AIS超变异模式识别技术及Matlab语言实现

在人工免疫系统(Artificial Immune System，AIS)算法的基础上，对免疫系统的超变异特性进行了算法设计，并针对四种简单信号模式给出了Matlab语言的实现程序和计算结果。     

人工免疫系统在手写体数字识别中的应用

基于生物免疫系统内在的模式识别与记忆能力,通过对手写体数字识别问题的研究,首次将借鉴生物免疫系统发展起来的人工免疫机制和算法引入到该问题中来,定义了相关免疫机制的数学表达,设计了具有学习、记忆、自适应和多样性等特性的人工免疫系统模型,并给出了相应的算法.通过对自采集的手写体数字样本库进行的仿真试验,结果表明用于手写体数字识别的人工免疫系统模型是可靠的,其对应算法可操作性强,只要相关参数选择得当,系统能够得到较好的识别效果,从而体现了人工免疫系统在模式识别领域的优越性和技术潜力.最后对下一步的研究工作进行了展望.     

人工免疫系统的基本理论及其应用

介绍了生物免疫系统的工作机制与特性及人工免疫算法,且将人工免疫系统与其他智能方法进行比较.还归纳了人工免疫系统的工程应用并对人工免疫系统需深入研究的方向进行了展望.     

利用人工免疫系统防范网络入侵与攻击

人工免疫系统是一个相对年轻的研究领域,在不同领域得到了广泛应用。本文以人工免疫算法为线索,介绍人工免疫系统在信息安全中研究现状和应用。首先介绍基于传统算法的免疫安全系统,包括反病毒系统、多Agent入侵检测和网络入侵检测。然后总结否定算法及其特点和基于否定算法的网络免疫系统。随后对危险理论基本原理及其在信息安全领域的应用进行系统综述。最后分析了人工免疫系统方法存在的问题,并指出进一步研究方向。     

基于人工免疫算法的冗余传感器系统费用优化􀀂

基于人类免疫系统的工作原理,提出了一个求解冗余多传感器系统的费用最小化问题的人工免疫算法.该算法采用免疫系统的超变异机制搜索局部区域;采用受体编辑机制跳出局部最小点.本算法比遗传算法和模拟退火算法更适合于解决具有很多局部最小值的冗余传感器系统费用优化的问题,仿真实验结果表明本算法是很有效的.     

免疫系统应答仿真研究

人工免疫系统已经成为人工智能领域的一个重要分支,但目前对免疫系统还缺乏许多认识。利用计算机仿真和建模方法研究免疫系统为人工免疫系统研究提供了一个新途径。开发了一个偏微分方程系统,模拟免疫系统应答中的克隆扩增、变异和选择。模型设置一个亲和力函数,使其能表达一种确定类型的淋巴细胞识别外部抗原的能力。通过数值分析和研究,确定控制选择和变异的重要参数值。对其动力学性能进行分析研究,同时研究了对应离散模型的数值解答方法。基于该模型可以进一步研究新的变异算子,设计人工免疫算法。     

基于人工免疫系统的推荐系统

简要介绍了免疫系统的基本概念,以及人工免疫系统中的独特型网络模型,将其算法思想引入推荐系统中,提出了一种基于人工免疫系统的推荐算法。给出了算法的描述,并对使用该算法前后的结果进行比较。数据实验结果表明,该算法对推荐预测精确度的提高有明显的效果。     

基于小波变换的频谱特性及人工免疫的人脸识别

该文提出了用小波分解的频谱性和人工免疫系统进行人脸识别的方法。人脸图象经过小波分解后，其能量集中在分解的低频带上，因此对低频带图象进行频谱性分析后提取的特征向量具有对人脸图象表情不敏感且大大降低存储空间和计算复杂性的优点。人工免疫系统是对自然免疫系统的模拟，通过进化学习后，可以在外部病原体和身体自己的细胞之间进行辨别，并且人工免疫系统的克隆算法能够较好地保持群体的多样性，具有良好的泛化能力。因此对每一个人脸模板特征都可以用人工免疫系统中的模式识别方法生成一个特征评判集合，然后待识别的图象就可以用模版特征的评判集合来进行评判。     

