【技术实现步骤摘要】
本专利技术涉及一种能快速、准确对事物进行分类或模式识别的方法，属识别
技术介绍
一模式识别在很多科学和
得到了广泛的重视，推动了人工智能系统的发展，扩大了计算机应用的可能。 一般把通过对具体个别事物进行观测所得的具体时间和空间分布的信息称为模式，把模式所属的类别或同类中模式的总体称为模式类。人工免疫系统是一种基于理论生物学启发而来的计算范式，它借鉴了一些免疫系统的功能、原理和模型用于复杂问题的解决。人工免疫系统在信息安全、模式识别、数据挖掘和故障诊断等方面得到了许多研究和应用，取得了较好的效果。但是，目前人工免疫算法大多存在算法复杂、人工设置参数和阀值较多、需要不断进行调整等问题。
技术实现思路
本专利技术的目的是克服已有技术之缺陷而提供一种算法简便、准确率高的。本专利技术所述问题是以下述技术方案实现的一种,免疫抗体网络进行模式识别前，需根据用户的训练样本数据对免疫抗体网络进行训练，训练后的免疫抗体网络即可应用于解决模式识别问题，免疫抗体网络的训练过程是随机抽取一定数目的各类训练样本，生成免疫抗体网络中的初始抗体，完成免疫抗体网络的初始化；按照顺序或...
【技术保护点】
一种基于免疫抗体网络的模式识别方法，其特征是，以随机抽取一定数目的各类训练样本，生成免疫抗体网络中相应类别的初始抗体，完成免疫抗体网络的初始化；以所有训练样本作为输入抗原，应用抗体生成算法，训练免疫抗体网络，免疫抗体网络中的抗体有效提取各类训练样本的模式特征，连续两次训练结果一致时，训练终止并保存训练好的免疫抗体网络，训练后的免疫抗体网络用于模式识别。
【技术特征摘要】
CN 2009-5-11 200910074328.71、一种基于免疫抗体网络的模式识别方法，其特征是，以随机抽取一定数目的各类训练样本，生成免疫抗体网络中相应类别的初始抗体，完成免疫抗体网络的初始化；以所有训练样本作为输入抗原，应用抗体生成算法，训练免疫抗体网络，免疫抗体网络中的抗体有效提取各类训练样本的模式特征，连续两次训练结果一致时，训练终止并保存训练好的免疫抗体网络，训练后的免疫抗体网络用于模式识别。2、 根据权利要求1所述基于免疫抗体网络的模式识别方法，其特征是，所述免疫抗体 网络初始化的方法是把用户给定的训练样本作为抗原，用/7维的实数向量表示，第J'个抗原/^表示为<formula>formula see original document page 2</formula>(1)与之对应，免疫抗体网络中的抗体，用一个(#2)维的实数向量表示，免疫抗体网络中第/个抗体y^表示为<formula>formula see original document page 2</formula>(2)其中，乃是抗体必,所属的类别信息，即抗体他能够识别的抗原的类别；G是抗体必, 的浓度，表示抗体瓶识别抗原数量的多少，屈， 必,分别表示抗体戲的各维属性信息， 表达抗体的模式特征；初始化后的免疫抗体网络中，共计包含历XA个抗体，此时免疫抗体网络中的抗体定义 为初始抗体，其中ffl是初始抗体的类别数目，A是每类初始抗体的数目，各个初始抗体的类 别信息Z，根据对应的随机抽取的训练样本的类别来确定，其属性信息也由对应的随机抽取 训练样本来确定，所有初始抗体的浓度值均取零。3、 根据权利要求1或2所述基于免疫抗体网络的模式识别方法，其特征是，所述免疫抗 体网络训练的方法是按照顺序或随机选取一个训练样本作为输入抗原，输入到免疫抗体网 络，免疫抗体网络中的抗体根据抗体生成算法，完成对输入抗原的学习和记忆，直至所有抗 原输入完毕，则称为完成了一次训练；反复训练免疫抗体网络，如果连续两次训练结果一致， 即连续的两次训练，免疫抗体网络中各类抗体的数目没有发生变化，免疫抗体网络训练结束。4、 根据权利要求3所述基于免疫抗体网络的模式识别方法，其特征是，所述抗体生成 算法是-定义①相似度描述两个样本之间的相似或相近的程度，常以某种距离作为相似度的测 量标准，如常用的欧几里德的距离；②:免疫^[体网络中抗体力&与抗原力&间的相似度；③S:免疫抗体网络中抗体^&与抗体^A/间的相似度；输入抗原与免疫抗体网络中抗体的相似度矩阵，其数据元素为⑤S :免疫抗体网络中抗体之间的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。