基于人工免疫的增量聚类算法研究.pdf

基于人工免疫的增量聚类算法 谢静，苏一丹 XIE Jing,SU Yi-dan 广西大学 计算机与电子信息学院，南宁 530004 School of Computer,Electronic and Information,Guangxi University,Nanning 530004,China 摘要：本文提出了一种基于人工免疫增量的聚类算法。该算法在人工免疫可更新聚类算法的 基础上，结合蚁群增量聚类算法的思想，将原聚类得到的记忆抗体矩阵作为初始矩阵，调用 人工免疫聚类算法处理增量数据，然后采用类解体机制处理类内误差超过规定阈值的聚类。 关键词：人工免疫；aiNet ；记忆抗体；增量聚类 Abstract:In this paper,an clustering algorithm based on artificial immune incremental is proposed.This algorithm is proposted based on the algorithm of artificial immune updated cluster, and combine the idea of the ant algorithm imcremental, use the memorial antibody matrix gave from the original cluster as intialization matrix and cluster the incremental datas by the AI clustering algorithm.Then it deal with the clusterings exceeded the threshold by clustering disaggregation menchanism . Key words: artifical immune; aiNet; memorial antibody; imcremental clustering 1、引言 随着互联网技术的发展，万维网渐渐的成为了一个巨大的全球化信息中心。每个Web 站 点的上百个网页都包含着数量巨大的信息资源。因此，如果没有正确的引导，访问者常常会 因无法找到该网站的主要信息页，而只是漫无目的的浏览网页，这样他们很快就会因丧失原 有的兴趣而离开该网站。于是，Web 信息挖掘技术日益受到学术界及商业界的关注。推荐系 统就在这样的环境下应运而生了，它根据用户浏览记录建立用户档案，并以此作为推荐的依 据。那么，建立适用的用户档案就成为了推荐系统中至关重要的一环。而聚类技术作为Web 数据挖掘中一个重要的研究领域获得了很大的发展。Y.J.Xie[1]首先将 Web 使用挖掘从单用 户延伸到用户组上来，再采用聚类分析的方法来处理相似的用户组会话。Jeffrey Heer[2] [3] 考虑到了数据的多重性，并利用这一特性来构造多模式聚类，而Ajith Abraham 构建了一 个基于模糊聚类（FCM）的i-MinnerWeb 使用挖掘系统，以上这些算法都取得了不错的聚类 效果。 由于用户浏览Web 的行为会随着其兴趣而动态的发生变化，这就要求聚类能够及时的进 行更新，使其能够正确的反应用户当前真正感兴趣的会话模式。但是，目前的聚类算法，大 多数都不具备动态调整的能力。金阳等[4]在有序概念格的基础上提出了一种增量式挖掘方 法，但随着数据量的增大以及数据间的关联度、复杂度的增加，该方法的有效性会有所降低。 董一鸿等[5]利用竞争型神经网络，在不改变原有记忆的情况下实现了新记忆的添加，但受到 记忆存储的容量限制，不能很好的应用于大规模数据的处理。 针对这些问题，本文在基于aiNet 聚类算法的基础上，结合蚁群增量聚类算法的思想， 提出了基于人工免疫的增量聚类算法。 2、基于人工免疫的聚类算法 2.1 生物免疫系统的基本概念[6] 生物免疫系统是是由免疫分子、免疫细胞、免疫组织和免疫器官组成的复杂系统，它 是抗击病源入侵的重要防御系统。免疫细胞是免疫系统中的重要组成部分，它主要包括 B 细胞和T 细胞，而能够被T 细胞和B 细胞识别并刺激T 及B 细胞进行特异性应答的病原体 称为抗原，识别抗原的 B 细胞经过克隆扩增分化最终转变成了抗体。免疫应