计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2013年
8期
208-214
,共7页
孙靖杰%赵建军%杨利斌%桑德一%姚刚
孫靖傑%趙建軍%楊利斌%桑德一%姚剛
손정걸%조건군%양리빈%상덕일%요강
人工免疫系统%蒙特卡洛方法%阳性选择%网络抑制%故障诊断
人工免疫繫統%矇特卡洛方法%暘性選擇%網絡抑製%故障診斷
인공면역계통%몽특잡락방법%양성선택%망락억제%고장진단
Artificial Immune System(AIS)%Monte Carlo method%positive selection%network suppression%fault diagnosis
人工免疫识别系统的传统方法易造成抗体进化效率低、免疫网络冗余.为解决该问题,提出一种新型的人工免疫分类方法.引入阳性选择和网络抑制机理,结合蒙特卡洛方法,根据训练抗原产生优化分布的初始抗体,融合多种免疫原理模拟免疫应答过程,由初始抗体进化出成熟的记忆细胞,利用记忆细胞依据K最近邻表决方法对待分类抗原进行分类.对UCI数据集的分类结果表明,该方法与人工免疫识别系统相比,抗体进化迭代次数平均减少63.1％,网络压缩率平均提高14.7％.在某线性稳压电源的故障诊断实例中,该方法的平均分类准确率为92.5％,高于人工免疫识别系统和神经网络等分类方法.
人工免疫識彆繫統的傳統方法易造成抗體進化效率低、免疫網絡冗餘.為解決該問題,提齣一種新型的人工免疫分類方法.引入暘性選擇和網絡抑製機理,結閤矇特卡洛方法,根據訓練抗原產生優化分佈的初始抗體,融閤多種免疫原理模擬免疫應答過程,由初始抗體進化齣成熟的記憶細胞,利用記憶細胞依據K最近鄰錶決方法對待分類抗原進行分類.對UCI數據集的分類結果錶明,該方法與人工免疫識彆繫統相比,抗體進化迭代次數平均減少63.1％,網絡壓縮率平均提高14.7％.在某線性穩壓電源的故障診斷實例中,該方法的平均分類準確率為92.5％,高于人工免疫識彆繫統和神經網絡等分類方法.
인공면역식별계통적전통방법역조성항체진화효솔저、면역망락용여.위해결해문제,제출일충신형적인공면역분류방법.인입양성선택화망락억제궤리,결합몽특잡락방법,근거훈련항원산생우화분포적초시항체,융합다충면역원리모의면역응답과정,유초시항체진화출성숙적기억세포,이용기억세포의거K최근린표결방법대대분류항원진행분류.대UCI수거집적분류결과표명,해방법여인공면역식별계통상비,항체진화질대차수평균감소63.1％,망락압축솔평균제고14.7％.재모선성은압전원적고장진단실례중,해방법적평균분류준학솔위92.5％,고우인공면역식별계통화신경망락등분류방법.
