pdf

A new artificial immune network algorithm and its application in complex data classification

  • 2013-09-20
  • 451.28KB
  • Points it Requires : 1

           As a new intelligent computing method, artificial immune networks have been widely used in pattern recognition and data classification. Most of the existing artificial immune network classification algorithms have two defects: one is that the network scale is large and the calculation is complex; the other is that a single presentation of the antigen cannot guarantee the acquisition of the global optimal classifier. This paper proposes a new artificial immune network classification algorithm, which uses the strategy of each category corresponding to a single B cell, simplifies the network scale and reduces the inhibition operation between B cells of the same category. At the same time, a new affinity evaluation function based on the correct recognition rate of training samples is introduced to realize the selection strategy based on the priority of the antigen. The performance of the algorithm was fully tested using 5 groups of UCI linear data, 4 groups of mixed feature data and 1 SAR image. The results show that compared with the fuzzy C-means algorithm, the multi-valued immune (MVIN) algorithm and the clonal selection algorithm (CSA) based on classification problems, the new algorithm has certain advantages in classification accuracy and better robustness.

unfold

You Might Like

Uploader
lamaba
 

Recommended ContentMore

Popular Components

Just Take a LookMore

EEWorld
subscription
account

EEWorld
service
account

Automotive
development
circle

About Us Customer Service Contact Information Datasheet Sitemap LatestNews


Room 1530, 15th Floor, Building B, No.18 Zhongguancun Street, Haidian District, Beijing, Postal Code: 100190 China Telephone: 008610 8235 0740

Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved 京ICP证060456号 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号
×