改进克隆选择算法的收敛性分析

为了完善克隆选择算法(CSA),使算法理论上成熟,利用两个随机收敛性度量:完全收敛和均值收敛, 证明基于多类数据分类的改进克隆选择算法(Multi_CSA)满足收敛到全局最优解的充分条件,并以实验数据进行验证。从理论上证明了Multi_CSA满足收敛的充分条件,实验方面也表明该算法在经过一定的代数后会收敛。理论和实验上均表明:Multi_CSA是一个能在有限代内收敛的较为成熟算法。     

采用GEP编码的克隆选择算法实现函数建模

克隆选择算法是通过选择优良个体并进行大量克隆,继而高频变异实现演化的.为选择优良个体,通常对种群按照个体的适应值进行排序.然而,GEP编码具有一个特点,即适应值相同的染色体,它们的编码不一定相同.如果按适应值进行排序时允许出现重复值,那么,当种群中出现多个相同的超级个体时,其将被超量克隆,使种群趋向单一.如果按适应值进行排序且不允许出现重复值,将会错失一些适应值相同但编码不同的优良个体,从而影响收敛速度.为保持种群的多样性,提高收敛速度,对克隆选择算法进行改进:选择若干个编码不同的优良个体进行克隆,即先对种群按照适应值进行降序排序;若适应值相同再比较其编码,相同编码的多个个体只保留一个.通过函数建模的若干实验表明,改进后的算法有较快的收敛速度.     

噪声环境下精英克隆选择算法的收敛性分析

利用随机过程相关理论对加性噪声环境下精英策略克隆选择算法(ECSA)的全局收敛性进行了研究. 首先采用有序对的状态表示方法构造精英克隆选择算法在噪声环境中的Markov链; 然后将算法种群中最佳亲和度函数的进化过程转化为下鞅, 利用鞅理论证明了种群最佳亲和度函数的全局收敛性; 最后通过分析加性噪声环境下精英克隆选择算法的状态转移概率的特性, 证明了精英克隆选择算法在加性噪声环境下最终能以概率1 收敛到全局最优解.     

一种免疫克隆选择算法在BP网络学习中的应用

在分析BP网络学习存在的问题后，采用了一种免疫克隆选择算法对BP网络的权值进行优化学习，并提出了一种新的变异方法，该变异方法可以根据亲和力的大小自适应调整抗体变异的幅度，与传统的高斯变异相比，不但简化了抗体的编码，还很好地体现了克隆选择算法抗体变异的特点，提高了算法的搜索能力和收敛性能。仿真实验表明，基于这种变异方法的免疫克隆选择算法可以很好地提高BP网络的学习速度，有效地避免算法过早收敛的问题。     

基于拟随机序列与克隆选择的进化V-detector 算法

阴性选择(NS)算法是人工免疫的核心方法,检测器生成是其关键。针对其经典V-detector算法中高维数据失效及随机生成初始检测器集过于集中而导致过早收敛等问题,首先采用拟随机序列生成初始检测器;然后通过克隆选择优化检测器集合,以覆盖非自体空间大小及数量作为亲和力标准,克服传统进化阴性选择(ENS)算法的局限性,并采用新型进化算子使得算法生成最优检测器集合;最后,通过实验验证了该方法的有效性。     

量化编码的分层可通航小世界图算法

随着大数据和人工智能的高速发展,针对多媒体数据的结构化处理与基于内容的检索受到极大的关注,面对多媒体数据结构化后的海量高维特征向量,如何快速、准确地检索是人工智能处理大规模数据所必须解决的问题。最近提出的分层可通航小世界图HNSW检索算法在多个公开数据集取得了最佳的性能表现,但该算法存在内存开销大的问题。而基于量化编码的检索算法能够压缩数据集向量,大幅度降低内存占用。将量化编码和分层可通航小世界图算法结合,提出了2种基于量化编码改进的HNSW算法,分别是使用标量量化编码向量的HNSWSQ算法和使用乘积量化编码向量的HNSWPQ算法,2种算法使用不同的量化策略存储原始向量编码,以降低内存开销,再通过HNSW算法建立索引达到缩短检索耗时的目的。其中HNSWSQ算法在多个数据集上获得了与HNSW算法相近的查全率和平均检索耗时,而内存开销大幅降低。实验结果表明,HNSWSQ算法在SIFT-1M和GIST-1M数据集上的内存开销比HNSW算法分别降低了45.1%和70.4%。     

