基于人工免疫系统aiNet模型的层次聚类算法

提出了一种基于人工免疫系统重要模型aiNet模型的层次聚类算法aiNHA。该算法首先采用aiNet的方法生成抗体的记忆细胞矩体和相似性矩阵,这样就将数据集划分为若干子簇。再按照层次聚类的方法,合并连接相似度高的子簇,得到最终的聚类结果。该算法适用于发现任意形状的聚类簇,并且继承了免疫算法搜索速度快、效率高的优点。

数据聚类的FCM与aiNet方法

模糊C均值聚类算法使用欧氏距离衡量,遇到潜在的类或簇背离超球面结构时表现不佳。利用免疫理论中的克隆选择、亲和力成熟和免疫网络理论来建构一种网络模型aiNet,将其用于数据聚类可以减少数据中的冗余,描述数据结构和聚类形状。通过实验比较了这两种方法的特点,结果表明,当潜在的类或簇背离凸集时,aiNet方法表现出良好的适应性。

基于AiNet的仿真优化加速/求解器研究

提出一种基于神经网络的仿真优化加速 /求解器模块 ,该模块作为笔者开发的仿真优化系统 (SimOpt)的一个有机组成部分 ,以一种新的基概率神经网络 (AiNet)作为核心引擎 ,通过训练和学习过程替代仿真模型进行结果评估 ,从而大大提高了仿真优化的速度。

基于aiNet人工免疫网络的遥感图像检索

受多方面因素的影响,图像在特征空间中的分布是非常不均匀的,往往围绕多个中心。为了解决多个特征中心的问题,提出了一种基于aiNet人工免疫网络的遥感图像检索算法。该算法根据免疫网络机理及相关反馈技术,利用aiNet人工免疫网络对用户的反馈信息进行学习记忆,能有效寻找多个最优解,提高了系统对用户语义的理解能力。由于该网络具有减少冗余、多样性、学习和记忆的特性,避免了传统算法容易陷入局部最优的缺点。实验结果表明,该算法能有效理解用户的反馈信息,提高了传统检索方法的准确性。

基于aiNet的数据模糊聚类算法

本文基于人工免疫系统中经典的网络模型——aiNet模型,提出了一种数据的模糊聚类算法——aiFCM,给出了算法的流程,并通过实验证明了算法的有效性。实验表明,通过人工免疫网络与传统统计分析工具的结合,能够有效地从数据集合中提取有用的聚类。

基于aiNet免疫网络模型的K-means聚类算法

提出了一种基于ai Net免疫网络模型的K-means聚类算法。该算法利用ai Net免疫网络模型中抗体-抗原之间的亲和力来计算聚类中心点,将数据分为若干子簇,之后再通过K-means聚类算法将这些子簇合并,得到最终的结果。该算法继承了免疫算法速度快,效率高的优点,同时也避免了K-means聚类算法容易陷入局部极小值的缺点,是一种高效的并行搜索算法。

基于aiNET人工免疫网络的推荐算法

为解决现有推荐技术中存在的稀疏性、准确性等问题,提出了基于aiNET人工免疫网络的推荐算法,以利用人工免疫网络自身的利用免疫动态调节机制来降低数据稀疏性,提高推荐准确性。

基于人工免疫aiNet模型的车牌定位技术

针对传统遗传算法用于车牌定位易于陷入局部最优解的问题,将人工免疫aiNet模型引入到了车牌定位的过程中.首先采用最大类间方差法(OTSU)将采集到的车牌彩色图像转换为灰度图像,然后采用一维滤波器组对灰度图像进行滤波,最后应用人工免疫aiNet模型进行了车牌定位.实验结果表明,该方法适应性强,定位效果好.

基于K均值和aiNet的两阶段文本聚类算法

为了克服基于aiNet的文本聚类算法在处理高维数时性能下降的缺点,设计一种基于聚类中心的虚拟坐标映射机制的文本表示模型,实现文本向量模型的降维技术。在文本进行K均值聚类后,对文本向量进行降维,再将其作为aiNet文本聚类的输入。实验表明,通过两阶段的算法对文本进行聚类,有效提高了aiNet文本聚类质量。

基于Copt-aiNet的污水处理过程控制优化研究

污水处理这一动态反应过程比较复杂,在Copt-aiNet基础上,对污水处理控制对策进行提出,先使用Copt-aiNet对第二分区的溶解氧质量浓度以及第五分区硝态氮质量浓度最佳设定值予以明确,之后通过控制器跟随最佳设定值,控制氧传递系数以及内回流流量,优化曝气能耗及泵送能耗,最后利用仿真平台开展仿真试验,对控制对策有效性进行验证,在保障出水水质符合标准基础上使能耗下降。

一种改进的基于免疫网络模型(aiNet)的故障诊断算法

根据抗体群与抗原群的匹配关系,提出一种改进的基于免疫网络模型(aiNet)的故障诊断算法.建立了自适应调整剪枝和抑制阈值的规则,并对K近邻算法的附加距离阈值加以限制,提高了基于aiNet故障诊断算法对已知故障的识别率,克服了其不能识别新故障的缺点.仿真结果表明,改进算法具有优良的故障诊断性能.

