学位论文 > 优秀研究生学位论文题录展示

免疫混合算法及其在数据挖掘和优化中的应用研究

作　者: 周轩
导　师: 钱锋
学　校: 华东理工大学
专　业: 模式识别与智能系统
关键词: 人工免疫系统分类免疫记忆 PSO 聚类优化有方向变异
分类号: TP311.13
类　型: 硕士论文
年　份: 2011年
下　载: 46次
引　用: 0次
阅　读: 论文下载

内容摘要

生物免疫系统是一个高度进化的生物系统,从计算的角度来看,生物免疫系统是一个高度并行、分布、自适应和自组织的系统,具有很强的学习、识别、记忆和特征提取能力。人们基于生物免疫系统开发了人工免疫系统,借鉴免疫系统的功能和原理用于解决复杂问题。本文在深入研究人工免疫系统的基础上,分析了免疫系统在增量学习方面的优势,将其用于弥补PSO算法该方面的缺点,然后又讨论了免疫聚类算法设计模型,最后分析了免疫优化系统目前存在的缺点,并提出了有效的解决办法。本文首先对数据分类进行了探讨。当前各个领域中的目标数据越来越庞大,对算法增量学习能力的要求也越来越高。免疫记忆机制作为AIRS增量学习能力的核心,可为其他算法所用。本文针对PSO算法在增量学习方面的弊端,引入AIRS的免疫记忆机制,开发了一种免疫混合PSO增量分类算法。通过在若干UCI标准数据集上进行的仿真,证明该混合算法具有增量学习能力,且在分类准确率方面也比一些经典分类方法具有优势。其次分析了聚类问题中的免疫方法,针对目前免疫聚类方法繁多,却没有一个系统的算法设计框架的问题,本文通过对一个成功的免疫聚类算法—aiNet的深入研究和归纳总结,提出了一个系统的免疫聚类算法设计框架。该设计框架将聚类算法的设计分割成了五个主要部分,并对每个部分采用的设计思想进行了细致的阐述,为新算法的设计给出了框架上的指导。最后深入探讨了免疫算法在优化问题中的应用,针对opt-aiNet算法种群无规律变异导致其在单目标优化中收敛速度降低的问题,本文对opt-aiNet算法抗体的变异过程进行了改进,引入了PSO算法中粒子飞行的策略,使抗体具有了有方向变异的能力,提出了一种具有双变异机制的opt-aiNet算法。本文还将新算法应用于无线网络规划问题,与无线网络规划中普遍应用的GA相比能更快更好地发现全局最优解,同时和传统opt-aiNet相比在搜索效率上有了较大提高。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-21
  1.1 引言  9
  1.2 自然免疫系统简介  9-13
    1.2.1 免疫应答  10
    1.2.2 免疫细胞的结构和功能  10-12
    1.2.3 免疫过程  12-13
  1.3 人工免疫系统及其应用的发展现状  13-19
    1.3.1 人工免疫系统简史  13-15
    1.3.2 免疫系统重要理论  15-18
    1.3.3 人工免疫发展现状及其趋势  18-19
  1.4 本文主要内容与安排  19-21
第2章数据挖掘与人工免疫系统  21-32
  2.1 数据挖掘  21-22
    2.1.1 数据挖掘的概念  21
    2.1.2 数据挖掘的类型  21-22
    2.1.3 数据挖掘的应用  22
  2.2 人工免疫在数据挖掘中的典型应用  22-24
    2.2.1 人工免疫在分类中的应用  23
    2.2.2 人工免疫在聚类中的应用  23-24
  2.3 人工免疫中的典型数据挖掘方法  24-31
    2.3.1 AIRS(Artificial Immune Recognition System)  24-26
    2.3.2 aiNet(Artificial Immune Network)  26-31
  2.4 本章小结  31-32
第3章免疫混合PSO增量分类算法  32-42
  3.1 引言  32
  3.2 免疫记忆  32-33
    3.2.1 自然免疫记忆机制  32-33
    3.2.2 人工免疫记忆机制  33
  3.3 粒子群算法(PSO)简介  33-34
  3.4 基于免疫记忆的PSO增量算法  34-40
    3.4.1 AIR-PSO算法  34-36
    3.4.2 仿真分析与讨论  36-40
  3.5 本章小结  40-42
第4章通用的免疫聚类设计框架  42-48
  4.1 引言  42
  4.2 aiNet算法流程分析  42-44
  4.3 通用的免疫聚类设计框架  44-47
  4.4 本章小结  47-48
第5章具有双变异机制的opt-aiNet及其在无线网络规划中的应用  48-62
  5.1 免疫优化理论及其发展  48-49
  5.2 具有双变异机制的opt-aiNet  49-52
    5.2.1 opt-aiNet算法流程  49-51
    5.2.2 opt-aiNet算法分析  51
    5.2.3 双变异机制  51-52
  5.3 无线网络规划  52-54
    5.3.1 无线网络规划简介  52-53
    5.3.2 无线网络规划问题描述  53-54
  5.4 无线网络规划的优化  54-61
    5.4.1 编码方式与算法设计  54-55
    5.4.2 仿真结果与分析  55-61
  5.5 本章小结  61-62
第6章总结与展望  62-64
  6.1 本文主要工作总结  62
  6.2 工作展望  62-64
参考文献  64-70
作者在攻读硕士学位期间发表的论文  70-71
致谢  71

免疫混合算法及其在数据挖掘和优化中的应用研究

内容摘要

全文目录

相似论文