人工免疫系統(tǒng)架構及其在Modis數據分類中的應用研究.pdf

1、人工免疫系統(tǒng)（Artificial Immune Systems，簡稱AIS）是由生物免疫系統(tǒng)啟發(fā)而來的計算系統(tǒng)，它借鑒了一些免疫系統(tǒng)的功能、原理和模型并用于解決工程實際問題。它是繼遺傳算法和人工神經網絡后又一受生物信息處理機制啟發(fā)的計算范式。作為人工免疫系統(tǒng)的核心，已有的免疫算法主要有否定選擇算法、克隆選擇算法和人工免疫網絡等。但是，這些免疫算法大都受理論免疫學或者免疫系統(tǒng)某一特定信息處理機制啟發(fā)，不具有免疫系統(tǒng)的整體特性，仍然有很多

2、免疫機制未被利用。同時，在現有的研究中，只要是受免疫系統(tǒng)啟發(fā)而設計的系統(tǒng)都被稱為人工免疫系統(tǒng)，缺乏一個統(tǒng)一的架構。針對這種現狀，本文以設計免疫系統(tǒng)整體算法，構建人工免疫系統(tǒng)的統(tǒng)一架構為主要研究目標。為了驗證算法的有效性和拓展人工免疫系統(tǒng)的應用領域，本文將人工免疫系統(tǒng)應用于MODIS數據宏觀土地覆蓋分類，為這一領域開拓了新的研究思路。 本文在全面深入地分析了生物免疫系統(tǒng)的基礎上，提取了免疫系統(tǒng)所具有的重要隱喻。為進一步研究分析和設

3、計人工免疫系統(tǒng)整體算法奠定了基礎。這些隱喻包括基于互補匹配的模式識別、自己/非己識別、基于級連的監(jiān)督調節(jié)機制、基于單克隆選擇的多樣性產生和特異性識別機制、基于記憶的強化學習機制、基于聯想記憶的網絡保持機制、以有限的資源識別近乎無限模式的形狀空間理論。 基于以上的免疫隱喻，在借鑒了免疫系統(tǒng)識別并消滅抗原的過程的基礎上，本文提出了免疫系統(tǒng)整體算法（Framework of Immune Algorithm，簡稱FIA）。參照免疫應答

4、的四個階段，免疫系統(tǒng)整體算法也包括四個階段。初始化階段為確定工程實際問題在免疫系統(tǒng)的映射，即確定系統(tǒng)組件；識別階段為確定系統(tǒng)組件的親和力度量；進化階段為算法的核心階段，用于搜索問題的解或解的特征值；效應階段具體解決問題。該算法充分利用了免疫系統(tǒng)具有的信息處理特性，針對不同的具體問題可以有不同的實現方式。 本文提出了免疫系統(tǒng)的整體架構。人工免疫系統(tǒng)的三層次架構勾畫了人工免疫系統(tǒng)的一般結構，給出了人工免疫系統(tǒng)的三個構成要素。其第一個

5、層次為系統(tǒng)的組件表示，第二個層次為系統(tǒng)組件間距離的度量。系統(tǒng)的組件表示就是免疫系統(tǒng)的各細胞和分子在人工免疫系統(tǒng)中的映射。系統(tǒng)組件間距離的度量又稱作組件間的模式匹配，它描述了系統(tǒng)組件間的模式匹配方式。最后一個層次為免疫算法，它描述的是免疫系統(tǒng)組件間的相互作用方式。作為人工免疫系統(tǒng)三層次的核心，免疫算法是人工免疫系統(tǒng)解決工程問題的具體方法實現。 以人工免疫系統(tǒng)三層次架構為指導，本文將免疫系統(tǒng)整體算法在數據分類領域內實現，提出了基于人

6、工免疫系統(tǒng)的數據分類算法。該算法用基于Chi-squared距離度量的局部特征相關性分析模擬T細胞監(jiān)督機制，提高了分類精度。通過試驗對該方法的性能和特點的探討，證明了這是一個有效的數據分類方法。 本文將人工免疫系統(tǒng)應用于遙感數據處理，對使用MODIS數據進行土地覆蓋分類進行了深入的研究。MODIS雖然較TM影像分辨率低，但其具有多光譜，多時相，易獲取等優(yōu)點，用于對宏觀土地覆蓋研究具有重要的意義。本文將基于人工免疫系統(tǒng)的免疫算法應