基于核聚类的近邻人工免疫网络算法研究OA北大核心CSCDCSTPCD
Study in neighbor artificial immune net work based on kernel clustering
针对经典人工免疫网络(aiNet)及改进算法中存在的运算时间长、结构复杂等问题,提出了一种改进的核聚类近邻人工免疫网络算法(KN-aiNet).算法在aiNet的改进算法——近邻aiNet结构的基础上,以抗体数据为核心利用量子能级思想聚类,并重定义了生成抗体策略,采用区域生长法搜索拥挤距离,采用基于核函数的亲和度等方法来提高算法的聚类效果和降低算法的运算时间.聚类实验结果表明,KN-aiNet算法的聚类准确率较经典aiNet算法及近邻aiNet算…查看全部>>
To solve the issue of high time complexity and algorithm structure of aiNet, this paper proposed a modified aiNet al-gorithm: KN-aiNel. Based on the structure of neighbor aiNet. the algorithm look antibody data as core, (hen clustered Ha1a a-round the core, used energy level as affinity. The algorithm redefined the creation of antibody, took region growing to match distance, took kernel function to improve clustering effect and reduce time complexity. The si…查看全部>>
李昕;李立君;高自成
中南林业科技大学机电工程学院,长沙410004中南林业科技大学机电工程学院,长沙410004中南林业科技大学机电工程学院,长沙410004
信息技术与安全科学
人工免疫网络近邻aiNet核函数区域生长
aiNet neighbor aiNet kernel clustering region growing
《计算机应用研究》 2012 (7)
2464-2466,3
林业公益性行业科研专项基金资助项目(201104090)
评论