关键词：多分类；多目标优化；聚类；MOPSO；NSGA-Ⅱ
摘 要：Cai等人用多目标粒子群算法(MOPSO)优化多目标聚类学习和分类学习框架(MSCC)的多目标问题时,种群只能得到少量的非支配解,不利于种群优化.而在此情况下,NSGA-Ⅱ由于采用了Pareto排序的方法,种群中会保留大量优秀的支配解,有利于种群优化,所以本文引进了NSGA-Ⅱ优化MSCC框架的多目标问题.通过对数据集的测试,验证了在NSGA-Ⅱ的优化下,对于大多数测试问题,MSCC框架设计的分类器的最大分类正确率高于MOPSO优化MSCC框架的结果.进而对实验结果做了进一步分析,发现了最大正确率不随多目标优化算法的优化过程而提高的问题.