免疫粒子群算法及其在物流配送中心选址问题中的应用研究

将人工免疫思想引入粒子群算法,设计了一种人工免疫粒子群混合算法。混合算法的基本思想是:将粒子群算法中的粒子同时视为免疫算法中的抗体,粒子的适应度评价也与抗体亲和力的评价一致。将混合算法应用于物流配送中心选址问题,数值结果表明,免疫机制可有效地避免常规粒子群算法易过早收敛的缺陷。     

基于人工免疫和神经网络混成算法的入侵检测系统研究

提出了一种人工免疫和神经网络结合用于网络入侵检测的新颖算法,该算法具有识别多样性、自我调节功能等特点。将该算法以网络的输入数据作为抗原,用于神经网络隐层中心点数量和位置的调整,输出采用最小二乘法。仿真结果表明,该混合算法具有较强的泛化能力,而且精度高,效果好。     

利用模糊免疫网络记忆分类器的Web服务Qos评价

根据用户对利用模糊免疫网络记忆分类器的Web服务Qos评价模型提出的功能需求、应用的领域及Qos约束,自动选择出能够反映该功能服务质量属性的评价因子。提出新的人工免疫分类算法—FAINMC,利用该算法对大量的Web服务实现准确、高效的分类。根据每类记忆细胞反应的特征得到和类型相对应服务等级,使用模糊隶属度和百分法得到了反应Web服务质量优劣评价值。     

模糊c均值聚类在交通流高峰期确定中的应用

交通流高峰期是交通规划、交通控制中一个非常重要的概念．目前高峰期一般是凭经验人为确定的．文章利用模糊c均值聚类方法对交通流高峰期的确定问题进行研究．首先对模糊c均值聚类算法进行简要介绍,然后利用该算法对某城间高速公路交通流数据进行聚类分析,分别确定了该高速公路正、反向交通流的高峰期．结果表明,该算法聚类结果与经验交通流高峰期基本一致．     

人工免疫算法及其在多元非线性优化问题中的应用

针对多元非线性Rosenbrok函数优化问题,结合生物免疫系统相关机理,设计对应的人工免疫算法对其进行求解。讨论了相似度、亲和力、群体多样性以及免疫记忆等功能的设计和实现方法,算法设计中,结合信息熵原理设计抗体相似度,并引入克隆抑制、亲和突变及募集新成员算子来保持群体多样性。最后,通过实验比较分析,该算法稳定,且具有较强的全局搜索性能,能够获得较满意的解。     

浅谈抗原和抗体

人教版高中《生物》试验修订本选修教材第一章第三节“免疫”中，抗原、抗体是最基本的概念，但学生理解常出现概念混淆、分类不清等问题，现将中学涉及的抗原、抗体知识归纳总结如下：     

考虑混沌特性的PSR-XGBoost短期交通流预测

为了提升主动式交通管理的水平,结合相空间重构和XGBoost算法提出了 一种短时交通流预测模型.首先,改进了传统的数据预处理方法,通过层次聚类判定交通流状态,并根据不同的交通流状态对缺失、异常数据进行填充.其次,利用相空间重构将一维数据映射为多维数据矩阵,并利用时间序列复杂网络验证数据重构效果.最后,将多维数据矩阵输入...     

基于人工免疫系统与RBF的混合算法实现模式分类

提出了一种基于人工免疫系统与RBF的混合算法.该算法由两个阶段组成:第一阶段采用人工免疫机制来确定RBF网络隐层的聚类中心的位置和数量。第二阶段求输出层的权值W,最后用模式分类作试验,实验结果表明,该算法具有收敛速度快,泛化能力强的特点。     

抗体网络基于邻接矩阵的算法实现

D e C astro等提出一种基于人工免疫原理的竞争神经网络模型-抗体网络。但目前关于抗体网络的研究还停留在原理介绍和实验验证阶段,没有应用在工程问题中的实例。在综合考虑算法复杂性等因素的基础上,利用邻接矩阵作为存储结构,给出了抗体网络主要操作的算法,为抗体网络在工程问题中的应用提供了一个具体的实现方案。     

基于样条曲线的多域交通流模型（英文）

为了建立最优化多域交通流模型,提出了一种将聚类分析和B-样条回归分析相结合的新方法.首先,为了确定合适的域数,采用K-means和模糊c-means算法对实际交通流数据进行了聚类分析,分析表明将交通流数据分为2类或3类最能反映交通流的固有类型.然后,将此信息用于指导B-样条回归分析,可显著减少样条模型参数估计的计算量.用样条回归分析来估计结点位置和模型参数可使得整体误差最小.模型分析结果表明,提出的样条曲线模型比传统模型具有更好的拟合能力和通用性.此外,新方法在数据拟合方面更加灵活,且能提供更加光滑的交通流模型曲线.     

