基于人工免疫系统的数字模式识别

将免疫机制和算法引入到数字识别问题,然后将数字识别问题的有关描述与免疫系统的相关概念及系统所用到的免疫原理对应起来,设计了用于数字识别的人工免疫系统模型。该模型具有学习、记忆、自适应和多样性等特性。算法仿真试验结果表明此方法具有识别率高、识别速度快的优点,具有广阔的应用前景。     

一种用于大规模模式识别问题的神经网络算法

许多实际的模式识别问题如对手写体汉字的识别,都属于大规模的模式识别问题.目前,传统的神经网络算法对这类问题尚无有效的解决办法.在球邻域模型的基础上提出一种可用于大规模模式识别问题的神经网络训练算法,试图加强神经网络解决大规模问题的能力,并用手写体汉字识别问题检验其效果.实验结果揭示了所提算法是解决大规模模式识别问题的一个有效且具有良好前景的方法.     

人工免疫系统超变异模式识别及应用

描述了人工免疫系统(Artificial Immune System,AIS)原理,在人工免疫系统算法的基础上,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对人工免疫系统普通模式识别算法和超变异模式识别算法进行了比较.结果表明:人工免疫系统普通模式识别算法和超变异算法皆可对四种信号模式进行识别,超变异算法可以快速得到最优抗体,且亲和力优于普通人工免疫系统模式识别算法,并给出了人工免疫系统超变异模式识别算法在碳纤维增强复合材料板疏松缺陷超声信号检测中的应用.     

基于模糊模式的手写数字识别

手写体数字识别是一个难度很大,但却具有广阔应用前景的研究课题.文章提出了一种基于模糊模式识别和BP神经网络技术对手写数字进行识别的算法:首先应用BP神经网络技术对手写数字样本进行学习,然后结合模糊模式识别方法进行手写数字识别.实验表明,该方法的正确识别率达95%以上.     

一种基于球邻域模型的神经网络算法

手写体汉字识别问题属于一种大规模的模式识别问题.本文基于球邻域模型的几何意义解释,即将神经网络的训练转化为几何的点集覆盖问题,通过对神经网络分界面的分析提出了一种改进的前馈神经网络训练算法,并且引入神经网络集成的思想,用以解决手写体汉字的识别问题.实验结果表明该算法可以用来解决大规模的模式识别问题且具有较好的效果.     

基于遗传BP算法的手写体识别

神经网络具有模拟人类的大脑活动、良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力.本文阐述了BP神经网络基本原理以及BP网络手写体识别模型,研究分析了BP神经网络手写体识别模型的缺陷并提出了优化策略.在此基础上,提出一种基于改进结构的BP神经网络来实现手写体数字识别方案,除了改进BP网的结构外,还对网络学习算法进行了改进,采用了BP和GA相结合的算法,提高了网络的学习训练速度和识别效果.     

基于最近邻聚类算法自适应模糊分类器

以手写体数字识别问题为背景,提出了一种基于最近邻聚类算法的自适应模糊分类器,并用Matlab给出了自适应模糊分类器的实现,进而对其进行了仿真。仿真结果表明,所提出的自适应模糊分类器在手写体数字识别的识别性能、利用语言信息、计算复杂性等方面均优于采用BP算法的三层前馈分类器,体现了自适应模糊处理技术用于模式识别的优越性和潜力。     

基于表格查寻学习算法的自适应模糊分类器

以手写体数字识别问题为背景,提出了一种基于表格查寻学习算法的自适应模糊分类 器,并用Matlab给出了自适应模糊分类器的实现,进而对其进行了仿真。仿真结果表明,该自适应模 糊分类器在手写体数字识别的识别性能、利用语言信息、计算复杂性等方面均优于采用BP算法的三 层前馈分类器,体现了自适应模糊处理技术用于模式识别的优越性和潜力。     

基于SVM的手写体数字快速识别方法研究

手写体数字识别是图像处理与模式识别中具有较高实用价值的研究热点之一。在保证较高识别精度的前提下,为提高手写体数字的识别速度,提出了一种基于SVM的快速手写体数字识别方法。该方法通过各类别在特征空间中的可分性强度确定SVM最优核参数,快速训练出SVM分类器对手写体数字进行分类识别。由于可分性强度的计算是一个简单的迭代过程,所需时间远小于传统参数优化方法中训练相应SVM分类器所需时间,故参数确定时间被大大缩减,训练速度得到相应提高,从而加快了手写体数字的识别过程,同时保证了较好的分类准确率。通过对MNIST手写体数字库的实验验证,结果表明该算法是可行有效的。     

