一种改进的模糊人工免疫网络数据分类方法.docVIP

一种改进的模糊人工免疫网络数据分类方法 第41卷第5期 2007年5月 西安交通大学 JOURNALOFXIANJIAOTONGUNIVERSITY Vo1.41No5 Mav2007 一 种改进的模糊人工免疫网络数据分类方法 苟世宁,杜海峰,栗茂林,庄健 (西安交通大学现代设计和转子轴承系统教育部重点实验室,710049,西安) 摘要:针对现有人工免疫网络算法对先验知识应用不足的问题,提出一种基于模糊人工免疫网络 的有监督学习数据分类方法.首先采用模糊C均值聚类算法为免疫网络提供疫苗(初始种群),将 此疫苗作为免疫网络的初始抗体群,种群再经过克隆选择,网络压缩,免疫成熟,记忆等算子的不断 扩展和压缩,形成一个由浓缩后的训练数据构成的抗体网络,最终基于该抗体网络采用邻近原则 构造分类器.由于各算子的协调作用,该方法能够在高浓缩率的情况下更好地代替样本空间.UCI (UniversityofCalifornia,Irvine)数据集的仿真实验证明,与aiNet方法相比,该方法在分类准确率 和数据浓缩率上分别高出7.26和11.16,而且更稳定,可靠. 关键词:人工免疫网络;数据分类;模糊 中图分类号:TP183文献标识码:A文章编号:0253—987X(2O07)05—0585—04 DataClassificationBasedonaModifiedFuzzyArtificialImmuneNetwork GouShining,DuHaifeng,LiMaolin,ZhuangJian (KeyLaboratoryofEducationMinistryforModernDesignandRotor-BearingSystem, XianJiaotongUniversity,Xian710049,China) Abstract:Basedonfuzzytheoryandartificialimmunenetwork,anewdataclassificationmethod, namedfuzzyartificialimmunenetworkclassification(FAINC),iSputforward.Inordertoim— provetheconvergencerate,fuzzyCmeanclusteringalgorithmisemployedtoprovidevaccines (initialpopulation)forartificialimmunenetwork.Theoperatorssuchasclonalselection,net— workcompression,immunematurationandimmunememoryareexplored.Accordingtoexpan— dingandcompressingthepopulationofthenetwork,astableantibodynetworkcanbeacquired. Namely,theantibodynetworkrepresentstheconcentratedtrainingdatatoconstructtheclassifi— cator.ThesimulationexperimentsofUniversityofCallfornia,Irvine(UCI)datasetsvalidatethe higherclassificationaccuracy,dataenrichment,stabilityandreliabilityofFAINCthanaiNet. Keywords:artificiaIimmunenetwork;dataclassification;fuzzy 分类是数据挖掘技术的重点内容之一,在机器 学习和模式识别等方面都有广泛的应用.数据分类 就是根据数据集的特点构造一个分类器,利用分类 器对未知类别的样本赋予类别的一种技术,文献[1] 认为常见的一些分类方法都或多或少地存在一些缺 陷,如C4.5算法效率低,不适用于大数据集,基于 Bayes的分类算法都是以独立性假设为前提的,而 现实中的数据很难满足这个假设等.随着人工智能 技术的不断发展,遗传算法l_2],神经网络l_3和人工免 疫系统l_4等新方法被引入数据分类,这些方法通过 对数据集的不断搜索或学习力图找到全局最优的分 类规则,它们的效率比较高,并且可以用于规模较大 的数据集. 人工免疫系统是20世纪90年代产生的一种新 的人工智能技术,它模仿生物(主要是人)的免疫系 统.具有学习,记忆,分布式处理等功能,为信息处理 收稿日期:2006—09—18.作者简介:苟世宁(1983~),男,硕士生;杜海峰(联系人),男,副教授.基金项目:国家自然科