最小局部方差优化初始聚类中心的 K-means 算法

针对传统 K-means 算法随机选取初始聚类中心导致聚类结果随机性大、优劣不定的缺点,通过定义局部方差,利用方差反映数据密集程度的特性,提出一种基于最小 局部方差优化初始聚类中心的 K-means 算 法。该算法选取数据集中局部方差最小的点作为一个初始聚类中心,并利用数据信息更新数据集,直到选到 k个初始聚类中心,实现初始聚类中心优化。基于 UCI 数据集与人工数据集进行实验,与传统 K-means 算法及最小方差优化初始聚类中心的 K-means 算法进行性能比较。实验结果表明,基于最小局部方差优化初始聚类中心的 K-means算法具有良好的聚类效果和很好的鲁棒性,且聚类时间较短,验证了算法有效性和优越性。     

Using Greedy algorithm:DBSCAN revisited Ⅱ

The density-based clustering algorithm presented is different from the classical Density-Based Spatial Clustering of Applications with Noise(DBSCAN)(Ester et al.,1996),and has the following advantages: first,Greedy algorithm substitutes for R*-tree(Bechmann et al.,1990)in DBSCAN to index the clustering space so that the clustering time cost is decreased to great extent and I/O memory load is reduced as well; second,the merging condition to approach to arbitrary-shaped clusters is designed carefully so that a single threshold can distinguish correctly all clusters in a large spatial dataset though some density-skewed clusters live in it. Finally,authors investigate a robotic navigation and test two artificial datasets by the proposed algorithm to verify its effectiveness and efficiency.     

Using Greedy algorithm: DBSCAN revisited II

INTRODUCTION Clustering groups dataset data into meaning-ful subclasses in such a way that minimizes theintra-differences and maximizes the in-ter-differences of these subclasses; and is one ofthe most widely studied problems in data mining.There are many application areas for clusteringtechniques, such as statistical data analysis, patternrecognition, image processing, and other businessprocesses etc. Many clustering algorithms havebeen proposed, in part…     

Using Greedy algorithm: DBSCAN revisited II

The density-based clustering algorithm presented is different from the classical Density-Based Spatial Clustering of Applications with Noise (DBSCAN) (Esteret al., 1996), and has the following advantages: first, Greedy algorithm substitutes forR ^*-tree (Bechmannet al., 1990) in DBSCAN to index the clustering space so that the clustering time cost is decreased to great extent and I/O memory load is reduced as well; second, the merging condition to approach to arbitrary-shaped clusters is designed carefully so that a single threshold can distinguish correctly all clusters in a large spatial dataset though some density-skewed clusters live in it. Finally, authors investigate a robotic navigation and test two artificial datasets by the proposed algorithm to verify its effectiveness and efficiency. Project (No. 2002AA2010) supported by the Hi-Tech Research and Development Program (863) of China     

免疫算法多样性及亲和性的一种计算方法

免疫算法是模拟生物免疫系统抗体和抗原相亲和机理的一种全局优化算法,由于多样度与亲和度计算困难,抗体与抗原采用二进制编码,算法的多样性及应用范围受到严重局限.本文提出基于信息熵的多样度和亲和度的计算方法,有效地提高了免疫算法的多样性,扩展了其应用范围.     

一种改进的聚类和孤立点检测算法

对基于距离的聚类及基于密度的孤立点检测方法进行了分析研究,提出了一种基于距离和密度的聚类和孤立点检测算法DDBCOD.该算法根据距离和密度阈值对数据进行聚类,并发现数据中的孤立点.实验表明,该算法能够识别任意形状的聚类,对高维数据有效,能够很好的识别出孤立点.     

中越高校英语教师成为“研究者”之比较研究

语言教学研究对外语教师尤为重要,被视为外语教师专业发展的重要途径。英语在中国和越南都属于外语,两国高校英语教师成为"研究者"面临着很多共同的困境,如研究观念的转变问题、研究时间的保障问题、评价机制问题、研究方法问题以及研究传播问题等。     

基于免疫机理的控制调节器设计

在生物适应性免疫调节系统中,免疫系统根据入侵抗原体的数量自动调节这种刺激和抑制作用,从而维持自身的平衡.人工免疫控制调节器,基于生物的这种适应性免疫机理,借鉴了生物免疫系统的作用原理,其仿真结果表明,该调节器能有效增强系统鲁棒性和抗干扰性能.     

基于蚁群算法的混合属性数据集聚类分析

在现有蚁群算法的基础上,加入公式改进、半径递增、短期记忆、空间分割等策略,同时采用一种距离测度函数将数值特征与类属特征相结合,实现了混合属性数据的聚类.仿真实验表明,新算法能加快聚类速度,得到较好的聚类结果。     

一种双向聚类协同过滤推荐算法研究

针对传统协同过滤推荐算法在大数据环境下存在数据稀疏性及计算复杂性等问题,提出一种双向聚类协同过滤推荐算法。该算法首先从用户维度和项目维度两个方向分别进行属性聚类,然后在目标用户和目标项目所在类簇中分别使用改进后的相似度计算方法进行协同过滤推荐,最后通过平衡因子综合预测评分并形成最终推荐列表。在 MovieLens 公开数据集上进行实验,结果表明,该算法（DCF）相比传统协同过滤推荐算法（TCF）、基于用户聚类的协同过滤推荐算法（UCF）以及基于项目聚类的协同过滤推荐算法（ICF）,在平均绝对误差上分别降低了 16%、8.1%、7.5%,有效提高了推荐精度。