基于粗糙集理論的Self集的構造和演化算法設計.pdf

1、對計算機免疫學在國內(nèi)外的研究現(xiàn)狀、計算機免疫過程中Self集構造算法的研究現(xiàn)狀以及Self集構造面臨的困難等作了較為詳細的歸納總結。 針對Self集構造過程中特征碼構造困難，不利于Self集演化的問題，在計算機免疫模型基礎上，提出了一種基于Rough集理論的Self集構造和演化算法。針對Self集構造過程中面臨的數(shù)據(jù)量龐大，數(shù)據(jù)來源多樣化、分析任務繁重等問題，在Self集構造之前，引用了一種基于模糊集相似度的粗糙集規(guī)則約簡算法，

2、實現(xiàn)了數(shù)據(jù)的約簡，降低了數(shù)據(jù)的冗余，減輕了特征碼構造的負擔，提取出有效的最簡規(guī)則集和信息可信度：將特征屬性的取值離散化為四個區(qū)間，用二進制編碼構造特征碼，得出最初的Self集；然后根據(jù)Rough集的上近似集和下近似集原理，構造出上近似Self集和下近似Self集，使Self集具有自動演化更新的能力。 最后通過對Self Sets與Non-Self Sets決策表進行數(shù)據(jù)約簡、上近似Self集和下近似Self集的構造以及Self集