基于人工免疫系统的推荐系统

简要介绍了免疫系统的基本概念，以及人工免疫系统中的独特型网络模型，将其算法思想引入推荐系统中，提出了一种基于人工免疫系统的推荐算法。给出了算法的描述，并对使用该算法前后的结果进行比较。数据实验结果表明，该算法对推荐预测精确度的提高有明显的效果。     

基于人工免疫模式识别的故障诊断方法研究

提出了一种基于人工免疫模式识别的故障诊断方法,将故障视为抗原,基于生物免疫系统的克隆选择、超变异、免疫记忆以及多样性保持等机制生成能够表示和识别抗原的记忆抗体,然后采用基于KNN的阈值分类法对抗原即故障进行识别;以抽油机井为对象进行仿真研究,阈值取1,与输入故障距离最近的记忆抗体个数取3和5两个值进行试验,仿真结果表明算法的诊断准确率均为100%。通过对变异抗原的识别,表明该方法具有较好的泛化能力。     

一种基于多级否定选择的入侵检测器生成算法

文中给出一种改进的基于人工免疫入侵检测系统的否定选择算法。首先是用多级否定选择算法生成不同检测尺度的成熟检测器,然后为了模仿人体免疫系统中的第二次应答机制,引入了记忆检测器的概念及相应的算法,结合亲和力成熟与体细胞突变等方法,将成熟检测器提升为识别率极高的记忆检测器。     

An AIS-based hybrid algorithm for static job shop scheduling problem

A static job shop scheduling problem (JSSP) is a class of JSSP which is a combinatorial optimization problem with the assumption of no disruptions and previously known knowledge about the jobs and machines. A new hybrid algorithm based on artificial immune systems (AIS) and particle swarm optimization (PSO) theory is proposed for this problem with the objective of makespan minimization. AIS is a metaheuristics inspired by the human immune system. Its two theories, namely, clonal selection and immune network theory, are integrated with PSO in this research. The clonal selection theory builds up the framework of the algorithm which consists of selection, cloning, hypermutation, memory cells extraction and receptor editing processes. Immune network theory increases the diversity of antibody set which represents the solution repertoire. To improve the antibody hypermutation process to accelerate the search procedure, a modified version of PSO is inserted. This proposed algorithm is tested on 25 benchmark problems of different sizes. The results demonstrate the effectiveness of the PSO algorithm and the specific memory cells extraction process which is one of the key features of AIS theory. By comparing with other popular approaches reported in existing literatures, this algorithm shows great competitiveness and potential, especially for small size problems in terms of computation time.     

人工免疫系统整体架构及其在数据分类中的应用

受智能进化理论的启发，集成现有的免疫算法，加入更高的智能层次上新的免疫机制，建立了一个人工免疫系统的整体多层次架构．首先，从智能进化的角度说明基于整体免疫系统信息处理机制的算法具有更高的“计算”能力．然后，就一种新的基于人工免疫系统整体架构的数据分析算法，介绍了试验结果，并对结果进行了讨论．最后，笔者指出，人工免疫系统整体架构不仅可以提高现有算法的效率，而且可以扩展人工免疫系统的应用领域．     

Symbiotic artificial immune system

Artificial Immune System algorithms use antibodies that fully specify the solution of an optimization, learning, or pattern recognition problem. By being restricted to fully specified antibodies, an AIS algorithm cannot make use of schemata or classes of partial solutions, while sub solutions can help a lot in faster emergence of a totally good solution in many problems. To exploit schemata in artificial immune systems, this paper presents a novel algorithm that combines traditional artificial immune systems and symbiotic combination operator. The algorithm starts searching with partially specified antibodies and gradually builds more and more specified solutions till it finds complete answers. The algorithm is compared with CLONALG algorithm on several multimodal function optimization and combinatorial optimization problems and it is shown that it is faster than CLONALG on most problems and can find solutions in problems that CLONALG totally fails.     

