核聚类人工免疫网络评价函数研究

人工免疫系统是对基于生物免疫系统的模式识别机制而构造的信息处理方法的总称.对一种专门用于聚类分析的人工免疫系统模型--核聚类人工免疫网络进行研究.在核聚类人工免疫网络方法中,模式类的特征值的评价函数不仅是引导方法最终收敛的关键因素,同时,也决定了该方法的聚类分析效果.专门研究了核聚类人工免疫网络中特征值评价函数的具体形式及其对聚类分析效果的影响,从而为进一步完善和更好地应用该方法提供参考.     

基于聚类算法和ANFIS的广西航空货运量预测研究

自适应神经模糊推理系统(ANFIS)有着强大的非线性处理能力,可以有效地处理包括物流需求预测在内的非线性问题。运用广西航空货运量的指标体系,并结合基于聚类算法和ANFIS的广西航空货运量预测方法,对广西未来5年的航空物流货运量进行了预测。一方面,通过与其它算法进行对比,结合2004—2014年广西航空货运量的实例结果,证明了此预测方法的精确性与稳定性;另一方面,有利于管理决策者根据广西机场未来货运量的发展趋势及时制定机场改造方案,有效发挥广西在"一带一路"和中国东盟自由贸易区的战略作用。     

基于人工免疫网络模型的城市综合实力聚类

介绍了人工免疫系统中有代表性的人工免疫网络模型aiNet的基本原理.以广东省、湖北省和内蒙古自治区的城市为例,选取2个指标,进行了基于人工免疫网络模型aiNet的城市聚类基本过程分析.从经济发展水平、社会发展水平和环境现状水平建立了城市综合实力指标体系,进行了基于人工免疫网络模型aiNet的城市综合实力聚类研究,得到满意的效果.     

基于人工免疫核聚类的支持向量数据描述方法

为使支持向量数据描述(SVDD)能应用于无监督多分类情况,提出了一种基于人工免疫核聚类的支持向量数据描述(AIKCSVDD)方法。AIKCSVDD将人工免疫核聚类产生的记忆抗体作为目标数据点,使用SVDD方法进行多类学习。在AIKCSVDD中,一方面实现了用核聚类方法解决各类数据边界不清晰的长处与免疫网络聚类方法全局收敛、不需要先验知识的优点的有机结合;另一方面,由于用记忆抗体代替原始数据进行学习,从而更好展现了原始数据的全局分布特征。与基于K-means聚类multi-SVDD方法相比,AIKCSVDD不需要事先指定分类数;在人工数据集和UCI数据集上的实验表明,在为multi-SVDD指定分类数的情况下,AIKCSVDD仍比multi-SVDD具有更好的分类性能。     

约束聚类算法研究

约束聚类是聚类研究中的热点之一.文章就此探讨了在聚类过程中引入领域知识进行“约束”的方法.介绍了约束聚类的定义,并按约束的应用将约束条件归并为全局约束、实例约束、其它约束等,然后概括了相应约束条件下的算法,最后介绍了约束对于聚类带来的益处和问题.     

基于聚类建模的三维人脸识别技术研究

由于信息采集困难、环境条件约束、实现方式和手段不足等原因,三维人脸识别技术还很不成熟.为此提出将聚类技术应用到三维人脸建模过程中来提高建模的效果和效率.首先定义了三维人脸相似性,提出了圆锥曲线相似性定义方法.其次基于三维人脸聚类建模提出了人脸识别系统的新框架,设计了与新系统对应的识别策略.实验证明,基于聚类建模的人脸识别系统在进行人脸识别时所用的时间远远少于采用传统形变模型的方法所用的时间,而且对人脸样本的数量不敏感.     

层次聚类算法的有效性研究

针对如何从层次聚类算法得到样本集的多种聚类结果中获得用户最满意的聚类结果,在深入研究聚类有效性的基础上,通过模糊相似性关系刻画聚类的类内致密性和类间分离性,建立了一个新的聚类有效性函数。在人工和实际数据集上的实验都表明了该有效性函数具有良好的性能。     

面向化工灰箱建模的快速全局优化模糊聚类算法研究

针对化工过程灰箱建模存在的精确度差、速度慢、计算复杂度高等问题,对现行模糊C-均值聚类算法进行了改进,提出了一种快速全局优化的(用于建模的数据训练集)模糊聚类算法.该算法具有不依赖初始条件、收敛速度快等特点.实验结果表明,利用快速全局优化模糊聚类算法得到的数据,在灰色预测的时间和数据准确性方面都有了显著提高,计算机仿真实验表明了该算法的有效性.     

一种基于聚类技术的免疫推荐算法

在网络时代,如何通过为用户提供更加个性化的服务,提高其商品的吸引力,进而为企业带来更大的收益,成为了网站所面临的核心问题。通过对自然免疫学和人工免疫学理论的研究,着重讨论了将人工免疫网络技术应用于电子商务个性化推荐的思想,提出了使用形态空间模型对推荐技术及其存在问题的解释方法,并提出了聚类免疫推荐算法。实验结果表明：该算法能高效和准确地解决个性化推荐问题,具有很好的应用价值。     

采用属性聚类的高维子空间聚类算法

为了解决现有子空间聚类算法时间复杂度偏高以及对输入参数敏感的问题,提出了一种基于属性聚类方法的高效子空间聚类算法.算法首先通过计算每个属性的基尼值来过滤冗余属性,而后通过基于二维联合基尼值的关系函数建立非冗余属性的关系矩阵,以衡量任意两个非冗余属性的相关度, 进而在关系矩阵上应用可产生交叠的聚类算法,聚类结果即为所有兴趣度子空间的候选集合,最后调用聚类算法得到所有存在于这些子空间内的簇.在人工数据集和真实数据集上的实验表明,新算法不仅在时间复杂度和子空间簇的寻找能力方面均有较优表现,而且对输入参数的取值不甚敏感.     

