中山大学公共卫生学院卫生信息研究中心
- 作品数:5 被引量:86H指数:4
- 相关作者:胡晓敏更多>>
- 发文基金:中央高校基本科研业务费专项资金国家教育部博士点基金国家自然科学基金更多>>
- 相关领域:自动化与计算机技术医药卫生更多>>
- 引入测评机制的综合学习粒子群优化算法
- 2015年
- 综合学习粒子群算法(CLPSO)能够改善粒子群算法多样性差且易局部收敛的问题,相比传统PSO算法能够一定程度避免算法早熟,但却存在收敛速度慢的问题。对此,提出一种CLPSO的改进算法(CLPSO-II),为每个粒子随机构造两个学习粒子,引入测评机制,择优学习。实验结果表明,CLPSO-II能有效提高CLPSO的搜索效率,在处理多峰函数时,其性能优于传统粒子群算法(PSO)、全面学习粒子群算法(FIPS)和综合学习粒子群算法(CLPSO)。
- 喻雪胡晓敏林盈
- 关键词:多峰函数粒子群算法
- 遗传算法和粒子群优化算法的性能对比分析被引量:48
- 2014年
- 遗传算法与粒子群优化算法作为经典的进化计算方法已经被广泛地应用于函数优化、生产调度、机器学习和数据挖掘等领域。对这两种经典算法在求解不同问题时的性能进行了系统的对比和分析,比较了两种算法在求解单峰和多峰问题上的性能差异。进一步对算法的健壮性进行了测试,分析了算法运行过程中参数对算法性能的影响。最终总结出两种算法的性能特点,并讨论了算法的改进策略,旨在为工程应用中的算法选择提供技术参考。
- 张鑫源胡晓敏林盈
- 关键词:遗传算法粒子群优化算法性能对比
- 多种群多策略的并行差分进化算法被引量:10
- 2014年
- 为了更好地提高并行差分进化算法的求解精度和计算效率,实现适用于解决多种优化问题的鲁棒性算法,提出了一种多种群多策略的并行差分进化算法。该算法将种群划分为多个子种群,不同的子种群分别采用不同的差分进化策略。多个子种群各自独立进化,互不干扰,每隔一定代数才进行种群间的通信交流。通过利用多种群实现多种优化策略,并采用并行方式,使得算法可以采用不同的优化策略进行搜索,更加节省计算时间。数值实验结果表明,该算法在求解不同类型的优化问题时都具有良好的计算能力和效率。
- 陈颖林盈胡晓敏
- 关键词:多种群差分进化
- 差分演化算法各种更新策略的对比分析被引量:12
- 2013年
- 差分演化算法(differential evolution,DE)是一种模拟生物演化过程的随机搜索方法,具有收敛速度快,鲁棒性好等优点。目前DE有多种交叉和变异策略,它们在求解各类优化问题时表现出各自不同的性能。介绍了10种差分演化算法的更新策略,并利用标准测试函数集对它们进行了全面与系统的实验比较。通过分析采用这些策略的DE算法在不同解空间及进化各阶段的收敛曲线特点,对比总结了不同版本的DE算法在各类环境下的搜索性能。该研究一方面能够为DE算法的实际应用提供技术指导,帮助学者选择合适的DE更新策略以更好地解决工程问题;另一方面能够为新型DE更新策略的开发和自适应DE算法的设计提供理论基础。
- 刘琛林盈胡晓敏
- 关键词:全局优化
- 慢性乙肝病毒感染者歧视测量量表信效度的初步研究被引量:17
- 2012年
- 目的考察慢性乙肝病毒感染者歧视测量量表的信度与效度。方法通过文献分析,结合专家和患者访谈,形成描述患者受歧视的项目并构建维度,编制量表初稿。通过便利抽样的方法选取151名慢性乙肝病毒感染者进行调查,并分析量表的信度和效度。结果量表应答率为94.5%;量表各维度的Cronbachgo【系数介于0.75~0.87之间;量表各条目与其所属维度之间的相关较强(r值为0.62~0.86),而与其他维度的相关较弱(r值为0.14~0.55);量表能较好地区分低分组[各维度得分分别为(1.89±0.30)分,(1.86±0.29)分,(1.96±0.23)分,(2.29±0.45)分,(1.59±0.42)分]与高分组[各维度得分分别为(3.62±0.44)分,(3.99±0.41)分,(3.79±0.37)分,(4.13±0.34)分,(3.10±0.53)分]患者的得分(均P〈0.01);证实性因子分析结果显示相对拟合指数CFI为0.94,非范拟合指数NNFI为0.92,近似误差均方根RMSEA为0.087。结论慢性乙肝病毒感染者歧视测量量表具有良好的信度和效度。
- 冯丽芬谢俊强邹霞黄静芝郭为林顾菁郝元涛
- 关键词:慢性乙肝歧视量表信度