针对黑猩猩优化算法在勘探阶段可能会陷入局部最优的缺点,提出了一种改进的黑猩猩优化算法。首先计算适应度值最高和最低的黑猩猩之间的斯皮尔曼等级相关系数,然后采用甲虫天线搜索算法使得适应度值低的黑猩猩获得嗅觉能力,以提高适应度值低的黑猩猩的局部勘探开发能力。同时为解决传统支持向量机在封装式特征选择中分类精度较差的问题,将改进后的黑猩猩优化算法与支持向量机相结合,实现同步优化。为了验证所提方法的有效性,选取了UCI(University of California,Irvine)数据库中的10个数据集进行实验,从精确度、所用特征个数和适应度值三个方面与常用算法进行比较和综合评价,实验结果表明该算法具有更好的精确度和稳定性,有效适用于特征选择这一工程问题。
【目的】基于非参数理论,研究构建大兴安岭兴安落叶松(Larix gmelinii)非参数可加性树干削度方程,并与传统的Max and Burkhart参数削度方程进行对比。【方法】利用树高、胸径、不同高度处直径、不同部位高度等变量及其变形构建非参数可...
详细信息
【目的】基于非参数理论,研究构建大兴安岭兴安落叶松(Larix gmelinii)非参数可加性树干削度方程,并与传统的Max and Burkhart参数削度方程进行对比。【方法】利用树高、胸径、不同高度处直径、不同部位高度等变量及其变形构建非参数可加性削度方程。采用7种光滑样条函数:薄板回归样条函数(TP)、 Duchon样条函数(DS)、三次回归样条函数(CR)、P-样条函数(PS)、高斯过程平滑样条函数(GP)、B-样条函数(BS)和局部回归光滑函数(LO),基于R软件mgcv包的Gamm函数对非参数模型进行拟合。【结果】使用相对直径(d/D)作为因变量,胸径的平方(D~2)、树高(H)、相对树高的算术平方根■作为自变量,构建兴安落叶松最佳非参数可加性树干削度方程。拟合结果表明:基于CR和LO样条函数的可加性削度方程具有较小的R~2(决定系数)和较大的赤池信息量准则(AIC)值,且CR和LO的残差图重心线略呈中间高、两头低的趋势。其他基于5种光滑样条函数的可加性削度方程表现出相似的拟合结果。可加性模型除了使用LO样条函数外,其他样条函数都优于Max and Burkhart参数削度方程的拟合结果。总体检验结果表明,除了CR样条函数模型外,其他各非参数模型(TP、 DS、 PS、GP和BS)与拟合结果基本一致,即都优于Max and Burkhart参数削度模型的预测精度。基于树干不同高度直径预测的误差对比表明,除了CR模型外,非参数模型(TP、 DS、 PS、GP和BS)在大多数树干高度处直径预测的平均误差和绝对平均误差都小于Max and Burkhart参数模型预测值。【结论】非参数模型(TP、 DS、PS、 GP和BS)在拟合统计量、残差分布图、总体和树干不同高度处直径的预测精度都表现出一致性,并优于林业上通常使用的Max and Burkhart参数削度方程。当模型以预测为目的时,所构建的非参数可加性削度方程可用于大兴安岭兴安落叶松干形和材积预测。
暂无评论