收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

改进的人工免疫网络算法及其大规模数据聚类研究

李培道  
【摘要】:数据挖掘是数据库知识发现的重要组成部分,它通过特定的算法分析大量的含有噪声的数据,从而获取隐含于原始数据中的事先不为人所知的信息,为用户提供决策支持。作为一种重要的数据挖掘方法,聚类技术只需要极少的先验知识就能够对数据进行分析。近年来,随着信息技术的发展,数据规模呈指数倍增长,数据形态也快速多样化,传统的聚类算法已经越来越难以满足技术的需要,能够处理海量复杂数据集的聚类算法开始成为主流。本论文将对人工免疫网络聚类算法进行改进,并在此基础上结合Balanced Iterative Reducing and Clustering usingHierarchies(BIRCH)算法,提出一种针对大规模数据集的改进的人工免疫网络聚类方法,使之能够处理大规模流数据。本文主要工作如下: 1)提出了一种基于Kernel PCA的改进的人工免疫网络聚类算法。改进分为两个步骤:a)为解决原始的人工免疫网络聚类算法(aiNet)对噪声敏感的问题,引入了刺激度策略,使算法能够识别网络中的噪声节点并予以清除,以提高算法的抗噪能力。同时,用新设计的竞争选择方法代替原始算法中的网络抑制方法,使算法能够选择出局部最优的网络节点。最终得到一个改进的人工免疫网络算法(im_aiNet);b)在im_aiNet的基础上,通过结合Kernel PCA方法,得到基于Kernel PCA的改进的人工免疫网络聚类算法(Kernel PCA im_aiNet),进一步提高了算法处理分布复杂数据集的能力。在对比实验中,本算法和其他聚类算法分别在人工数据集和UCI数据集上进行了比较,表现出了较好的性能。 2)把人工免疫网络应用于大规模数据集的处理上,提出了一种基于BIRCH和人工免疫网络的大规模数据聚类算法。相对传统的聚类算法,人工免疫网络聚类算法能够更好地适应非凸数据集,而且不需要给定聚类类别数,但是它是一个基于生物学原理设计的算法,需要较长的演化时间,并不适应大规模数据集的处理。因此,我们提出了基于BIRCH和人工免疫网络的两步聚类方法:第一步,使用BIRCH算法对大规模数据集进行粗划分,把原始数据集划分为很多均匀的小块;第二步,使用人工免疫网络聚类算法对这些小块进行细化分,最终得到聚类结果。本算法结合了BIRCH算法和人工免疫网络算法的优点,同时又避免了它们各自的缺点,使算法发挥出更好的准确性和稳定性,在对比实验中也反应了这一点。 3)对基于BIRCH和人工免疫网络的大规模数据聚类算法进行改进,将其应用于流数据的分析和处理上,提出了一种基于BIRCH和人工免疫网络的大规模流数据聚类算法。在人们的生活和实践中会产生大量的数据,而这些数据会随时间不断增加,形成数据流,因此流数据的处理也变得越来越重要。本算法初步实现了对流数据的聚类,算法能够得到和原始数据流结构一致的精简数据集合,并在数据流结构改变时自动输出新的精简数据集同时给出聚类结果。在仿真实验中也显示出本算法具有较好性能。 本文得到如下基金资助:教育部新世纪优秀人才支持计划(No.NCET-12-0920),国家自然科学基金(Nos.61272279,61001202和61203303),高校基本科研业务费(Nos. K5051302049, K5051302023, K5051302002和K5051302028)和“111”创新引智计划(No.B07048)。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杜海峰,王孙安;基于ART—人工免疫网络的多级压缩机故障诊断[J];机械工程学报;2002年04期
2 尤勇,盛万兴,王孙安;基于人工免疫网络的短期负荷预测模型[J];中国电机工程学报;2003年03期
3 庄健,王孙安;基于人工免疫网络机器人路径规划算法的进一步研究[J];系统仿真学报;2004年05期
4 徐雪松,诸静;人工免疫网络的改进及其在免疫神经控制中的应用[J];浙江大学学报(工学版);2004年07期
5 莫宏伟,吕淑萍,管凤旭,徐立芳,叶秀芬,马忠丽,王辉;基于人工免疫网络记忆的新型分类器研究[J];计算机工程与应用;2004年36期
6 王孙安,王斌,庄健;复杂工业过程中分布式免疫控制算法的研究[J];系统仿真学报;2004年06期
7 杜海峰;王孙安;;基于ART-人工免疫网络的数据浓缩方法研究[J];模式识别与人工智能;2001年04期