人工免疫系统研究的新进展

综述了人工免疫系统的最新研究成果。首先简述了生物免疫系统的信息处理机理，其次介绍了独特型人工免疫网络、多值免疫网络、免疫联想记忆等人工免疫模型，以及反向选择、免疫遗传、克隆选择等五类免疫学习算法，最后介绍了人工免疫系统的应用，并展望了该领域的进一步研究方向。     

网页中数据异常识别的非线性研究

由于Web上网页的急剧增加,信息搜索与挖掘越来越引起人们的重视。然而网页中除了主题信息外,还有噪声信息,从而网页净化技术受到越来越多的研究人员的关注,并提出了各种算法。借鉴人工免疫系统在计算机网络入侵检测中的应用,提出了一种基于AIS的网页去噪算法。同时对网页中的数据进行了异常识别的非线性研究。     

Attribute weighting via genetic algorithms for attribute weighted artificial immune system (AWAIS) and its application to heart disease and liver disorders problems

An increasing number of algorithms and applications have coming into scene in the field of artificial immune systems (AIS) day by day. Whereas this increase is bringing successful studies, still, AIS is not an effective problem solver in some problem fields such as classification, regression, pattern recognition, etc. So far, many of the developed AIS algorithms have used a distance or similarity measure as the case in instance based learning (IBL) algorithms. The efficiency of IBL algorithms lies mainly in the weighting scheme they used. This weighting idea was taken as the objective of our study in that we used genetic algorithms to determine the weights of attributes and then used these weights in our previously developed Artificial Immune System (AWAIS). We evaluated the performance of new configuration (GA-AWAIS) on two medical datasets which were Statlog Heart Disease and BUPA Liver Disorders dataset. We also compared it with AWAIS for those problems. The obtained classification accuracy was very good with respect to both AWAIS and other common classifiers in literature.     

Minimizing makespan for flow shop scheduling problem with intermediate buffers by using hybrid approach of artificial immune system

In this study, three new meta-heuristic algorithms artificial immune system (AIS), iterated greedy algorithm (IG) and a hybrid approach of artificial immune system (AIS-IG) are proposed to minimize maximum completion time (makespan) for the permutation flow shop scheduling problem with the limited buffers between consecutive machines. As known, this category of scheduling problem has wide application in the manufacturing and has attracted much attention in academic fields. Different from basic artificial immune systems, the proposed AIS-IG algorithm is combined with destruction and construction phases of iterated greedy algorithm to improve the local search ability. The performances of these three approaches were evaluated over Taillard, Carlier and Reeves benchmark problems. It is shown that the AIS-IG and AIS algorithms not only generate better solutions than all of the well-known meta heuristic approaches but also can maintain their quality for large scale problems.     

人工免疫系统:原理、模型、分析及展望

目前，受生物免疫系统启发而产生的人工免疫系统（Artificial ImmuneSystem,AIS)正在兴起，它作为计算智能研究的新领域，提供了一种强大的信息处理和问题求解范式，该文侧重以AIS的基本原理框架为线索，对其研究状况加以系统综述，首先从AIS的生物原型入手，归纳提炼出其仿生机理，主要包括免疫识别，免疫学习，免疫记忆，克隆选择，个体多样性，分布式和自适应等，进而对几种典型的AIS模型和算法分门别类地进行了细致讨论，随后介绍了AIS在若干具有代表性的领域中的应用情况，最后通过对AIS的特性和存在问题的分析，展望了今后的研究重点和发展趋势。     

生物免疫原理在入侵检测系统中的应用

介绍生物免疫系统的免疫原理,提出一个基于人工免疫原理的入侵检测模型,重点分析模型"自我"和"非自我"的界定、检测规则和检测算法,提出基于阴性选择的检测器生成算法.