基于改进克隆选择算法的云计算任务调度算法

在云计算中,系统要面对庞大的用户群,处理大量任务以及数据。如何对云环境中的大量任务进行高效的调度、满足用户需求成为了云计算中所要解决的重要问题。针对云计算的并行编程模型,借鉴生物免疫系统的克隆选择机制,利用生物工程中基因重组技术,提出一种基于基因重组的克隆选择算法,将此算法应用到云环境的任务调度问题中,可以确定最佳的任务调度方案。通过仿真实验将此算法与传统克隆选择算法进行比较,结果证明此算法的收敛速度与收敛精度均优于传统克隆选择算法,并且通过此算法可以确定较优的任务调度策略,是一种云计算环境中有效的任务调度算法。     

基于区间套理论的克隆选择算法的收敛性研究

克隆选择算法是基于免疫学中的克隆选择学说而产生的一种免疫优化算法。它通过克隆算子进行操作。本文首先介绍了标准的克隆选择算法;其次引入了克隆算子并对标准的克隆选择算法进行改进;然后以数列知识为基础,以抗体群的克隆选择过程为对象,对克隆选择算法的收敛性进行分析;最后应用区间套定理证明了算法的全局收敛性。     

基于特征选择的多侧面覆盖算法

多侧面覆盖算法对海量高维数据的分类采用分而治之的思想,依据分量差的绝对值和,选取部分属性构建不同样本子集的覆盖,降低了学习的复杂度,但初始属性集的选择依据经验或实验获得。为降低初始属性集选择的主观性和属性集调整的复杂性,利用Relief特征选择方法确定适合不同数据集的最优特征子集,构建了分层递阶的覆盖网络,并对实际数据集进行实验。实验结果表明,该算法具有较高的精度和效率,可以有效地实现复杂问题的分类。     

基于免疫克隆选择算法的固定费用运输问题优化

固定费用运输问题（fcTP）是物流运输中的高级问题,属于NP难题,较难得到最优解。针对现有方法存在的不足,提出了基于免疫克隆选择的fcTP求解算法。在该算法中,抗体采用矩阵形式编码,初始抗体群随机产生,通过迭代进行克隆选择、克隆抑制、基因变异等操作,对潜在解空间进行寻优搜索。实验结果表明,对于fcTP的优化,免疫克隆选择算法能够快速收敛于全局最优解,克服了遗传算法收敛速度慢和容易陷入局部最优的缺点。     

遗传算法选择方法的比较分析

本文基于改进的基本遗传算法实验,对选择方法进行了比较分析的研究,测试了四种不同选择方法：轮盘赌选择法、锦标赛选择法、随机遍历选择法以及一种新的基于种群交流的选择方法,分析比较这四种不同选择方法封种群发展及最佳适应值的影响。结果表明各种选择方法各有特点。最後为了防止陷入局部收敛,而对轮盘赌选择方法进行了改进,并比较了改进前後的结果,发现改进后的结果要好一些。     

一种基于生物免疫机制的基因免疫检测算法

该文基于生物免疫原理中检测机制的研究提出了一种基因免疫检测算法。该算法综合了生物免疫系统的先天性免疫和适应性免疫机制,在负选择和克隆选择的基础上又加入了阳性选择和疫苗机制,并利用基因检测实现了检测的DNA优先级策略。仿真实验表明,该算法大幅度提高了检测效率,并有效缩短了计算时间。     

FSR Methods for Second-Order Regression Models

Most variable selection techniques focus on first-order linear regression models. Often, interaction and quadratic terms are also of interest, but the number of candidate predictors grows very fast with the number of original predictors, making variable selection more difficult. Forward selection algorithms are thus developed that enforce natural hierarchies in second-order models to control the entry rate of uninformative effects and to equalize the false selection rates from first-order and second-order terms. Method performance is compared through Monte Carlo simulation and illustrated with data from a Cox regression and from a response surface experiment.     

