人工免疫网络记忆分类器网络文本分类研究

论文在人工免疫记忆分类器用于解决数据分类的基础上,提出将该分类器用于解决文本分类的方法。与两种基于免疫原理的文本分类方法和传统的贝叶斯分类器进行了比较研究。结果表明该分类器在标准文本样本集合上的性能好于其他三种分类器,在小样本分类上具有一定优势。

人工免疫网络记忆分类器信息恢复系统应用

通过对不同人工免疫分类方法的比较,发现不同分类方法的效果对预测结果有一定影响,利用人工免疫记忆分类器分类方法取得比其他方法更好的预测效果。

基于人工免疫网络记忆的新型分类器研究

该文首先简要介绍了自然免疫系统的免疫记忆原理,之后对aiNet和AIRS机制进行了分析,指出免疫记忆在两种算法中起关键作用。aiNet利用传统聚类技术对产生的记忆抗体进行数据聚类分析,无法得知原始抗原类别。AIRS通过训练产生记忆细胞池,利用最近邻原理对原始抗原分类。文中,aiNet的记忆抗体生成机制与KNN分类机制结合,提出基于人工免疫网络记忆的新型分类器AINMC———人工免疫网络记忆分类器。实验结果表明,所提出的新型分类器具有良好的记忆和泛化性能,准确率可以与许多传统方法相比较。

人工免疫网络记忆分类并行算法研究

人类免疫系统是极为复杂的、固有并行性、分布式系统。人工免疫系统领域已经开发了许多免疫系统启发的算法,但没有几个显示并行性。论文提出并行人工免疫网络记忆分类系统,给出简单的并行人工免疫网络记忆分类算法。初始结果显示,通过简单的并行化方法,与并行人工免疫识别系统AIRS的比较研究表明,并行人工免疫网络记忆分类系统在并行效率等方面的性能优于后者。

人工免疫记忆分类器多类多维问题研究

本文首先介绍人工免疫系统在分类问题中的应用,以及人工免疫记忆分类器在UCI数据集合上的研究结果,然后将人工免疫记忆分类器与人工免疫识别系统在多类多维问题上进行比较研究,以进一步验证人工免疫记忆分类器的性能。结果表明,人工免疫记忆分类器对于多类多维问题具有良好的性能,效率高于人工免疫识别系统。

人工免疫分类器记忆细胞分布比较研究

人工免疫网络记忆分类器和人工免疫识别系统是两种人工免疫分类方法。二者的免疫系统原理有所差别,前者改进后的性能优于后者。本文对二者产生的记忆细胞分布进行比较研究,指出二者在分类性能上的差别来自记忆细胞分布。二者记忆细胞的分布都近似正态分布,但前者的产生高质量记忆细胞的概率高于后者。

人工免疫记忆分类器类别不均匀分布分类研究

类别分配不均匀是实际中常见的分类问题。文章利用基于免疫记忆的分类器—免疫记忆分类器研究该类问题。通过改进人工免疫记忆分类器距离度量方式,发现在比例选择平均距离度量情况下,该种分类器可以很好地解决类别分配不均匀问题。与另一种免疫分类方法AIRS和传统的KNN分类结果比较表明,人工免疫记忆分类器能够解决这类问题,效果好于后两者,为解决该类问题提供了新的思路和方法。

基于人工免疫网络的联想记忆器

本文提出一种利用人工免疫网络模型设计联想记忆器的方法。着重指出通过定义适当的补充机制形式,人工免疫系统如何应用 于解决联想记忆问题,仿真结果与其他熟知的模型所得结果进行了比较。

利用模糊免疫网络记忆分类器的Web服务Qos评价

根据用户对利用模糊免疫网络记忆分类器的Web服务Qos评价模型提出的功能需求、应用的领域及Qos约束,自动选择出能够反映该功能服务质量属性的评价因子。提出新的人工免疫分类算法—FAINMC,利用该算法对大量的Web服务实现准确、高效的分类。根据每类记忆细胞反应的特征得到和类型相对应服务等级,使用模糊隶属度和百分法得到了反应Web服务质量优劣评价值。

基于人工免疫系统的网络文本分类研究

在简单介绍自然免疫系统功能和特性的基础上,依据生物免疫系统免疫记忆特性,提出一种人工免疫网络记忆分类器。实验证明,该分类器能够快速准确地对文本进行分类。

基于人工免疫系统的蛋白质相互作用网络聚类算法

提出了一种基于人工免疫特性的蛋白质相互作用(PPI)网络聚类模型与算法以期提高其辨识准确率。在该算法中将聚类中心作为抗原,将邻接的节点作为抗体,通过计算抗体与抗原之间的亲和度,将其作为记忆细胞把节点划分到聚类中;然后选择优秀抗体作为疫苗,尝试将疫苗注入聚类模块并进行更新,通过与注射前的模块适应度进行比较,不断更新记忆细胞。对PPI数据集上的数据进行了仿真,实验结果表明,与功能流算法(FLOW)相比,所提方法的正确率和查全率的几何平均值均得到了提高。

