模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2009年
2期
246-255
,共10页
王述云%张成洪%郝秀兰%胡运发
王述雲%張成洪%郝秀蘭%鬍運髮
왕술운%장성홍%학수란%호운발
免疫原理%数据流%聚类%特征向量%识别区域
免疫原理%數據流%聚類%特徵嚮量%識彆區域
면역원리%수거류%취류%특정향량%식별구역
由于基于免疫的学习方法能够较好地适应数据流不断变化及高速处理的要求,本文据此提出一种基于免疫原理的数据流聚类算法(AIN-STREAM).该算法能够动态适应数据流的变化,并能有效抑制噪声.AIN-STREAM通过建立与维护B细胞特征向量,从而能够根据用户的要求自动调整B细胞的识别区域,保证聚类结果的稳定性.理论分析和实验结果表明,在聚类结果相当的条件下,MN-STREAM具有比同类算法更高的时间与空间效率,同时具有较高的聚类精度.
由于基于免疫的學習方法能夠較好地適應數據流不斷變化及高速處理的要求,本文據此提齣一種基于免疫原理的數據流聚類算法(AIN-STREAM).該算法能夠動態適應數據流的變化,併能有效抑製譟聲.AIN-STREAM通過建立與維護B細胞特徵嚮量,從而能夠根據用戶的要求自動調整B細胞的識彆區域,保證聚類結果的穩定性.理論分析和實驗結果錶明,在聚類結果相噹的條件下,MN-STREAM具有比同類算法更高的時間與空間效率,同時具有較高的聚類精度.
유우기우면역적학습방법능구교호지괄응수거류불단변화급고속처리적요구,본문거차제출일충기우면역원리적수거류취류산법(AIN-STREAM).해산법능구동태괄응수거류적변화,병능유효억제조성.AIN-STREAM통과건립여유호B세포특정향량,종이능구근거용호적요구자동조정B세포적식별구역,보증취류결과적은정성.이론분석화실험결과표명,재취류결과상당적조건하,MN-STREAM구유비동류산법경고적시간여공간효솔,동시구유교고적취류정도.
