改进的知识特征驱动的任务分解模型.pdfVIP

改进的知识特征驱动的任务分解模型 凡少强1 王国胤1李美争2 (重庆邮电大学计算智能重庆市重点实验室 重庆400065)1 (西南交通大学信息科学与技术学院 成都610031)2 摘要任务分解被广泛应用于解决大而复杂的问题，学者们已经提出了很多分解模型。知识特征驱动的任务分解 模型在无需过多先验知识的情况下，就可以将原始问题分解成一系列子问题，然而这种分解方式却没有考虑对子问题 噪点进行处理。在知识特征驱动下，利用马氏距离可以去除子问题的噪点，并对子问题空间进行扩充，这就得到了一 种去除噪点的知识特征驱动的任务分解模型。该模型在处理双螺旋问题、UcIabalone数据集、UCI yeast数据集时， 都得到了较高的精度，说明了其可行性和有效性。 关键词任务分解，知识特征驱动，马氏距离，自动分解 中图法分类号TPl81文献标识码 A Characteristic-drivenTask Model ImprovedKnowledge Decomposition FAN WANG LI Shao-qiangaGuo-yinlMei-zhen92 of ofPostsand 400065，China)1 (ChongqingKeyLaboratoryComputationalIntelligence，ChongqingUniversity Telecommunications，Chongqing (SchoolofInformation 610031，China)2 ScienceTechnology，SouthwestJiaotongUniversity，Chengdu Ah出陷ctTask is usedtosolvethose and researchershave decompositionwidely large-sealecomplexproblems．Many theirtask characteristic-driventask modelcandividethe presented decompositions．Knowledge decomposition original intoseveralsmallertaskswithoutmuch Butthismodel totreatthe ofsub— point problem priorexperience forgets noisy a of ridof and the characteristic-- task．Insertingprocessgettingnoisypointexpandingsubtask，allimprovedknowledge driventask modelwasobtained．Wecarriedsome on abalonedata decomposition experimentstwo-spiralproblem，UCI se