基于人工免疫系統(tǒng)的分類方法及其應用研究.pdf

1、人工免疫系統(tǒng)研究旨在抽取生物免疫系統(tǒng)中獨特的信息處理機制，研究和設計相應的模型和算法，進而應用與解決各種復雜問題。人工免疫作為計算智能領域的研究熱點，已經(jīng)在信息安全、模式識別、智能優(yōu)化、自動控制、數(shù)據(jù)挖掘等諸多領域得到了應用，體現(xiàn)了強大的信息處理和問題求解能力。 本文重點研究了一種基于人工免疫系統(tǒng)的分類算法，并將其應用到電信行業(yè)的客戶流失分析中。所做工作歸納如下： 對人工免疫系統(tǒng)理論及人工免疫系統(tǒng)生物學基礎做了概括和分析

2、，綜述了國內(nèi)外的幾種典型的人工免疫算法。 對國內(nèi)外電信流失分析研究做了概括和分析，綜述了幾種傳統(tǒng)的數(shù)據(jù)挖掘分類算法。目前決策樹、神經(jīng)網(wǎng)絡等算法都要采用過量抽樣才能進行挖掘，而貝葉斯算法不能產(chǎn)生容易理解的規(guī)則。 針對IFRAIS(Induction of Fuzzy Rules with an Artificial Immune System)算法在克隆選擇過程中容易陷入局部最優(yōu)的弱點，在原來克隆選擇過程中增加了抗體與抗原

3、的交叉，并改變了抗體的變異模式，提出了抗體抗原交叉的規(guī)則歸納算法(Induction of Rule with Antibody—Cross—Antigen of Artificial Immune System，IRAA)。同時也分析了變異概率對IRAA算法分類性能的影響，還對IRAA算法的樣本分類過程進行了討論。實驗結果表明，IRAA算法是一種性能較高的分類算法。 提出了一種基于x2統(tǒng)計的屬性相關性的屬性約簡算法，該算法不但