不完备数据下的免疫分类算法

摘要：

人工免疫识别系统(AIRS)是受生物免疫系统的启示而研发的一种比较有效的分类器,但也存在记忆细胞数目过于庞大,分类精度不高,特别是在数据不完备的情况下,分类精度低等缺陷.为了解决这个问题,提出了一种不完备数据下的免疫分类算法(ICAU),算法引入半监督学习机制和分类器融合投票决策的思想,利用多个AIRS分类器互相帮助学习训练,来提高AIRS在不完备数据下的分类精度.在UCI数据集上进行了实验,结果验证了ICAU算法的有效性.

关键词：人工免疫系统、不完备数据、分类

所属期刊栏目：48

分类号：TP311(计算技术、计算机技术)

资助基金：福建省高校科研专项重点项目JK2009006;福建省高校服务海西建设重点项目

在线出版日期：2012-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：172-176