基于反馈的人工负选择分类算法
人工免疫系统是受人体免疫系统启发的一种智能算法,负选择算法作为人工免疫系统的核心算法之一,在各领域被广泛研究和应用.从两方面对负选择算法进行了改进,首先对记忆细胞数量对识别准确率的影响进行了研究,提出一种反馈学习的思想来进行记忆细胞数量的优化,实现提高分类过程中的识别准确率.然后为了解决传统负选择算法存在检测器覆盖空间存在交集、整体覆盖空间较低的问题,提出通过记忆细胞识别半径的自动调整,减少检测器数量,提高整体覆盖空间的方法,这种方法避免了“交叉识别(overlap)”和“识别洞(hole)”现象的出现.最后,实验结果表明算法在解决文本分类问题是有效可行的,其在路透社文本分类数据集上分类准确率达到了93.89%.
负选择算法、人工负选择分类、反馈学习
3
TP391(计算技术、计算机技术)
国家自然科学基金60975077,90924015
2014-02-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
61-65