基于免疫模糊聚类RBF网络的交通信息融合算法

在径向基函数(radial basis function,RBF)神经网络应用于交通信息融合的研究中,采用模糊C均值(fuzzy C-means,FCM)聚类算法确定径向基网络隐层中心点,一般随机初始化聚类中心,训练过程容易陷入局部极小.结合人工免疫系统的克隆选择原理,提出了一种新的产生初始聚类中心的方法,与FCM聚类算法有机集成,共同训练径向基函数网络的结构参数.该方法避免了网络训练陷入局部最优的问题,收敛速度有所提高,得到了较好的融合效果.实例仿真验证了算法的有效性和实用性.     

基于免疫模糊聚类算法的电网抗差状态估计

提出了一种基于免疫进化模糊聚类算法的电网抗差状态估计方法。该方法首先计算出量测数据的标准残差h和相邻采样时刻量测值之差位,初步将量测数据划分为可疑数据和可靠数据。分别在0．5～1和1～1之间随机生成可靠数据和可疑数据的隶属度,形成初始分类矩阵,克服了整个分类矩阵在0-1之间随机生成的缺陷,并大大加快了算法的收敛速度。之后以rN和△z为特征值,应用免疫进化算法对分类矩阵进行模糊聚类,以获得各个量测量的良数据隶属度。依据各个量测量的良数据隶属度,进一步将量测数据划分入淘汰区、降权区、保权区进行状态估计。该方法能获得较高的抗差能力和状态估计精度,且数值稳定性较好。对IEEE14节点系统的算例仿真表明了该方法的有效性。     

人工免疫算法在室内热舒适模型优化中的应用

将人工免疫算法应用于建筑室内热环境设计和空调系统的参数优化方面,根据Fanger热舒适模型, 建立室内热舒适目标函数,进而确定满足热舒适要求的室内风速和温度范围.研究表明,基于免疫算法的室内热舒适组合优化方法可以作为热工设计和空调系统控制的依据.     

基于人工免疫算法的机组振动故障诊断方法

将人工免疫算法的负向选择原理应用于汽轮机转子振动故障诊断中,并提出疫苗作用抗体的改进办法。该方法利用转子正常工作样本和少量振动故障样本即可得到合理的抗体集,具有边检测边学习,不断动态调整的功能,在故障诊断时可以给出快速、准确的识别。最后通过转子实验台取得的振动数据验证了算法的有效性,检测结果表明准确率达到95%。     

网络取证数据的人工免疫网络聚类过滤方法

针对当前网络取证数据过滤方法对先验知识过度依赖的问题,提出一种基于人工免疫网络聚类的过滤网络取证数据的方法.该方法以取证数据作为抗原,以具有动态作用域的B细胞作为人工免疫网络的节点,依据抗原与人工免疫网络的隶属度、B细胞的刺激度来进化人工免疫网络,根据过滤阈值判据,来筛选取证数据.实验结果表明,在不具备先验知识以及在合理选取时间窗口和过滤阈值以确保有较高检测率的情况下,算法能够提供较高的数据压缩比.该方法能够有效地确立调查数据的范围,有助于提高取证分析的效率.     

基于免疫抗体生成算法的电力变压器故障诊断

提出了一种基于人工免疫的抗体生成算法,并将其应用于电力变压器的故障诊断。抗体生成算法仿生生物免疫系统中抗体对抗原的识别与记忆的机理,先对训练样本进行免疫学习和记忆,提取表征样本的有效特征,形成表征样本特征的记忆抗体集,再用最邻近分类法对测试样本进行分类识别。UCI的Iris数据集和电力变压器故障数据的仿真分析结果表明,抗体生成算法能够进行有效的分类,并具有很高的准确率。     

一种计算机安全发展的新技术：人工免疫

随着网络的发展，计算机安全问题日益突出。现有的抗病毒技术已经无法快速抑制病毒的繁衍和传播。本文探讨了一种计算机安全发展的新技术——人工免疫，即基于生物免疫系统的计算机病毒免疫技术。在现代信息科学和生命科学相互交叉渗透的研究领域，由生物免疫系统启发的人工免疫系统是继脑神经系统(神经网络)和遗传系统(进化计算)之后的又一个研究热点。本文从理论的角度论述了计算机免疫和生物免疫的相似性；介绍了生物免疫系统机理以及计算机免疫系统的体系结构和常见算法。最后介绍了人工免疫工程的应用现状。     

An optimization algorithm for locomotive secondary spring load adjustment based on artificial immune

In order to control the locomotive wheel （axle） load distribution, a shimming process to adjust the locomotive secondary spring loads was heretofore developed. An immune dominance clonal selection multi-objective algorithm based on the artificial immune system was presented to further improve the performance of the optimization algorithm for locomotive secondary spring load adjustment, especially to solve the lack of control on the output shim quantity. The algorithm was designed into a two-level optimization structure according to the preferences of the problem, and the priori knowledge of the problem was used as the immune dominance. Experiments on various types of locomotives show that owing to the novel algorithm, the shim quantity is cut down by 30%-60% and the calculation time is about 90% less while the secondary spring load distribution is controlled on the same level as before. The application of this optimization algorithm can significantly improve the availability and efficiency of the secondary spring adjustment process.