基于混沌和免疫应答的增量聚类新算法
受免疫应答原理的启发,提出了一种适用于增量数据聚类的人工免疫系统框架,以及在此框架上的结合混沌的自组织增量聚类新算法,称为免疫应答算法(Immune response algorithm,IRA).新算法利用Logistic混沌序列生成初始抗体种群,利用其多样性识别新增的不属于任何已知簇的数据,该过程模拟了初次免疫应答.同时,初次免疫应答形成的记忆抗体可用于二次免疫应答,即识别新增的属于已知簇的数据.为了减少数据冗余,算法用中心点和代表点表示已知簇并动态更新其识别区域,这样算法不但能动态、自组织地形成聚类,而且实现了数据特征的提取.模拟实验充分显示出该算法无论在聚类质量上还是数据特征的提取上,都具有一定优势,且具有参数数量少、速度快、对数据输入次序不敏感的优点,在实际问题中有一定应用价值.
人工免疫系统、增量聚类、免疫应答、混沌、特征提取
36
TP2(自动化技术及设备)
国家自然科学基金60773096;60773098;高等学校博士学科点专项科研基金20060183041
2010-06-08(万方平台首次上网日期,不代表论文的发表时间)
208-214