汪慎文
- 作品数：30 被引量：210H指数：7
- 供职机构：中国科学院自动化研究所更多>>
- 发文基金：国家自然科学基金江西省自然科学基金江西省教育厅科学技术研究项目更多>>
- 相关领域：自动化与计算机技术理学文化科学建筑科学更多>>
- 同质差分进化算法集成研究
- 作为进化算法中的一支新秀,差分进化算法已在许多应用领域和多年进化大赛中展现出优越的性能。但是,当应用于一些复杂的优化问题时,差分进化算法仍然存在一些问题有待研究解决。其中,以下3个方面的不足最为业内关注：(1)差分进化算...
- 汪慎文
- 关键词：差分进化算法知识指导
- 文献传递
- 基于兴趣度的多值关联规则挖掘被引量：3
- 2008年
- 主要讨论在大型数据库中挖掘多值关联规则。在对数值属性区域划分进行研究,提出多值区间下的Apriori定理、前件子集定理和后件子集定理,提出规则兴趣度的测量方法并且基于规则的兴趣度损失最小化来为区间合并作出决策。该区间合并的方法是一种全局的方法,因此可以得到更有价值的规则。
- 汪慎文刘坤起石艳丽
- 关键词：多值关联规则兴趣度
- 差分进化算法研究进展被引量：81
- 2014年
- 差分进化算法是一类当前较有实力的实参随机优化算法,已成功解决很多实际问题.由于算法结构简单易于执行,控制参数少且有较强的搜索能力,差分进化算法吸引了众多进化算法学者的关注.本文概述了差分进化算法的基本概念,综述了差分进化算法的主要变体,讨论它们的优缺点,并指出下一步的改进方向.
- 汪慎文丁立新张文生郭肇禄谢承旺
- 关键词：进化算法差分进化算法
- 一种深度梯度提升回归预测模型被引量：9
- 2020年
- 浅层学习模型对复杂函数表示能力有限,从而导致泛化能力受到制约。针对此问题,结合深度学习和集成学习思想提出一种基于深度梯度提升的回归预测模型。该模型在输入层对原始特征进行特征子集提取,训练生成子空间基学习器;隐藏层通过构建多层级联结构,逐层融合子空间特征与原始特征从而实现逐层表征学习,并根据相邻层学习变化率自适应学习层数;输出层中使用学习法结合策略对样本进行最终预测。采用并行化方式对各层学习器进行训练以提高模型运行效率。在UCI公开数据集上进行实验验证,结果表明:相比现有集成预测方法,该模型具有更高的预测精度和运行效率。
- 曲文龙陈笑屹李一漪汪慎文
- 一种基于综合学习差分演化算法的多阈值图像分割方法
- 本发明公开了一种基于综合学习差分演化算法的多阈值图像分割方法，本发明在差分演化算法的变异操作过程中，采用二元锦标赛选择方法随机从种群中选择出一个个体，并将它与最优个体生成一个综合个体，再以该综合个体为基础个体执行变异操作...
- 郭肇禄黄海霞岳雪芝谢霖铨李康顺尹宝勇汪慎文
- 文献传递
- 基于反馈机制的克隆反馈优化算法的稳定性研究被引量：1
- 2012年
- 克隆选择算法是一种基于克隆选择原理的进化优化算法,但是它因受抗体浓度的影响而稳定性较差。在传统的克隆选择算法的基础上,充分考虑抗体的浓度和种群多样性两方面因素,提出了一种新的基于反馈机制的克隆反馈优化算法。该算法融入了一种进化反馈深度模型和种群生存度设计理念,有效提高了算法的稳定性。最后,将该算法应用到网格计算独立任务调度中,取得了较理想的实验结果。
- 舒万能丁立新汪慎文
- 关键词：免疫系统克隆选择算法网格计算
- 计算机科学与技术学科的两种新的典型方法被引量：1
- 2007年
- 提出了计算模型方法和分而治之的方法是计算机科学与技术学科的两种典型方法,并对这些方法进行了论述.
- 刘坤起赵英豪汪慎文
- 关键词：计算机科学与技术科学哲学
- 一种双链结构的多目标进化算法DCMOEA被引量：3
- 2015年
- 提出一种双链结构的多目标进化算法(DCMOEA).该算法采用双链结构表示个体,执行过程中无需设置外部归档集合,并采用ε支配策略保持解群的多样性.DCMOEA与MOEA/D、NSGA-II、SPEA2和PAES一同在4个2-目标ZDT函数和4个3-目标DTLZ问题上进行实验,并从算法所获解集的收敛性、分布均匀性和宽广性3个方面进行比较,仿真实验结果表明了DCMOEA的综合性能最好,是一种颇具竞争力的多目标进化算法.
- 谢承旺王志杰魏波徐君汪慎文
- 关键词：多目标进化算法
- 数据库中的多值关联规则及其挖掘算法研究
- 面对海量的存储数据，如何从中发现有价值的信息或知识，成为一项非常艰巨的任务。数据挖掘就是迎合这种要求而产生并迅速发展起来的。数据挖掘，又称为数据库中的知识发现，就是从数据集合中发现隐含的、先前未知的、对决策有潜在价值的用...
- 汪慎文
- 关键词：关联规则兴趣度数据库数据挖掘
- 文献传递
- 应用精英反向学习的混合烟花爆炸优化算法被引量：18
- 2014年
- 针对烟花爆炸优化(FEO)算法容易早熟、解精度低的弱点,提出了一种精英反向学习(OBL)的解空间搜索策略。在每次迭代过程中均对当前最佳个体执行反向学习,生成其动态搜索边界内的反向搜索种群,引导算法向包含全局最优的解空间逼近,以提高算法的平衡和探索能力。为了保持种群的多样性,计算种群内个体对当前最佳个体的突跳概率,并依据此概率值采用轮盘赌机制选择进入子种群的个体。通过在5组标准测试函数的实验仿真并与相关的算法对比,结果表明所提出的改进算法对数值优化具有更高的收敛速度和收敛精度,适合求解高维的数值优化问题。
- 王培崇高文超钱旭苟海燕汪慎文
- 关键词：轮盘赌选择
