计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2012年
11期
3201-3205
,共5页
人工免疫%克隆选择%分类%马氏距离
人工免疫%剋隆選擇%分類%馬氏距離
인공면역%극륭선택%분류%마씨거리
针对传统的克隆选择算法(CSA)只依次单独针对某一类样本数据进行监督学习从而造成分类效率和精确度不高的问题,提出一种基于改进克隆选择算法的多类监督分类算法.算法通过进化学习可以同时获得多类样本数据的最佳聚类中心,进化过程中抗体适度值的计算综合考虑各类的类内相似性和类间差异性,从而保证得到的最佳聚类中心更具代表性.后续的分类实验中,分别利用常用的4组UCI数据和红树林多光谱TM遥感图像对算法进行验证,实验结果表明遥感图像的分类总精度达到92%,Kappa系数为0.91,UCI数据分类结果也较好,证明该算法是一种有效的多类数据分类算法.
針對傳統的剋隆選擇算法(CSA)隻依次單獨針對某一類樣本數據進行鑑督學習從而造成分類效率和精確度不高的問題,提齣一種基于改進剋隆選擇算法的多類鑑督分類算法.算法通過進化學習可以同時穫得多類樣本數據的最佳聚類中心,進化過程中抗體適度值的計算綜閤攷慮各類的類內相似性和類間差異性,從而保證得到的最佳聚類中心更具代錶性.後續的分類實驗中,分彆利用常用的4組UCI數據和紅樹林多光譜TM遙感圖像對算法進行驗證,實驗結果錶明遙感圖像的分類總精度達到92%,Kappa繫數為0.91,UCI數據分類結果也較好,證明該算法是一種有效的多類數據分類算法.
침대전통적극륭선택산법(CSA)지의차단독침대모일류양본수거진행감독학습종이조성분류효솔화정학도불고적문제,제출일충기우개진극륭선택산법적다류감독분류산법.산법통과진화학습가이동시획득다류양본수거적최가취류중심,진화과정중항체괄도치적계산종합고필각류적류내상사성화류간차이성,종이보증득도적최가취류중심경구대표성.후속적분류실험중,분별이용상용적4조UCI수거화홍수림다광보TM요감도상대산법진행험증,실험결과표명요감도상적분류총정도체도92%,Kappa계수위0.91,UCI수거분류결과야교호,증명해산법시일충유효적다류수거분류산법.