7篇自动化与计算...

主题

  • 3篇子群
  • 3篇粒子群
  • 2篇遗传算法
  • 2篇爬虫
  • 2篇主题相关
  • 2篇主题相关度
  • 2篇相关度
  • 2篇粒子群优化
  • 2篇聚焦爬虫
  • 2篇抽取
  • 1篇动态聚类
  • 1篇动态聚类算法
  • 1篇对象模型
  • 1篇信息抽取
  • 1篇信息抽取方法
  • 1篇信息扩散
  • 1篇蚁群
  • 1篇蚁群算法
  • 1篇优化算法
  • 1篇有效性

机构

  • 7篇长江师范学院

作者

  • 5篇范会联
  • 3篇曾广朴
  • 3篇陶维安
  • 3篇李献礼
  • 1篇罗跃国

传媒

  • 1篇计算机工程与...
  • 1篇计算机工程
  • 1篇微电子学与计...
  • 1篇计算机应用研...
  • 1篇西南师范大学...
  • 1篇山东大学学报...
  • 1篇西南大学学报...

年份

  • 4篇2011
  • 3篇2010
7 条 记 录,以下是 1-7
排序方式:
基于蚁群算法求解最短公共超序列问题被引量:4
2011年
提出基于多数融合启发式与向前看策略求解多个字符串最短公共超序列问题的蚁群算法.该算法采用n只蚂蚁相互独立地建立字符串集合R的超序列.每只蚂蚁在完成一次超序列构建后更新R中每个字符上的信息素.字符串中的每一个字符所得到信息素的多少依赖于该蚂蚁构建的超序列的质量、构建解的过程中字符出现的先后顺序以及在一个构建步骤中同一个字符在不同串中出现的次数3个因素.不同实验数据集上的对比测试结果表明该算法能求得更好的解.
陶维安
关键词:蚁群算法
基于改进遗传算法的聚焦爬虫设计被引量:3
2010年
本文提出以爬行控制器和页面分析过滤器为核心的聚焦爬虫设计方法。从待检索主题出发,在以改进的遗传算法为基础并结合内容评价和链接结构搜索策略优点的爬行策略引导下,以待爬行URL作为遗传个体,基于主题词集的向量空间模型评估个体适应度,引入新的URL实现交叉、变异操作,将具有相同URL前缀的链接按小生境处理。实践证明,该爬虫具有较好的性能。
范会联李献礼曾广朴
关键词:聚焦爬虫主题相关度数据抽取
基于遗传算法的聚焦爬虫搜索策略被引量:6
2010年
为了提高聚焦爬虫的搜索效率,提出一种结合内容评价和链接结构搜索策略的优点并利用小生境遗传算法进行全局寻优的搜索策略。改进遗传算子和小生境遗传算法,将待搜索的网页URL作为遗传个体,采用概率变迁规则和小生境淘汰运算引导搜索方向。实验结果证明,与聚焦爬虫的其他实现技术相比,该策略在抓取主题相关网页时具有更高的查准率和查全率。
曾广朴范会联
关键词:聚焦爬虫遗传算法小生境主题相关度
一种改进的自适应进化粒子群优化算法被引量:3
2011年
针对粒子群优化算法容易陷入局部极值点以及进化后期收敛慢和优化精度较差等缺点,提出一种改进的自适应进化算法.该算法引入信息扩散函数,根据不同粒子的位置及对应适应值与当前群体最佳位置和最佳适应值的关系,控制粒子变尺度向群体当前最佳位置移动;基于多样性反馈机制动态调节惯性权值和控制粒子群的微变异.通过复杂基准函数的仿真优化结果表明,改进算法具有抑制早熟、收敛速度快、求解精度高的特点.
范会联陶维安
关键词:粒子群优化信息扩散早熟收敛
基于信息量的Web表格信息抽取方法被引量:2
2010年
提出一种基于有效信息量的Web表格信息抽取模型,该模型主要由表格定位和表格信息抽取二个模块组成,根据Web表格的内容特征来识别主题表格,通过检查格式、语法的特征将表格分割成值域与属性域.实验结果表明该模型能够很好地应用于Web表格信息的抽取.
曾广朴陶维安
关键词:WEB表格文档对象模型信息抽取
基于近邻关系求解TSP的离散PSO算法被引量:6
2011年
针对NP-hard组合优化问题,提出一种基于启发因子的自适应混合离散粒子群算法对其进行求解。通过改进离散粒子群运动方程,并加入启发因子,从而提高算法的收敛性和稳定性;依据粒子多样性的动态变化,引入自适应扰动算子,以保持种群进化能力。该算法对低、中、高维的TSP数据仿真结果表明,与其他混合离散粒子群算法相比,具有更好的全局收敛性和稳定性。
范会联李献礼
关键词:离散粒子群优化旅行商问题
一种带克隆选择的粒子群动态聚类算法被引量:2
2011年
针对聚类数不确定的高维、大规模数据聚类问题,提出以粒子群优化算法为基础、引入克隆选择算子的聚类分析算法。该算法利用粒子群的优化搜索机制搜索聚类中心向量,并根据适应度高低控制粒子的克隆数量和变异幅度,达到有效避免陷入局部最优的目的,并能克服传统聚类算法对初始值敏感的缺点,提高了算法的稳定性。仿真实验结果表明,该算法不仅能正确得出聚类簇数,而且聚类正确率较对比算法提高了至少7.0%。
范会联罗跃国李献礼
关键词:克隆选择粒子群聚类有效性亲合力
共1页<1>
聚类工具0