基于優(yōu)化目標(biāo)可調(diào)控的免疫聚類算法的研究.pdf

1、近年來(lái)，隨著經(jīng)濟(jì)的快速發(fā)展，很多領(lǐng)域都存在大量數(shù)據(jù)，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識(shí)。獲取的信息和知識(shí)可以廣泛用于各種應(yīng)用，包括商務(wù)管理，生產(chǎn)控制，市場(chǎng)分析，工程設(shè)計(jì)和科學(xué)探索等。聚類是數(shù)據(jù)挖掘中的一種最重要的分析工具之一，目前聚類廣泛運(yùn)用于信息、決策領(lǐng)域。近幾十年來(lái)發(fā)展迅速，有許多聚類分析新算法被不斷提出，尤其是將傳統(tǒng)聚類方法和人工智能算法相結(jié)合。
　　 生物免疫系統(tǒng)是一個(gè)具有高度智能的、分布協(xié)調(diào)的自適應(yīng)生物系統(tǒng)。

2、基于生物免疫系統(tǒng)的智能算法是近十年來(lái)的一個(gè)很重要的研究熱點(diǎn)。其中基于免疫網(wǎng)絡(luò)理論的數(shù)據(jù)聚類技術(shù)是一個(gè)很重要的研究方向，它借鑒了生物免疫系統(tǒng)的免疫記憶、分布式并行處理、自組織、自學(xué)習(xí)等特性，能夠從大量無(wú)序的數(shù)據(jù)中提取隱含的、對(duì)決策有潛在價(jià)值的知識(shí)和規(guī)則，它對(duì)未知數(shù)據(jù)的劃分和分析非常有效并能達(dá)到合理的效果。但目前幾種免疫網(wǎng)絡(luò)算法中沒(méi)有定義目標(biāo)控制函數(shù)、記憶網(wǎng)絡(luò)無(wú)規(guī)律進(jìn)化等問(wèn)題，使得算法學(xué)習(xí)訓(xùn)練階段存在迭代次數(shù)多、收斂速度慢、算法參數(shù)多、且過(guò)

3、分依賴網(wǎng)絡(luò)抑制來(lái)保持網(wǎng)絡(luò)的動(dòng)態(tài)性和抗體種群的多樣性。
　　 本文提出了一種基于目標(biāo)可調(diào)控的免疫網(wǎng)絡(luò)算法，將人工免疫網(wǎng)絡(luò)壓縮聚類抽象為多函數(shù)優(yōu)化問(wèn)題，定義了記憶網(wǎng)絡(luò)的進(jìn)化控制函數(shù)，并采用細(xì)胞記憶庫(kù)策略提升免疫學(xué)習(xí)質(zhì)量。本文分別對(duì)中心聚類和非線性聚類問(wèn)題進(jìn)行了仿真。仿真結(jié)果表明此免疫網(wǎng)絡(luò)算法可以按照輸入輸出樣本特征信息實(shí)現(xiàn)模糊規(guī)則的自動(dòng)提取。中心聚類仿真結(jié)果表明新算法的聚類質(zhì)量、壓縮質(zhì)量均優(yōu)于原aiNet算法，新算法的學(xué)習(xí)代數(shù)要比a