8 岳训;迟忠先;莫宏伟;郝艳友;;基于免疫网络聚类算法的特征垃圾邮件获取技术[J];计算机工程与应用;2005年35期
9 蒋加伏,罗晓萍,唐贤瑛,朱金好;数据聚类的FCM与aiNet方法[J];计算机工程与设计;2004年04期
10 胡选子;谢存禧;;基于人工免疫网络的机器人局部路径规划[J];山东大学学报(理学版);2010年07期
11 肖霞;;基于改进免疫遗传算法的网络优化设计[J];辽宁石油化工大学学报;2007年04期
12 王斌;赵云;尹云辉;庄健;王孙安;;基于人工免疫网络的连续过程传感器置信度评估[J];传感技术学报;2008年10期
13 吕佳;;基于人工免疫网络的多峰值函数优化[J];重庆师范大学学报(自然科学版);2006年03期
14 童健华;谭洪舟;;一种基于人工免疫网络的文本聚类算法[J];计算机工程与科学;2007年10期
15 李园园;王磊;梁莉;李辉;;面向AIS医疗应用服务的系统研究与开发[J];计算机工程与应用;2009年03期
16 梁雪芳;别荣芳;段季芳;付增梅;;基于人工免疫网络的k-平均聚类算法的研究[J];北京师范大学学报(自然科学版);2009年02期
17 陈莉萍;哈渭涛;张郭军;;一种新的人工免疫网络动态聚类在MIS评价中的应用[J];科学技术与工程;2009年17期
18 张伟刚;陈军章;;人工免疫理论在网络文本分类中的应用研究[J];电脑知识与技术;2011年26期
19 程翔;汪结;王玉玲;哈乐;;基于模糊人工免疫网络的入侵检测方法[J];网络安全技术与应用;2008年08期
20 苟世宁;杜海峰;栗茂林;庄健;;一种改进的模糊人工免疫网络数据分类方法[J];西安交通大学学报;2007年05期
中国重要会议论文全文数据库 前4条
1 王秋生;高绍坤;崔勇;;基于人工免疫网络和AR模型的聚类与预测算法[A];第三届全国虚拟仪器大会论文集[C];2008年
2 宋申民;于志刚;段广仁;;一种新的基于免疫网络的人工免疫算法[A];2005中国控制与决策学术年会论文集(上)[C];2005年
3 莫宏伟;金鸿章;;人工免疫系统、人工神经网络、进化算法的比较[A];2003中国控制与决策学术年会论文集[C];2003年
4 陈建华;李刚强;傅调平;;基于免疫Multi-Agent舰艇对空防御CGF建模[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 史旭华;基于多Agent系统的人工免疫网络及其应用研究[D];华东理工大学;2011年
2 谷方明;支持向量数据描述的若干问题及应用研究[D];吉林大学;2010年
3 何海;混合动力汽车控制系统设计与仿真[D];华中科技大学;2005年
4 葛红;免疫算法及核聚类人工免疫网络应用研究[D];华南理工大学;2003年
5 刘丽;人工免疫网络研究及应用[D];江南大学;2008年
6 周桂红;基于多Agent的数控机床远程故障诊断系统研究[D];吉林大学;2008年
7 叶彬;混合智能建模技术及其在短期负荷预测中的应用研究[D];浙江大学;2006年
8 丁敬国;中厚板轧制过程软测量技术的研究与应用[D];东北大学 ;2009年
9 林勇;基于振动谱图像识别的故障诊断方法研究[D];浙江大学;2009年
10 朱玉;面向瓦斯突出预测的人工免疫算法与模型研究[D];中国矿业大学;2009年
中国硕士学位论文全文数据库 前10条
1 钮满春;基于人工免疫网络的分类算法及其应用[D];西安电子科技大学;2010年
2 郑贵庆;基于人工免疫网络的药代动力学研究[D];电子科技大学;2013年
3 方卓然;基于人工免疫网络的道路状况动态预测[D];南京航空航天大学;2009年
4 李伟;基于人工免疫网络的分类算法研究[D];电子科技大学;2010年
5 李培道;改进的人工免疫网络算法及其大规模数据聚类研究[D];西安电子科技大学;2014年
6 伍云辉;结构自适应的人工免疫网络分类算法研究[D];西安电子科技大学;2012年
7 郑仙花;人工免疫系统及其在数据处理中的应用[D];华侨大学;2013年
8 王帆;基于优化目标可调控的免疫聚类算法的研究[D];太原理工大学;2010年
9 蔺恒;基于人工免疫网络的图像分割[D];西安电子科技大学;2010年
10 杜新凯;基于人工免疫网络的强化学习机制研究[D];哈尔滨工业大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978