人工免疫记忆模型研究

免疫记忆模型对人工免疫具有重要的作用。文中详细研究了两种免疫记忆模型:记忆细胞模型和残余抗原模型。并对这两种模型进行了详细的分析和对比。最后,对残余抗原模型进行了改进,从而实现了残余抗原的动态性。     

基于残余抗原学说的动态记忆风险识别模型

以小概率事件风险识别为研究对象,提出一个基于残余抗原学说的动态记忆风险识别模型DMRIM。DMRIM针对小概率事件风险的无规则等特点,将风险的强度和频度直观地、动态地映射为残余抗原的浓度,以残余抗原刺激免疫记忆、指导抗体进化、控制识别器的生命周期,突破了传统的记忆细胞生命周期,实现了识别器分布自制,提高了小概率事件的辨识能力。仿真实验表明,DMRIM充分体现免疫记忆的动态性,有效地识别小概率事件,其可行性在实际应用中得到了验证。     

入侵检测中基于残余抗原理论的动态记忆算法

依据生物免疫的防御层次结构,分析了网络入侵的多层防御体系.引入生物学中残余抗原理论,结合入侵检测过程中存在的残余抗原,提出了一种新的基于残余抗原理论的动态记忆算法.在此基础上,分析了算法的设计思想,给出了算法的具体实现过程.实验数据表明:该算法实现了识别器记忆的动态性和持久性,并且能够提高系统资源的利用率.     

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。     

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。     

基于免疫记忆的人工免疫算法模型及其应用

本文在深入分析现有人工免疫算法模型优缺点的基础上,提出了一种基于免疫记忆机制的改进人工免疫算法模型ARTIA.该模型融合了由生物免疫系统启发而来的免疫记忆机制,包括联想记忆和迭代记忆两种,采用了多种策略以保持群体多样性,进而在数值试验的基础上对ARTIA算法模型的性能进行了分析和讨论.最后通过本质上可以归结为旅行商问题(TSP)的多目标组合优化工程实例--岩石钻孔机路径选择问题,验证了该算法的有效性.结论部分对全文作了总结并对今后研究工作进行了展望.     

基于免疫记忆的蚁群算法

充分利用前期迭代中解的信息是构造高效蚁群算法实现的关键之一.文中把免疫记忆和克隆选择的思想引入蚁群算法,提出了基于免疫记忆的蚁群算法(IMBACA).算法通过在原有蚁群模型上增加一个免疫记忆库,将记忆库中的解对应为免疫记忆细胞(及其产生的抗体),将问题对应为抗原,并借鉴克隆选择和免疫记忆的思想进行解的构造和信息素更新.算法从解的质量和时间方面与传统蚁群算法进行了比较,实验结果表明,所提出的IMBACA算法可明显提高传统蚁群算法的性能,同时也为解决其他组合优化问题提出了一个新的思路.     

模拟电路免疫记忆网络故障诊断新方法

提出了一种基于免疫记忆网络理论与$k$近邻算法的模拟电路故障诊断方法。首先,利用免疫记忆网络寻找各故障空间的最佳记忆抗体。在免疫记忆网络中根据浓度来选择记忆抗体,以促进记忆抗体在各故障空间的均匀分布。利用克隆和超级变异机制来保证抗体多样性,再利用浓度和期望值对抗体进行促进和抑制,以避免早熟现象的产生;然后,根据所得到的各故障空间的最佳记忆抗体,使用改进的阈值k近邻算法对抗原进行故障分类;最后,以带通滤波器为诊断实例,利用实际电路测试数据和仿真数据作为测试样本进行故障诊断性能评估;实验结果证明该故障诊断方法具有较高的故障诊断率。     

一种新型的模糊C均值聚类初始化方法

模糊C均值聚类(FCM)是一种广泛采用的动态聚类方法，其聚类效果往往受初始聚类中心的影响。受自适应免疫系统对入侵机体的抗原产生免疫记忆的机理启示，提出了一种新的产生初始聚类中心的方法。算法中，待分析的数据被视为入侵性抗原，产生的记忆细胞作为聚类分析的初始中心。克隆选择用来产生抗原的记忆细胞群体，免疫网络理论则用来抑制该群体规模的快速增长。实验结果表明免疫记忆机理用于FCM初始中心的选择是可行的，不仅提高了FCM算法的收敛速度，而且可以通过改变阈值的大小自动决定类别数。     

按模式记忆理论的记忆结构刻画

给出了一个按模式记忆铁记忆模型,详细讨论了它的基本构成单元－智能记忆单元ＩＭＥ的结构和操作,由ＩＭＥ构成的记忆结构是一个开放性的存储结构,可以实现记忆的层次性、语义性、时效性和灰度性,并提供在此记忆结构进行联想记忆的必要信息。