資源描述:
《基于免疫計(jì)算的特征選擇算法及其應(yīng)用研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、重慶大學(xué)碩士學(xué)位論文中文摘要摘要近年來(lái),隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,對(duì)數(shù)據(jù)和信息以電子格式存儲(chǔ)發(fā)生了急劇地增長(zhǎng),這些數(shù)據(jù)毫無(wú)疑問(wèn)是有價(jià)值的資源。然而隨著信息量的不斷擴(kuò)大和對(duì)識(shí)別精度要求的逐步提高,優(yōu)化特征選擇的技術(shù)顯得至關(guān)重要。一種高效的特征選擇算法不但能為分類(lèi)、決策提供有力的保障,還能減少任務(wù)所需的開(kāi)銷(xiāo)。要想分析海量的粗?jǐn)?shù)據(jù),挖掘出隱藏在數(shù)據(jù)中對(duì)我們有用的知識(shí),就需要利用數(shù)據(jù)挖掘技術(shù)。而受生物免疫系統(tǒng)啟發(fā),其具有較強(qiáng)的特征抽取、學(xué)習(xí)、快速進(jìn)化和記憶等特性,正是人們?cè)跀?shù)據(jù)挖掘時(shí)所需學(xué)習(xí)和借鑒的。本文首先介紹了基于免疫計(jì)算的特征選擇算法的研究背景,對(duì)人工免疫系統(tǒng)算法及其應(yīng)用研
2、究進(jìn)行了概要的敘述,以及介紹了目前常用的一些特征選擇的方法。針對(duì)信息資源表示模型、特征選擇算法和屬性降維等與分類(lèi)有關(guān)的關(guān)鍵技術(shù)進(jìn)行了描述,在此展開(kāi)了基于免疫計(jì)算的特征選擇算法及其應(yīng)用研究。在對(duì)人工免疫系統(tǒng)的生物學(xué)原理——自然生物免疫系統(tǒng)機(jī)理的簡(jiǎn)單介紹下,對(duì)人工免疫系統(tǒng)相關(guān)算法進(jìn)行了介紹,重點(diǎn)介紹人工免疫系統(tǒng)借鑒自然免疫系統(tǒng)所具有的特點(diǎn),并己成功應(yīng)用在多個(gè)領(lǐng)域中。本文提出了基于免疫計(jì)算的特征選擇算法,在標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行特征選擇實(shí)驗(yàn)然后結(jié)合k近鄰(knearestneighboring,l心N)算法構(gòu)造分類(lèi)器,與傳統(tǒng)KNN分類(lèi)器和其它學(xué)者提出的免疫分類(lèi)器分類(lèi)效果進(jìn)行對(duì)比,目的是研究基于
3、免疫計(jì)算的特征選擇算法的性能,然后將其應(yīng)用在輔助醫(yī)療診斷系統(tǒng)中。重點(diǎn)研究了基于免疫計(jì)算的特征選擇算法在醫(yī)療輔助診斷中如何應(yīng)用及其成效。實(shí)驗(yàn)結(jié)果表明,人工免疫算法可以用于分類(lèi)中的特征選擇問(wèn)題?;诿庖哂?jì)算的特征選擇算法并不窮舉每個(gè)特征組合,避免事先確定特征數(shù)量,它是根據(jù)親和度評(píng)估函數(shù)具有一定智能的隨機(jī)搜索策略選擇一組有效的特征組合。在參數(shù)設(shè)置較佳的情況下,對(duì)標(biāo)準(zhǔn)數(shù)據(jù)集的測(cè)試體現(xiàn)出了較強(qiáng)的特征抽取能力,獲得了屬性降維度以及具備生物免疫系統(tǒng)自學(xué)習(xí)等特性。算法結(jié)合KNN規(guī)則對(duì)標(biāo)準(zhǔn)數(shù)據(jù)集的分類(lèi)準(zhǔn)確率相比模糊C均值算法,多值免疫算法,基于分類(lèi)問(wèn)題的克隆選擇算法和人工免疫網(wǎng)絡(luò)分類(lèi)算法都有所提高。
4、在輔助醫(yī)療診斷系統(tǒng)中,疾病分類(lèi)準(zhǔn)確率能達(dá)到97%,為專(zhuān)家診斷病人提供了有力的分析工具。關(guān)鍵詞:特征選擇,免疫計(jì)算,人工免疫系統(tǒng),輔助醫(yī)療,數(shù)據(jù)挖掘重慶大學(xué)碩士學(xué)位論文英文摘要ABSTRACTInrecentyears,withtherapiddevelopmentofcomputertechnologyandnetworktechnology,dataandinformationstoredinelectronicformincreasesquickly,andthedatawasnodoubtvaluableresource.However,withtheamountofinfo
5、rmationcontinuestoexpandandtherequirementsandrecognitionaccuracygraduallyimproved,thetechniquesofoptimizingfeatureselectionareparticularlyimporrtant.Anefficientfeatureselectionalgorithmcannotonlyprovidestrongprotectionfortheclassification、decision-making,butalsoreducetheoverheadrequiredforthet
6、ask.Toanalyzethevastamountsofcrudedata,digoutusefulknowledgehiddeninthedata,dataminingtechniqueswereneeded.Inspiredbybiologicalimmunesystemthatwitllstrongfeatureextraction、learning、rapidevolutionandmemorycharacteristicsandSOon,whichpursuedindatamining。First,thebackgroundofafeatureselectionalgo
7、rithmbasedonimmunecomputationwasintroduced,anditmadeasummarydescriptionoftheartificialimmunesystemanditsapplication,anddescribedsomefeatureselectionalgorithms.Forinformationresourcemodel,featureselectionalgorithmanddimensionreduction,th