数据分组处理算法和遗传算法的比较.pdfVIP

! # 2;= ^_^‘La_Lb9L $ !# ’ $ ()*+ !$$ (, -./012345673489: 吴 爽 贺昌政 ! 第二层的输入变量$ $ 一 数据分组处理算法 劣汰的生物进化规律的启发 因为生物 数据分组处理算法 !!#$% ’()*+ -C 形成最优复杂度模型网络结构$ 的进化本身也是一个最优化问题的求解 *, -.(. /.012304 简称 5678 #是由乌 重复-[ .-B 两步会生成一个复杂度不 过程 其目标就是寻求一种生物的生存 克兰科学院 9:!: ;.=0?0=* 院士在 断增加的模型网络结构 并选择外准则 方式 使得对于变化的环境能充分的适 年提出的 它采用多层迭代 借助 值最低时的模型作为最优复杂度模型 应 而通过遗传 杂交 变异等自适应方 @ABC $ $ . . 自组织原理 利用数据和计算机相对客 由于和其他的数据挖掘算法相比 法实现物种性能的改变则是求解此问题 观地选择变量之间的关系 通过启发式 数据分组处理算法对有噪声的小数据样 的一种有效途径 不过 虽然两种算法都 $ 学习实现输入输出间的非线性映射 用 本有较强的预测能力 且结果是显式模 借鉴了进化论的思想 但在用数学方式 外准则选取最优模型 实现对所研究系 型具有解释经济对象构成因素的功能 表达的时候则体现出两种不同的理解$ $ 因此在理论和实际两个方面都得到了长 统内部结构的模拟 其基本运算步骤如 数据分组处理算法的建模思想借鉴 下%