遗传算法选择策略比较

以遗传算法中的轮盘赌选择策略和锦标赛选择策略作为研究对象,通过在13个基准测试函数上的测试,对不同选择策略的性能进行了比较和分析.实验结果表明,锦标赛选择策略比轮盘赌选择策略具有更好的通用性,而且性能更优.在锦标赛选择策略中,组规模为种群规模的60%至80%的锦标赛选择策略效果较好.该实验结果为设计更加合理高效的选择策略提供了有用的参考.     

Implementation and Verification of an Application with Active Path Selection in IPv6 Environment

The paper proposes a function of active path selection to the destination by users and implements the function into the FTP application by using the routing header defined in IPv6 specifications. It also develops the "support system for quality selection", which supports the selection by providing information on each path, experimentally. The details of the function and an implementation of the application also are described.     

基于多特征选择的中文文本分类

自动文本分类就是在给定的分类体系下，让计算机根据文本的内容确定与它相关联的类别。特征选择作为文本分类中的关键，困难之一是特征空间的高维性，因此寻求一种有效的特征选择方法，降低特征空间的维数，成为文本分类中的重要问题。在分析已有的文本分类特征选择方法的基础上，实现了一种组合不同特征选择方法的多特征选择方法，应用于KNN文本分类算法，实验表明，多特征选择方法分类效果比单一的特征选择方法分类效果有明显的提高。     

基于多特征选择的中文文本分类

自动文本分类就是在给定的分类体系下,让计算机根据文本的内容确定与它相关联的类别。特征选择作为文本分类中的关键,困难之一是特征空间的高维性,因此寻求一种有效的特征选择方法,降低特征空间的维数,成为文本分类中的重要问题。在分析已有的文本分类特征选择方法的基础上,实现了一种组合不同特征选择方法的多特征选择方法,应用于KNN文本分类算法,实验表明,多特征选择方法分类效果比单一的特征选择方法分类效果有明显的提高。     

Incremental wrapper-based gene selection from microarray data for cancer classification

Gene expression microarray is a rapidly maturing technology that provides the opportunity to assay the expression levels of thousands or tens of thousands of genes in a single experiment. We present a new heuristic to select relevant gene subsets in order to further use them for the classification task. Our method is based on the statistical significance of adding a gene from a ranked-list to the final subset. The efficiency and effectiveness of our technique is demonstrated through extensive comparisons with other representative heuristics. Our approach shows an excellent performance, not only at identifying relevant genes, but also with respect to the computational cost.     

面向多类别模式分类问题的新型阴性选择算法

针对阴性选择算法缺乏高效的分类器生成机制和“过拟合”抑制机制的缺陷,提出了一种面向多类别模式分类的阴性选择算法CS-NSA。通过引入克隆选择机制,根据分类器的分类效果和刺激度对其进行自适应学习;针对多类别模式分类的“过拟合”问题,引入了检测器集合的修剪机制,增强了检测器的分类推广能力。对比实验结果证明：与著名的人工免疫分类器AIRS相比,CS-NSA体现出更高的正确识别率。     

一种基于自我聚类的异常检测学习方法

提出一种新的基于正选择的异常检测方法,该方法通过聚类学习正常空间特征,在每个类中选择有代表性的自我样本构造检测器集,之后利用正选择算法进行异常检测。这种方法既能适用于自我样本集较多的情形,克服了T. Stibor提出的正选择的局限,又具备了一定的学习能力。同时,该方法还避免了负选择中随机选择样本带来的弊端。通过实验分析,该方法比VDetector具备更好的检测性能,是一种有效的异常检测方法。