機器學習中若干計算智能問題的研究.pdf

1、機器學習是伴隨著人工智能理論和技術的發(fā)展而產生一個重要領域，也是其中發(fā)展最熱門的領域之一。機器學習的目的不是尋找意識那么復雜和深奧，通俗講，它是設計一種算法，可以讓計算機進行學習。學習當然并不一定是指意識學習，而更像是從數據中尋找統(tǒng)計規(guī)律，或者發(fā)現一些模式。從這個角度講，機器學習的問題可以分為兩部分，其一是模型設計，其二是搜索算法，但核心問題仍然是搜索問題。 基于此，本文主要分兩個部分。 第一部分著重討論了搜索算法。重點

2、討論了進化計算特別是遺傳算法，對影響遺傳算法性能的諸多因素做了討論，針對于最能決定算法性能的交叉算子，本文提出了一種改進的內外交叉結合的交叉算子，通過大量的標準函數的測試，實驗結果顯示該算子確實能提高算法的性能。從提出的交叉算子為出發(fā)點，嘗試性的提出了一種基于個體組尋優(yōu)的搜索算法，仿真結果顯示該方法至少比SGA要好，但從算法的流程來講，可以認為這是多種群遺傳算法的一種特殊形式。在本部分的最后，又重新對進化計算的核心也是本質的一個問題—適

3、應性的概念，從生態(tài)學與進化論的角度，以及對比于算法的特殊化設計，做了深入的討論，并初步介紹了可能用以衡量這一指標的方法。 第二部分討論了機器學習的另一問題，模型的設計與訓練。以分類器為例，從性能和效率的角度分析了為什么采用多學習機集成方法，并介紹了集成和訓練的方法，如重采樣技術。最后，在模型的訓練中如何對龐大的訓練數據集更有效更高效的利用，本文提出了一種基于尋找距離空間中邊緣樣本集的數據預處理方法，同時，也客觀的指出了該方法可能