改进的知识特征驱动的任务分解模型

摘要：

任务分解被广泛应用于解决大而复杂的问题,学者们已经提出了很多分解模型.知识特征驱动的任务分解模型在无需过多先验知识的情况下,就可以将原始问题分解成一系列子问题,然而这种分解方式却没有考虑对子问题噪点进行处理.在知识特征驱动下,利用马氏距离可以去除子问题的噪点,并对子问题空间进行扩充,这就得到了一种去除噪点的知识特征驱动的任务分解模型.该模型在处理双螺旋问题、UCI abalone数据集、UCI yeast数据集时,都得到了较高的精度,说明了其可行性和有效性.

关键词：任务分解、知识特征驱动、马氏距离、自动分解

所属期刊栏目：41

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61073146,61272060

在线出版日期：2014-04-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：91-95,99