基于aiNet聚类和免疫遗传算法的RBF网络

本文通过aiNet人工免疫网络聚类算法对输入数据集合自适应地确定RBF神经网络隐层中心的数量和初始位置,通过自体免疫遗传算法来训练RBF网络,获得全局最优。最后将本文方法应用到隧洞围岩分类中进行仿真,仿真结果表明该RBF神经网络不仅计算量小,而且精度高,具有很好的泛化能力。

基于多智能体的Option自动生成算法

目前分层强化学习中的任务自动分层都是采用基于单智能体的串行学习算法,为解决串行算法学习速度较慢的问题,以Sutton的Option分层强化学习方法为基础框架,提出了一种基于多智能体的Option自动生成算法,该算法由多智能体合作对状态空间进行并行探测并集中应用aiNet实现免疫聚类产生状态子空间,然后并行学习生成各子空间上的内部策略,最终生成Option.以二维有障碍栅格空间内2点间最短路径规划为任务背景给出了算法并进行了仿真实验和分析.结果表明,基于多智能体的Option自动生成算法速度明显快于基于单智能体的算法.

人工免疫系统及其模型分析

目前,受生物免疫系统启发而产生的人工免疫系统(Artificial Immune System,AIS)作为计算智能研究的新领域正在兴起。文中侧重以AIS的基本原理为线索,对其模型加以系统综述。介绍了人工免疫系统的生物原型及生物免疫系统模型。在此基础上讨论了3种人工免疫系统的网络模型:aiNet、骨髓模型及有限资源人工免疫系统。分别介绍了这3种主要模型的来源,详细描述了各个模型的基本思想,并归纳出各个模型的特征。

典型的人工免疫算法性能比较与分析

基于免疫机理的算法为工程应用带来了什么、有何差异。基于这个背景,选择B-cell算法、克隆选择算法和Opt-aiNET算法这三个免疫算法为代表,针对三类经典工程优化问题,以解质量和评价数作为评价标准,详尽地比较了它们,并给出了它们之间差异原因的分析和评价。

基于核聚类的近邻人工免疫网络算法研究

针对经典人工免疫网络(aiNet)及改进算法中存在的运算时间长、结构复杂等问题,提出了一种改进的核聚类近邻人工免疫网络算法(KN-aiNet)。算法在aiNet的改进算法——近邻aiNet结构的基础上,以抗体数据为核心利用量子能级思想聚类,并重定义了生成抗体策略,采用区域生长法搜索拥挤距离,采用基于核函数的亲和度等方法来提高算法的聚类效果和降低算法的运算时间。聚类实验结果表明,KN-aiNet算法的聚类准确率较经典aiNet算法及近邻aiNet算法分别提高了11.53%和4.56%,而算法的运算时间较经典aiNet算法及近邻ai-Net算法分别下降了0.503 s和0.823 s。

端到端网络服务健康度的人工免疫评价模型

从网络多维性能出发,建立了端到端网络服务健康度评价模型(ENHMM)。该模型支持动态定制服务评价因子,同时给出基于评价因子的网络性能数据的主动测量方法。在评价算法上,利用了一种新的抗体促进与抑制机制的AiNet网络免疫算法。开发了原型系统对现实网络进行评价,得到了网络服务健康度等级。通过对评价结果的线性回归分析,发现该等级能够准确地反映用户感知的网络质量。

基于免疫网络感知结构机理环境下自适应粒子群优化研究

基于粒子群优化算法环境中的全体粒子与自身的搜索经验,利用基于免疫网络感知结构机理系统作为一种自适应维持群体多样性与自我调节性,以及导致基于免疫机制的算法所具有的整体、局部搜索能力强等特点,使得这类算法在函数优化、组合优化、模式识别、数据挖掘及机器学习等方面得到了有效应用。同时,采用免疫网络感知结构机理系统的克隆选择机制,提出了基于免疫网络感知结构机理的粒子群优化算法。

基于人工免疫可更新簇聚类算法的研究

给出了一种基于人工免疫的可更新簇聚类算法。该算法在aiNet聚类算法的基础上,引入记忆抗体"年龄"的概念。模型学习过程中在抗体不断地与抗原接触时,超过"年龄"阈值的记忆抗体转化为一般抗体,以此达到聚类簇的更新。实验表明该算法是可行、有效的。

基于人工免疫增量的聚类算法

文章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。