计算机技术与发展
計算機技術與髮展
계산궤기술여발전
COMPUTER TECHNOLOGY AND DEVELOPMENT
2012年
3期
106-109
,共4页
模拟退火算法%遗传算法%隐马尔可夫模型%Web挖掘
模擬退火算法%遺傳算法%隱馬爾可伕模型%Web挖掘
모의퇴화산법%유전산법%은마이가부모형%Web알굴
隐马尔可夫模型训练算法是一种局部搜索算法,对初值敏感.传统方法采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于Web挖掘效果不佳.遗传算法具有较强的全局搜索能力,但容易早熟、收敛慢,模拟退火算法具有较强的局部寻优能力,但会随机漫游,全局搜索能力欠缺.综合考虑遗传算法和模拟退火算法的特点,提出混合模拟退火-遗传算法SGA,优化HMM初始参数,弥补Baum-Welch算法对初始参数敏感的缺陷,Web挖掘的实验结果表明五个域提取的REC和PRE都有明显的提高.
隱馬爾可伕模型訓練算法是一種跼部搜索算法,對初值敏感.傳統方法採用隨機參數訓練隱馬爾可伕模型時常陷入跼部最優,應用于Web挖掘效果不佳.遺傳算法具有較彊的全跼搜索能力,但容易早熟、收斂慢,模擬退火算法具有較彊的跼部尋優能力,但會隨機漫遊,全跼搜索能力欠缺.綜閤攷慮遺傳算法和模擬退火算法的特點,提齣混閤模擬退火-遺傳算法SGA,優化HMM初始參數,瀰補Baum-Welch算法對初始參數敏感的缺陷,Web挖掘的實驗結果錶明五箇域提取的REC和PRE都有明顯的提高.
은마이가부모형훈련산법시일충국부수색산법,대초치민감.전통방법채용수궤삼수훈련은마이가부모형시상함입국부최우,응용우Web알굴효과불가.유전산법구유교강적전국수색능력,단용역조숙、수렴만,모의퇴화산법구유교강적국부심우능력,단회수궤만유,전국수색능력흠결.종합고필유전산법화모의퇴화산법적특점,제출혼합모의퇴화-유전산법SGA,우화HMM초시삼수,미보Baum-Welch산법대초시삼수민감적결함,Web알굴적실험결과표명오개역제취적REC화PRE도유명현적제고.
