改進的人工免疫網(wǎng)絡(luò)及其在數(shù)據(jù)處理中的應(yīng)用.pdf

1、隨著信息化的發(fā)展，人們越來越多地從人工智能的角度去分析和解決問題，人工免疫系統(tǒng)通過模擬自然免疫機制形成了一套獨特的理論，具有自組織，學(xué)習(xí)，記憶，分布式等特點。近年來，隨著學(xué)者們對人工免疫系統(tǒng)研究的不斷深入，人工免疫系統(tǒng)在數(shù)據(jù)挖掘領(lǐng)域逐漸顯現(xiàn)出它的優(yōu)越性，將人工免疫網(wǎng)絡(luò)算法引入到數(shù)據(jù)挖掘領(lǐng)域也成為近年來研究的熱點。
　　本文以人工免疫為基礎(chǔ)，研究內(nèi)容分為以下兩部分：
　?。?）對現(xiàn)有的人工免疫網(wǎng)絡(luò)算法（aiNet）中存在的不足

2、進行改進，提出了一種基于小生境技術(shù)及模糊先驗提取的動態(tài)自適應(yīng)免疫網(wǎng)絡(luò)（NFDA-aiNet）。該算法基于aiNet，對克隆抗體的選取及網(wǎng)絡(luò)抑制的閾值進行了動態(tài)控制，使其隨網(wǎng)絡(luò)的進化而動態(tài)改變。同時，針對傳統(tǒng)的基于距離的親和度評價函數(shù)不能對全局進行評價的問題設(shè)計了新的基于小生境技術(shù)的評價函數(shù)代替簡單的距離函數(shù)。而針對傳統(tǒng)的免疫網(wǎng)絡(luò)中初始抗體記憶集通過隨機產(chǎn)生而存在一定的盲目性，本文先調(diào)用模糊 C均值對原始數(shù)據(jù)進行聚類，以聚類結(jié)果為基礎(chǔ)產(chǎn)生

3、初始抗體集，有效促進了算法對原始數(shù)據(jù)的學(xué)習(xí)。實驗采用4組 UCI數(shù)據(jù)對算法的分類效果、聚類性能和網(wǎng)絡(luò)壓縮能力作全面地測試，并得到了很好的測試結(jié)果。后續(xù)研究中對NFDA-aiNet的幾個關(guān)鍵參數(shù)的選取進行測試，同時用進化算法隨機收斂的兩個度量對NFDA-aiNet算法進行收斂性分析。
　?。?）在傳統(tǒng)的人工免疫網(wǎng)絡(luò)基礎(chǔ)上，將多智能體技術(shù)的典型策略融入到免疫網(wǎng)絡(luò)的進化過程中，算法引入了鄰域克隆選擇，操作過程從局部到整體，能夠更加全面地