摘要：不良数据辨识是提高工业自动化监测数据可靠性的有效方法。为克服聚类初值随意选取对传统GSA不良数据辨识算法的精度和运算速度造成的负面影响,本文利用最大最小距离法对基于GSA不良数据辨识过程进行了优化。分别将传统GSA算法和优化GSA算法应用于UCI标准数据库中的IRIS数据集辨识中,仿真结果表明,优化GSA算法在辨识精度和计算耗时方面明显优于传统GSA方法。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社