改进的人工免疫负选择算法在数据分类中的应用.docVIP

改进的人工免疫负选择算法在数据分类中的应用 【摘要】负选择算法是人工免疫的分支，对自我和非我细胞区分过程进行计算模拟。由于负选择算法具有对于自我和非我较强的判别能力，可以模拟数据分类。本文在对特征提取算法，人工免疫系统以及负选择算法深入研究之后，将基于改进的负选择理论应用于数据分类。主要采用对检测器的改进提高负选择算法的检测率，采用自然计算方法优化负选择算法，通过其高效的全局搜索能力和局部搜索能力，优化负选择算法，并将其应用到数据分类，设计基于新算法的数据分类系统，检测该系统的效率。 【关键词】负选择算法；优化；数据分类 1.人工免疫系统概述 人工免疫系统（AIS）借鉴自然免疫系统的原理，将其应用于各种智能系统中，解决实际工程问题[2]。 许多研究人员已经利用免疫系统某一个或某些性质、功能、机制发展出各种人工免疫系统技术，被统称为人工免疫系统[1]。Jamey提出的人工免疫网络理论，阐述了自然免疫系统具有大量独特型及抗体独特型的抗体，由此形成了细胞间相互制约关系。免疫系统中B细胞和T细胞之间的相互反应被借鉴用于建立人工免疫网络模型。基于自然免疫系统检测抗原原理可以被应用于计算机安全等。人工免疫系统模型被广泛应用于模式识别、异常检测、数据分类计算机安全等领域，这些模型可以大体分为四类[2]：人工免疫网络（aiNet）、克隆选择算法、负选择算法以及一些其它的模型，比如危险理论[3][4