基于人工免疫的Web文本挖掘方法研究

如何在数量巨大的Internet中快速准确的搜索到符合要求的Web页是一个值得探讨的重要课题.构造了一种能够准确区分Web文本之间亲和力的挖掘模型,运用人工免疫算法使该模型具有较高的聚类精度和自发现能力.实验结果表明,该模型不仅能够有效的进行文本内容挖掘,保持较低的错误肯定率和错误否定率,还具有很强的自适应性和更新能力,进行适当的参数设置后检测周期也随之大幅缩短,提高了挖掘模型的效率.该模型的提出为Web挖掘领域提供了一种新的研究思路.

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。

基于人工免疫的Web文本自动摘要方法研究

模型,运用人工免疫算法使该模型具有较高的聚类精度和自发现能力,实验结果表明,该模型不仅能够有效对各类Web文本进行摘要,保持较低的错误肯定率和错误否定率,还具有很强的自适应性和更新能力,在算法复杂度上也具备一定优势。

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。

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。

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。