基于免疫計算的特征選擇算法及其應(yīng)用研究.pdf

1、近年來，隨著計算機技術(shù)、網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，對數(shù)據(jù)和信息以電子格式存儲發(fā)生了急劇地增長，這些數(shù)據(jù)毫無疑問是有價值的資源。然而隨著信息量的不斷擴大和對識別精度要求的逐步提高，優(yōu)化特征選擇的技術(shù)顯得至關(guān)重要。一種高效的特征選擇算法不但能為分類、決策提供有力的保障，還能減少任務(wù)所需的開銷。要想分析海量的粗數(shù)據(jù)，挖掘出隱藏在數(shù)據(jù)中對我們有用的知識，就需要利用數(shù)據(jù)挖掘技術(shù)。而受生物免疫系統(tǒng)啟發(fā)，其具有較強的特征抽取、學習、快速進化和記憶等特性，正

2、是人們在數(shù)據(jù)挖掘時所需學習和借鑒的。
　　 本文首先介紹了基于免疫計算的特征選擇算法的研究背景，對人工免疫系統(tǒng)算法及其應(yīng)用研究進行了概要的敘述，以及介紹了目前常用的一些特征選擇的方法。針對信息資源表示模型、特征選擇算法和屬性降維等與分類有關(guān)的關(guān)鍵技術(shù)進行了描述，在此展開了基于免疫計算的特征選擇算法及其應(yīng)用研究。
　　 在對人工免疫系統(tǒng)的生物學原理--自然生物免疫系統(tǒng)機理的簡單介紹下，對人工免疫系統(tǒng)相關(guān)算法進行了介紹，重點

3、介紹人工免疫系統(tǒng)借鑒自然免疫系統(tǒng)所具有的特點，并已成功應(yīng)用在多個領(lǐng)域中。本文提出了基于免疫計算的特征選擇算法，在標準數(shù)據(jù)集上進行特征選擇實驗然后結(jié)合k近鄰(k nearest neighboring，KNN)算法構(gòu)造分類器，與傳統(tǒng)KNN分類器和其它學者提出的免疫分類器分類效果進行對比，目的是研究基于免疫計算的特征選擇算法的性能，然后將其應(yīng)用在輔助醫(yī)療診斷系統(tǒng)中。重點研究了基于免疫計算的特征選擇算法在醫(yī)療輔助診斷中如何應(yīng)用及其成效。實驗結(jié)

4、果表明，人工免疫算法可以用于分類中的特征選擇問題?；诿庖哂嬎愕奶卣鬟x擇算法并不窮舉每個特征組合，避免事先確定特征數(shù)量，它是根據(jù)親和度評估函數(shù)具有一定智能的隨機搜索策略選擇一組有效的特征組合。在參數(shù)設(shè)置較佳的情況下，對標準數(shù)據(jù)集的測試體現(xiàn)出了較強的特征抽取能力，獲得了屬性降維度以及具備生物免疫系統(tǒng)自學習等特性。算法結(jié)合KNN規(guī)則對標準數(shù)據(jù)集的分類準確率相比模糊C均值算法，多值免疫算法，基于分類問題的克隆選擇算法和人工免疫網(wǎng)絡(luò)分類算法都有