新型自适应遗传算法样本一致性
神经与进化计算
2017-11-28 v1
摘要
随机样本一致性（RANSAC）是模型拟合应用中的一种成功算法。当数据集中存在大量外点时，拥有强大的探索阶段至关重要。RANSAC的纯探索策略保证了获得合适的模型。然而，寻找最优结果需要开发（利用）。GASAC是一种向该算法添加利用能力的进化范式。尽管GASAC改进了RANSAC的结果，但它在探索与利用之间的平衡上采用固定策略。本文提出了一种基于具有自适应策略的遗传算法的新范式。我们利用自适应遗传算子来选择高适应度个体作为父代并变异低适应度个体。在变异阶段，使用一种训练方法逐步学习哪个基因是变异基因的最佳替代。所提出的方法通过学习基因自适应地平衡探索与利用。在最后的迭代中，算法利用该信息来改进最终结果。所提出的方法在两组实验上进行了广泛评估。在所有测试中，我们的方法在发现的内点数量和算法速度方面均优于其他方法。
引用
@article{arxiv.1711.09398,
title = {Novel Adaptive Genetic Algorithm Sample Consensus},
author = {Ehsan Shojaedini and Mahshid Majd and Reza Safabakhsh},
journal= {arXiv preprint arXiv:1711.09398},
year = {2017}
}