Resumen

Para mejorar la tasa de clasificación del iris, en este artículo se propuso un nuevo algoritmo de optimización basado en biogeografía (NBBO) que se basa en la búsqueda local y la variación no uniforme. En primer lugar, se reemplazó el modelo de migración lineal por un modelo de cotangente hiperbólica que estaba más cerca de la ley natural. Además, se añadió la estrategia de búsqueda local a la operación de migración del algoritmo BBO tradicional para mejorar la capacidad de búsqueda global del algoritmo. Luego, se introdujo la variación no uniforme para mejorar el algoritmo en las iteraciones posteriores. El algoritmo podía lograr un clasificador de iris más fuerte elevando los clasificadores de similitud más débiles durante la etapa de entrenamiento. Sobre esta base, se propuso la condición de convergencia de NBBO utilizando la estrategia de cadena de Markov. Por último, se presentaron resultados de simulación para demostrar la efectividad y eficiencia del método propuesto de clasificación del iris.

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Novela; Algoritmo de optimización basado en biogeografía; Búsqueda local; Variación no uniforme; Clasificador de iris; Condición de convergencia
• Keywords:Novel; Biogeography-based optimization algorithm; Local search; Nonuniform variation; Iris classifier; Convergence condition