CAJ | 학술논문

针对现有人工免疫网络算法对先验知识应用不足的问题,提出一种基于模糊人工免疫网络的有监督学习数据分类方法.首先采用模糊C均值聚类算法为免疫网络提供疫苗(初始种群),将此疫苗作为免疫网络的初始抗体群,种群再经过克隆选择、网络压缩、免疫成熟、记忆等算子的不断扩展和压缩,形成一个由浓缩后的训练数据构成的抗体网络,最终基于该抗体网络采用"邻近原则"构造分类器.由于各算子的协调作用,该方法能够在高浓缩率的情况下更好地代替样本空间.UCI(University of California,Irvine)数据集的仿真实验证明,与aiNet方法相比,该方法在分类准确率和数据浓缩率上分别高出7.26%和11.16%,而且更稳定、可靠.
침대현유인공면역망락산법대선험지식응용불족적문제,제출일충기우모호인공면역망락적유감독학습수거분류방법.수선채용모호C균치취류산법위면역망락제공역묘(초시충군),장차역묘작위면역망락적초시항체군,충군재경과극륭선택、망락압축、면역성숙、기억등산자적불단확전화압축,형성일개유농축후적훈련수거구성적항체망락,최종기우해항체망락채용"린근원칙"구조분류기.유우각산자적협조작용,해방법능구재고농축솔적정황하경호지대체양본공간.UCI(University of California,Irvine)수거집적방진실험증명,여aiNet방법상비,해방법재분류준학솔화수거농축솔상분별고출7.26%화11.16%,이차경은정、가고.