基于人工免疫的记忆检测器研究

传统的手段已不能充分地解决计算机网络的安全问题。为了确保计算机网络系统安全,建立一个有效的入侵检测系统IDS,针对IDS中成熟检测器检测率低和错误肯定率高的问题,根据人工免疫记忆原理,研究了免疫检测器集中成熟检测器激活,记忆检测器生成与变异机制以及演化,给出了记忆检测器生成算法,研究了记忆检测器变异和淘汰机制。实验结果证明记忆检测器为主的检测器集合实现了检测器自学习和联想记忆的功能,提高了入侵检测系统的自适应能力和检测率,减少了错误肯定率。

基于免疫网络的遥感影像分类算法

基于独特型免疫网络原理,提出了一种新型的分区记忆模式人工独特型网络模型,并利用其对卫星遥感数据进行了分类。该模型在结构上将免疫网络的记忆抗体划分为特异记忆抗体区和自由记忆抗体区。前者的主要功能是记忆各类别抗原的特异特征,后者为前者提供各种类型的抗体源。记忆抗体间按照亚动力学原理进行调节,实现免疫网络的寻优过程。基于上述分区,它在初次免疫响应过程中实现网络的搭建和训练,在二次免疫响应过程中实现信息提取。最后利用该模型对ETM数据进行地物分类,并与传统分类方法进行对比。结果表明:该模型的总分类精度和Kappa系数分别是92.6%和0.91,优于传统分类方法。

协同联想记忆分类器在车牌照检测与识别中的应用

从协同学角度出发,提出了一种协同联想记忆分类器(SAMC)的实现算法。为了验证SAMC算法的有效性,针对汽车车牌图像的识别系统,构建了一个基于SAMC的解决方案。实验结果表明,用SAMC实现算法来识别效果好,适合于对有噪声的车牌图像进行处理。该算法训练简单,联想能力强,对具有背景噪声和视角引起的图像畸变失真具有一定的抗干扰能力,识别结果令人满意。

利用新的模糊免疫分类器的评价模型设计

随着Web服务数量的增加,根据Web服务的多维Qos属性度量Web服务质量成为研究热点之一。提出了一种利用模糊免疫网络记忆分类器的Web服务Qos评价。在该评价中首先结合SOA中Web服务描述给出了Web服务QoS评价模型。然后提出了一种新的人工免疫分类算法——FAINMC,利用该算法利用该算法对大量的Web服务实现准确、高效的分类。通过每类记忆细胞反应的特征得到相对应服务等级,最后使用模糊隶属度和百分法得到了反应Web服务质量优劣评价值。通过原型系统对模拟Web服务属性数据进行测试,表明该方法优选出QoS值尽可能大,QoS向量分量的特征分量一致性好的Web服务。

基于人工免疫算法的入侵检测系统

将人工免疫的理论运用到计算机入侵检测系统中。充分利用了人工免疫系统的分布性、自适应性、记忆性和高效性。为入侵检测系统的高误报率和缺乏自适应性的问题提供了一个可实用模型。

长短时记忆网络在电机故障诊断中的应用研究

针对电机故障诊断采用传统神经网络存在的梯度消失等问题,提出了一种长短时记忆(LSTM)神经网络与Softmax多分类器结合的诊断方法。首先,利用LSTM神经网络在提取时间序列特征方面的良好特性,通过LSTM神经网络与Softmax多分类器构建故障诊断模型。然后,通过Tensorflow学习框架有效提取故障数据特征,并将具有强泛化能力和鲁棒性的Softmax多分类器对其分类,从而诊断出电机内圈、外圈和滚珠三种常见故障,提高诊断结果的准确率,改善传统方法存在的不足。最后,仿真验证所提方法的有效性与可行性。与传统神经网络和堆栈稀疏自编码器分类结果相比,采用LSTM神经网络诊断方法其准确率达到98. 3%,在电机故障诊断中具有更好的诊断效果,且对提高故障诊断的准确率有一定的作用。

一种基于深度学习的网络新闻分类模型

在文本分类任务中,针对卷积神经网络(Convolutional Neural Network,CNN)只能提取局部信息,不能更好地表达上下文信息,在提取文本特征时会出现特征丢失的问题。本文提出了一种基于卷积神经网络和长短时记忆网络(Long Short-Term Memory,LSTM)的混合模型,使得两者优点相结合,利用CNN可以通过卷积操作获取数据的局部特征,LSTM可以有效地提取文本的上下文依赖关系,最后使用Softmax分类器进行分类。在清华大学自然语言处理研究室提供的中文文本分析资料集上的测试表明,混合模型的准确率可以达到96.2%。

信通机器人多场景问答的人工智能技术研究

信通行业客户所提出的交互独立问句缺省较多,且上下文的关联性较强,导致当前的信通客服机器人的回复技术已经无法满足客户需求。为此,提出信通机器人多场景问答的人工智能技术。信通客服机器人回复内部架构的设计包括语音识别、文本识别、语义理解和对话交互等多种功能模块。利用朴素贝叶斯分类器对客户消息进行识别分类。通过联系上下文提取客户消息中的问点,将长短期记忆网络应用在回复消息匹配的计算过程中,以获取较优的回复内容。在客服机器人性能测试中,设置了不同场景以进行测试。测试结果表明,在不同的场景中,信通客服机器人的各个指标均优于传统的客服机器人,并且具有较好的问答回复效果。该结果验证了所设计的客服机器人的场景通用性和有效性。