李凯齐
- 作品数：5 被引量：20H指数：3
- 供职机构：解放军理工大学更多>>
- 发文基金：中国博士后科学基金江苏省博士后科研资助计划项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于进化强度的蚁群算法过程性能评价被引量：3
- 2013年
- 为了评价蚁群算法的过程性能,提出了一种基于进化强度的蚁群算法性能评价方法。以子集问题为例,引入谷元距离度量解的差异程度,并定义了迭代的相对进化幅度。将一次迭代的相对进化幅度与解的相对差异程度之比定义为进化强度,并据此将迭代区分为进化代与停滞代。通过多次运行算法并计算进化强度的平均值得到蚁群算法的进化强度趋势图,对比进化强度的趋势图进行蚁群算法过程性能评价。以4种求解子集的典型蚁群算法为例,通过标准测试实例验证了评价方法的有效性与合理性。
- 曹建军刁兴春李凯齐邵衍振
- 关键词：蚁群算法趋势图
- 蚁群优化算法在求解随机组合优化问题中的应用综述被引量：1
- 2010年
- 不确定条件下的优化问题更贴近真实世界环境,因而日益受到广泛关注。综述了蚁群优化在求解一组不确定条件下的组合优化问题,即随机组合优化问题方面的应用。首先介绍了不确定条件下组合优化问题的概念分类模型,给出了随机组合优化问题的一般定义;然后指出了其与求解传统确定性组合优化问题的不同之处,即目标函数的计算存在不确定性,并详细论述了目前解决方法的进展;最后分析了该领域值得重点关注的几个研究方向,并对其未来发展进行了展望。
- 李凯齐刁兴春曹建军
- 关键词：蚁群优化不确定性组合优化
- 基于信息增益的文本特征权重改进算法被引量：9
- 2011年
- 传统tf.idf算法中的idf函数只能从宏观上评价特征区分不同文档的能力,无法反映特征在训练集各文档以及各类别中分布比例上的差异对特征权重计算结果的影响,降低文本表示的准确性。针对以上问题,提出一种改进的特征权重计算方法tf.igt.igC。该方法从考察特征分布入手,通过引入信息论中信息增益的概念,实现对上述特征分布具体维度的综合考虑,克服传统公式存在的不足。实验结果表明,与tf.idf.ig和tf.idf.igc 2种特征权重计算方法相比,tf.igt.igC在计算特征权重时更加有效。
- 李凯齐刁兴春曹建军
- 关键词：特征加权文本分类
- 基于改进蚁群算法的高精度文本特征选择方法被引量：7
- 2010年
- 为了反映特征子集对分类结果的整体影响,去除噪声特征项,提出了一种基于改进蚁群算法的高精度文本特征选择方法。建立了特征选择数学模型,实现了特征选择过程与分类器分类过程间的直接关联;设计了特征优选与特征精选相结合的模型求解方案,降低了模型求解过程中的计算复杂度;提出了基于等效路径增强和局部搜索更新相结合的改进蚁群算法,提高了解的质量和稳定性。实验结果表明,与现有文本特征选择方法相比,该方法能大幅提升分类精度。
- 李凯齐刁兴春曹建军李峰
- 关键词：特征子集蚁群优化文本分类
- 基于灰关系与信息增益融合的文本分类模型
- 2012年
- 针对信息增益模型在文本分类中的不足之处,提出了一种基于灰关系与信息增益的文本分类算法.首先基于改进的χ2统计进行类别特征选择用于类内文本表示,提高类别中心向量的表示能力;其次针对IG模型对低频词赋权过大问题,提出了基于频数和位置的改进加权方法;最后提出了基于灰关系的文本相似度计算途径,改善了基于距离的相似度计算模式的不足.试验表明,此算法提高了文本分类效率.
- 刘海峰李凯齐汪泽焱
- 关键词：信息增益位置加权文本分类
