基于自动机器学习的UFO检测PRO研究_第1页
基于自动机器学习的UFO检测PRO研究_第2页
基于自动机器学习的UFO检测PRO研究_第3页
基于自动机器学习的UFO检测PRO研究_第4页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

仅个人学习,用于个人参考遗传编程知识个人学习笔记术,该技术的灵感来源是达尔文生物进化论,按照优胜劣汰、适者生存的原理,创造出来的试样本的最佳拟合参数集[57]。而遗传编程的目标是编写一个程序,试图自动构建问题传编程流程框架帕雷托最优后即为最优解,否则进入循环继续迭代计算:传编程的优化概率组管道。其优化流程图如图3.4所示: 生成随机管道种群模型质量并进行排序是是帕雷托最优?否 Xm道的数量npmpcp(x)tf̅tLK)式的长度。第一个固定算子和最后一个固定算子的距离。固定算子的个数f̅(K)p(K)t交换这个算子以及之后的所有算子③每一代的管道群选择操作采用轮盘赌算法(依据概率大小):有放回地采样出原管道p(xi)=∑1f(xj)p(xj)t=p(K)t=p(K)tp(∑1f(xj)p(xj)t=p(K)t=p(K)t 率为(1−pm)o(K)。(1−pm)≥1−0((1−pm)≥1−0(K)×pm(3-3)成立时,从而进行变异操作,模式K的出现概率为:p(K)t+1≥p(K)t(1−pm×0(K))(3-4)p(K)t+1≥p(K)t××(1−pm×0(K))×(1−pc×)(3-5)阶增长,如公式(3-6)即:×(1−pm×0(K))×(1−pc×)≥1(3-6)pp(K)t+p≥p(K)t×(×(1−pm×0(K))×(1−pc×))(3-7)pTPOT中参数设置及含义TPOT参数值ations化过程的迭代次数population_size人在遗传编程群体中保留的管道数ringsize遗传编程生成中要生产的后代数量mutationrate诉GP算法要对每一代应用随机更改的管道数ssoverrate每代要产生多少条管道道n=20道时使用的交叉验证策略通过以上参数设置,遗传编程会在开始时随机生成850个树型管道

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论