基于人工免疫聚类算法的电梯交通流分析

采用人工免疫聚类算法对某大楼一周内的电梯交通流进行了分析 .利用人工免疫算法的免疫激励和免疫抑制机制 ,对电梯交通的 5分钟原始客流数据进行压缩 ,得到了特点鲜明的电梯交通流人工免疫记忆数据集 .以最小支撑树为工具 ,采用最短距离法对记忆数据集进行分类 ,所得结果清晰地体现了电梯交通流的实际特性 .

基于人工免疫的灰度图像多阈值自动分割

为了实现灰度图像的自动分类以及自动分割,提出了一种基于人工免疫及最优分类数的灰度图像多阈值自动分割方法。定义了灰度图像最优分类数目标函数;接着运用人工免疫算法,结合最优分类数函数对灰度图像进行自动分类,并产生最优的多阈值,从而使得图像的全自动分割成为可能。该人工免疫算法中,抗原是指最优分类数目标函数,而抗体是指最优的多阈值。通过实验证明,分类清晰,效果良好。

一种电梯交通流多模式预测方法的研究

在分析电梯交通流的基础上提出一种多模式预测方法.该方法首先利用人工免疫聚类算法(AI-CA)对电梯交通流进行离线的模式识别和分类,然后在此基础上利用高斯混合模型(GMM)对具有多种模式的电梯交通流进行数学建模.通过EM算法优化估计高斯混合模型的参数,得到了确定的高斯混合模型,从而实现对电梯交通流的在线预测.与其它预测方法的仿真结果进行了比较,体现出该方法的有效性和优越性.

基于群算法的过程参量聚类研究

针对复杂过程的参量聚类问题,提出一种基于粒子群优化算法的聚类方法,阐述了聚类算法的基本思路。通过对过程煅烧温度和煅烧转速二维数据的聚类仿真研究,证明该算法在类似过程参量聚类中的实用性能。对粒子群优化算法的聚类特性及参数设置进行了详细的分析,并将其与前期人工免疫聚类结果进行对比,提出了算法的改进方案。

人工免疫算法在道路交通流分析中的应用

采用人工免疫算法对珠海市人民路的交通流进行分析。首先用人工免疫算法对原始交通流数据进行压缩,然后通过聚类分析得到分类结果。仿真实验表明,人工免疫算法可以有效地减少聚类数据的冗余信息,所得到的分类结果较好地反映了交通流数据的内在结构,该算法可以作为交通控制以及交通时段自动划分的理论依据。

人工免疫聚类算法在城市交通流量分析中应用

基于人工免疫聚类算法对城市交通时段进行智能划分,人工免疫数据聚类分析算法以生物免疫系统为基础,克服了人工时段划分的不合理性,减少聚类数据的冗余信息;有效解决城市交通流量大数据量分级聚类等问题.为多时段定时控制交通时段的划分及城市交通控制方案的制订提供了可靠依据.

一种融合免疫接种机制的改进鱼群聚类算法

传统的K-均值聚类方法,在聚类过程中过度依赖初始聚类中心的选择,同时由于全局搜索能力的不足,很难得到精确的聚类中心。鱼群算法在解决优化问题中表现出良好的并行性和全局搜索特性,但由于人为设置参数的影响可能会陷入局部最优。针对聚类问题的特征,将鱼群算法运用到聚类问题中,在使用自适应步长的鱼群算法的基础上,进一步融合免疫接种机制,加强算法对精确解的搜索性能,通过UCI数据集上的实验分析和比较,表明算法具有更好的有效性和稳定性。

区域否定选择算法

否定选择算法将单个自体点和其邻近点作为自体区域训练检测器。研究了实值否定算法,定义了连续的自体区域,采用动态聚类法将自体样本点分类到自体区域,训练时根据自体区域半径和与自体区域重心之间的余弦距离做局部训练,并在自体区域内使用可变阈值检测器。实验证明当耐受自体点被当成一个整体使用时能提供更多的信息,可以探测出自体区域边界,使系统效率和检测率得到提高。

基于人工免疫算法的十字路口交通流优化分析

将人工免疫算法应用于十字路口交通流数据的分类处理.将所分析的数据作为抗原,利用抗体、抗原的亲和作用,通过刺激/抑制有关抗体的活动建立一个抗体记忆池,再运用传统的聚类分析方法,对抗体记忆池进行分类,仿真实验结果清晰地反映了路口交通流数据网络的内在结构,为交通路口的红绿灯控制采用动态模式提供理论依据,同时说明人工免疫算法具有广阔的实用价值.

基于抗原免疫原性的非均匀免疫网络(IaiNet)聚类

在生物免疫系统中抗体的产生受抗原免疫原性的影响,对此,提出一种非均匀免疫网络的聚类算法:将免疫原性引入到人工免疫网络的进化过程中,生成一个反映数据样本特征的非均匀免疫网络。实验结果证明该算法对数据聚类中类边界不清晰以及有数据噪声状况有很好的辨别效果。