一种新的人工免疫网络算法及其在复杂数据分类中的应用

第３２卷第３期２０１０年３月

电子与信息学报

ＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｏｎｉｃｓ＆ＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ

Ｖｂｌ．３２Ｎｏ．３

Ｍａｒ．２０１０

一种新的人工免疫网络算法及其在复杂数据分类中的应用

刘若辰钮满春焦李成

（西安电子科技大学智能感知与图像理解教育部重点实验室西安７１００７１）

摘要：作为一种新的智能计算方法，人工免疫网络已被广泛的应用到模式识别以及数据分类中。现有的人工免疫网络分类算法大都存在两个缺陷：一是网络规模庞大、计算复杂；二是对抗原的一次递呈并不能保证获得伞局最优分类器。该文提出了一种新的人工免疫网络分类算法，该算法利用每个类别对应单个Ｂ细胞的策略，简化网络规模并减少了同类别Ｂ细胞之间的抑制操作，同时引入了新的基于对训练样本正确识别率的亲合度评价函数，实现了基于抗原的优先级的选择策略。采用５组ＵＣＩ的线性数据和４组混合特征数据以及１幅ＳＡＲ图像对算法的性能进行了全面测试，结果表明，与模糊Ｃ均值算法，多值免疫（ＭＶＩＮ）算法和基于分类问题的克隆选择算法（ＣＳＡ）相比，新算法在分类精度上具有一定的优势，鲁棒性更好。

关键词：人工免疫网络；分类；ＳＡＲ图像；混合数据

中图分类号：ＴＰｌ８文献标识码：Ａ文章编号ｌ１００９－５８９６（２０１０）０３－０５１５－０７ＤＯＩ：１０．３７２４／ＳＰ．Ｊ．１１４６．２００９．００３０９

ＡＮｅｗＡｒｔｉｆｉｃｉａｌＩｍｍｕｎｅＮｅｔｗｏｒｋＡｌｇｏｒｉｔｈｍ

ｆｏｒＣｌａｓｓｉｆｙｉｎｇＣｏｍｐｌｅｘＤａｔａ

ＬｉｕＲｕｏ－ｃｈｅｎＮｉｕＭａｎ－ｃｈｕｎＪｉａｏＬｉ．ｃｈｅｎｇ

（ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｎｔｅｌｌｉｇｅｎｔＰｅｒｃｅｐｔｉｏｎａｎｄＩｍａｇｅＵｎｄｅｒｓｔａｎｄｉｎｇｏｆＭｉｎｉｓｔｒｙＤ，ＥｄｕｃａｔｉｏｎｏｆＣｈｉｎａ，

ＸｉｄｉａｎＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００７１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａｓａｎｅｗｃｏｍｐｕｔａｔｉｏｎａｌｉｎｔｅｌｌｉｇｅｎｃｅｍｅｔｈｏｄ，ｔｈｅＡｒｔｉｆｉｃｉａｌＩｍｍｕｎｅＮｅｔｗｏｒｋ（ＡＩＮ）ｉｓ耐ｄｅｌｙａｐｐｌｉｅｄｔｏｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎａｎｄｄａｔａｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｅｘｉｓｔｉｎｇａｒｔｉｆｉｃｉａｌ

ｉｍｍｕｎｅｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍｓｆｏｒｃｌａｓｓｉｆｉｅｒｈａｖｅｔｗｏｍａｊｏｒｌｉｍｉｔａｔｉｏｎｓ：ｏｎｅｉｓｔｈｅｓｃａｌｅｏｆｔｈｅｎｅｔｗｏｒｋｓ，ａｌａｒｇｅｓｃ，ａｌｅｏｆｎｅｔｗｏｒｋｓｎｅｅｄｓｈｉｇｈｃｏｍｐｕｔａｔｉｏｎｃｏｍｐｌｅｘｉｔｙ，ｔｈｅｏｔｈｅｒｉｓｏｎｌｙｏｎｃｅｐｒｅｓｅｎｔｉｎｇｔｈｅａｎｔｉｇｅｎｓｔｈａｔｃａｌｌｎｏｔｇｕａｒａｎｔｅｅｆｉｎｄｔｈｅｏｐｔｉｍａｌｇｌｏｂａｌｃｌａｓｓｉｆｉｅｒ．ＡｎｅｗＡｒｔｉｆｉｃｉａｌＩｍｍｕｎｅＮｅｔｗｏｒｋＣｌａｓｓｉｆｉｅｒ（ＡＩＮＣ）ａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｉｎｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ，ｏｎｌｙｏｎｅＢ－ｃｅｌｌｉｓｕｓｅｄｔｏｄｅｎｏｔｅｓｉｎｇｌｅｃｌａｓｓｉｎｏｒｄｅｒｔｏｒｅｄｕｃｅｔｈｅｓｃａｌｅｏｆｎｅｔｗｏｒｋ，ａｎｄａｖｏｉｄｔｈｅｓｕｐｐｒｅｓｓｉｏｎｏｐｅｒａｔｉｏｎｂｅｔｗｅｅｎＢ－ｃｅｌｌｓ，ｍｏｒｅｏｖｅｒ，ａｎｅｗａｆｆｉｎｉｔｙｂａｓｅｄｏｎｔｈｅｃｏｒｒｅｃｔｒａｔｅｉｓｐｒｏｐｏｓｅｄｔｏｒｅａｌｉｚｅｔｈｅｅｖａｌｕａｔｉｏｎｓｔｒａｔｅｇｙｂａｓｅｄｏｎａｎｔｉｇｅｎｐｒｉｏｒｉｔｙ．ＴｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｉｓｅｘｔｅｎｓｉｖｅｌｙｃｏｍｐａｒｅｄｗｉｔｈＦｕｚｚｙＣ－Ｍｅａｎｓ（ＦＣＭ），Ｍｎｌｔｉｐｌｅ－ＶａｌｕｅｄＩＩｎｉｎｕｎｅＮｅｔｗｏｒｋａｌｇｏｒｉｔｈｍ（ＭＶＩＮ），ａｎｄＣｌｏｎａｌＳｅｌｅｃｔｉｏｎＡｌｇｏｒｉｔｈｍｆｏｒｃｌａｓｓｉｆｉｅｒ（ＣＳＡ）ｏｖｅｒａｔｅｓｔｓｕｉｔｏｆｓｅｖｅｒａｌｒｅａｌｌｉｆｅｄａｔａｓｅｔｓａｎｄｏｎｅＳＡＲｉｍａｇｅ．ＴｈｅｒｅｓｕｌｔｏｆｅｘｐｅｒｉｍｅｎｔｉｎｄｉｃａｔｅｓｔｈｅｓｕｐｅｒｉｏｒｉｔｙｏｆｔｈｅＡＩＮＣｏｖｅｒＦＣＭ．ＭＶＩＮａｎｄＣＳＡｏｎａｃｃｕｒａｃｙａｎｄｒｏｂｕｓｔｎｅｓｓ．

Ｋｅｙｗｏｒｄｓ：Ａｒｔｉｆｉｃｉａｌ

ｉｍｍｕｎｅｎｅｔｗｏｒｋ；Ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ＳＡＲｉｍａｇｅ；Ｈｅｔｅｒｏｇｅｎｅｏｕｓｄａｔａ

１引言

在数据挖掘中，分类（ｃｌａｓｓｉｆｉｃａｔｉｏｎ）是具有广泛应用领域的最重要的问题之一，典型的分类问题可以定义为根据一个事物本身可以观察到的一些特性把它归类到事先确定的某个组或者某个类别中去。迄今已有大量的分类算法相继被提出，其中包括Ｋ近邻算法（ＫＮＮ）、贝叶斯分类、模糊Ｃ均值（ＦＣＭ）、

２００９－０３－１２收到，２００９－１０－０９改回

国家自然科学基金（６０８０３０９８，６０７０３１０７，６０７０３１０８），国家教育部博士点基金（２００７０７０１０２２）和中国博士后科学基金特别资助项目（２００８０１４２６０）资助课题

通信作者：刘若辰ｒｕｏｃｈｅｅｎｌｉｕ＠ｙａｈｏｏ．ｃｏｍ．ｃｎ决策树方法以及ＢＰ神经网络算法等。目前，分类方法被广泛应用到模式识别、机器学习、数据挖掘以及人工智能等领域。

将人工免疫网络模型引入到数据挖掘领域是近年来的研究热点。根据免疫网络理论，研究人员从不同角度模拟生物免疫网络的工作原理来进行数据分析。Ｈｕｎｔ和Ｃｏｏｋｅ提出了一种称为Ｈｕｎｔ—ｃｏｏｋｅ的人工免疫系统网络【ｌ】’并将其应用于ＤＮＡ序列的模式识别。Ｔａｎｇ等人提出了多值免疫网络（Ｍｕｌｔｉｐｌｅ－ＶａｌｕｅｄＩｍｍｕｎｅＮｅｔｗｏｒｋ，ＭＶＩＮ）［２］，它的主要思想是用一种多值特征集合的学习机制来模拟Ｂ细胞和Ｔ细胞之间的相互反应和调节作用并使用特征集合来分类输入的数据，与一般的人工免疫

万方数据