计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (2): 253-258.DOI: 10.3778/j.issn.1002-8331.1701-0271
唐 亮1,2,仲元昌2,沈甲甲2,马天智2
TANG Liang1,2, ZHONG Yuanchang2, SHEN Jiajia2, MA Tianzhi2
摘要: 针对量子粒子群算法具有陷入局部值缺点,提出了一种基于改进量子粒子群算法优化的粗糙集和支持向量机相结合的表具识别算法,引入人工蜂群算法和免疫算法,来提高算法搜索空间、收敛速度。首先通过改进量子粒子群算法优化的粗糙集对得到的特征向量进行属性约简,然后经过改进量子粒子群算法优化支持向量机参数。最后通过实验仿真表明,改进的算法能有效地减少决策属性的个数,提高了粗糙集属性约简能力,优化了支持向量机的参数,算法收敛速度快,识别准确率高。