基于量子毒爆虫爆破机制的欠定混合矩阵估计方法

    公开(公告)号:CN116756599A

    公开(公告)日:2023-09-15

    申请号:CN202310548346.4

    申请日:2023-05-16

    Abstract: 本发明提供一种基于量子毒爆虫爆破机制的欠定混合矩阵估计方法,是一种具有更好有效性和鲁棒性的基于量子毒爆虫爆破机制的欠定混合矩阵鲁棒估计方法,解决了现有混合矩阵估计方法对初始聚类中心选择、噪声及异常值过于敏感的工程难题。本发明设计了加入单源点检测信号预处理模型,构建初始种群生成策略,将量子计算与毒爆虫爆破机制结合,设计了量子毒爆虫爆破机制,然后将量子毒爆虫爆破机制对混合目标函数寻优得到的最优解作为均值聚类初始聚类中心,构建量子毒爆虫爆破机制和K‑means聚类方法联合的欠定混合矩阵估计方法。

    基于量子法医调查机制的特征选择方法、系统及存储介质

    公开(公告)号:CN117992807B

    公开(公告)日:2024-11-22

    申请号:CN202410172704.0

    申请日:2024-02-07

    Abstract: 一种基于量子法医调查机制的特征选择方法、系统及存储介质,涉及数据处理领域,为解决现有的特征选择方法分类正确率不高以及时间复杂度高,选择的特征子集精度不够的问题。包括:步骤一:对数据集进行归一化处理,采用K近邻分类器对训练集样本进行聚类,对测试集样本进行分类,构建特征选择的目标函数;步骤二:初始化量子警察群体中每个成员的量子位置,计算量子警察个体的适应度,确定初始全局最优量子位置;步骤三:分别对调查组和追捕组每个成员的量子位置进行更新;步骤四:更新调查组和追捕组以及量子警察群体的全局最优量子位置;步骤五:对调查组和追捕组中的部分成员进行交换,继续演化;步骤六:最终迭代得到选取的最优特征子集。

    一种基于量子法医调查机制的特征选择方法、系统及存储介质

    公开(公告)号:CN117992807A

    公开(公告)日:2024-05-07

    申请号:CN202410172704.0

    申请日:2024-02-07

    Abstract: 一种基于量子法医调查机制的特征选择方法、系统及存储介质,涉及数据处理领域,为解决现有的特征选择方法分类正确率不高以及时间复杂度高,选择的特征子集精度不够的问题。包括:步骤一:对数据集进行归一化处理,采用K近邻分类器对训练集样本进行聚类,对测试集样本进行分类,构建特征选择的目标函数;步骤二:初始化量子警察群体中每个成员的量子位置,计算量子警察个体的适应度,确定初始全局最优量子位置;步骤三:分别对调查组和追捕组每个成员的量子位置进行更新;步骤四:更新调查组和追捕组以及量子警察群体的全局最优量子位置;步骤五:对调查组和追捕组中的部分成员进行交换,继续演化;步骤六:最终迭代得到选取的最优特征子集。

Patent Agency Ranking