基于信息融合的模式识别方法研究

将多特征多分类器的模式识别看作信息融合问题,提出了一种基于支持向量机理论的决策级信息融合模型,并讨论了基于该模型的识别精度以及学习样本数之间的关系.通过对ORL人脸图像库、CENPAMI手写体数字数据库这两类不同样本问题的识别实验表明,基于信息融合的模式识别方法可以取得较高的整体识别性能.     

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。     

A hybrid immune model for unsupervised structural damage pattern recognition

This paper presents an unsupervised structural damage pattern recognition approach based on the fuzzy clustering and the artificial immune pattern recognition (AIPR). The fuzzy clustering technique is used to initialize the pattern representative (memory cell) for each data pattern and cluster training data into a specified number of patterns. To improve the quality of memory cells, the artificial immune pattern recognition method based on immune learning mechanisms is employed to evolve memory cells. The presented hybrid immune model (combined with fuzzy clustering and the artificial immune pattern recognition) has been tested using a benchmark structure proposed by the IASC–ASCE (International Association for Structural Control–American Society of Civil Engineers) Structural Health Monitoring Task Group. The test results show the feasibility of using the hybrid AIPR (HAIPR) method for the unsupervised structural damage pattern recognition.     

基于Multi-memory机制的克隆选择算法及其在模式识别中的应用

人工免疫系统研究中大多借鉴克隆选择原理来构建免疫识别算法。描述了Castro提出的克隆选择算法CLONALG的整体框架,指出其在大规模模式识别问题中的不可收敛性。在CLONALG的基础上设计了Multi-memory机制,并以模式识别为应用背景提出了新的基于Multi-memory机制的克隆选择的免疫算法MCA,提出并深入分析了记忆抗体训练过程中的关键因素——变异概率的计算公式。实验表明,采用MCA的免疫系统具有更强的泛化能力、更高的抗原识别率以及更能适应大规模问题的优良特性。     

基于模式识别的入侵检测模型

生物免疫进化理论揭示了完美自然免疫机制的关键在于基于模式的病原体的识别。免疫系统中模式识别的最基本的好处是：基于模式的比较和识别比模式中个成员的比较和识别更加高效。计算机网络安全系统在功能性上与生物免疫系统非常相似。将模式识别机制应用于计算机网络安全领域,主要讨论了多元化静态分析法的应用和遗传算法的应用。     

一种基于免疫原理的动态入侵检测模型

根据生物免疫原理,提出了一个新的动态入侵检测模型,并对模型的体系结构作了详细的描述,包括自体的演化、动态耐受和动态免疫记忆过程的数学描述,同时提出基于LRU算法的记忆检测器动态降职机制。实验表明该模型具有更好的动态性和有效性。     

基于免疫机制的智能反垃圾邮件过滤器的研究

针对传统的反垃圾邮件过滤技术不能有效识别未知特征及变异特征的问题,本文借用人工免疫系统的一些原理,通过引入诸如自体耐受、免疫识别、免疫学习、免疫记忆和协同刺激等机制,结合智能决策的思想,运用粗糙集理论提取特征集,更新特征库,提出了一个基于免疫功能的智能反垃圾邮件过滤器.仿真试验表明,该方法能够有效地降低误报率,具有较好的使用效果.     

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。     

基于免疫网络感知结构机理环境下自适应粒子群优化研究

基于粒子群优化算法环境中的全体粒子与自身的搜索经验,利用基于免疫网络感知结构机理系统作为一种自适应维持群体多样性与自我调节性,以及导致基于免疫机制的算法所具有的整体、局部搜索能力强等特点,使得这类算法在函数优化、组合优化、模式识别、数据挖掘及机器学习等方面得到了有效应用。同时,采用免疫网络感知结构机理系统的克隆选择机制,提出了基于免疫网络感知结构机理的粒子群优化算法。     

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。